基于綜合用電指數(shù)的用戶畫像研究

蔡艷婧 陸健 曹春梅 徐立

摘 要：電力系統(tǒng)所用的用戶畫像不能對(duì)用戶行為進(jìn)行精準(zhǔn)識(shí)別，導(dǎo)致無法滿足電力企業(yè)的需求。本研究提出基于綜合用電指數(shù)的用戶畫像，利用綜合用電指數(shù)構(gòu)建指標(biāo)體系，再根據(jù)用戶信息建立行為標(biāo)簽庫(kù)，根據(jù)指標(biāo)評(píng)分來計(jì)算綜合用電指數(shù)，最后用Canopy改進(jìn)K-means算法生成用戶畫像。通過案例分析可以看出，該方法能夠精確地分析出用戶的用電習(xí)慣，并對(duì)用戶提出指導(dǎo)性意見，避免資源的浪費(fèi)。

關(guān)鍵詞：電力;用電指數(shù);用戶畫像;綜合

中圖分類號(hào)：TP181 ? ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1003-5168（2022）12-0021-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2022.12.004

Research on User Portrait Based on Comprehensive Power

Consumption Index

CAI Yanjing? ? LU Jian? ? CAO Chunmei? ? XU Li

（School of Electronics and Information，Jiangsu Vocational College of Commerce and Trade，Nantong 226001，China）

Abstract：The user portrait used in power system can not accurately identify the user behavior and can not meet the needs of power enterprises.The research on user portrait based on comprehensive power consumption index is proposed.The index system is constructed by using the comprehensive power consumption index，and then the behavior label library is established according to the user information.The comprehensive power consumption index is calculated according to the index score.Finally，the user portrait is generated by using Canopy improved K-means algorithm.Through case analysis，it can be seen that the design method can accurately analyze the habits of users，put forward guiding opinions for users，avoid resource waste.

Keywords：electric power;electricity consumption index;user portrait;comprehensive

0 引言

隨著科學(xué)技術(shù)的發(fā)展，用電用戶的數(shù)量在不斷增加，對(duì)電量的需求也越來越大[1]。智能用電是當(dāng)下最主要的用電方式，智能電網(wǎng)在運(yùn)行時(shí)會(huì)產(chǎn)生大量的用戶數(shù)據(jù)，對(duì)這些信息進(jìn)行分析，從而得出不同用戶的用電特征，根據(jù)這些特征能夠?qū)τ脩暨M(jìn)行分類，并根據(jù)用戶需求隨時(shí)調(diào)整電力系統(tǒng)[2]。

在智能用電站的配電系統(tǒng)中，對(duì)用戶的用電情況進(jìn)行監(jiān)測(cè)，采集不同用戶的用電習(xí)慣、用電信息、用電負(fù)荷等數(shù)據(jù)，并構(gòu)建用戶的用電畫像[3]。

對(duì)電力企業(yè)而言，用戶畫像能夠給企業(yè)帶來很好的商業(yè)價(jià)值。通過分析不同地區(qū)的用電畫像，找尋電力企業(yè)的潛在用戶[4]。與此同時(shí)，對(duì)老用戶的用戶畫像進(jìn)行分析，構(gòu)造用戶的虛擬形象，分析用戶的用電習(xí)慣和行為。

在利用用戶畫像對(duì)用電用戶進(jìn)行分析時(shí)，不同的用戶會(huì)形成不同的畫像特點(diǎn)[5]。電力用電畫像是以用戶用電信息為基礎(chǔ)構(gòu)建而成的，具有一定的代表性和特殊性。利用用戶畫像對(duì)用電用戶的個(gè)體差異性進(jìn)行標(biāo)記，挖掘用戶的用電行為特征，一方面能夠?qū)崿F(xiàn)不同用戶的特殊供電調(diào)度，另一方面能夠?qū)τ脩暨M(jìn)行系統(tǒng)化管理[6]。

