大數(shù)據(jù)挖掘下的用電行為分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數(shù)據(jù)挖掘下的用電行為分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：得益于智能電網(wǎng)的發(fā)展，電力大數(shù)據(jù)的價值與作用逐漸被挖掘。通過對電力大數(shù)據(jù)的深入挖掘與研究，可促進電網(wǎng)企業(yè)管理水平的進一步提升，為我國智能電網(wǎng)的發(fā)展提供助力。而依托于大數(shù)據(jù)挖掘的用戶用電行為分析，可實現(xiàn)當(dāng)前企業(yè)電網(wǎng)調(diào)控與需求側(cè)的充分融合，為電力系統(tǒng)的穩(wěn)定性運行提供保障。基于此，文章針對大數(shù)據(jù)挖掘的用電行為分析進行深入探析，以期為智能電網(wǎng)發(fā)展提供幫助。

關(guān)鍵詞：智能電網(wǎng)；大數(shù)據(jù)；電力行為

近年來，大數(shù)據(jù)技術(shù)應(yīng)用逐漸從金融、商業(yè)領(lǐng)域擴展至醫(yī)療、能源、交通等多個領(lǐng)域。得益于能源互聯(lián)網(wǎng)技術(shù)的不斷創(chuàng)新發(fā)展，大數(shù)據(jù)技術(shù)被廣泛應(yīng)用于電力行業(yè)。隨著數(shù)據(jù)云平臺的構(gòu)建與完善，大數(shù)據(jù)技術(shù)應(yīng)用更為廣泛成熟，實現(xiàn)了在數(shù)據(jù)采集、存儲的同時，具備數(shù)據(jù)分析與應(yīng)用的功能。因此，電力大數(shù)據(jù)的價值依托于大數(shù)據(jù)挖掘得到進一步的開發(fā)，為電力行業(yè)以及智能電網(wǎng)的發(fā)展提供重要幫助。

1電力大數(shù)據(jù)技術(shù)分析

智能電網(wǎng)的發(fā)展，促使了大數(shù)據(jù)技術(shù)在電力系統(tǒng)中的應(yīng)用，構(gòu)建完善的技術(shù)體系，包括：數(shù)據(jù)采集、數(shù)據(jù)分類、數(shù)據(jù)分析、數(shù)據(jù)存儲以及數(shù)據(jù)應(yīng)用。不同數(shù)據(jù)處理步驟的功能與任務(wù)不同：（1）數(shù)據(jù)采集，為基礎(chǔ)環(huán)節(jié)，主要作用為電力數(shù)據(jù)的采集與收集，是開展數(shù)據(jù)分析工作的基礎(chǔ)與前提。具體運行中，通過實時數(shù)據(jù)采集、離線數(shù)據(jù)抽取、文件數(shù)據(jù)采集等形式進行數(shù)據(jù)的全面收集。（2）數(shù)據(jù)分類處理。主要作用體現(xiàn)為數(shù)據(jù)篩選，甄選出高價值的數(shù)據(jù)信息，并按照預(yù)選設(shè)定標(biāo)準(zhǔn)進行數(shù)據(jù)識別與分類。經(jīng)分類整理后，重復(fù)、多余數(shù)據(jù)將被剔除，在保障數(shù)據(jù)價值前提下，使剩余數(shù)據(jù)更為清晰、規(guī)整。（3）數(shù)據(jù)存儲。預(yù)先構(gòu)建電力數(shù)據(jù)庫，用于存儲分類整理后的電力數(shù)據(jù)，依托于數(shù)據(jù)庫應(yīng)用來管理、存儲數(shù)據(jù)，可實現(xiàn)對以往電力數(shù)據(jù)存儲困難、調(diào)取困難問題的有效解決。（4）數(shù)據(jù)分析與挖掘。電力數(shù)據(jù)信息依托于數(shù)據(jù)統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、模糊算法等方式進行分析與挖掘，將數(shù)據(jù)信息存在的隱藏價值、潛在聯(lián)系充分挖掘并分析，直觀呈現(xiàn)出數(shù)據(jù)信息的關(guān)聯(lián)與規(guī)律。數(shù)據(jù)挖掘過程中涉及關(guān)聯(lián)分析、分類分析、特異群組分析、聚類分析、異常分析等。針對數(shù)據(jù)分析的開展，則是借助高性能計算技術(shù)完成對數(shù)據(jù)信息的計算與處理，常用計算技術(shù)包括Hadoop分布式計算、YonghongZ-Suite等技術(shù)。（5）數(shù)據(jù)應(yīng)用?，F(xiàn)階段電力數(shù)據(jù)應(yīng)用是將挖掘分析結(jié)果應(yīng)用于其他部門，以挖掘分析結(jié)果為依據(jù)，對行業(yè)資源配比做出合理調(diào)整，提升資源利用率，并促進電力企業(yè)經(jīng)濟效益創(chuàng)造。而要想高效、高質(zhì)量地完成上述5個階段的數(shù)據(jù)處理，需構(gòu)建完善的數(shù)據(jù)采集分析平臺[1-2]。

