王小強(qiáng)，周珂宇

(國(guó)網(wǎng)重慶銅梁供電公司，重慶 402560)

隨著移動(dòng)互聯(lián)技術(shù)、人工智能等現(xiàn)代信息技術(shù)的飛速發(fā)展，如何實(shí)現(xiàn)智慧用電管理系統(tǒng)中電力客戶的優(yōu)化管理就成為電力企業(yè)亟待解決的技術(shù)問(wèn)題?，F(xiàn)有技術(shù)對(duì)電力用戶數(shù)據(jù)信息感知能力比較差，信息處理效率較差，數(shù)據(jù)靈活利用能力比較差。

針對(duì)上述技術(shù)問(wèn)題，文獻(xiàn)[1]方法在電力大數(shù)據(jù)的基礎(chǔ)上，實(shí)現(xiàn)客戶立體畫(huà)像的構(gòu)建，該技術(shù)應(yīng)用“互聯(lián)網(wǎng)+”戰(zhàn)略技術(shù)，提高了電網(wǎng)企業(yè)對(duì)數(shù)據(jù)信息的分析能力，但是當(dāng)數(shù)據(jù)信息維度較多的情況下，就顯得無(wú)能為力，數(shù)據(jù)分析能力較差。針對(duì)文獻(xiàn)[1]方法的不足，文獻(xiàn)[2]方法基于多維類(lèi)別特征識(shí)別和角點(diǎn)標(biāo)識(shí)構(gòu)建了智慧用電管理系統(tǒng)中電力客戶立體畫(huà)像，通過(guò)采用空間特征域分類(lèi)方法實(shí)現(xiàn)用戶畫(huà)像信息分類(lèi)處理，利用多尺度逐層分析方法進(jìn)行模糊電力客戶畫(huà)像的精準(zhǔn)定位。這種方法雖然提高了客戶立體畫(huà)像的用電類(lèi)別特征量應(yīng)用能力，降低了立體畫(huà)像的誤差修復(fù)水平，但是對(duì)于立體畫(huà)像數(shù)據(jù)信息的分類(lèi)能力，仍舊顯得捉襟見(jiàn)肘。

1 電力數(shù)據(jù)客戶立體畫(huà)像系統(tǒng)設(shè)計(jì)

客戶立體畫(huà)像能夠反映電力用戶各種用電信息特征，通過(guò)構(gòu)建立體畫(huà)像能夠直觀顯示用戶用電情況等。通過(guò)畫(huà)像數(shù)據(jù)特征提取，實(shí)現(xiàn)對(duì)電力用戶消費(fèi)行為的分析[3]，進(jìn)而提高用戶畫(huà)像分析能力，對(duì)提高電力數(shù)據(jù)信息的掌控與應(yīng)用有很大幫助。電力數(shù)據(jù)客戶立體畫(huà)像系統(tǒng)整體架構(gòu)設(shè)計(jì)如圖1所示。

圖1 電力數(shù)據(jù)客戶立體畫(huà)像系統(tǒng)整體架構(gòu)設(shè)計(jì)

電力數(shù)據(jù)客戶立體畫(huà)像系統(tǒng)主要包括電力用戶數(shù)據(jù)層、電力用戶數(shù)據(jù)融合層、數(shù)據(jù)標(biāo)簽抽取層、數(shù)據(jù)標(biāo)簽分析層和標(biāo)簽畫(huà)像應(yīng)用層。研究所提方法通過(guò)構(gòu)建立體畫(huà)像，將電力用戶消費(fèi)的宏觀行為轉(zhuǎn)換為微觀數(shù)據(jù)進(jìn)行分析，用多維度、多業(yè)務(wù)、多指標(biāo)、多特征的數(shù)據(jù)信息構(gòu)成電力用戶特征的信息標(biāo)簽庫(kù)，在電力用戶數(shù)據(jù)層能夠?qū)崿F(xiàn)不同用電信息的獲取，在電力用戶數(shù)據(jù)融合層實(shí)現(xiàn)不同數(shù)據(jù)信息的融合[4，5]。在數(shù)據(jù)標(biāo)簽抽取層對(duì)不同維度和種類(lèi)的電力用戶數(shù)據(jù)信息進(jìn)行數(shù)據(jù)信息特征提取，通過(guò)構(gòu)建電力分析模型，實(shí)現(xiàn)對(duì)不同電力用戶消費(fèi)行為數(shù)據(jù)的分析，分析結(jié)果通過(guò)標(biāo)簽畫(huà)像應(yīng)用層輸出，以顯示用戶的用電情況，對(duì)用戶消費(fèi)行為進(jìn)行全方面的把控。

