李 宗， 劉曉靜， 謝 濤， 邢勝男， 安 玲

(1.國網(wǎng)安徽省電力有限公司， 合肥 230000； 2.國網(wǎng)安徽省電力有限公司 阜陽供電公司， 安徽 阜陽 236000； 3.北京經(jīng)世萬方信息技術(shù)有限公司， 北京 100022)

近年，智能電表設(shè)施普及促成用戶端數(shù)據(jù)維度的不斷豐富，深度挖掘用戶端電力數(shù)據(jù)隱含的信息，有助于電網(wǎng)公司了解用戶差異化需求，從而為用戶提供個(gè)性化服務(wù)。同時(shí)，用戶用電行為特征的掌握對(duì)于電網(wǎng)公司需求側(cè)管理、電力生產(chǎn)調(diào)度服務(wù)、用電服務(wù)引導(dǎo)增值服務(wù)等工作也至關(guān)重要。

在此背景下，如何處理電力用戶端大數(shù)據(jù)，挖掘用戶用電行為的有效信息成為相關(guān)領(lǐng)域?qū)W者關(guān)注的課題。現(xiàn)有研究成果中，張素香等[1]提出采用云計(jì)算平臺(tái)和并行 k-means 聚類算法，并結(jié)合熵權(quán)法計(jì)算各類特征權(quán)重，將居民用戶分類進(jìn)而分析居民用電行為，但并未結(jié)合實(shí)際情景證明文中提出算法的魯棒性。傅軍棟等[2]首次基于ReliefF算法建立以峰時(shí)耗電率等 5 種特征為指標(biāo)的數(shù)據(jù)模型，利用負(fù)荷特征權(quán)重證明峰時(shí)耗電率是影響居民用電日負(fù)荷曲線相似度的最關(guān)鍵特征，但文中所提數(shù)據(jù)特征數(shù)量較少缺乏全面性。徐良軍等[3]利用K均值聚類算法與模糊C均值聚類算法兩種方法對(duì)用戶的總負(fù)荷線進(jìn)行分類，分析用戶用電行為，并進(jìn)一步分析了兩種分析方法的不同，為供電公司進(jìn)一步了解用戶負(fù)荷曲線提供參考依據(jù)，然而，單純使用原始負(fù)荷數(shù)據(jù)進(jìn)行聚類對(duì)分析結(jié)果的準(zhǔn)確性會(huì)造成一定的影響。

參考已有研究文獻(xiàn)，并結(jié)合研究樣本的實(shí)際情況，本文從臺(tái)區(qū)居民負(fù)荷數(shù)據(jù)入手，同時(shí)為降低原始負(fù)荷數(shù)據(jù)中所包含的雜亂信息對(duì)分析結(jié)果的影響，提取9類負(fù)荷特性指標(biāo)，采用K-means算法對(duì)指標(biāo)集進(jìn)行聚類分析，以此來識(shí)別居民用電行為特征，并基于分析結(jié)果提出針對(duì)性建議，以期輔助電網(wǎng)公司完善相關(guān)業(yè)務(wù)工作。

1 K-mean算法應(yīng)用

K-means算法是一種常用的根據(jù)距離進(jìn)行聚類的算法。本文以居民負(fù)荷特征指標(biāo)為輸入數(shù)據(jù)進(jìn)行聚類分析，由于數(shù)據(jù)長度較短且趨勢較為相似在聚類方法的選擇方面具有較多參數(shù)的復(fù)雜的聚類方法并不適用于本文所作研究，因?yàn)榇祟愃惴▍?shù)具有很強(qiáng)的不確定性容易對(duì)聚類結(jié)果準(zhǔn)確性造成影響。相較之下以距離作為聚類依據(jù)的K-means聚類算法更具優(yōu)勢，聚類流程如圖1所示。

圖1 聚類流程

2 居民用電行為聚類分析

2.1 數(shù)據(jù)選取說明

本文以安徽省阜陽市供電公司采集的96點(diǎn)居民用電負(fù)荷數(shù)據(jù)為基礎(chǔ)，分析以臺(tái)區(qū)為單位的居民用電行為特征。

根據(jù)居民用電量規(guī)模分別在市區(qū)及阜陽市其他區(qū)縣選取共約50個(gè)臺(tái)區(qū)，50個(gè)臺(tái)區(qū)中城鎮(zhèn)與農(nóng)村臺(tái)區(qū)按2∶1分配。

