7.2.3相似用戶群體特征分析

在識別和構建相似用戶群體后，一方面可以如圖7-7所示，分析和獲得群標簽屬性和用電行為特征，用以表征電力用戶群體行j為，實現(xiàn)售電主體面向群體的銷售決策;另一方面，相似用戶群體的屬性包含了個體用戶的行為刻畫，能夠幫助售電主體預測用戶個體的用電行為，實現(xiàn)面向用戶的電力精準消費。其中，群體標簽為群用戶共同擁有的標簽類型，從群識別過程可以獲得;群典型負荷向量L反映了群體共同的用電行為特征，計算方法為

式中：Li為用戶i的日負荷向量;N為群中用戶的數(shù)量。

通過群分析預測個體用戶的用電行為，主要體現(xiàn)在對其負荷向量的預測，對于新入網(wǎng)用戶j，為了預測其用電行為特征，需要先識別該用戶屬于的群體，方法為分別計算用戶j與所有群的相同標簽個數(shù)，數(shù)值最大的群則為j的歸屬群，其負荷向量為

式中：Li為所屬群中與j相同標簽個數(shù)最多的K個用戶的負荷向量：K 為售電主體設定值，小于N。

利用河南省某地區(qū)抽樣1000戶居民的用電行為刻畫數(shù)據(jù)，進行相似識別，分析群體特征。

(1)電力用戶標簽體系和二元網(wǎng)絡。如表7-2所示，用戶標簽體系主要包含家庭人口、住房面積、房屋均價、熱源類型、用戶信用、購電渠道等內容。構建大數(shù)據(jù)分析系統(tǒng)，如圖7-9所示為每個用戶賦予相應的標簽，形成“用戶標簽”二元網(wǎng)絡。

表7-2     電力用戶標簽體系

(2)相似用戶群體識別與分析。利用表7-2所述的相似用戶群體分析方法，設定群用戶數(shù)量N=50，識別出相似用戶群體的共同標簽特征包括:2～3人、60～90㎡、7000～12000元/㎡、燃氣、市政熱力。利用式(7-7)計算出群體的典型日負荷向量，與50戶個體負荷向量各個小時的均方根誤差均值見圖7-11，各時刻平均為3.2%，表明群體典型日負荷向量與個體負荷向量誤差較小，較為準確地體現(xiàn)了群體中個體普遍的用電行為特征。因此，群體識別方法能夠有效識別出具有相似用電行為的用戶群體。

圖7-11群體典型負荷與個體負荷均方根誤差

為了進一步驗證通過對相似用戶群體的分析可以用于預測新入網(wǎng)用戶的用電行為特征，隨機取實驗樣本以外的一個用戶樣本，提取樣本用戶標簽后，尋找與該用戶相同標簽數(shù)量最多的用戶群作為該用戶的歸屬群，再分別計算該用戶與歸屬群中其他用戶的相同標簽個數(shù)，取數(shù)值最10個用戶，計算其平均日負荷向量，作為該用戶的負荷向量預側值。如圖7-12所示，預測負荷值的曲線與實際值的曲線趨勢相似，其均方根誤差平均值為5.3%，結果表明，基于相似群體分類結果，利用新入網(wǎng)用戶的屬性標簽，可以有效預測用戶的用電行為趨勢特征，對于售電主體以用戶為中心實施基于互聯(lián)網(wǎng)的精準消費、制定需求響應策略優(yōu)化等具有支撐作用。

電力用戶相似群體識別與特征分析方法。針對電力用戶用電行為和社會屬性特征，建立用戶標簽體系及“用戶一標簽”二元網(wǎng)絡，并以標簽對比結果為基礎，將用戶歷史負荷相似度作為動態(tài)系數(shù)修成標簽對比結果，構建用戶相互關系權重模型，作為衡量用戶相似度識別的標準在二元網(wǎng)絡中聚合用戶形成相似群體，進而獲得群屬性標簽和典型負荷特征，最后以相似群體為基礎，基于新入網(wǎng)用戶屬性標簽將其歸入相似群，并進一步預測新用戶的用電行為特征。仿真算例表明，該方法通過對標簽數(shù)據(jù)的分析，可以得到相似用戶群體，準確提取相似用戶群用電行為特征以及發(fā)現(xiàn)群體中的重要用戶，并預測新入網(wǎng)用戶的負荷曲線趨勢，便于售電主體為電力用戶提供個性化用電服務、精準實施需求響應策略、提升電網(wǎng)能效。

圖7-12負荷預測對比圖