在能源互聯網和智能電網背景下，準確的用戶用電行為特征分析和用電量短期、長期預測對電網需求側管理和基于互聯網的售電主體精準消費具有重要的指導意義。基于用戶社會屬性、用電行為特征、互聯網行為將電力用戶進行分類，進而實現群體用電行為預測，可以幫助售電主體更深入地了解用戶群體特征，為電力精準消費和制定電力需求側響應策略提供數據支撐。

隨著中國電力體制改革和能源互聯網戰略的不斷推進，電力用戶在互聯網售電平臺上購電和用電增值服務，形成種類豐富的用戶數據，包括用戶屬性數據、用電行為數據、上網行為數據等。基于這些用電大數據將用戶用電行為特性進行多維度分解，建立用戶分類模型，深刻認識電力用戶群體效應，能夠形成基于群體的用電模式差異化預測模型。

目前，對電力用戶群體分析方法多是基于歷史負荷數據，建立基于人工智能方法的負荷識別和預測模型，再利用聚類的方法實現基于用電行為的用戶群體分析，或是基于行業或領域等用戶屬性將電力用戶進行細分，進而形成群體一屬性的關系。這些分類方法往往一個群體中的用戶只包含了個別共同屬性，難以真正形成包含個體屬性、用電行為和互聯網行為等多種屬性的相似用戶群體，并用于構建基于群體特征的用戶用電行為分析預測模型。

標簽作為一種用戶行為的標識方法，蘊含了很多反映用戶屬性、用電偏好的信息。通過對標簽數據的分析，結合相同標簽數量和負荷相似度形成用戶關聯度網絡模型，得到相似電力用戶群體，提取群體的主要特征以及發現群體中的重要用戶，便于互聯網售電主體實施個性化增值服務產品和用電套餐推薦，進而提升電力服務質量。

7.2.1電力用戶行為關系模型

如圖7-7所示，對于電力用戶的個體行為刻畫分為兩類：一是電力用戶的社會屬性，包括家庭人口、住房面積、房屋均價、戶內熱源類型等，反映了電力用戶對電力的消費能力和潛力，該類描述可以幫助售電主體刻畫用戶的形象，進而對用戶進行分類或歸納;二是電力用戶的用電行為，包括歷史負荷曲線、互聯網購電行為、用戶信用等級等，反映了電力用戶的實際電能消費量、購電渠道等用電行為特征，動態展示了用戶的用電行為特點，可以幫助售電主體了解用戶的用電模式和消費習慣。對于電力用戶群體的分類和行為刻畫，體現在基于用戶個體行為，形成對群體典型負荷和群體標簽的描述，其中群體標簽包含了群體中用戶共同的社會屬性和用電行為。

圖7-7 電力用戶行為關系模型