[发明专利]一种基于CCASM算法的用户用电行为数据分析方法

说明书

本发明涉及一种基于CCASM算法的用户用电行为数据分析方法，包括步骤一对电网数据进行特征指标的提取和分析，采用开源工具对数据进行抽取融合；步骤二：基于特征指标的用电负荷二次分类，选用层次分析法和关联矩阵法确定每个指标与影响因素之间的权重；步骤三：对用户负荷特性进行杠杆分析，根据标杆对用电习惯进行评估；步骤四：利用CCASM算法对用电关联性进行分析；对用户数据与非电力因素进行关联性分析，实现了用户用电行为的全面数据收集与分析，利用CCA算法多角度分析用户用电行为，发现用户用电行为更全面，主动性预测性检修更及时。

技术领域

本发明涉及用户用电技术领域，尤其涉及一种基于CCASM算法的用户用电行为数据分析方法。

背景技术

近年来，随着人工智能、大数据、智能电网等高新技术的高速发展，大数据的行业前景成为各电力企业共同面对的严峻考验和宝贵机遇，在信息技术的大力发展之下，电力大数据融合在电力市场、居民用电消费、电力系统安全性评估、电网灾害预警等各个领域都具有广泛的应用，分析和发明电网用户电力大数据的融合技术就显得非常必要。大数据技术在智能电网中运用的关键技术就是数据融合技术，在现在的国家电网中，无论是输配电的使用信息，还是用户用电的具体信息，都会因为办公的计算机化，使得这些信息能够被收入到大数据的信息库中，使用数据挖掘以及数据处理技术，就能够很快的将这些技术进行完成，最大限度的推进电网正常运转，运用大数据预测性分析用户用电行为，主动性预测检修，避开传统的故障后检修，以防突然故障造成的生活生产性困难。

传统的用户用电行为多采用聚类算法，但因为没有标签作为参照物，在特征工程、效果评估上面回对分类预测模型带来困难，因此需要融合其他方法对用户用电行为才能做出更好的分析。

公开号为CN 109064353的中国专利公开了一种基于改进聚类融合的大型建筑用户行为分析方法，包括如下步骤：(1)获取待分析的大型建筑用户的总负荷数据以及分项计量数据；(2)构建聚类效果综合评价指标，选取多种优质聚类方法；(3)采用选取的优质聚类方法分别对待分析的大型建筑用户的总负荷数据进行聚类得到不同聚类结果；(4)对所述的优质聚类方法得到的聚类结果进行融合得到最终用电模式；但该发明仅针对用户用电本身进行分析处理，采用聚类融合方法，模型不够准确，用户用电的关联性没有考虑，分析用户用电行为不全面。

公开号为CN 114065819 A的中国专利公开了一种基于多特征融合与改进聚类的用电行为分析方法及系统，包括：对用电数据进行数据清洗；基于负载特性曲线、信号处理和负荷特征构造对清洗后的用电数据提取用电特征；对用电特征进行递归特征消除的特征选择，对选择的用电特征进行特征融合；基于融合得到的特征子集采用改进的谱聚类模型进行不同用电行为的分类；改进的谱聚类模型包括基于增强高斯核函数构建特征子集的邻接矩阵，并以此进行分类，增强高斯核函数为根据特征子集中样本点间的距离与预设正参数得到边权重，由边权重构建邻接矩阵；本专利虽然在聚类方法的基础上又加入了特征提取与融合对用户用电行进行分析处理，但特征提取也是为聚类做数据的准备。

发明内容

本发明提供了一种基于CCASM算法的用户用电行为数据分析方法，用于用户数据与非电力因素进行关联性分析，实现对用户用电行为的分析，及时发现相关用检问题，由故障后的被动型检修转换为主动性预测检修。

为了达到上述目的，本发明采用以下技术方案实现：

一种基于CCASM算法的用户用电行为数据分析方法，包括以下步骤：

步骤一：对电网数据进行特征指标的提取和分析；

步骤二：基于特征指标的用电负荷二次分类；

步骤三：对用户负荷特性进行杠杆分析；

步骤四：利用CCASM算法对用电关联性进行分析。