基于多源数据挖掘的电力用户侧信息价值增值方法研究

摘要

随着智能配用电网建设的不断深入，采集终端数量的急剧增长以及采集频度的大幅增强，逐步形成多源、海量的智能电网用户侧大数据。传统的数据挖掘方法已经不能适用于电力用户侧大数据，需要研究适用于电力用户侧大数据的数据挖掘分析方法。通过对电网内部用电数据、外部营销数据等多源用户侧大数据进行挖掘，以充分获取数据价值，使业务决策建立在更加科学的依据基础上，提高电网服务水平，降低电网运营成本，实现信息价值增值，具有重要的意义与价值。
　　本文对电力用户侧信息价值增值相关理论进行概述。首先介绍了价值、信息价值以及信息价值增值的相关概念，然后总结梳理了智能配用电信息类型及其特点，最后针对不同类型的信息介绍了3种信息价值增值典型应用场景;
　　基于电网内部用电数据，针对异常用电检测典型场景应用，提出了一种基于用户分类与高斯核密度局部离群因子算法的异常用电检测方法。首先通过模糊聚类的方法将用户分类;然后，提取每一类用户的用电行为特征量，采用主成分分析法对特征集进行降维;最后，利用高斯核函数改进局部离群因子算法，提出高斯核密度局部离群因子(gaussian kernel density-based local outlier factor,GKLOF)算法，通过理论推导与仿真实验相结合的方式分析了GKLOF算法的特性。
　　基于电网外部营销数据，以综合售电交易平台为背景，通过挖掘售电交易平台用户的隐性偏好信息，提出了适用于售电交易平台的智能推荐算法。建立了信息价值增值与系统推荐精度关系量化模型，对信息价值增值进行量化分析。实验结果表明，改进算法在平台运营初期数据量较低的情况下仍具有较高的推荐准确率，实现信息价值增值，从而为售电交易平台带来更大收益。

目录

声明

摘要

1．1 选题背景及研究意义

1．2 智能配用电大数据挖掘研究现状

1．3 主要工作和内容安排

第2章 电力用户侧信息价值增值概述

2．1 信息价值增值相关理论

2．2 智能配用电信息分类分析

2．3 电力用户侧信息价值增值典型应用场景分析

2．3．1 面向用电采集类信息价值增值场景

2．3．2 面向用电服务类信息价值增值场景

2．3．3 面向第三方平台类信息价值增值场景

2．4 本章小结

第3章 基于内部用电数据的信息价值增值方法

3．1 异常用电行为特性分析

3．2 基于高斯核函数改进的电力用户异常用电检测方法

3．2．1 高斯核密度局部离群因子算法

3．2．2 GKLOF算法特性分析

3．2．3 异常用电检测方法实现流程

3．3 算例分析

3．3．1 用户分类结果分析

3．3．2 异常数据构造

3．3．3 特征提取与主成分分析

3．3．4 异常检测结果分析

3．3．5 FCM聚类错误对异常检测的影响分析

3．4 异常用电检测系统信息价值增值分析

3．5 本章小结

第4章 基于外部营销数据的信息价值增值方法

4．1 基于用户显隐性偏好信息挖掘的推荐算法

4．1．1 用户显性偏好信息挖掘

4．1．2 用户隐性偏好信息挖掘

4．1．3 改进推荐算法与实现流程

4．2 售电交易平台系统信息价值增值分析

4．3 算例分析

4．3．1 仿真结果对比分析

4．3．2 信息价值增值量化结果

4．4 本章小结

第5章 总结与展望

5．1 本文工作总结

5．2 进一步的研究工作

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参与的科研项目

致谢