[发明专利]一种基于K-Means模型的充电桩用户画像方法

说明书

本发明涉及一种基于K‑Means模型的充电桩用户画像方法，包括：将电力公司计算节点记为Guest，气象局计算节点记为Host；采集充电桩负荷数据集，并进行预处理；将充电桩用户用电数据和气象数据分别输入Guest和Host，在Guest中根据充电桩用户用电数据通过训练好的第一K‑Means模型获取第一数据分布信息，在Host中根据气象数据通过训练好的第二K‑Means模型获取第二数据分布信息，并发送至Guest，在Guest中根据第一数据分布信息和第二数据分布信息计算整体数据分布信息，根据该信息获取充电桩用户用电数据画像。与现有技术相比，本发明具有安全性高、准确性高、效率高等优点。

技术领域

本发明涉及信息处理技术领域，尤其是涉及一种基于K-Means模型的充电桩用户画像方法。

背景技术

城市电动汽车充电桩用户用电数据具有数据量大、涵盖范围广等特点，数据价值挖掘潜力巨大，相关负荷数据的聚类分析结果作为决策依据，对充电基础设施布局优化及电价电费周期性调节具备一定参考价值和指导意义。

但是，电力行业的特殊性又对用户充电数据的安全性提出了极高的要求，电力公司要求数据不出域，且充电数据涉及用户隐私，需要进一步按照法律要求保护个人隐私。

与此同时，仅从充电桩用户充电维度进行聚类分析，无法反映用户在不同天气状况下的充电行为；详细的气象数据虽然没有包含个人隐私，但由于由气象局集中掌握，从而也存在数据无法出域的问题，给联合聚类分析造成困难。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于K-Means模型的充电桩用户画像方法，安全性高，准确性高，效率高。

本发明的目的可以通过以下技术方案来实现：

一种基于K-Means模型的充电桩用户画像方法，其特征在于，包括：

将电力公司计算节点记为Guest，气象局计算节点记为Host；

采集包括相同日期的充电桩用户充电数据和气象数据的充电桩负荷数据集，并进行预处理；

将充电桩用户充电数据输入Guest，将气象数据输入Host，在Guest中根据充电桩用户用电数据通过训练好的第一K-Means模型获取第一数据分布信息，在Host中根据气象数据通过训练好的第二K-Means模型获取第二数据分布信息，并发送至Guest，在Guest中根据第一数据分布信息和第二数据分布信息计算整体数据分布信息，并根据整体数据分布信息获取充电桩用户用电数据画像；

所述的第一K-Means模型和第二K-Means模型的训练过程包括以下步骤：

S1、在Guest中采集充电桩负荷样本集X_A，在Host中采集气象数据样本集X_B；

S2、在Guest中生成X_A的初始聚类中心及初始聚类中心对应的分类标签，在Host中生成X_B的初始聚类中心及初始聚类中心对应的分类标签；

S3、在Guest中计算X_A的第一样本分布信息，在Host中计算X_B的第二样本分布信息，将第二样本分布信息发送至Guest，在Guest中根据第一样本分布信息和第二样本分布信息计算整体样本分布信息；

S4、在Guest中根据总体样本分布信息更新X_A中各个样本的分类，获得最新分类信息，并发送至Host，在Host中根据最新分类信息更新X_B中各个样本的分类；