[发明专利]一种基于海量计量数据的电力客户在线分群方法

说明书

技术领域

本发明涉及一种电力行业电力客户分群方法，具体是指一种基于海量计量数据的电力客户在线分群方法。

背景技术

在电力营销方面，经常会碰到这样的问题：如何做好错峰、故障停电、计划停电的用电指导及停电时的应急服务？如何对错峰用户做好科学、柔性的错峰？如何保证对敏感客户、高价值客户，高信誉度客户的错峰、计划停电信息能够及时送达？所有这些问题都需要有一种有效的方法，对用电客户进行分群。

传统的电力客户分群主要采取静态的方法，一般使用电力客户的静态属性数据。或每月的电量数据来进行，数据量很少，一旦计算完毕，很少变化。而实际上用户用电行为时有变化，静态的分群方法已经不能满足对客户提供个性化营销服务的需求，各供电单位迫切需要一种新的方法，来对所有电力客户进行动态的分群计算。

本发明采用的主要数据来源于计量自动化系统，该系统利用智能采集终端设备和通信网络，可以实时获取客户实时的电力负荷数据。计量数据量大，利用传统的数据挖掘算法很难处理，如果用算法挖掘小数据去推测大数据往往使人们步入歧途，实施起来甚是费力费时。为提供电力系统灵活性、可移植性和降低成本需选择云计算环境。

发明内容

本发明的目的是提供一种基于海量计量数据的电力客户在线分群方法，该方法能够对所有电力客户进行动态的分群计算。

本发明的上述目的通过如下技术方案来实现的：一种基于海量计量数据的电力客户在线分群方法，包括以下步骤：

步骤1：对电力用户历史样本数据进行抽取；

步骤2：对抽取的样本数据进行预处理；

步骤3：对电力用户历史样本数据进行初始客户分群；

步骤4：从计量自动化系统中实时抽取在线电力用户信息及反映在线电力用户用电特征的实时用电数据，并且进行预处理；

步骤5：获取预处理后的在线电力用户数据，在步骤3已生成的客户分群的基础上，利用已经生成的聚类中心点，对新增的在线电力用户数据进行在线实时分群。

作为本发明的改进，本发明还包括步骤6：对步骤5获得的在线实时分群性能进行评价。

本发明中，所述步骤1中的电力用户历史样本数据进包括客户档案信息、客户电量信息和客户负荷信息；

所述的步骤2中的数据预处理包括缺失值处理、异常值处理、分群数据计算处理和数据归一化处理；

S2.1：缺失值处理

在原始计量数据，发现存在缺失的现象，为确保建模数据的有效性，需要对这些缺失数据进行补齐处理；

S2.2：异常值处理

对超出指标阀值范围的数据，通过同类型日数据结合插值算法进行修正处理；

S2.3：计算数据分群指标

考虑负荷波动基本能表征客户的用电特征，故基于电量及负荷指标计算出一定时间段内反映负荷变动情况的指标：

负荷率=平均负荷/最大负荷

峰总比=峰电量/总电量

平总比=平电量/总电量

谷总比=谷电量/总电量

其中：

最大负荷=Mαx(L_i),i＝1,2,...,96，L_i表示每隔15分钟的用电负荷采样值；峰、谷、平电量分别为城市用电高峰时间段、平峰时间段和谷峰时间段的用电量；

高峰时间段指的是用电量的高峰，用电量相对集中，低谷时间段则相反；高峰时间段8小时：9:00～12:00，17:00～22:00；平段时间段7小时：8:00～9:00，12:00～17:00，22:00～23:00；低谷时间段9小时：23:00～次日8:00；

S2.4：数据归一化

为了消除分群指标量纲之间的差异性，对数据进行归一化处理，主要方法可以采用最小最大值法，零均值法和小数定标法；

所述的步骤3包含以下子步骤：

S3.1：样本数据标准化

数据标准化指把经过预处理后的样本数据转成向量数据，向量数据包括大客户的负荷率、峰总比、平总比和谷总比；

其中d1为负荷率，d2为峰总比，d3为平总比，d4为谷总比；

向量数据存放到分布式文件系统中，在标准化的过程中，会通过MapReduce调度器，根据样本数据文件大小进行拆分成一些数据块向量数据angang比和谷总比；根据数据块的数量启动Map任务并行执行标准化转换工作；

S3.2：分布式存储