基于用电行为数字特征画像的电力用户两阶段分类方法

摘要

对用户开展精细化用电行为画像及分类,是电力企业精准掌握用户用电规律、提升服务水平和市场竞争力的关键因素之一。针对当前电力用户分类研究中用户用电行为画像结果片面、集成学习负荷分类研究中的基分类器冗余问题及负荷类别不平衡问题,提出一种基于用电行为数字特征画像的电力用户两阶段分类算法。第一阶段,提出一种结合谱聚类和集成强基分类器的用户日负荷曲线分类算法:首先,针对集成学习基分类器学习能力弱的不足,提出一种基于改进长短期记忆网络(long short-term memory,LSTM)的强基分类器;其次,针对基分类器冗余问题,提出一种基于最小正则化代理经验风险的优化选择集成策略;然后,提出一种基于密度的高斯过采样方法处理类别不平衡。第二阶段,基于负荷曲线分类结果,构建以日负荷模式发生概率为数字特征的用户用电行为画像,采用谱聚类算法对用户画像实施分类。最后,通过实测用户负荷数据验证了所提方法的有效性。