[发明专利]一种基于标签聚类技术的电力大客户用电行为分析方法

说明书

本发明公开了一种基于标签聚类技术的电力大客户用电行为分析方法，基于海量的客户档案、负荷、电量数据，综合考虑客户用电特征、影响因素，建立了客户用电行为标签库，并采用k‑means算法进行标签聚类，实现不同类型电力客户用电行为画像。本发明选取的用电行为标签合理有效、采用的聚类算法效果显著，能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供了有力的数据支撑。

技术领域

本发明属于电力营销智能应用技术领域，具体涉及一种基于标签聚类技术的电力大客户用电行为分析方法。

背景技术

客户用电行为分析，以海量的客户用电行为数据为基础，通过识别不同客户群体的行为特征，从而达到科学的客户认知、风险管理、个性化营销和服务的目的。与传统的客户用电行为分析相比,基于数据挖掘的客户用电行为分析能够提高客户行为分析的精确度,并实现对客户的用电行为进行定量化描述。与专业部门开展的分析相比，基于大数据的客户用电行为分析更加注重对客户用电风险的预测和大客户用电效益的挖掘，促进公司运营效率和服务水平的提升。

目前国内外专家学者基于电力客户用电数据，开展了大量的研究工作，例如采用聚类分析实现了客户用电行为特征优选，在降低计算复杂度的同时提高了客户用电行为分析的准确度；采用数据挖掘、云计算、动态博弈等技术开展用电行为分析研究，为提高客户需求感知、提升服务水平提供了支撑；以客户用电行为分析为手段，实现了负荷削峰填谷和多能互补供需优化，提高了电网运行安全稳定性。

在大数据技术快速发展的背景下，客户标签和画像技术在电商、互联网领域得到广泛应用。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于标签聚类技术的电力大客户用电行为分析方法。

为实现上述技术目的，本发明采取的技术方案为：

一种基于标签聚类技术的电力大客户用电行为分析方法，包括以下步骤：

1)结合数据资源维度，建立客户用电行为指标体系；

2)基于客户属性和数据分布，制定客户指标计算规则，将客户用电行为指标转化为标签；

3)采用k-means算法对形成的客户标签系列进行聚类，得到典型客户群体分类；

4)基于客户用电行为标签聚类结果，对客户群体进行画像分析，使客户用电行为分析更加简洁、直观。

为优化上述技术方案，采取的具体措施还包括：

步骤1)中，用电行为指标体系涵盖合同容量、用电类型、季节特性、温度敏感度、负荷稳定性、容量利用率、电量增长率、峰谷特性和周休特性，共计9个典型指标。

步骤2)中，基于客户档案信息、业务人员工作经验和数据分布情况，划定指标阈值，并根据不同阈值的特征，将用电行为指标定义为具有业务意义的标签。

步骤3)中，采用k-means算法对形成的客户标签系列进行聚类具体包括以下步骤：

3.1)对用户标签集向量进行相异度分析(相异度可以用欧式距离度量，距离越大，相异度越高)，找出相异度最大的K个用户，作为并行k-means算法聚类算法的初始聚类中心；

3.2)将所有用户标签与K个聚类中心进行相似度计算，并将用户归入相似度最高的聚类中心中；

3.3)所有用户标签全部分类完成后，对各类别下的所有用户群取平均值，并以此平均值更新各类别当前的聚类中心，检查当前所有聚类中心与上一次迭代得到的聚类中心差值是否均小于预设阀值，若是，则返回步骤3.2)，否则，转入步骤3.4)；

3.4)聚类结束，显示聚类结果。

本发明具有以下有益效果：