一种用户用电数据处理方法

摘要

本发明实施例公开了一种用户用电数据处理方法，所述方法包括：获取各用户的用电特征；根据所述各用户的用电特征进行聚类，得到多个簇；获取目标簇，所述目标簇为目标用户所在的簇；获取目标簇的簇指标；根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化。本发明实施例从用户用电数据中提取各用户的用电特征并进行聚类，实现对目标用户个体特征的准确定位，通过获取的目标用户的同业对标指标，将目标用户与其他相似用户以及相关行业指标进行综合对比，从而有助于后续处理中对优化用电方案进行量化评估，能够有效提高优化用电的准确度和适用度。

权利要求

1.一种用户用电数据处理方法，其特征在于，所述方法包括：获取各用户的用电特征；

根据所述各用户的用电特征进行聚类，得到多个簇；

获取目标簇，所述目标簇为目标用户所在的簇；

获取目标簇的簇指标；

根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化；

其中所述用电特征、簇指标、行业指标、同业对标指标所包含的项目相同；

所述根据各用户的用电特征进行聚类，得到多个簇，包括：以各用户的用电特征为向量建立初始模糊Fuzzy矩阵；

将所述Fuzzy矩阵标准化，得到标准化矩阵；

根据所述标准化矩阵获取各用户的相似系数；

多次执行聚类步骤，以得到多个簇，所述聚类步骤包括：产生随机数μ,μ∈[0,1]，根据所述随机数获取固定值λ作为水平分类，将大于所述固定值的用户聚为一簇；

所述用电特征、簇指标、行业指标、同业对标指标均包含以下一项或多项：所属行业、生产班次、最高负荷、负荷率、平均电价、容载比。

2.根据权利要求1所述的方法，其特征在于，所述根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，包括：通过下式

xi＝α×xui+(1-α)×xci,α∈[0,1]获取目标用户的同业对标指标，其中xui为行业指标中的第i项，xci为簇指标中的第i项，xi为同业对标指标中的第i项，α用于调节xui和xci的权重，以使行业指标和簇指标互相修正。

3.根据权利要求2所述的方法，其特征在于，当 时，

其中|C|为目标用户所在簇中的用户总数，|N|为目标用户所在行业中的用户总数。

说明书

一种用户用电数据处理方法

技术领域

[0001] 本发明实施例一般涉及电力领域，尤其是涉及一种用户用电数据处理方法。

背景技术

[0002] 高耗能企业在生产时一般都会耗费大量电能，目前大部分企业未对用电过程进行优化，增加了企业的生产成本，降低了企业利润，也不符合国家的节能减排政策。在现有技术中，优化用电主要依靠电力部门客户经理通过走访用户和抽样调查来进行，基于用户平均电价、负载率等因素，通过手工分析企业用电情况，得出优化用电建议。这种方式不但主观因素较大，而且仅针对单一企业用电情况进行分析，提供优化建议的时候缺乏全面的、有针对性的数据支持。

[0003] 发明人在实现本发明的过程中发现，随着智能电网的发展和智能电表的普及，现有的电网大用户基本已经实现全覆盖、全采集，同时，积累了大量的用户用电数据。对于这些有价值的用户用电数据，尚缺乏一种有效的处理方案，以帮助进行用电优化方面的量化分析。