2 關(guān)鍵技術(shù)研究

2.1 立體畫(huà)像的構(gòu)建方法

研究所提方法通過(guò)標(biāo)簽構(gòu)建實(shí)現(xiàn)對(duì)不同用戶消費(fèi)行為的標(biāo)識(shí)，然后通過(guò)聚類(lèi)算法實(shí)現(xiàn)對(duì)不同電力行為數(shù)據(jù)標(biāo)簽的抽取、標(biāo)記、分析和應(yīng)用，提取出不同客戶群體具有的用電特征[6]，從而實(shí)現(xiàn)不同用電群體的差異化服務(wù)?？蛻粲秒姌?biāo)簽信息如表1所示。

基于上述屬性描述，下面是通過(guò)示例性描述標(biāo)簽標(biāo)記的數(shù)據(jù)信息，如圖2所示。

圖2 標(biāo)簽信息示意圖

不局限于上述幾種形式的標(biāo)簽，也可以采用其他標(biāo)簽表示其他含義。通過(guò)這種標(biāo)簽定義，再對(duì)標(biāo)簽進(jìn)行數(shù)值化信息處理，比如將不同的標(biāo)簽命名為xi等多種形式[7]。由于標(biāo)簽種類(lèi)繁多，在對(duì)標(biāo)簽進(jìn)行計(jì)算、分析和數(shù)據(jù)挖掘時(shí)，研究所提方法采用FCM聚類(lèi)算法實(shí)現(xiàn)對(duì)不同數(shù)據(jù)信息的分類(lèi)。流程示意圖如圖3所示。

圖3 FCM聚類(lèi)算法流程示意圖

假設(shè)電力用戶消費(fèi)行為數(shù)據(jù)信息為N，數(shù)據(jù)信息的維度為D,則電力用戶消費(fèi)行為數(shù)據(jù)信息樣本可以記作為:

(1)

則可以將原始電力用戶消費(fèi)行為數(shù)據(jù)信息劃分為不同的小類(lèi)，通過(guò)電力用戶消費(fèi)行為數(shù)據(jù)信息數(shù)據(jù)集合C={c1,…,ci,…,cK}表示。原始電力用戶消費(fèi)行為數(shù)據(jù)信息的樣本j隸屬于第i個(gè)聚類(lèi)子集的概數(shù)記作為uij，則FCM可以設(shè)定以下目標(biāo)函數(shù)：

(2)

(3)

(4)

為了提高對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息的分類(lèi)精度，需要對(duì)隸屬度系數(shù)和聚類(lèi)中心函數(shù)反復(fù)進(jìn)行數(shù)據(jù)求導(dǎo)，則輸出的迭代公式可以表示為:

(5)

(6)

經(jīng)過(guò)反復(fù)迭代計(jì)算，最終輸出目標(biāo)數(shù)據(jù)信息。當(dāng)需要進(jìn)行進(jìn)一步的計(jì)算時(shí)，則返回初始步驟，重新啟動(dòng)聚類(lèi)中心，對(duì)隸屬度函數(shù)和聚類(lèi)中心函數(shù)再次進(jìn)行求導(dǎo)計(jì)算[11]，直到FCM函數(shù)滿足收斂條件為止，即輸出目標(biāo)函數(shù)達(dá)到最大迭代次數(shù)或目標(biāo)函數(shù)小于預(yù)設(shè)值，停止數(shù)據(jù)計(jì)算，最終實(shí)現(xiàn)數(shù)據(jù)的分類(lèi)。

2.2 灰色GM(1,1)模型用電行為分析方法

對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息進(jìn)行標(biāo)簽分類(lèi)后，對(duì)電力用戶消費(fèi)行為進(jìn)行分析。研究所提方法通過(guò)構(gòu)建GM(1,1)模型，最終實(shí)現(xiàn)對(duì)用電行為的數(shù)據(jù)分析[12-13]。假設(shè)輸入的用電行為分析數(shù)據(jù)信息序列設(shè)定為：