2基于大數(shù)據(jù)挖掘用電行為分析

2.1用戶分類

以往電力企業(yè)針對用電用戶分類憑借的依據(jù)為用電模式、電壓等級，即按照用戶電壓等級與模式的不同進行用戶劃分，具體分為工業(yè)、商業(yè)、農(nóng)業(yè)、居民用電4種。依據(jù)大戶數(shù)挖掘的用戶分類，則是以電力大數(shù)據(jù)為依據(jù)，采取科學(xué)數(shù)據(jù)分析算法來達到用戶分類的目的?，F(xiàn)階段常用分類方法為：利用大數(shù)據(jù)信息制定曲線分析圖，結(jié)合對模糊算法、逆向分析、最小二乘法、曲線變化因素、聚類算法來科學(xué)分類。例如逆向分析法應(yīng)用，依據(jù)用電用戶不同類型特點的分析，結(jié)合熵權(quán)法對用戶電力數(shù)據(jù)進行分析，明確掌握其數(shù)據(jù)特點和數(shù)據(jù)權(quán)重，最后以數(shù)據(jù)特點分析結(jié)果為基準(zhǔn)，找到電力數(shù)據(jù)中與分析結(jié)果相對應(yīng)的數(shù)據(jù)信息，實現(xiàn)這部分?jǐn)?shù)據(jù)用戶的有效分類。相較于傳統(tǒng)分類方法，基于大數(shù)據(jù)挖掘的用戶分類更為科學(xué)合理，為用戶分類提供理論基礎(chǔ)的同時也能進一步提升用戶分類的精準(zhǔn)性。

2.2用電行為影響因子分析

2.2.1自我影響因子自我影響因子是指在具體用電過程中，用戶因自身因素使導(dǎo)致用電行為受到影響，此類影響因子具體包括用電事故發(fā)生、用電計劃改變等。

2.2.2自然環(huán)境影響因子自然環(huán)境影響因子是指自然環(huán)境的變化使得用戶用電行為受到影響。自然環(huán)境影響因子涉及溫度、風(fēng)力、季節(jié)、濕度、天氣等，在具體用電過程中，上述變化因子的存在使得用戶用電行為受到影響。

2.2.3社會環(huán)境影響因子社會環(huán)境影響因子是指發(fā)生重大國家事件或者是重要節(jié)假日，會影響用戶用電行為的因素，具體包括春節(jié)、等。社會影響因子具有不確定特點，所以在具體影響因子的分析過程中，需通過手動選擇的形式進行數(shù)據(jù)篩選。通過對用電行為影響因子的精準(zhǔn)、科學(xué)分析，并準(zhǔn)確篩選出電力數(shù)據(jù)中不同種類的影響因子，可進一步提升電力數(shù)據(jù)的代表性，精準(zhǔn)體現(xiàn)出用戶用電行為的特點，提高用電行為分析的合理性與可靠性，為電網(wǎng)資源合理配置提供依據(jù)。