发明内容

[0004] 有鉴于此，本发明实施例的目的是提供一种用户用电数据处理方法，以有助于用电优化方面的量化分析。

[0005] 本发明实施例公开了一种用户用电数据处理方法，所述方法包括：

[0006] 获取各用户的用电特征；

[0007] 根据所述各用户的用电特征进行聚类，得到多个簇；

[0008] 获取目标簇，所述目标簇为目标用户所在的簇；

[0009] 获取目标簇的簇指标；

[0010] 根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化；

[0011] 其中所述用电特征、簇指标、行业指标、同业对标指标所包含的项目相同。

[0012] 优选的，所述用电特征、簇指标、行业指标、同业对标指标均包含以下一项或多项：所属行业、生产班次、最高负荷、负荷率、平均电价、容载比。

[0013] 优选的，所述根据各用户的用电特征进行聚类，得到多个簇，包括：

[0014] 以各用户的用电特征为向量建立初始模糊Fuzzy矩阵；

[0015] 将所述Fuzzy矩阵标准化，得到标准化矩阵；

[0016] 根据所述标准化矩阵获取各用户的相似系数；

[0017] 多次执行聚类步骤，以得到多个簇，所述聚类步骤包括：产生随机数μ(μ∈[0,1])，根据所述随机数获取固定值λ作为水平分类，将大于所述固定值的用户聚为一簇。

[0018] 优选的，所述根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，包括：

[0019] 通过下式

[0020] xi＝α×xui+(1-α)×xci (α∈[0,1])

[0021] 获取目标用户的同业对标指标，其中xui为行业指标中的第i项，xci为簇指标中的第i项，xi为同业对标指标中的第i项，α用于调节xui和xci的权重，以使行业指标和簇指标互相修正。

[0022] 优选的，

[0023] 当 时，

[0024] 其中|C|为目标用户所在簇中的用户总数，|N|为目标用户所在行业中的用户总数。

[0025] 本发明实施例还公开了一种用户用电数据处理系统，所述系统包括：

[0026] 用电特征获取单元，用于获取各用户的用电特征；

[0027] 聚类单元，用于根据所述各用户的用电特征进行聚类，得到多个簇；

[0028] 目标簇获取单元，用于获取目标簇，所述目标簇为目标用户所在的簇；

[0029] 簇指标获取单元，用于获取目标簇的簇指标；

[0030] 同业对标指标获取单元，用于根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化；

[0031] 其中所述用电特征、簇指标、行业指标、同业对标指标所包含的项目相同。

[0032] 优选的，所述用电特征、簇指标、行业指标、同业对标指标均包含以下一项或多项：所属行业、生产班次、最高负荷、负荷率、平均电价、容载比。

[0033] 优选的，所述聚类单元包括：

[0034] 模糊矩阵构建子单元，用于以各用户的用电特征为向量建立初始模糊Fuzzy矩阵；

[0035] 标准化子单元，用于将所述Fuzzy矩阵标准化，得到标准化矩阵；

[0036] 相似系数获取子单元，用于根据所述标准化矩阵获取各用户的相似系数；

[0037] 聚类控制子单元，用于多次驱动聚类子单元，以得到多个簇；

[0038] 聚类子单元，用于产生随机数μ(μ∈[0,1])，根据所述随机数获取固定值λ作为水平分类，将大于所述固定值的用户聚为一簇。

[0039] 优选的，所述同业对标指标获取单元具体通过下式

[0040] xi＝α×xui+(1-α)×xci (α∈[0,1])

[0041] 获取目标用户的同业对标指标，其中xui为行业指标中的第i项，xci为簇指标中的第i项，xi为同业对标指标中的第i项，α用于调节xui和xci的权重，以使行业指标和簇指标互相修正。

[0042] 优选的，

[0043] 当 时，

[0044] 其中|C|为目标用户所在簇中的用户总数，|N|为目标用户所在行业中的用户总数。

[0045] 本发明实施例从用户用电数据中提取各用户的用电特征并进行聚类，找到目标用户所在的簇，即找到与目标用户相似的用户，实现对目标用户个体特征的准确定位，通过获取的目标用户的同业对标指标，将目标用户与其他相似用户以及相关行业指标进行综合对比，从而有助于后续处理中对优化用电方案进行量化评估，有助于分析出用户优化用电的建议，能够有效提高优化用电的准确度和适用度。

附图说明

[0046] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0047] 图1是说明本发明实施例一方法的流程图；