現(xiàn)有的電力系統(tǒng)采用單一的方式來構(gòu)建用戶畫像，不能精準(zhǔn)地對(duì)用戶的用電需求、用電特征、信用體系等要素進(jìn)行分析[7]。鑒于此，本研究從綜合用電指數(shù)的角度出發(fā)，研究用戶的用電特征，形成臉譜化的畫像，為客戶管理提供個(gè)性化描述，并采集用戶畫像，在此基礎(chǔ)上提出合理的用電方案，促進(jìn)用戶合理用電。

1 基于綜合用電指數(shù)的用戶畫像研究

1.1 構(gòu)建綜合用電指數(shù)指標(biāo)體系

參考用戶的實(shí)際用電情況等信息，從電力企業(yè)的角度出發(fā)，結(jié)合當(dāng)下的整體經(jīng)濟(jì)狀況和電力行業(yè)的運(yùn)行情況，對(duì)綜合用電指數(shù)的指標(biāo)進(jìn)行規(guī)范化定義[8]。

在考慮電力企業(yè)和用戶自身因素的同時(shí)，還要充分對(duì)外界因素進(jìn)行考量。一方面專業(yè)人員運(yùn)用宏觀經(jīng)濟(jì)景氣指數(shù)對(duì)具體走勢(shì)進(jìn)行分析[9]，從行業(yè)整體趨勢(shì)來分析用戶的各個(gè)指標(biāo)信息。另一方面，對(duì)行業(yè)景氣指數(shù)進(jìn)行綜合分析，對(duì)比不同時(shí)間段的各個(gè)用戶用電情況，對(duì)不同情況進(jìn)行具體分析。

通過前文所闡述的兩方面，結(jié)合內(nèi)外部因素，對(duì)管區(qū)內(nèi)的用戶用電情況進(jìn)行調(diào)研，了解實(shí)際情況，形成初步調(diào)研數(shù)據(jù)。按照電力系統(tǒng)輻射區(qū)域、輸電纜的導(dǎo)電性能、傳輸過程中的能源損耗等指標(biāo)，對(duì)調(diào)研數(shù)據(jù)進(jìn)行分類整理，建立綜合用電指數(shù)的指標(biāo)體系[10]。

本研究所建立的指標(biāo)體系分為3個(gè)等級(jí)（見表1）。

本研究所建立的指標(biāo)體系內(nèi)的數(shù)據(jù)是通過前期調(diào)研、電力單位直接提供、電力采集系統(tǒng)綜合數(shù)據(jù)等途徑進(jìn)行整合的結(jié)果，具有普遍性。

1.2 獲取用戶信息，建立行為標(biāo)簽庫(kù)

用戶行為標(biāo)簽的建立是以用戶的特征信息為基礎(chǔ)，是對(duì)用戶行為特征和用電習(xí)慣進(jìn)行綜合分析后的結(jié)果。

用戶行為標(biāo)簽是用戶畫像的重要組成部分。行為標(biāo)簽所標(biāo)記的用戶，其用電習(xí)慣、繳費(fèi)習(xí)慣和途徑、每日耗電量都被用戶畫像顯示出來。與此同時(shí)，用戶的用電傾向和生活中的用電要求可通過聚類算法進(jìn)行計(jì)算分析，使用戶畫像能夠更精確地對(duì)用戶行為進(jìn)行描繪。

通過大數(shù)據(jù)梳理用戶信息數(shù)據(jù)的標(biāo)簽，深度挖掘用戶用電日志管理記錄系統(tǒng)，通過編程連接數(shù)據(jù)庫(kù)，提取數(shù)據(jù)并更新數(shù)據(jù)進(jìn)行存儲(chǔ);也可將用戶的信息數(shù)據(jù)以文件的形式存儲(chǔ)在本地系統(tǒng)中，等到聯(lián)網(wǎng)時(shí)再接入標(biāo)簽庫(kù)。將用戶標(biāo)簽數(shù)據(jù)進(jìn)行分類，并以源表數(shù)據(jù)的形式進(jìn)行存儲(chǔ)，在后續(xù)用戶畫像繪制時(shí)，可以利用不同的數(shù)據(jù)規(guī)則獲取標(biāo)簽寬表。

1.3 指標(biāo)評(píng)分法計(jì)算綜合用電指數(shù)

