基于HDBSCAN动态跟踪客户用电行为模式

作者：王继业; 邓春宇; 郑亚芹; 张玉天; 刘凤魁

来源：供用电, 2019, 36(01): 10-16.

DOI：10.19421/j.cnki.1006-6357.2019.01.002

• 用电行为
• 动态跟踪分析
• 聚类
• 自适应
• HDBSCAN

为了自动辨识出优质电力大客户并快速感知其负荷行为变化模式,文章通过HDBSCAN算法(hierarchical density-based spatial clustering of applications with noise),对大工业客户1个月内分钟级的负荷行为数据进行自动分类。依据聚类结果筛选出潜在优质的用电客户,对其负荷行为模式进行动态跟踪分析(这里所说的"动态"是指相邻时间段内不同负荷状态的转换模式,综合考虑状态特征和时域特征的变化),以找出用电行为异常、或存在负荷结构变化的客户,增强对电网系统的动态感知能力,降低潜在风险。该算法最大程度地避免了人为主观性经验的参与调整参数,采用这种无监督机器学习技术能极大程度地提高整体分析效率;属于自下而上的数据驱动感知用户侧精细行为模式,将能大面积快速感知到诸多潜在风险模式和异常行为模式。

• 单位
  中国电力科学研究院有限公司