[0048] 图2是说明本发明实施例二方法的流程图；

[0049] 图3是说明本发明实施例四系统的示意图。

具体实施方式

[0050] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0051] 为了全面理解本发明，在以下详细描述中提到了众多具体的细节，但是本领域技术人员应该理解，本发明可以无需这些具体细节而实现。在其他实施例中，不详细描述公知的方法、过程、组件和电路，以免不必要地导致实施例模糊。

[0052] 实施例一

[0053] 图1为本发明实施例一方法的流程图。本实施例公开了一种用户用电数据处理方法，所述方法包括：

[0054] S101、获取各用户的用电特征。随着信息技术的发展，已经可以采集到大量的用户用电数据，本实施例为了充分利用这些用电数据，提出了用户的用电特征这一概念。用户的用电特征是本发明的基础，顾名思义可以理解为体现用户用电特性的一些指标、数据，例如用电特征可以包括以下一个或多个项目：所属行业、生产班次、最高负荷、负荷率、平均电价、容载比，等等。

[0055] S102、根据所述各用户的用电特征进行聚类，得到多个簇。各用户的用电特征混合在一起形成了规模较大的数据群，对该数据群可以进行聚类分析，将各用户分成簇，使相似的用户归在一起。具体聚类方法本实施例并不进行限制，可以使用现有的各种聚类算法对数据进行聚类。

[0056] S103、获取目标簇，所述目标簇为目标用户所在的簇。目标用户即当前要进行分析优化的用户。

[0057] S104、获取目标簇的簇指标。簇指标是指对各用户进行聚类得到簇后，对于某个簇计算得出的该簇的各项指标，如簇平均电价（与用户用电特征中的平均电价相对应）等等。

[0058] S105、根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化；所述用电特征、簇指标、行业指标、同业对标指标所包含的项目相同。

[0059] 行业指标可以是以GB_T4754-2002行业标准分类为基准，在某个行业上得出的各项指标，如行业平均电价等。同业对标是指将用户的用电特征中的各项同其所在行业的各项指标对比。

[0060] 发明人在实现本发明的过程中发现，在涉及行业相关对标比较的应用中，都是以整个行业的情况作为标准，而忽略了不同企业规模和用电特征下用户个体的差异性，所以提出的优化建议缺乏定制性，适用度不高，而本实施例通过聚类的方式，将相似的用户分为一类进行分析，可以提高分析的准确度，克服缺乏定制性、适用度不高的问题。

[0061] 目标用户的同业对标指标是本实施例对用户用电数据进行处理之后所要获得的最终结果，有了同业对标指标便有助于后续处理中对优化用电方案进行量化评估，有助于分析出用户优化用电的点，最终提高用电优化分析的准确度和适用度。此外，还可以进一步再结合力率标准等参数，综合分析该用户的节能潜力和用电优化方案。

[0062] 实施例二

[0063] 图2是本发明实施例二方法的流程图。本实施例基于实施例一，是对实施例一的进一步细化。在本实施例中，对于步骤S102即根据所述各用户的用电特征进行聚类，得到多个簇，具体实施时可以采取以下优选方式：

[0064] S1021、以各用户的用电特征为向量建立初始模糊Fuzzy矩阵。假设样本集合N中包含k个对象（一个对象即一个用户）n1、n2、…、nk，且每个对象具有m个属性（一个属性即用户用电特征中的一项，一个用户的用电特征中的各项组成一个向量），所有向量组成Nk×m矩阵，其元素可以用xij表示，i=1,2,…,k，j=1,2,…,m。

[0065] S1022、将所述Fuzzy矩阵标准化，得到标准化矩阵。计算得到标准化后的k×m各元素，从而得到标准化矩阵Rk×m。对于标准化矩阵中的每个元素rij，可以通过如下公式计算得到：

[0066]

[0067] S1023、根据所述标准化矩阵获取各用户的相似系数。具体的，对于相似系数的标定，可以采用数量积法：

[0068]