對(duì)用戶的用電數(shù)據(jù)進(jìn)行定性和定量分析，其目的是將用戶的用電數(shù)據(jù)進(jìn)行綜合化、信息化處理，為后續(xù)定量分析提供數(shù)據(jù)。影響用電指數(shù)的主要因素有不同用戶的用電指標(biāo)以及同時(shí)間段的能源消耗量，對(duì)用戶進(jìn)行等級(jí)的排序和分類，再通過行為標(biāo)簽庫(kù)對(duì)用戶進(jìn)行系統(tǒng)性評(píng)價(jià)。通過指標(biāo)體系將用戶分散的數(shù)據(jù)信息進(jìn)行整合分類處理，形成標(biāo)準(zhǔn)化的行為標(biāo)簽。

使用用戶用電指數(shù)指標(biāo)體系進(jìn)行綜合分析，在對(duì)用戶指標(biāo)建立完整的、標(biāo)準(zhǔn)化的計(jì)算方法后，利用隸屬度函數(shù)對(duì)用戶的綜合用電指數(shù)進(jìn)行整體計(jì)算（見圖1）。設(shè)置函數(shù)的基礎(chǔ)標(biāo)準(zhǔn)值為60，數(shù)據(jù)最高極限值為100。根據(jù)所設(shè)定的數(shù)值，計(jì)算兩者之間的數(shù)據(jù)差值，橫軸上的d是預(yù)期指標(biāo)，縱軸上的S是預(yù)期指標(biāo)在函數(shù)數(shù)據(jù)差值之間的位置，同時(shí)該數(shù)值也顯示出第三個(gè)等級(jí)指標(biāo)的具體數(shù)值。

圖1中的指標(biāo)函數(shù)是基于定量數(shù)據(jù)的指標(biāo)。對(duì)定性指標(biāo)的評(píng)定準(zhǔn)則進(jìn)行設(shè)定，分為優(yōu)秀、良好、中等、合格、較差這五個(gè)等級(jí)。評(píng)價(jià)標(biāo)準(zhǔn)設(shè)置為百分滿分制，因此，定性指標(biāo)的五個(gè)等級(jí)分別為90～100分為“優(yōu)秀”、80～90分為“良好”、70～80分為“中等”、60～70分為“合格”、60分以下為“較差”。然后通過定量評(píng)價(jià)和定性評(píng)價(jià)進(jìn)行綜合計(jì)算，得到每個(gè)用戶的評(píng)價(jià)眾數(shù)，再對(duì)不同地區(qū)的用戶評(píng)價(jià)眾數(shù)求平均值，最終的平均值為用戶綜合用電指數(shù)的評(píng)價(jià)結(jié)果。

1.4 生成用電用戶畫像

根據(jù)計(jì)算出的不同用戶的綜合用電指數(shù)，再用聚類分析法對(duì)用戶的用電指數(shù)進(jìn)行行為計(jì)算。結(jié)合行為標(biāo)簽庫(kù)中用戶的用電消耗量、電力系統(tǒng)的用電準(zhǔn)則、綠色用電習(xí)慣等，對(duì)用戶進(jìn)行種類劃分。結(jié)合以上兩方面，輸出用戶畫像，其能夠準(zhǔn)確地分析出用戶的行為習(xí)慣、消耗電量、繳費(fèi)習(xí)慣等，對(duì)用戶的特征進(jìn)行提取，為電力單位和用電用戶提供方便。

對(duì)用戶用電日負(fù)荷曲線和燃?xì)馊障那€進(jìn)行聚類分析。由于這兩類曲線中的數(shù)據(jù)都具有高維度的特點(diǎn)，因此，在聚類分析中會(huì)產(chǎn)生大量的復(fù)雜計(jì)算。為了提高分析效率，引入Canopy+改進(jìn)K-means算法，首先對(duì)用戶的用電數(shù)據(jù)進(jìn)行預(yù)處理，并歸類分析，降低總數(shù)據(jù)量，在此基礎(chǔ)上進(jìn)行K-means聚類，可大幅度降低運(yùn)算量，降低對(duì)計(jì)算機(jī)的運(yùn)算載荷需求，提高處理效率。通過Canopy算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，輸出數(shù)據(jù)的Canopy子集，設(shè)置該Canopy子集為K-means算法的原始計(jì)算核心，同時(shí)確定K值[11]。算法流程設(shè)計(jì)為：運(yùn)行Canopy算法進(jìn)行預(yù)聚類;得到K個(gè)Canopy子集及其Canopy質(zhì)心;在此基礎(chǔ)上運(yùn)用K-means算法，以K個(gè)Canopy質(zhì)心為初始聚類中心進(jìn)行算法迭代，直至收斂。

