基于k- means 算法的居民用戶用電特性挖掘及其在電力營(yíng)銷(xiāo)中的應(yīng)用

周丹陽(yáng)

（國(guó)網(wǎng)浙江省電力有限公司臺(tái)州供電公司，浙江 臺(tái)州318000）

隨著智能電表的大力推廣，居民用電數(shù)據(jù)采集更為精準(zhǔn)，數(shù)據(jù)種類(lèi)更為繁多，數(shù)據(jù)量更是呈現(xiàn)井噴式增長(zhǎng)，電力行業(yè)正式進(jìn)入信息爆炸時(shí)代[1-3]。同時(shí)，在新一輪的電改體制下，對(duì)海量電力數(shù)據(jù)的充分利用，有助于電力企業(yè)的高效運(yùn)行。因此，為了實(shí)現(xiàn)電力企業(yè)的經(jīng)濟(jì)可靠供電，提升電力企業(yè)在電力市場(chǎng)所占份額，并增強(qiáng)居民用電舒適度，則需要對(duì)用戶側(cè)用電數(shù)據(jù)進(jìn)行深度挖掘，分析其用電行為對(duì)電力企業(yè)的影響。另一方面，中國(guó)采用的戶用智能電表每15 分鐘采集一次數(shù)據(jù)，導(dǎo)致每個(gè)用戶每日產(chǎn)生上百條數(shù)據(jù)，海量且復(fù)雜的居民用電數(shù)據(jù)對(duì)數(shù)據(jù)分析提出了嚴(yán)峻挑戰(zhàn)。因此，如何利用大數(shù)據(jù)技術(shù)挖掘用戶側(cè)用電特性，也是當(dāng)前國(guó)家電網(wǎng)關(guān)注的重點(diǎn)與難點(diǎn)。

截至目前，大數(shù)據(jù)處理技術(shù)在電力領(lǐng)域已有了不少應(yīng)用研究。文獻(xiàn)[4]以用戶行業(yè)、電價(jià)等因素為基礎(chǔ)，對(duì)用戶用電數(shù)據(jù)進(jìn)行聚類(lèi)分析，以期望調(diào)整電價(jià)機(jī)制；文獻(xiàn)[5]采用模糊C 均值法對(duì)變電站綜合負(fù)荷進(jìn)行聚類(lèi)分析，解決了用電行業(yè)分類(lèi)處理的復(fù)雜度。上述文獻(xiàn)實(shí)現(xiàn)了用電負(fù)荷的聚類(lèi)分析，但均沒(méi)有對(duì)居民用戶用電行為進(jìn)行細(xì)致分析。文獻(xiàn)[6]提出了基于量測(cè)法對(duì)居民用電負(fù)荷進(jìn)行分類(lèi)，但所用數(shù)據(jù)量過(guò)小。文獻(xiàn)[7]研究了居民用電行為的差異，但實(shí)驗(yàn)分析僅涉及夏季用電數(shù)據(jù)?？梢?jiàn)，基于用戶用電行為分析的方法多樣，但目前對(duì)相關(guān)用電數(shù)據(jù)的挖掘僅停留在小樣本上，針對(duì)智能電網(wǎng)下海量居民用電行為的研究較少。

此外，在當(dāng)前電力市場(chǎng)環(huán)境下，電力企業(yè)需要革新原有的盈利模式和營(yíng)銷(xiāo)策略，精準(zhǔn)把握用戶需求，實(shí)現(xiàn)電能的精準(zhǔn)營(yíng)銷(xiāo)。居民是電力服務(wù)的核心對(duì)象，但是由于居民用戶具有數(shù)量多、分布廣泛、隨機(jī)性強(qiáng)等特點(diǎn)，因此需要針對(duì)不同用戶的用能需求展開(kāi)精準(zhǔn)營(yíng)銷(xiāo)服務(wù)。但是截至目前，如何充分地從居民用電數(shù)據(jù)中挖掘出有用信息，并應(yīng)用于營(yíng)銷(xiāo)過(guò)程，輔助實(shí)現(xiàn)電力的精準(zhǔn)營(yíng)銷(xiāo)，依然是待解難題。

綜上所述，為了深度挖掘居民用戶用電行為特性，提升居民在用電行為上的用電效率與電力企業(yè)在電力市場(chǎng)上的份額，本文首先對(duì)用戶側(cè)產(chǎn)生的海量用電數(shù)據(jù)進(jìn)行預(yù)處理，然后通過(guò)k-means 算法，對(duì)浙江某小區(qū)居民用戶在春、夏、秋、冬四季的用電數(shù)據(jù)進(jìn)行聚類(lèi)分析，劃分出不同的用戶群體；最后，通過(guò)分析同一季度中、不同季度下的用戶用電特性，制定相應(yīng)的電力營(yíng)銷(xiāo)輔助策略。