[0069] 其中Tij表示第i个用户和第j个用户的相似度。

[0070] S1024、多次执行聚类步骤，以得到多个簇，所述聚类步骤包括：产生随机数μ(μ∈[0,1])，根据所述随机数获取固定值λ作为水平分类，将大于所述固定值的用户聚为一簇。具体实施时，可以找出Tij矩阵中最大的两个元素，记为T(1)+T(2)，然后通过λ=(1-μ)+T(1)+T(2)计算λ。

[0071] 实施例三

[0072] 本实施例基于实施例一，是对实施例一的进一步细化。在本实施例中，对于步骤S105即根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，具体实施时可以采取以下优选方式：

[0073] 通过下式

[0074] xi＝α×xui+(1-α)×xci (α∈[0,1])

[0075] 获取目标用户的同业对标指标，其中xui为行业指标中的第i项，xci为簇指标中的第i项，xi为同业对标指标中的第i项，α用于调节xui和xci的权重，以使行业指标和簇指标互相修正。

[0076] 此外，当目标用户所在簇中的用户总数|C|在目标用户所在行业中的用户总数|N|中占少数时，说明该簇在整个行业中具有较强的特殊性，目标用户的用电情况更倾向与簇指标对比；反之则表明目标用户该更多地参考行业指标。基于上述考虑优选的，[0077] 当 时，

[0078] 其中|C|为目标用户所在簇中的用户总数，|N|为目标用户所在行业中的用户总数。

[0079] 实施例四

[0080] 图3是本发明实施例四系统的示意图。本实施例与上述方法实施例相对应，公开了一种用户用电数据处理系统300，所述系统300包括：

[0081] 用电特征获取单元301，用于获取各用户的用电特征；

[0082] 聚类单元302，用于根据所述各用户的用电特征进行聚类，得到多个簇；

[0083] 目标簇获取单元303，用于获取目标簇，所述目标簇为目标用户所在的簇；

[0084] 簇指标获取单元304，用于获取目标簇的簇指标；

[0085] 同业对标指标获取单元305，用于根据目标用户所在行业的行业指标和目标簇的簇指标，获取目标用户的同业对标指标，以根据所述同业对标指标对目标用户进行用电优化；

[0086] 其中所述用电特征、簇指标、行业指标、同业对标指标所包含的项目相同。

[0087] 优选的，所述用电特征、簇指标、行业指标、同业对标指标均包含以下一项或多项：所属行业、生产班次、最高负荷、负荷率、平均电价、容载比。

[0088] 优选的，所述聚类单元302包括：

[0089] 模糊矩阵构建子单元，用于以各用户的用电特征为向量建立初始模糊Fuzzy矩阵；

[0090] 标准化子单元，用于将所述Fuzzy矩阵标准化，得到标准化矩阵；

[0091] 相似系数获取子单元，用于根据所述标准化矩阵获取各用户的相似系数；

[0092] 聚类控制子单元，用于多次驱动聚类子单元，以得到多个簇；

[0093] 聚类子单元，用于产生随机数μ(μ∈[0,1])，根据所述随机数获取固定值λ作为水平分类，将大于所述固定值的用户聚为一簇。

[0094] 优选的，所述同业对标指标获取单元305具体通过下式

[0095] xi＝α×xui+(1-α)×xci (α∈[0,1])

[0096] 获取目标用户的同业对标指标，其中xui为行业指标中的第i项，xci为簇指标中的第i项，xi为同业对标指标中的第i项，α用于调节xui和xci的权重，以使行业指标和簇指标互相修正。

[0097] 优选的，

[0098] 当 时，

[0099] 其中|C|为目标用户所在簇中的用户总数，|N|为目标用户所在行业中的用户总数。

[0100] 对于系统实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

[0101] 还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

[0102] 以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。本文中应用了具体个例对本发明的原理及实施方式进行了闸述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。