采用Canopy聚類算法進(jìn)行預(yù)分類如下。

①生成樣本列表[List=[x1，x2，x3，...，xn]]，根據(jù)一定策略確定初始距離閾值[T1]、[T2]，且[T1]>[T2]。

②從列表[List=[x1，x2，x3，...，xn]]中無規(guī)則地抽選出一個(gè)試驗(yàn)數(shù)據(jù)，將該數(shù)據(jù)設(shè)置為原始Canopy質(zhì)心，記為O，并為其生成一個(gè)子集So，即Canopy子集，作為當(dāng)前基準(zhǔn);

③再次從列表[List=[x1，x2，x3，...，xn]]剩余的樣本點(diǎn)中隨機(jī)選取一個(gè)數(shù)據(jù)，記為Q，設(shè)其到O的距離為D。根據(jù)強(qiáng)弱規(guī)則處理Q點(diǎn)：若[D]>[T1]，則Q生成新Canopy子集，并將Q從列表List中刪除;若[D]≤[T1]，則將Q弱標(biāo)記，且Q放入So子集;若[D]≤[T2]，則將Q強(qiáng)標(biāo)記，且Q放入So子集。

不斷對(duì)數(shù)據(jù)進(jìn)行迭代，循環(huán)執(zhí)行第三步，直到輸出的數(shù)據(jù)List中元素?cái)?shù)目清零，完成Canopy聚類運(yùn)算。

2 案例分析

為了檢驗(yàn)本研究設(shè)計(jì)的指標(biāo)體系的應(yīng)用效果，選取管區(qū)內(nèi)A、B、C、D 4家典型企業(yè)用戶作為試驗(yàn)對(duì)象。監(jiān)測(cè)時(shí)間為2020年10月到2021年9月，分析其用電情況。通過對(duì)用電情況進(jìn)行調(diào)研和考察，同時(shí)參考企業(yè)的基本信息和信用體系評(píng)分等信息，依據(jù)綜合用電指數(shù)指標(biāo)體系的評(píng)價(jià)方法，繪制客戶的外部特征。綜合用電指數(shù)結(jié)果如表2所示。

在不同的二級(jí)指標(biāo)考核下，4家企業(yè)的得分綜合體現(xiàn)為一個(gè)外在的表現(xiàn)特征，對(duì)這4家企業(yè)進(jìn)行用電畫像的繪制，結(jié)果如圖2所示。

通過對(duì)用戶用電畫像進(jìn)行分析，可以看出，A企業(yè)的用電行為習(xí)慣良好，企業(yè)在用電時(shí)能夠遵循經(jīng)濟(jì)用電的原則，避免能源的浪費(fèi)，與另外3家企業(yè)相比，其有著十分明顯的優(yōu)勢(shì)，對(duì)該企業(yè)的建議是繼續(xù)保持企業(yè)的用電習(xí)慣，合理分類用電，關(guān)注企業(yè)過剩能源的回收，同時(shí)可以將企業(yè)的用電策略向外推廣，起到區(qū)域用電協(xié)作環(huán)保的作用，促進(jìn)該地區(qū)的綠色環(huán)保用電習(xí)慣的形成。與另外幾家企業(yè)相比，A企業(yè)在互動(dòng)用電方面存在著許多不足，在今后的用電優(yōu)化方面應(yīng)該著重注意提升互動(dòng)用電。B企業(yè)和C企業(yè)的用戶畫像表明這兩家企業(yè)的用電習(xí)慣較差，資源浪費(fèi)的較多，無法做到經(jīng)濟(jì)綠色用電，沒有形成對(duì)資源的再循環(huán)利用，尤其是在用電穩(wěn)定性和用電合理分配上存在著嚴(yán)重的不足，但這兩家企業(yè)在互動(dòng)用電方面表現(xiàn)良好，建議B企業(yè)和C企業(yè)在今后的用電優(yōu)化方面將重點(diǎn)放到提升經(jīng)濟(jì)綠色用電上，注重資源的回收再利用。從D企業(yè)的用戶畫像中可以看出，該企業(yè)的綜合用電指數(shù)很高，只有在綠色用電方面存在著不足，在今后的用電優(yōu)化中應(yīng)該多關(guān)注綠色用電，調(diào)整電力資源的配置方案，提高電力資源的利用率。

