沈建良,陆春光,袁健,倪琳娜,张岩
SHEN Jianliang,LU Chunguang,YUAN Jian,NI Linna,ZHANG Yan

• 1:国网浙江省电力有限公司电力科学研究院

摘要(Abstract)：

随着电力行业市场化改革的深入,对用电客户进行细分并提供差异化服务已经成为必然趋势。针对电力用户的用电负荷数据特点,提出了一种基于大数据技术的用电特征相似性挖掘方法。采用DTW算法对负荷曲线相似度进行度量,并利用K-means算法对DTW距离矩阵进行聚类分析,实现用户负荷曲线的聚类和负荷特性分析。最后,以纺织印染业大工业用户的负荷数据为例进行验证,结果表明,该算法组合能够较好地反映负荷曲线的相似度,负荷曲线特征呈现显著差异。
With the deepening of market-oriented reform of power industry, it is a trend to focus on power user subdivision and provide customers with differentiated services. According to the characteristics of electrical load data, the paper proposes a big data-based method for similarity mining of power consumption feature.The similarity among load curves is calculated by DTW method, and the K-means clustering algorithm is employed for cluster analysis on DTW distance matrix to cluster load curve of users and analyze load characteristics. Experiments on the load data of large textile printing and dyeing industry users show that the proposed method can well reflect the similarity among load curves, and significant difference is shown in load curve features.

关键词(KeyWords)： 售电市场;大数据技术;用电特征分类;动态时间规整算法;K-means算法
power sales market;big data technology;power consumption feature classification;DTW;K-means clustering algorithm

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 沈建良,陆春光,袁健,倪琳娜,张岩
SHEN Jianliang,LU Chunguang,YUAN Jian,NI Linna,ZHANG Yan

DOI: 10.19585/j.zjdl.201712008

参考文献(References)：

• [1]顾建.电力市场化交易下独立售电公司盈利模式探讨[J].浙江电力,2017,36(6):30-33.
• [2]吴亮,张潮,陈琼.用电信息系统运行数据的统计与分析[J].浙江电力,2017,36(4):56-59.
• [3]李贤慧,季胜鹏,周升,等.基于大数据技术的实时数据中心重构研究[J].浙江电力,2017,36(3):75-80.
• [4]何晓旭.时间序列数据挖掘若干关键问题研究[D].合肥:中国科学技术大学,2014.
• [5]李迎.时间序列聚类方法研究[D].大连:辽宁师范大学,2012.
• [6]李迎.一种基于DTW的符号化时间序列聚类算法[J].微型机与应用,2011,30(18):3-5.
• [7]杨艳林,叶枫,吕鑫,等.一种基于DTW聚类的水文时间序列相似性挖掘方法[J].计算机科学,2016,43(2):245-249.
• [8]李海林,王成,邓晓懿.基于分量属性近邻传播的多元时间序列数据聚类方法[J/OL].控制与决策,[2017-09-13].http://kns.cnki.net/kcms/detail/21.1124.TP.20170913.1437.025.html.DOI:10.13195/j.kzyjc.2017.0150.
• [9]李锁花.时间序列挖掘技术及其在短期电力负荷预测中的应用研究[D].南京:东南大学,2006.
• [10]解岳锋.流量识别特征选择算法的研究与改进[D].西安:西安电子科技大学,2013.
• [11]浙江电网2017年8月份运行数据[J].浙江电力,2017,36(9):86.
• [12]肖白,杨欣桐,田莉,等.计及元胞发展程度的空间负荷预测方法[J/OL].电力系统自动化,[2017-10-09].http://kns.cnki.net/kcms/detail/32.1180.TP.20171009.1443.010.html.
• [13]程祥.基于负荷量测数据的电力负荷聚类方法研究[D].杭州:浙江大学,2017.
• [14]宋易阳,李存斌,祁之强.基于云模型和模糊聚类的电力负荷模式提取方法[J].电网技术,2014,38(12):3378-3383.
• [15]刘永光,孙超亮,牛贞贞,等.改进型模糊C均值聚类算法的电力负荷特性分类技术研究[J].电测与仪表,2014,51(18):5-9.
• [16]张魁,王亚明,刘明,等.基于大数据及智能算法的连云港电量负荷预测研究[J].江苏电机工程,2016,35(3):49-52.
• [17]唐静,李瑞轩,黄宇航,等.基于多维特征分析的月用电量精准预测研究[J].电力系统保护与控制,2017,45(16):145-150.
• [18]余英,郭镥,邓琨,等.用电采集数据分析和智能监测系统中大数据分析的设计研究[J].自动化与仪器仪表,2017(5):162-163.
• [19]陆俊,朱炎平,彭文昊,等.智能用电用户行为分析特征优选策略[J].电力系统自动化,2017,41(5):58-63.
• [20]李珏,马晓东,张果谋,等.大数据分析在用电采集数据分析与智能监测系统的设计与实现[J].电气应用,2015,34(S1):558-561.