(7)

然后對(duì)輸入的數(shù)據(jù)序列進(jìn)行一階累加[14-16]，則輸出的電力用戶消費(fèi)行為數(shù)據(jù)信息序列可以為：

(8)

對(duì)輸入的電力用戶消費(fèi)行為數(shù)據(jù)信息進(jìn)行融合，則融合輸出的電力用戶消費(fèi)行為數(shù)據(jù)信息函數(shù)可以為：

(9)

由于電力用戶消費(fèi)行為數(shù)據(jù)信息中x(1)輸出為一階均值，將任何一個(gè)電力用戶消費(fèi)行為數(shù)據(jù)信息序列值記作為xi，通過(guò)線性關(guān)系表示為：

(10)

其中k≥3。然后再對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息的線性方程求微分，則輸出函數(shù)可以為：

(11)

這樣就可以求出a和u的值，在求值過(guò)程中，啟動(dòng)最小二乘法，則輸出的公式可以為：

(12)

其中存在以下恒等式：

通過(guò)上述矩陣公式計(jì)算后，再對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息進(jìn)行數(shù)據(jù)還原，則還原公式可以為：

(13)

(14)

其中k≥4。通過(guò)這種方式，能夠?qū)崿F(xiàn)任意時(shí)間和區(qū)域下對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息的精準(zhǔn)預(yù)測(cè)，提高了對(duì)電力用戶消費(fèi)行為數(shù)據(jù)信息的分析能力[17-19]。

3 試驗(yàn)結(jié)果及分析

為了驗(yàn)證研究所提方法的技術(shù)方案，采用的硬件配置CPU為Inter Core i7-9700H，運(yùn)行內(nèi)存為3200 MHz 8×2 GB，硬盤(pán)大小為1 TB[20]。以某電力用戶使用區(qū)域80 000戶工業(yè)用戶為例進(jìn)行方案驗(yàn)證。

3.1 FCM聚類(lèi)算法驗(yàn)證

為了提高試驗(yàn)效果，下面從電力客戶立體畫(huà)像數(shù)據(jù)庫(kù)中抽取相關(guān)數(shù)據(jù)信息。數(shù)據(jù)庫(kù)信息如圖4所示。

圖4 數(shù)據(jù)庫(kù)信息示意圖

然后采用Matlab軟件進(jìn)行數(shù)據(jù)信息仿真。抽取的數(shù)據(jù)信息標(biāo)簽分布如圖5所示。

通過(guò)圖5可以看出，電力用戶消費(fèi)行為數(shù)據(jù)信息分布特性可以為：預(yù)期指標(biāo)相對(duì)比較集中，預(yù)期指標(biāo)分布分散，用戶消費(fèi)類(lèi)型大部分為工業(yè)用電以及商業(yè)用電，在不同時(shí)令用電下，夏冬季節(jié)對(duì)溫度比較敏感，并且用電量比較多樣，客戶群體以工業(yè)為主，負(fù)載穩(wěn)定性隨著溫度和時(shí)令反復(fù)變化，電量增長(zhǎng)率隨著季節(jié)不同，有所區(qū)別。通過(guò)FCM聚類(lèi)算法計(jì)算后，輸出如表2所示的數(shù)據(jù)信息。

表2 不同數(shù)據(jù)信息標(biāo)簽特征分析

通過(guò)表1可以看到，研究所提方法分類(lèi)效果較為突出，下面將研究所提方法與K-Means算法進(jìn)行對(duì)比。分類(lèi)對(duì)比示意圖如圖6所示。選擇4個(gè)不同數(shù)據(jù)信息的樣本進(jìn)行對(duì)比，假設(shè)樣本1-4的數(shù)據(jù)量為1*103、1*104、1*105和1*106個(gè)，則分類(lèi)對(duì)比示意圖如圖6所示。訓(xùn)練時(shí)間為8個(gè)小時(shí)。

通過(guò)圖6可以看出，通過(guò)8個(gè)小時(shí)的訓(xùn)練，在4組不同的計(jì)算小組中，研究所提方法的方法具有突出的技術(shù)優(yōu)勢(shì)，準(zhǔn)確率較高。

