在能源互聯(lián)網(wǎng)和智能電網(wǎng)背景下，準(zhǔn)確的用戶用電行為特征分析和用電量短期、長期預(yù)測對(duì)電網(wǎng)需求側(cè)管理和基于互聯(lián)網(wǎng)的售電主體精準(zhǔn)消費(fèi)具有重要的指導(dǎo)意義?；谟脩羯鐣?huì)屬性、用電行為特征、互聯(lián)網(wǎng)行為將電力用戶進(jìn)行分類，進(jìn)而實(shí)現(xiàn)群體用電行為預(yù)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(zhǔn)消費(fèi)和制定電力需求側(cè)響應(yīng)策略提供數(shù)據(jù)支撐。

隨著中國電力體制改革和能源互聯(lián)網(wǎng)戰(zhàn)略的不斷推進(jìn)，電力用戶在互聯(lián)網(wǎng)售電平臺(tái)上購電和用電增值服務(wù)，形成種類豐富的用戶數(shù)據(jù)，包括用戶屬性數(shù)據(jù)、用電行為數(shù)據(jù)、上網(wǎng)行為數(shù)據(jù)等?；谶@些用電大數(shù)據(jù)將用戶用電行為特性進(jìn)行多維度分解，建立用戶分類模型，深刻認(rèn)識(shí)電力用戶群體效應(yīng)，能夠形成基于群體的用電模式差異化預(yù)測模型。

目前，對(duì)電力用戶群體分析方法多是基于歷史負(fù)荷數(shù)據(jù)，建立基于人工智能方法的負(fù)荷識(shí)別和預(yù)測模型，再利用聚類的方法實(shí)現(xiàn)基于用電行為的用戶群體分析，或是基于行業(yè)或領(lǐng)域等用戶屬性將電力用戶進(jìn)行細(xì)分，進(jìn)而形成群體一屬性的關(guān)系。這些分類方法往往一個(gè)群體中的用戶只包含了個(gè)別共同屬性，難以真正形成包含個(gè)體屬性、用電行為和互聯(lián)網(wǎng)行為等多種屬性的相似用戶群體，并用于構(gòu)建基于群體特征的用戶用電行為分析預(yù)測模型。

標(biāo)簽作為一種用戶行為的標(biāo)識(shí)方法，蘊(yùn)含了很多反映用戶屬性、用電偏好的信息。通過對(duì)標(biāo)簽數(shù)據(jù)的分析，結(jié)合相同標(biāo)簽數(shù)量和負(fù)荷相似度形成用戶關(guān)聯(lián)度網(wǎng)絡(luò)模型，得到相似電力用戶群體，提取群體的主要特征以及發(fā)現(xiàn)群體中的重要用戶，便于互聯(lián)網(wǎng)售電主體實(shí)施個(gè)性化增值服務(wù)產(chǎn)品和用電套餐推薦，進(jìn)而提升電力服務(wù)質(zhì)量。

7.2.1電力用戶行為關(guān)系模型

如圖7-7所示，對(duì)于電力用戶的個(gè)體行為刻畫分為兩類：一是電力用戶的社會(huì)屬性，包括家庭人口、住房面積、房屋均價(jià)、戶內(nèi)熱源類型等，反映了電力用戶對(duì)電力的消費(fèi)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(jìn)而對(duì)用戶進(jìn)行分類或歸納;二是電力用戶的用電行為，包括歷史負(fù)荷曲線、互聯(lián)網(wǎng)購電行為、用戶信用等級(jí)等，反映了電力用戶的實(shí)際電能消費(fèi)量、購電渠道等用電行為特征，動(dòng)態(tài)展示了用戶的用電行為特點(diǎn)，可以幫助售電主體了解用戶的用電模式和消費(fèi)習(xí)慣。對(duì)于電力用戶群體的分類和行為刻畫，體現(xiàn)在基于用戶個(gè)體行為，形成對(duì)群體典型負(fù)荷和群體標(biāo)簽的描述，其中群體標(biāo)簽包含了群體中用戶共同的社會(huì)屬性和用電行為。

圖7-7 電力用戶行為關(guān)系模型