[发明专利]一种基于减法聚类模型的多表融合用能行为分析方法

说明书

本发明公开了一种基于减法聚类模型的多表融合用能行为分析方法，属于电力技术领域。目前应用的用户用能分析方法由于缺乏用户用水、用气数据，仅仅是基于用电量对用户用能进行的预测，无法充分挖掘用户用能之间的相关性，分析效果较差。本发明采集电、水、气数据，能够充分地挖掘用户用能之间的相关性，结合根据现场多年运行经验设计的基于减法聚类模型的多表融合用能行为分析方法，利用用户用日用电量、用水量、用气量，通过构建电水气融合数据矢量，利用聚类算法实现用户聚类，达到对居民用户用能的分类与离群用户区分，并在后续对离群用户进行研究是否出现窃电、漏水等用能异常，达到提高工作效率和减少供能企业损失的目的。

技术领域

本发明涉及一种基于减法聚类模型的多表融合用能行为分析方法，属于电力技术领域。

背景技术

随着居民用户智能电表、智能水表和燃气表抄表数据远程采集技术的不断推进，目前多地已经具备“电水、气、热”多表数据联合采集，为以户为单位的用户用能分析提供了基础条件，在此之前，由于各个供能单位的采集系统独立建设，业务数据不能共享，因此无法进行用户用能聚类分析。

目前应用的用户用能分析方法由于缺乏用户用水、用气数据，仅仅是基于用电量对用户用能进行的预测，无法充分挖掘用户用能之间的相关性，分析效果较差，无法实现对居民用户用能的分类与离群用户区分，进而后续无法分析离群用户是否出现窃电、漏水等用能异常，只能根据用户上报数据或者工作人员巡检发现问题，工作效率较低，可能对供能企业造成较大损失。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种能够充分地挖掘用户用能之间的相关性，合理利用多表融合数据以及大数据挖掘分析常用的统计手段，利用用户用日用电量、用水量、用气量，通过构建电水气融合数据矢量，通过聚类算法实现用户聚类，达到对居民用户用能的分类与离群用户区分，并在后续对离群用户进行研究是否用能异常，提高工作效率的基于减法聚类模型的多表融合用能行为分析方法。

为实现上述目的，本发明的技术方案为：

一种基于减法聚类模型的多表融合用能行为分析方法，

包括以下步骤：

步骤1、根据采集的水、电、气示度计算每日用能量；

步骤2、对用户用能量进行清洗，去除的明显异常用能数据；

步骤3、将用电量，用水量，用气量组成三维的用能数据作为该用户每日的用能数据；并根据聚类周期，构筑数据矢量，拼接的顺序要求每个用户一致；

步骤4、初始化聚类数目，计算每个用户数据点处的密度指标，选取具有最高密度指标的数据点为第一个聚类中心；

步骤5、增加聚类数目，对聚类中心选中的用户数据点，更新每个用户数据的密度指标，并选取具有最高密度指标的数据点为新的聚类中心；

步骤6、在未达到决定聚类数目之前重复步骤5，直到完成。

本发明采集电、水、气数据，能够充分地挖掘用户用能之间的相关性，结合根据现场多年运行经验设计的基于减法聚类模型的多表融合用能行为分析方法，使用大数据并行计算技术对每一个用户的用能情况进行分析，利用一年的用户用日用电量、用水量、用气量，通过构建电水气融合数据矢量，利用聚类算法实现用户聚类，达到对居民用户用能的分类与离群用户区分，并在后续对离群用户进行研究是否出现窃电、漏水等用能异常，达到提高工作效率和减少供能企业损失的目的。

作为优选技术措施，所述步骤4，初始化聚类数目k＝0，然后根据公式(1)计算每个

用户数据点处的密度指标，不失一般性，考虑N维空间n个数据点{x₁，x₂，…，x_n}：