抽樣臺(tái)區(qū)分布如表1所示。

表1 抽樣臺(tái)區(qū)選取

2.2 臺(tái)區(qū)負(fù)荷特征提取

根據(jù)阜陽市居民抽樣臺(tái)區(qū)全年96點(diǎn)負(fù)荷數(shù)據(jù)，區(qū)分采暖降溫季與基礎(chǔ)負(fù)荷季節(jié)、工作日與節(jié)假日(表2)，分別計(jì)算其典型日(典型日取當(dāng)日負(fù)荷率最接近當(dāng)月日均負(fù)荷率的日期)，選取典型日負(fù)荷曲線作為研究對(duì)象。

在阜陽市居民用電負(fù)荷數(shù)據(jù)的調(diào)研中發(fā)現(xiàn)，個(gè)別抽樣臺(tái)區(qū)(多位于農(nóng)村地區(qū))負(fù)荷曲線存在劇烈波動(dòng)的特性，因此，在負(fù)荷特征指標(biāo)集中增加了負(fù)荷環(huán)比增速標(biāo)準(zhǔn)差，實(shí)驗(yàn)顯示，增加該項(xiàng)指標(biāo)能夠在一定程度上區(qū)分出日負(fù)荷波動(dòng)劇烈的臺(tái)區(qū)，能夠有效支持臺(tái)區(qū)的細(xì)化聚類。綜合其他負(fù)荷特征指標(biāo)共9項(xiàng)負(fù)荷特征，如表3所示。

表2 聚類分析時(shí)間段劃分

表3 負(fù)荷特征指標(biāo)集

2.3 居民用電聚類分析

根據(jù)2.2構(gòu)建的負(fù)荷特征指標(biāo)集，基于Kmeans聚類分析方法對(duì)抽樣臺(tái)區(qū)負(fù)荷特征進(jìn)行聚類分析。

2.3.1 基礎(chǔ)負(fù)荷季節(jié)工作日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k的取值為7，聚類結(jié)果如表4所示。

表4 聚類中心

從表4中可以看出，第Ⅰ類特征的樣本最多，占樣本總數(shù)的30%，第Ⅵ類數(shù)據(jù)只有一組，占比最少，其他幾類數(shù)據(jù)占比相對(duì)持平。選取其中最具代表性的幾類繪制均值負(fù)荷曲線如圖2-圖6所示，橫坐標(biāo)為一天中的24個(gè)時(shí)點(diǎn)，縱坐標(biāo)為負(fù)荷數(shù)值(下同)。

圖2 基礎(chǔ)負(fù)荷季節(jié)工作日第I類所含樣本的聚類均值曲線

圖3 基礎(chǔ)負(fù)荷季節(jié)工作日第Ⅱ類所含樣本的聚類均值曲線

圖4 基礎(chǔ)負(fù)荷季節(jié)工作日第Ⅳ類所含樣本的聚類均值曲線

圖5 基礎(chǔ)負(fù)荷季節(jié)工作日第Ⅴ類所含樣本的聚類均值曲線

圖6 基礎(chǔ)負(fù)荷季節(jié)工作日第Ⅵ類所含樣本的聚類均值曲線

據(jù)負(fù)荷曲線特征判斷第Ⅰ、Ⅱ類負(fù)荷數(shù)值較小為農(nóng)村地區(qū)居民負(fù)荷，第Ⅴ類負(fù)荷均為城市居民負(fù)荷，第Ⅳ類負(fù)荷特征曲線的最大負(fù)荷數(shù)值遠(yuǎn)大于第Ⅱ類負(fù)荷和第Ⅴ類負(fù)荷，可以判定為商業(yè)用戶，且符合商業(yè)用電特征， 而調(diào)研臺(tái)區(qū)地址信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)工作日不同類型臺(tái)區(qū)用電特征如下：

1)居民用電量小且穩(wěn)定可調(diào)度空間也相對(duì)較小。工作日用電高峰多發(fā)生在晚7點(diǎn)到9點(diǎn)。

2)農(nóng)村地區(qū)居民負(fù)荷顯著小于城市居民負(fù)荷。

3)商業(yè)用戶負(fù)荷明顯大于居民負(fù)荷，最大負(fù)荷發(fā)生時(shí)點(diǎn)晚于居民負(fù)荷一個(gè)小時(shí)左右。

2.3.2 基礎(chǔ)負(fù)荷季節(jié)節(jié)假日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k值的取值為6，聚類結(jié)果如表5所示。

從表5中可以看出，第Ⅰ類樣本數(shù)量最多，占樣本總數(shù)的32%，第3類數(shù)據(jù)只有一組占比最少，其他幾類數(shù)據(jù)占比相對(duì)持平，選取其中最具代表性的幾類均值負(fù)荷曲線如圖7-圖11所示。