1 數(shù)據(jù)分析方法描述

圖1 k-means 聚類(lèi)分析流程圖

k 類(lèi)均值聚類(lèi)（k-means clustering）是一種迭代求解的聚類(lèi)分析算法，原理簡(jiǎn)單，收斂速度快，且需要調(diào)整的參數(shù)僅為簇?cái)?shù)k，其工作流程如圖1 所示。

2 基于k-means 算法的用戶用電行為分析

用戶用電行為分析方法：

為了有效提高用戶用電綜合能效水平，并增強(qiáng)電力企業(yè)的營(yíng)銷(xiāo)水平，有必要從海量的用戶歷史用電數(shù)據(jù)出發(fā)，挖掘各類(lèi)用戶用電行為的特性。因此，本節(jié)提出一種基于k-means 算法的用戶用電行為聚類(lèi)方法，其流程圖如圖2 所示。該方法的主要步驟描述如下：

步驟一：用戶歷史用電數(shù)據(jù)預(yù)處理。主要對(duì)歷史用電數(shù)據(jù)進(jìn)行清洗，處理無(wú)效值與缺失值，再將數(shù)據(jù)集成，以提供聚類(lèi)分析所需的用電數(shù)據(jù)基礎(chǔ)。

步驟二：數(shù)據(jù)聚類(lèi)分析。將步驟一所獲用電基礎(chǔ)數(shù)據(jù)按照春、夏、秋、冬四季進(jìn)行聚類(lèi)。

步驟三：挖掘用戶用電特性。分析步驟二得到的用電數(shù)據(jù)聚類(lèi)結(jié)果，挖掘出用戶用電特性。

步驟四：制定營(yíng)銷(xiāo)策略。根據(jù)步驟三對(duì)用戶用電特性的分析結(jié)果，提出基于電價(jià)與服務(wù)質(zhì)量的營(yíng)銷(xiāo)策略。

圖2 數(shù)據(jù)挖掘流程圖

3 實(shí)例分析

本文以浙江某小區(qū)實(shí)際采集數(shù)據(jù)作為歷史負(fù)荷數(shù)據(jù)進(jìn)行驗(yàn)證與分析。該地區(qū)使用的智能電表以15 分鐘為一個(gè)采集周期，即每日有96 個(gè)用電量采集點(diǎn)。

3.1 數(shù)據(jù)挖掘

本文基于Matlab 對(duì)春、夏、秋、冬四季數(shù)據(jù)進(jìn)行聚類(lèi)求解，結(jié)果依次如圖3-6 所示?？蓪⒂秒娪脩舴譃? 類(lèi)：

（1）第1 類(lèi)用戶：未入住用戶。該類(lèi)用戶在四季的用電量平穩(wěn)且接近于零。

（2）第2 類(lèi)用戶：老年居住用戶。該類(lèi)用戶在春、秋季時(shí)的用電尖峰主要集中在飯點(diǎn)與傍晚，如圖3 與圖5 中30、70、85 負(fù)荷測(cè)量點(diǎn)；在夏季時(shí)，由于溫度升高，整體用電量會(huì)增加，并且夜晚持續(xù)用電降溫，使得夜間用電量高于白日，如圖4 中0-30 與80-96 負(fù)荷測(cè)量時(shí)段；在冬季時(shí)，由于溫度降低，對(duì)電熱類(lèi)家電依賴性較高，因此整體用電量也在上升，但由于老年人一般休息較早，使得夜晚用電量相對(duì)較低，如圖6 中0-25、80-96 負(fù)荷測(cè)量時(shí)段。

（3）第3 類(lèi)用戶：上班族用戶。該類(lèi)用戶在春、秋季時(shí)，白日用電相對(duì)平緩，僅在早、晚飯時(shí)有用電尖峰，如圖3 中30、70 與圖5 中33 與70 負(fù)荷測(cè)量點(diǎn)；在夏季時(shí)，由于氣溫較高，對(duì)于空調(diào)的依賴較強(qiáng)，用電量整體較高，但夜晚用電量激增且下降較為緩慢，如圖4 中65-96 負(fù)荷測(cè)量時(shí)段；在冬季時(shí)，由于氣溫較低，用戶較為依賴電熱類(lèi)家電，因此整體耗電量也較高。同時(shí)該類(lèi)用戶夜間的用電量較高，如圖6 中80- 次日15 負(fù)荷測(cè)量時(shí)段。

（4）第4 類(lèi)用戶：上班族與老人混居用戶。該類(lèi)用戶在四季白日用電規(guī)律，但傍晚用電量高且電量下降時(shí)刻較晚，如圖3中73-90、圖4 中80-96、圖5 中75-90、圖6 中70-96 負(fù)荷測(cè)量時(shí)段。

