周丹陽

（國網浙江省電力有限公司臺州供電公司，浙江 臺州318000）

隨著智能電表的大力推廣，居民用電數(shù)據采集更為精準，數(shù)據種類更為繁多，數(shù)據量更是呈現(xiàn)井噴式增長，電力行業(yè)正式進入信息爆炸時代[1-3]。同時，在新一輪的電改體制下，對海量電力數(shù)據的充分利用，有助于電力企業(yè)的高效運行。因此，為了實現(xiàn)電力企業(yè)的經濟可靠供電，提升電力企業(yè)在電力市場所占份額，并增強居民用電舒適度，則需要對用戶側用電數(shù)據進行深度挖掘，分析其用電行為對電力企業(yè)的影響。另一方面，中國采用的戶用智能電表每15 分鐘采集一次數(shù)據，導致每個用戶每日產生上百條數(shù)據，海量且復雜的居民用電數(shù)據對數(shù)據分析提出了嚴峻挑戰(zhàn)。因此，如何利用大數(shù)據技術挖掘用戶側用電特性，也是當前國家電網關注的重點與難點。

截至目前，大數(shù)據處理技術在電力領域已有了不少應用研究。文獻[4]以用戶行業(yè)、電價等因素為基礎，對用戶用電數(shù)據進行聚類分析，以期望調整電價機制；文獻[5]采用模糊C 均值法對變電站綜合負荷進行聚類分析，解決了用電行業(yè)分類處理的復雜度。上述文獻實現(xiàn)了用電負荷的聚類分析，但均沒有對居民用戶用電行為進行細致分析。文獻[6]提出了基于量測法對居民用電負荷進行分類，但所用數(shù)據量過小。文獻[7]研究了居民用電行為的差異，但實驗分析僅涉及夏季用電數(shù)據。可見，基于用戶用電行為分析的方法多樣，但目前對相關用電數(shù)據的挖掘僅停留在小樣本上，針對智能電網下海量居民用電行為的研究較少。

此外，在當前電力市場環(huán)境下，電力企業(yè)需要革新原有的盈利模式和營銷策略，精準把握用戶需求，實現(xiàn)電能的精準營銷。居民是電力服務的核心對象，但是由于居民用戶具有數(shù)量多、分布廣泛、隨機性強等特點，因此需要針對不同用戶的用能需求展開精準營銷服務。但是截至目前，如何充分地從居民用電數(shù)據中挖掘出有用信息，并應用于營銷過程，輔助實現(xiàn)電力的精準營銷，依然是待解難題。

綜上所述，為了深度挖掘居民用戶用電行為特性，提升居民在用電行為上的用電效率與電力企業(yè)在電力市場上的份額，本文首先對用戶側產生的海量用電數(shù)據進行預處理，然后通過k-means 算法，對浙江某小區(qū)居民用戶在春、夏、秋、冬四季的用電數(shù)據進行聚類分析，劃分出不同的用戶群體；最后，通過分析同一季度中、不同季度下的用戶用電特性，制定相應的電力營銷輔助策略。

1 數(shù)據分析方法描述

圖1 k-means 聚類分析流程圖

k 類均值聚類（k-means clustering）是一種迭代求解的聚類分析算法，原理簡單，收斂速度快，且需要調整的參數(shù)僅為簇數(shù)k，其工作流程如圖1 所示。

2 基于k-means 算法的用戶用電行為分析

用戶用電行為分析方法：

為了有效提高用戶用電綜合能效水平，并增強電力企業(yè)的營銷水平，有必要從海量的用戶歷史用電數(shù)據出發(fā)，挖掘各類用戶用電行為的特性。因此，本節(jié)提出一種基于k-means 算法的用戶用電行為聚類方法，其流程圖如圖2 所示。該方法的主要步驟描述如下：

步驟一：用戶歷史用電數(shù)據預處理。主要對歷史用電數(shù)據進行清洗，處理無效值與缺失值，再將數(shù)據集成，以提供聚類分析所需的用電數(shù)據基礎。

步驟二：數(shù)據聚類分析。將步驟一所獲用電基礎數(shù)據按照春、夏、秋、冬四季進行聚類。

步驟三：挖掘用戶用電特性。分析步驟二得到的用電數(shù)據聚類結果，挖掘出用戶用電特性。

步驟四：制定營銷策略。根據步驟三對用戶用電特性的分析結果，提出基于電價與服務質量的營銷策略。

圖2 數(shù)據挖掘流程圖

3 實例分析

本文以浙江某小區(qū)實際采集數(shù)據作為歷史負荷數(shù)據進行驗證與分析。該地區(qū)使用的智能電表以15 分鐘為一個采集周期，即每日有96 個用電量采集點。