根據(jù)負(fù)荷曲線特征判斷第Ⅴ類負(fù)荷為農(nóng)村地區(qū)居民負(fù)荷，第Ⅰ、Ⅳ類為城市居民負(fù)荷，第Ⅱ類和第Ⅵ類負(fù)荷特征曲線波動(dòng)相似且數(shù)值相近并大于第Ⅴ類負(fù)荷，可以判定為商業(yè)用戶，且符合商業(yè)用電特征，而調(diào)研臺(tái)區(qū)地址信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)節(jié)假日不同類型臺(tái)區(qū)用電特征如下：

1)節(jié)假日居民用電規(guī)律與工作日不同，居民夜間活動(dòng)更加頻繁，最大負(fù)荷發(fā)生時(shí)點(diǎn)后移，出現(xiàn)在夜間8點(diǎn)前后，且持續(xù)時(shí)間較長，可將其作為負(fù)荷調(diào)度的一個(gè)因素給予考慮。

表5 聚類中心

圖7 基礎(chǔ)負(fù)荷季節(jié)工作日第I類所含樣本的聚類均值曲線

圖8 基礎(chǔ)負(fù)荷季節(jié)節(jié)假日第Ⅱ類所含樣本的聚類均值曲線

圖9 基礎(chǔ)負(fù)荷季節(jié)節(jié)假日第Ⅳ類所含樣本的聚類均值曲線

圖10 基礎(chǔ)負(fù)荷季節(jié)節(jié)假日第Ⅴ類所含樣本的聚類均值曲線

圖11 基礎(chǔ)負(fù)荷季節(jié)節(jié)假日第Ⅵ類所含樣本的聚類均值曲線

2)商業(yè)負(fù)荷在節(jié)假日用電量有所增加但總體趨勢與工作日沒有過大差異這由其自身的服務(wù)行業(yè)特性決定。

2.3.3 采暖季節(jié)工作日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k值的取值為7，聚類結(jié)果表6所示。

表6 聚類中心

從表6中可以看出，第Ⅰ類樣本數(shù)量最多，占樣本總數(shù)的30%，第Ⅲ類次之。第Ⅳ類數(shù)據(jù)只有一組占比最少，第Ⅱ類次之。其他幾類數(shù)據(jù)占比相對(duì)持平。選取其中最具代表性的幾類曲線如圖8-圖15所示。

根據(jù)負(fù)荷曲線特征判斷第Ⅰ類負(fù)荷為農(nóng)村地區(qū)居民負(fù)荷，第Ⅵ類為城市居民負(fù)荷，第Ⅱ類、第Ⅳ類負(fù)荷特征曲線波動(dòng)相似且數(shù)值相近并大于第Ⅰ類、第Ⅵ類負(fù)荷，而且最大負(fù)荷發(fā)生時(shí)點(diǎn)相差在1～2小時(shí)以內(nèi)，且符合商業(yè)用電特征，可以判定為商業(yè)用戶，而調(diào)研臺(tái)區(qū)地址信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)工作日不同類型臺(tái)區(qū)用電特征如下：

在采暖季節(jié)，受采暖需求影響居民用電負(fù)荷明顯增加，日用電高峰來臨時(shí)間在晚上9點(diǎn)到12點(diǎn)前后。同時(shí)普通住宅與商品住宅之間在用電方面差異較大。

圖12 采暖季節(jié)工作日第Ⅰ類所含樣本的聚類均值曲線

圖13 采暖季節(jié)工作日第Ⅱ類所含樣本的聚類均值曲線

圖14 采暖季節(jié)工作日第Ⅳ類所含樣本的聚類均值曲線

圖15 采暖季節(jié)工作日第Ⅵ類所含樣本的聚類均值曲線

2.3.4 采暖季節(jié)節(jié)假日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k值的取值為5，聚類結(jié)果如表7所示。

從表7中可以看出，第Ⅰ類樣本量最多，占樣本總數(shù)的36%，第Ⅴ類次之。第Ⅲ類數(shù)據(jù)只有一組占比最少。其他幾類數(shù)據(jù)占比相對(duì)持平。選取其中最具代表性的幾類曲線如圖16-圖20所示。