2.3用戶用電行為分析

基于大數(shù)據(jù)挖掘前提下，用電行為分析主要研究的內(nèi)容包括：用戶用電負荷、用戶分類、故障率預(yù)測等。依托于數(shù)據(jù)采集分析平臺開展用電行為分析，將數(shù)據(jù)信息存儲于數(shù)據(jù)庫，依據(jù)分析目標(biāo)選取特定類型的數(shù)據(jù)進行用電行為分析。具體分析過程中，首先，需對某類用戶的整體數(shù)據(jù)信息進行整體性分析，制作用戶用電曲線圖，曲線圖指標(biāo)囊括功、電流、電量以及電壓等。其次，將整體數(shù)據(jù)中存在影響因子的數(shù)據(jù)排除，如將涉及春節(jié)、周末等節(jié)日的數(shù)據(jù)全部排除，對剩余數(shù)據(jù)進行分析與研究。在排除影響因子數(shù)據(jù)后，以月、季、年分段標(biāo)準(zhǔn)進行剩余數(shù)據(jù)的劃分，分析與比較不同階段用戶數(shù)據(jù)的具體特征。企業(yè)要想進一步提升用電行為分析的全面性，可在實際數(shù)據(jù)分析過程中合理采用負荷分析法、負荷預(yù)算法、聚類算法、回歸法等方法來探明數(shù)據(jù)信息存在的隱藏規(guī)律與關(guān)聯(lián)，通過用戶模型構(gòu)建的形式來提高行為分析的全面性與有效性。作為主要用電行分析方法之一，聚類分析法的應(yīng)用在當(dāng)前電力企業(yè)數(shù)據(jù)分析中較為常見，此方法中K-means算法則是聚類問題解決的常用算法。K-means算法應(yīng)用具有高效、便捷的特點，應(yīng)用于電力大數(shù)據(jù)，可進一步提升數(shù)據(jù)處理的效率性。但是需注意，K-means算法對初值的敏感度較大，初值的差異使得最終計算結(jié)果也會有所不同。模糊C均值算法的應(yīng)用較為廣泛，每個樣點通過目標(biāo)函數(shù)的優(yōu)化來獲取所有類中心隸屬度，依據(jù)對樣本點類屬的精準(zhǔn)、科學(xué)判斷，實現(xiàn)樣本數(shù)據(jù)自動分類。但是實際分析中，因模糊C均值算法只是進行離散數(shù)據(jù)點集合的處理計算，所以無法做到直接處理特殊類型數(shù)據(jù)，并對初始值有著較強的依賴性。另外，部分學(xué)者提出聚類問題可采取云計算處理方式，在有效解決聚類問題的同時，進一步提升數(shù)據(jù)處理的速度與效率。但是在具體數(shù)據(jù)處理過程中，因云計算方式需頻繁地讀寫Hadoop，再加上電力數(shù)據(jù)龐大，極易在數(shù)據(jù)處理分析過程中產(chǎn)生性能問題。而隨著電力大數(shù)據(jù)應(yīng)用聚類算法研究的愈發(fā)深入，提出諸多聚類分析的改進算法，如基于SparkR的K-means算法、基于云計算的K-means算法等。針對電力大數(shù)據(jù)的挖掘，應(yīng)用基于云計算的K-mean算法，推動數(shù)據(jù)處理與開發(fā)的大規(guī)模開展，起到提升數(shù)據(jù)處理能力、提高數(shù)據(jù)處理結(jié)果精準(zhǔn)性的作用。依托于K-means計算模型的構(gòu)建，對數(shù)據(jù)庫中特定用戶數(shù)據(jù)進行分析處理，進一步提升用電行為分析的科學(xué)性與可靠性。正因此，數(shù)據(jù)采集分析平臺開展數(shù)據(jù)處理時，基于云計算的K-means算法成為常用的處理方式之一。針對基于SparkR的K-means算法應(yīng)用，可有效消除以往云計算處理方式存在的頻繁訪問Hadoop問題。此算法的數(shù)據(jù)引擎是以Hadoop大數(shù)據(jù)群作為依據(jù)，通過對K-means算法的融合應(yīng)用，有效利用R語言與內(nèi)存計算特征來提升數(shù)據(jù)分析能力。相較于傳統(tǒng)用電行為分析，基于大數(shù)據(jù)挖掘的用電行為分析可以獲取更為精準(zhǔn)、科學(xué)、可靠的結(jié)果，明確掌握用電計劃與規(guī)律。同時，基于大數(shù)據(jù)挖掘的用電行為分析，有著更為完善且全面的理論依據(jù)，可以全面、及時地分析用戶用電行為[3-5]。

3結(jié)語

基于大數(shù)據(jù)挖掘的用戶行為分析，依托大數(shù)據(jù)技術(shù)的合理應(yīng)用，為企業(yè)開展全面、精準(zhǔn)的用電行為分析提供技術(shù)支撐，借助多種算法方法提升數(shù)據(jù)處理的科學(xué)性與合理性，促使電力企業(yè)在海量電力數(shù)據(jù)中獲取更多高價值信息，充分挖掘電力數(shù)據(jù)中隱藏的關(guān)聯(lián)、規(guī)律信息，為電力企業(yè)經(jīng)營管理水平的提升提供數(shù)據(jù)支撐。

[參考文獻]

[1]郝然，艾芊，肖斐.基于多元大數(shù)據(jù)平臺的用電行為分析構(gòu)架研究[J].電力自動化設(shè)備，2017（8）：20-27.

[2]辛苗苗，張延遲，解大.基于電力大數(shù)據(jù)的用戶用電行為分析研究綜述[J].電氣自動化，2019（1）：5-8，31.

[3]謝勝祥，張惠詩.基于大數(shù)據(jù)技術(shù)的電力客戶屬性挖掘研究與應(yīng)用[J].電力與能源，2018（6）：131-134，142.

[4]董莉麗.基于大數(shù)據(jù)挖掘的客戶用電行為分析[J].黑龍江科技信息，2016（4）：106.

[5]張小龍.大數(shù)據(jù)環(huán)境下用戶用電行為分析的研究[D].北京：華北電力大學(xué)，2017.

作者：董愛迪 潘建宏 楊爽 單位：國網(wǎng)吉林省電力有限公司信息通信公司