3.1 數(shù)據挖掘

本文基于Matlab 對春、夏、秋、冬四季數(shù)據進行聚類求解，結果依次如圖3-6 所示?？蓪⒂秒娪脩舴譃? 類：

（1）第1 類用戶：未入住用戶。該類用戶在四季的用電量平穩(wěn)且接近于零。

（2）第2 類用戶：老年居住用戶。該類用戶在春、秋季時的用電尖峰主要集中在飯點與傍晚，如圖3 與圖5 中30、70、85 負荷測量點；在夏季時，由于溫度升高，整體用電量會增加，并且夜晚持續(xù)用電降溫，使得夜間用電量高于白日，如圖4 中0-30 與80-96 負荷測量時段；在冬季時，由于溫度降低，對電熱類家電依賴性較高，因此整體用電量也在上升，但由于老年人一般休息較早，使得夜晚用電量相對較低，如圖6 中0-25、80-96 負荷測量時段。

（3）第3 類用戶：上班族用戶。該類用戶在春、秋季時，白日用電相對平緩，僅在早、晚飯時有用電尖峰，如圖3 中30、70 與圖5 中33 與70 負荷測量點；在夏季時，由于氣溫較高，對于空調的依賴較強，用電量整體較高，但夜晚用電量激增且下降較為緩慢，如圖4 中65-96 負荷測量時段；在冬季時，由于氣溫較低，用戶較為依賴電熱類家電，因此整體耗電量也較高。同時該類用戶夜間的用電量較高，如圖6 中80- 次日15 負荷測量時段。

（4）第4 類用戶：上班族與老人混居用戶。該類用戶在四季白日用電規(guī)律，但傍晚用電量高且電量下降時刻較晚，如圖3中73-90、圖4 中80-96、圖5 中75-90、圖6 中70-96 負荷測量時段。

（5）第5 類用戶：有學齡前孩子的上班族與老人混居用戶。因需要照顧小孩，在春、秋季時，夜晚用電下降時刻較早，如圖3與圖6 中80 負荷測量時點；在夏、冬季時，要保證室內恒溫，該類用戶用電量在白日較高，如圖4 中30-70、圖6 中35-70 負荷測量時間段。

圖3 春季負荷聚類結果

圖4 夏季負荷聚類結果

圖5 秋季負荷聚類結果

圖6 冬季負荷聚類結果

3.2 營銷策略

3.2.1 電價策略

通過上述可知，不同客戶群體在不同季節(jié)下有著差異化的用電方式。春、秋季時，對于高耗能的制冷類和電熱類家電需求較低，一般在飯點與傍晚時有較高用電量。夏季時，由于氣溫較高，對空調等制冷設備的依賴性較高，尤其在正午最高溫時。冬季時，由于氣溫較低，對于電熱類家電依賴性較高，且大部分用戶的用電高峰主要集中在傍晚。

因此，為了完善用電價格體制，使用電價格更為靈活，可以根據春、夏、秋、冬四季不同的用電特性調整電價，引導用戶錯峰用電。

3.2.2 營銷服務體制

在大數(shù)據時代下，為了使電力企業(yè)快速搶占市場，應充分利用大數(shù)據優(yōu)勢，實現(xiàn)精準營銷。首先，分析目標區(qū)域的用電量、客戶繳費情況等，計算該區(qū)域用戶的未來用電潛力，降低電力企業(yè)的營銷風險；其次，從用戶個體出發(fā)，建立用戶個體檔案，記錄用戶用電、繳費、投訴等情況，針對性的進行客服服務。最后，對用電異?；蚋唠妰r時段進行提醒，幫助用戶實現(xiàn)靈活經濟用電，真正促進用戶與企業(yè)的捆綁關系。

綜上所述，根據用戶群體進行精細化營銷與服務：

（1）第1 類用戶。該類用戶還未入住，因此應在用電異常時對其進行提醒。

（2）第2 類用戶。該類用戶整體用電量較低，且該用戶群體不擅長使用智能手機，因此應主動進行線下指導。

（3）第3 類用戶。該類用戶工作時間固定，用電錯峰困難，因此應主動發(fā)送優(yōu)惠用電信息。

（4）第4、5 類用戶。該類用戶包含了老人與上班族，在用電方式上可以錯開用電高峰期，因此應主動發(fā)送用電量、電價、優(yōu)惠等用電信息。

4 結論

針對當前電改體制下的電力企業(yè)營銷服務優(yōu)化問題，以浙江某地某小區(qū)的用戶歷史用電信息為基礎，對用戶用電行為進行聚類分析，獲得居民在春、夏、秋、冬四季下的用電特性。首先對聚類結果進行橫向對比，發(fā)現(xiàn)在不同季節(jié)下，用電峰值的變化；其次對聚類結果進行縱向對比，發(fā)現(xiàn)同一季節(jié)下，不同用戶群體的差異化用電方式。本文根據上述對用戶用電特性的分析，提出了電價與營銷服務策略，對用戶進行精細化管理，以此提升用戶的用電舒適度，提升電力企業(yè)在電力市場中的競爭力與占有份額。