根據(jù)負(fù)荷曲線特征判斷第Ⅰ類負(fù)荷為農(nóng)村地區(qū)居民負(fù)荷，第Ⅴ類負(fù)荷為農(nóng)村地區(qū)居民負(fù)荷，第Ⅱ類中城市與農(nóng)村均有。第Ⅲ類和第Ⅳ類負(fù)荷特征曲線波動(dòng)相似且數(shù)值相近并大于第Ⅱ類、第Ⅴ類負(fù)荷，符合商業(yè)用電特征，可以判定為商業(yè)用戶，并且第Ⅲ類臺(tái)區(qū)所在范圍的商品住宅規(guī)模較大。而調(diào)研臺(tái)區(qū)地址信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)節(jié)假日不同類型臺(tái)區(qū)用電特征如下：

表7 聚類中心

圖16 采暖季節(jié)節(jié)假日第I類所含樣本的聚類均值曲線

圖17 采暖季節(jié)節(jié)假日第Ⅱ類所含樣本的聚類均值曲線

1)普通民用負(fù)荷方面用電量在采暖季節(jié)明顯增加，最大負(fù)荷發(fā)生時(shí)點(diǎn)范圍擴(kuò)大為晚上6點(diǎn)到11點(diǎn)，且日峰谷差相對(duì)于工作日有所上漲，主要是由于節(jié)假日多數(shù)居民在家中休息，對(duì)家中采暖負(fù)荷需求有所變化。在節(jié)假日，商業(yè)負(fù)荷與居民負(fù)荷一樣出現(xiàn)巨幅增長。

圖18 采暖季節(jié)節(jié)假日第Ⅲ類所含樣本的聚類均值曲線

圖19 采暖季節(jié)節(jié)假日第Ⅳ類所含樣本的聚類均值曲線

圖20 采暖季節(jié)節(jié)假日第Ⅴ類所含樣本的聚類均值曲線

2)采暖季節(jié)節(jié)假日最大負(fù)荷上限值達(dá)到36.67 kw，與采暖季節(jié)工作日最大負(fù)荷相比，節(jié)假日最大負(fù)荷大幅上漲。另外，采暖季節(jié)工作日與節(jié)假日負(fù)荷特征最大的差異在于日峰谷差，說明在節(jié)假日居民對(duì)于采暖負(fù)荷需求增大。

2.3.5 降溫季節(jié)工作日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k值的取值為7，聚類結(jié)果如表8所示。

表8 聚類中心

從表8中可以看出，第Ⅱ類樣本量最多，共有18個(gè)樣本量，占樣本總數(shù)的36%，第Ⅲ類次之。第Ⅶ類數(shù)據(jù)只有一組占比最少。其他幾類數(shù)據(jù)占比相對(duì)持平。選取其中最具代表性的幾類曲線如圖21-圖24所示。

圖21 降溫季節(jié)工作日第II類所含樣本的聚類均值曲線

圖22 降溫季節(jié)工作日第Ⅲ類所含樣本的聚類均值曲線

圖23 降溫季節(jié)工作日第Ⅳ類所含樣本的聚類均值曲線

圖24 降溫季節(jié)工作日第Ⅶ類所含樣本的聚類均值曲線

根據(jù)負(fù)荷曲線特征判斷第Ⅲ類負(fù)荷為農(nóng)村居民負(fù)荷，第Ⅳ類為城市居民負(fù)荷。第2類和第Ⅶ類最大負(fù)荷數(shù)值相近并大于第Ⅲ、Ⅳ類負(fù)荷，初步判定這幾個(gè)類別臺(tái)區(qū)所在范圍商品房較多，第Ⅶ類負(fù)荷所代表的是臺(tái)區(qū)所在范圍內(nèi)的商品房的規(guī)模相對(duì)比第Ⅰ類大一些。而通過調(diào)研信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)工作日不同類型臺(tái)區(qū)用電特征如下：

1)降溫季節(jié)因溫度變化，居民用電負(fù)荷有所增加。主要是由于該季節(jié)臺(tái)區(qū)內(nèi)的一些商業(yè)用戶為保持室內(nèi)溫度恒定需要通過空調(diào)進(jìn)行溫度調(diào)控，所以負(fù)荷相對(duì)基礎(chǔ)負(fù)荷季節(jié)有所上漲。

2)由于所選時(shí)段是工作日用電高峰來臨時(shí)間在晚6點(diǎn)到11點(diǎn)，持續(xù)時(shí)間較長。商品房所屬的商業(yè)負(fù)荷與普通居民負(fù)荷一樣出現(xiàn)巨幅增長。

2.3.6 降溫季節(jié)節(jié)假日負(fù)荷特征分析

本文根據(jù)標(biāo)準(zhǔn)差曲線來確定k值的取值為7，聚類結(jié)果如表9所示。

從表9可以看出，第Ⅰ類樣本最多，共有14組占樣本總數(shù)的28%，第Ⅲ類次之。第Ⅵ類數(shù)據(jù)只有一組占比最少。其他幾類數(shù)據(jù)占比相對(duì)持平。選取其中最具代表性的幾類曲線如圖25-圖28所示。

