基于数据分析的电力用户用电特征研究

作者：陈谧

来源：自动化仪表, 2022, 43(09): 100-105.

DOI：10.16086/j.cnki.issn1000-0380.2021120050

• 电力系统
• 数据分析
• 用户特征
• 卷积神经网络
• 粒子群优化
• 无监督
• 特征提取
• 特征重构

针对目前电力数据维度高、特征复杂、难以进行有效电力用户分析等问题，提出了基于用户电力特征的分割网络模型。首先，基于卷积神经网络(CNN)对电力用户用电特征进行编码，从而分析用户在相邻时段内用电记录的相关性。其次，为了减少信息冗余和高维数据带来的维度爆炸或噪声干扰影响，对电力用户用电记录进行多角度特征提取。接着，基于反卷积网络解码器从提取的特征中重构原始记录，从而可以在无监督的情况下对用户的用电行为进行建模。最后，基于改进粒子群优化(PSO)算法进行超参数优化，从而提高模型训练效率。在仿真阶段，以某电力公司500名用户用电数据为例，对用户用电行为进行分类分析。分析结果表明，经特征提取后，支持向量机(SVM)、变分自编码(VA)、生成对抗网络(GAN)和所提模型轮廓系数分别提升2.58%、4.24%、0.39%和0.86%。经所提改进PSO算法优化后，网络训练性能较传统PSO算法和无优化模型分别提升3.693倍和2.111倍。该模型可用于电力用户分析，为电力企业提高用户服务质量提供一定的借鉴。

• 单位
  广东电网有限责任公司惠州供电局