3.2 灰色GM(1,1)模型驗(yàn)證

以電能表計(jì)量出的數(shù)據(jù)為例進(jìn)行說(shuō)明，從電力客戶立體畫(huà)像數(shù)據(jù)庫(kù)中提取的數(shù)據(jù)信息如圖7所示。

圖5 電力用戶消費(fèi)行為數(shù)據(jù)信息客戶標(biāo)簽分布示意圖

然后通過(guò)立體圖像構(gòu)建，可以得出以下數(shù)據(jù)信息分析結(jié)果，通過(guò)電壓和電流數(shù)據(jù)信息為例進(jìn)行說(shuō)明， 如表3和表4所示。

表3 電壓分析誤差結(jié)果示意表

通過(guò)4個(gè)小時(shí)的測(cè)試，發(fā)現(xiàn)電壓誤差低于0.04。經(jīng)過(guò)4個(gè)小時(shí)的測(cè)試，電壓分析誤差結(jié)果示意表如表4所示，發(fā)現(xiàn)電流誤差低于0.05%。

表4 電流分析誤差結(jié)果示意表

然后將研究所提方法與對(duì)比文獻(xiàn)[1]方法和對(duì)比文獻(xiàn)[2]方法對(duì)比。試驗(yàn)過(guò)程中，主要對(duì)誤差方面進(jìn)行分析。誤差對(duì)比曲線圖如圖8所示。

圖6 分類(lèi)對(duì)比示意圖

圖7 數(shù)據(jù)提取數(shù)據(jù)信息示意圖

通過(guò)100分鐘的試驗(yàn)發(fā)現(xiàn)，在進(jìn)行用戶消費(fèi)行為數(shù)據(jù)分析時(shí)，相對(duì)于對(duì)比文獻(xiàn)[1]方法和對(duì)比文獻(xiàn)[2]方法，研究所提方法從開(kāi)始到結(jié)束都具有較高的準(zhǔn)確度。

然后，用戶再在時(shí)間上進(jìn)行對(duì)比分析，假設(shè)針對(duì)相同的數(shù)據(jù)量，相對(duì)于對(duì)比文獻(xiàn)[1]和對(duì)比文獻(xiàn)[2]方法，比較耗時(shí)情況，對(duì)比示意圖如圖9所示。

圖8 誤差對(duì)比曲線圖

圖9 耗時(shí)對(duì)比時(shí)間圖

在相同數(shù)據(jù)量下，相對(duì)于對(duì)比文獻(xiàn)[1]和對(duì)比文獻(xiàn)[2]方法，研究所提方法耗時(shí)比較短，說(shuō)明研究所方法方法分析數(shù)據(jù)的能力較強(qiáng)，效率也高。

4 結(jié) 論

針對(duì)大量的電力用戶數(shù)據(jù)信息，根據(jù)所提方法進(jìn)行了以下技術(shù)研究：

(1)構(gòu)建了一套電力數(shù)據(jù)客戶立體畫(huà)像系統(tǒng)，實(shí)現(xiàn)了電力用戶消費(fèi)行為數(shù)據(jù)信息數(shù)據(jù)提取、數(shù)據(jù)融合、數(shù)據(jù)標(biāo)簽設(shè)定以及數(shù)據(jù)分析全過(guò)程，將電力用戶消費(fèi)的宏觀行為通過(guò)電力數(shù)據(jù)客戶立體畫(huà)像形象表示出來(lái)，提高了對(duì)電力數(shù)據(jù)客戶立體畫(huà)像的分析能力。

(2) 構(gòu)建FCM聚類(lèi)算法模型，實(shí)現(xiàn)不同類(lèi)型標(biāo)簽數(shù)據(jù)信息的分類(lèi)和計(jì)算，最終實(shí)現(xiàn)不同數(shù)據(jù)信息的輸出和應(yīng)用。

(3)構(gòu)建灰色GM(1,1)模型，實(shí)現(xiàn)不同標(biāo)簽下的用電行為分析，提高了數(shù)據(jù)分析能力。

通過(guò)實(shí)驗(yàn)，研究所提方法具有突出的技術(shù)效果，為下一步技術(shù)的研究奠定了技術(shù)基礎(chǔ)。