表9 聚類中心

圖25 降溫季節(jié)節(jié)假日第Ⅰ類所含樣本的聚類均值曲線

圖26 降溫季節(jié)節(jié)假日第Ⅱ類所含樣本的聚類均值曲線

圖27 降溫季節(jié)節(jié)假日第Ⅲ類所含樣本的聚類均值曲線

圖28 降溫季節(jié)節(jié)假日第Ⅶ類所含樣本的聚類均值曲線

根據(jù)負(fù)荷曲線特征判斷第Ⅰ類負(fù)荷為農(nóng)村地區(qū)居民負(fù)荷，第Ⅶ類為城市居民負(fù)荷。第Ⅱ類、第Ⅲ類曲線波動(dòng)相似且數(shù)值相近并遠(yuǎn)大于第Ⅰ類、第Ⅶ類負(fù)荷，判定為商業(yè)負(fù)荷。而調(diào)研臺(tái)區(qū)地址信息也佐證了統(tǒng)計(jì)層面的判斷結(jié)論。進(jìn)而總結(jié)節(jié)假日不同類型臺(tái)區(qū)用電特征如下：

1)與基礎(chǔ)負(fù)荷季節(jié)節(jié)假日相比，此時(shí)間段的最大負(fù)荷數(shù)值偏高。

2)降溫季節(jié)節(jié)假日最大負(fù)荷發(fā)生時(shí)點(diǎn)較工作日最大負(fù)荷發(fā)生時(shí)點(diǎn)推遲1.5～2小時(shí)。

3 結(jié)論及建議

本文利用Kmeans算法建立了用戶行為分析模型，并對(duì)多種負(fù)荷特征指標(biāo)聚類結(jié)果進(jìn)行分析，基本掌握了不同季節(jié)居民用電行為特征。根據(jù)季節(jié)性的居民用電行為特征，本文提出以下幾點(diǎn)建議。

3.1 加強(qiáng)需求側(cè)管理

基于Kmeans的居民用電行為聚類分析結(jié)果，可以看出基礎(chǔ)負(fù)荷季節(jié)、采暖季節(jié)、降溫季節(jié)三個(gè)典型季節(jié)居民用電特征存在明顯的差異性，工作日和節(jié)假日居民用電行為也存在不同。所以應(yīng)以此作為依據(jù)加強(qiáng)需求側(cè)管理。

1)電網(wǎng)應(yīng)及時(shí)將居民用電信息通過智能設(shè)備終端、手機(jī)APP等方式反饋給用戶，通過數(shù)據(jù)共享讓用戶充分了解自身用電行為，并以節(jié)省電費(fèi)為目的及時(shí)優(yōu)化用電行為，減少電能消耗。

2)根據(jù)居民用電行為特征與大型工廠進(jìn)行協(xié)調(diào)，避開用電高峰期避免過載現(xiàn)象的發(fā)生，通過加強(qiáng)需求側(cè)管理減小電廠壓力。

3.2 優(yōu)化調(diào)度模式

根據(jù)居民用電行為聚類分析結(jié)果，電網(wǎng)可以基本掌握臺(tái)區(qū)內(nèi)居民在不同季節(jié)的用電趨勢，包括日最大負(fù)荷、最大負(fù)荷發(fā)生時(shí)點(diǎn)等基本信息。以此作為背景，根據(jù)臺(tái)區(qū)內(nèi)居民用電情況不斷調(diào)整電網(wǎng)的調(diào)度模式是電網(wǎng)公司的主要任務(wù)。

1)聚類結(jié)果顯示現(xiàn)有分時(shí)優(yōu)惠電價(jià)政策效果并不明顯，電網(wǎng)應(yīng)根據(jù)居民用電行為特征信息對(duì)優(yōu)惠政策進(jìn)行細(xì)化，鼓勵(lì)臺(tái)區(qū)內(nèi)用戶積極的配合電網(wǎng)調(diào)度。例如，明確居民負(fù)荷用電高峰，利用儲(chǔ)能設(shè)備實(shí)現(xiàn)“消峰填谷”。

2)根據(jù)不同季節(jié)、工作日、節(jié)假日居民用電行為存在的差異性制定合理的調(diào)度模式以服務(wù)臺(tái)區(qū)安全運(yùn)行和經(jīng)濟(jì)運(yùn)行。