[发明专利]一种基于电力大数据分析的企业复工辅助判断方法

权利要求书

1.一种基于电力大数据分析的企业复工辅助判断方法，其特征在于包括以下步骤：

1)获取对应用户的相关用电数据；

从用户的用电属性、电压等级、行业分类、行政区四个维度进行数据的采集，用电数据包括：采集当年、前一年、前二年春节前一段时间，春节后一段时间的用户日用电数据；

2)基于K-medoids算法进行用户分群；

分别统计各个类别的用户的春节用电比例，结合行业和用电类别，使用K-medoids算法对用户进行聚类，从而将用户进行分群，针对不同的用户群确定对应的春节用电比例的阈值K1，阈值K1为春节期间的平均电量与以前工作日电量比值，假如超过这个比值，就认为其在春节继续工作，没有放假，从而根据阈值K1将用户划分为春节停工的用户和春节不停工的用户；

3)用户复工判断；

获取春节停工的用户的用电数据，并对其进行分析计算，通过拐点算法，判断历史时期春节后其用电量出现拐点的时间，算出相对于正常生产时达到复工状态时的用电量，并计算其与春节前平均用电量水平的比值K2；计算春节停工用户是否存在今年春节后日电量与春节前平均电量的比值K3大于比值K2的情况，若是则认为该用户复工；

4)基于计算的区域内复工电量比例及复工用户的比例，得到企业复工电力指数，根据企业复工电力指数判断企业复工情况，其中复工电量比例为该地区复工状态恢复到正常复工状态的水平程度；复工用户比例为该地区的已复工企业占该地区所有企业总数的比例。

2.根据权利要求1所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：在步骤2)中，K-medoids算法包括步骤：

201)选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；

202)对于样本中的数据对象，计算它们与每个聚类中心的欧式距离，按距离最近的原则将它们分到离他们最近的聚类中心所对应的类，欧式距离计算公示为：

其中，m表示数据空间有m个维度，k表示数据空间的第k个维度；表示数据点a_i到类中心点M_j的聚类；

203)更新聚类中心：计算每个类别中所有点与其他点的欧式距离之和，选取距离最小的点作为新的类中心点；

204)判断聚类中心是否不变或迭代次数达到最大，如果是，则输出结果，如果不是，则转步骤202)。

3.根据权利要求2所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：在步骤3)中，先对数据进行平滑处理，然后通过拐点算法识别前二年、前一年春节期间拐点日期及当日日电量T1、T2；再分别用T1、T2除以前二年及前一年春节前30日均电量，并计算两者的均值，得到用于评价复工状态的比值K2；计算是否存在今年此用户春节后某日电量与春节前30日均电量的比值K3大于K2的情况，若是则认为用户为复工。

4.根据权利要求3所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：拐点算法为Knee point算法，其在不改变曲线的趋势情况下，将X轴和Y轴的数据进行归一化处理，然后计算该点到两个端点之间距离，并绘制曲线，在归一化曲线中找到拐点。

5.根据权利要求1所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：在步骤1)中，获取的用电数据包括：当年、前一年、前二年春节前一季度，以及春节后一个月的用户日用电数据。

6.根据权利要求1所述的一种基于电力大数据分析的企业复工辅助判断方法，其特征在于：在步骤4)中，企业复工电力指数＝(复工电量比例*0.5+复工用户比例*0.5)*100％。