綜上所述，基于綜合用電指數(shù)的用戶畫像能夠?qū)⒂脩舻挠秒娏?xí)慣特征精準(zhǔn)形象地表現(xiàn)出來，對(duì)用戶自身和電力系統(tǒng)的用電優(yōu)化都起著指導(dǎo)性作用。

3 結(jié)語

本研究利用綜合用電指數(shù)建立了全面系統(tǒng)的用戶畫像。通過對(duì)用戶畫像的分析，能夠得出不同用戶的用電信息和行為特征，方便電力系統(tǒng)對(duì)用戶的用電進(jìn)行調(diào)度。通過實(shí)例分析可以看出，本研究所設(shè)計(jì)的用戶畫像能夠?qū)τ脩舻男袨樘卣鬟M(jìn)行精準(zhǔn)分析，供電企業(yè)可根據(jù)用戶畫像規(guī)劃供電方案等。但由于時(shí)間的限制，本研究沒有對(duì)大量的用戶進(jìn)行分析，在今后的研究中還要進(jìn)一步完善用戶畫像，為用電分析提供更多的幫助。

參考文獻(xiàn)：

[1] 陸曉，徐春雷，冷釗瑩，等.基于數(shù)據(jù)驅(qū)動(dòng)方法的疫情階段電力用戶負(fù)荷特性畫像模型[J].電力建設(shè)，2021（2）：93-106.

[2] 王立斌，馬浩，楊鵬，等.基于用電信息的電力能效服務(wù)潛在客戶挖掘[J].電力大數(shù)據(jù)，2020（9）：34-41.

[3] 周玲，鐘璐，黃淵軍，等.用戶畫像和標(biāo)簽在電力服務(wù)系統(tǒng)中的應(yīng)用研究[J].自動(dòng)化儀表，2021（5）：10-13.

[4] 趙晉泉，夏雪，劉子文，等.電力用戶用電特征選擇與行為畫像[J].電網(wǎng)技術(shù)，2020（9）：3488-3496.

[5] 時(shí)珊珊，田英杰，金瑞楊，等.基于聚類的電網(wǎng)低壓臺(tái)區(qū)用電畫像方法研究[J].電工電能新技術(shù)，2020（8）：66-74.

[6] 陳佳，陳輝，成飛.浙江居民用電需求的影響因素研究及定量預(yù)測(cè)[J].大眾標(biāo)準(zhǔn)化，2020（15）：124-125.

[7] 羅金滿，溫兆聰，董文杰，等.基于居民用戶畫像的綜合能源需求響應(yīng)潛力量化模型[J].可再生能源，2020（10）：1407-1414.

[8] 張琳娟，許長(zhǎng)清，王利利，等.基于多維度能耗分析的園區(qū)用戶畫像模型[J].可再生能源，2021（8）：1078-1086.

[9] 張壯，馮小年，錢鐵云.基于多模態(tài)融合技術(shù)的用戶畫像方法[J].北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2020（1）：105-111.

[10] 王利利，張琳娟，許長(zhǎng)清，等.能源互聯(lián)網(wǎng)背景下園區(qū)用戶畫像及成熟度評(píng)價(jià)模型研究[J].中國(guó)電力，2020（8）：19-28.

[11] 杜佳穎，段隆振，段文影，等.基于Spark的改進(jìn)K-means算法的并行實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2020（2）：434-436，497.