（5）第5 類(lèi)用戶：有學(xué)齡前孩子的上班族與老人混居用戶。因需要照顧小孩，在春、秋季時(shí)，夜晚用電下降時(shí)刻較早，如圖3與圖6 中80 負(fù)荷測(cè)量時(shí)點(diǎn)；在夏、冬季時(shí)，要保證室內(nèi)恒溫，該類(lèi)用戶用電量在白日較高，如圖4 中30-70、圖6 中35-70 負(fù)荷測(cè)量時(shí)間段。

圖3 春季負(fù)荷聚類(lèi)結(jié)果

圖4 夏季負(fù)荷聚類(lèi)結(jié)果

圖5 秋季負(fù)荷聚類(lèi)結(jié)果

圖6 冬季負(fù)荷聚類(lèi)結(jié)果

3.2 營(yíng)銷(xiāo)策略

3.2.1 電價(jià)策略

通過(guò)上述可知，不同客戶群體在不同季節(jié)下有著差異化的用電方式。春、秋季時(shí)，對(duì)于高耗能的制冷類(lèi)和電熱類(lèi)家電需求較低，一般在飯點(diǎn)與傍晚時(shí)有較高用電量。夏季時(shí)，由于氣溫較高，對(duì)空調(diào)等制冷設(shè)備的依賴性較高，尤其在正午最高溫時(shí)。冬季時(shí)，由于氣溫較低，對(duì)于電熱類(lèi)家電依賴性較高，且大部分用戶的用電高峰主要集中在傍晚。

因此，為了完善用電價(jià)格體制，使用電價(jià)格更為靈活，可以根據(jù)春、夏、秋、冬四季不同的用電特性調(diào)整電價(jià)，引導(dǎo)用戶錯(cuò)峰用電。

3.2.2 營(yíng)銷(xiāo)服務(wù)體制

在大數(shù)據(jù)時(shí)代下，為了使電力企業(yè)快速搶占市場(chǎng)，應(yīng)充分利用大數(shù)據(jù)優(yōu)勢(shì)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)。首先，分析目標(biāo)區(qū)域的用電量、客戶繳費(fèi)情況等，計(jì)算該區(qū)域用戶的未來(lái)用電潛力，降低電力企業(yè)的營(yíng)銷(xiāo)風(fēng)險(xiǎn)；其次，從用戶個(gè)體出發(fā)，建立用戶個(gè)體檔案，記錄用戶用電、繳費(fèi)、投訴等情況，針對(duì)性的進(jìn)行客服服務(wù)。最后，對(duì)用電異常或高電價(jià)時(shí)段進(jìn)行提醒，幫助用戶實(shí)現(xiàn)靈活經(jīng)濟(jì)用電，真正促進(jìn)用戶與企業(yè)的捆綁關(guān)系。

綜上所述，根據(jù)用戶群體進(jìn)行精細(xì)化營(yíng)銷(xiāo)與服務(wù)：

（1）第1 類(lèi)用戶。該類(lèi)用戶還未入住，因此應(yīng)在用電異常時(shí)對(duì)其進(jìn)行提醒。

（2）第2 類(lèi)用戶。該類(lèi)用戶整體用電量較低，且該用戶群體不擅長(zhǎng)使用智能手機(jī)，因此應(yīng)主動(dòng)進(jìn)行線下指導(dǎo)。

（3）第3 類(lèi)用戶。該類(lèi)用戶工作時(shí)間固定，用電錯(cuò)峰困難，因此應(yīng)主動(dòng)發(fā)送優(yōu)惠用電信息。

（4）第4、5 類(lèi)用戶。該類(lèi)用戶包含了老人與上班族，在用電方式上可以錯(cuò)開(kāi)用電高峰期，因此應(yīng)主動(dòng)發(fā)送用電量、電價(jià)、優(yōu)惠等用電信息。

4 結(jié)論

針對(duì)當(dāng)前電改體制下的電力企業(yè)營(yíng)銷(xiāo)服務(wù)優(yōu)化問(wèn)題，以浙江某地某小區(qū)的用戶歷史用電信息為基礎(chǔ)，對(duì)用戶用電行為進(jìn)行聚類(lèi)分析，獲得居民在春、夏、秋、冬四季下的用電特性。首先對(duì)聚類(lèi)結(jié)果進(jìn)行橫向?qū)Ρ?，發(fā)現(xiàn)在不同季節(jié)下，用電峰值的變化；其次對(duì)聚類(lèi)結(jié)果進(jìn)行縱向?qū)Ρ龋l(fā)現(xiàn)同一季節(jié)下，不同用戶群體的差異化用電方式。本文根據(jù)上述對(duì)用戶用電特性的分析，提出了電價(jià)與營(yíng)銷(xiāo)服務(wù)策略，對(duì)用戶進(jìn)行精細(xì)化管理，以此提升用戶的用電舒適度，提升電力企業(yè)在電力市場(chǎng)中的競(jìng)爭(zhēng)力與占有份額。