7.2.3相似用戶群體特征分析

在識別和構建相似用戶群體后，一方面可以如圖7-7所示，分析和獲得群標簽屬性和用電行為特征，用以表征電力用戶群體行j為，實現售電主體面向群體的銷售決策;另一方面，相似用戶群體的屬性包含了個體用戶的行為刻畫，能夠幫助售電主體預測用戶個體的用電行為，實現面向用戶的電力精準消費。其中，群體標簽為群用戶共同擁有的標簽類型，從群識別過程可以獲得;群典型負荷向量L反映了群體共同的用電行為特征，計算方法為

式中：Li為用戶i的日負荷向量;N為群中用戶的數量。

通過群分析預測個體用戶的用電行為，主要體現在對其負荷向量的預測，對于新入網用戶j，為了預測其用電行為特征，需要先識別該用戶屬于的群體，方法為分別計算用戶j與所有群的相同標簽個數，數值最大的群則為j的歸屬群，其負荷向量為

式中：Li為所屬群中與j相同標簽個數最多的K個用戶的負荷向量：K 為售電主體設定值，小于N。

利用河南省某地區抽樣1000戶居民的用電行為刻畫數據，進行相似識別，分析群體特征。

(1)電力用戶標簽體系和二元網絡。如表7-2所示，用戶標簽體系主要包含家庭人口、住房面積、房屋均價、熱源類型、用戶信用、購電渠道等內容。構建大數據分析系統，如圖7-9所示為每個用戶賦予相應的標簽，形成“用戶標簽”二元網絡。

表7-2     電力用戶標簽體系

(2)相似用戶群體識別與分析。利用表7-2所述的相似用戶群體分析方法，設定群用戶數量N=50，識別出相似用戶群體的共同標簽特征包括:2～3人、60～90㎡、7000～12000元/㎡、燃氣、市政熱力。利用式(7-7)計算出群體的典型日負荷向量，與50戶個體負荷向量各個小時的均方根誤差均值見圖7-11，各時刻平均為3.2%，表明群體典型日負荷向量與個體負荷向量誤差較小，較為準確地體現了群體中個體普遍的用電行為特征。因此，群體識別方法能夠有效識別出具有相似用電行為的用戶群體。

圖7-11群體典型負荷與個體負荷均方根誤差

為了進一步驗證通過對相似用戶群體的分析可以用于預測新入網用戶的用電行為特征，隨機取實驗樣本以外的一個用戶樣本，提取樣本用戶標簽后，尋找與該用戶相同標簽數量最多的用戶群作為該用戶的歸屬群，再分別計算該用戶與歸屬群中其他用戶的相同標簽個數，取數值最10個用戶，計算其平均日負荷向量，作為該用戶的負荷向量預側值。如圖7-12所示，預測負荷值的曲線與實際值的曲線趨勢相似，其均方根誤差平均值為5.3%，結果表明，基于相似群體分類結果，利用新入網用戶的屬性標簽，可以有效預測用戶的用電行為趨勢特征，對于售電主體以用戶為中心實施基于互聯網的精準消費、制定需求響應策略優化等具有支撐作用。

電力用戶相似群體識別與特征分析方法。針對電力用戶用電行為和社會屬性特征，建立用戶標簽體系及“用戶一標簽”二元網絡，并以標簽對比結果為基礎，將用戶歷史負荷相似度作為動態系數修成標簽對比結果，構建用戶相互關系權重模型，作為衡量用戶相似度識別的標準在二元網絡中聚合用戶形成相似群體，進而獲得群屬性標簽和典型負荷特征，最后以相似群體為基礎，基于新入網用戶屬性標簽將其歸入相似群，并進一步預測新用戶的用電行為特征。仿真算例表明，該方法通過對標簽數據的分析，可以得到相似用戶群體，準確提取相似用戶群用電行為特征以及發現群體中的重要用戶，并預測新入網用戶的負荷曲線趨勢，便于售電主體為電力用戶提供個性化用電服務、精準實施需求響應策略、提升電網能效。

圖7-12負荷預測對比圖