基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

优质电力评价测度及其量化方法

在售电侧开放的背景下,售电主体之间竞争越来越激烈,加之高新技术产业的飞速发展,优质电力逐渐成为售电主体间的核心竞争力。如何科学、合理地对优质电力进行评价测度,指导售电公司提升自身服务、引导用电客户对优质电力进行合理选择是亟待解决的问题。充分考虑购电主体的实际需求、用户特性以及售电公司提供定制服务的可能性,建立了优质电力评价测度体系,并通过层次分析法和熵权法,从主、客观对测度模型进行权重的确定,利用模糊评价法进行测度量化,为分析用电客户对不同指标的需求程度和满意程度提供借鉴,成为售电公司制定新策略的有力依据。最后选取某一园区对其优质电力进行测度量化,验证了该评价测度体系的合理性。     

一种面向用户特征的配电网投资决策分析方法

作为售电企业主要利润来源,用电客户资源在电力市场竞争中占据了举足轻重的地位.基于电力商品的特殊性,本文中通过针对性调查问卷及数学建模的方式,将潜类分析方法引入电网客户分类分析中,对中国东部地区的电力消费群体对于选择可再生能源发电的潜在需求进行分析,将消费者群体划分成3个不同的类型,分别为价格敏感型消费者、绿色消费者和价格不敏感消费者.发现约有25%的消费者会为了增加可再生能源发电的比例而支付超过现有电价的费用,这一结论可以为电网售电公司配网投资决策提供理论依据.     

一种基于用户关注行为的标签预测方法研究

为从互联网用户的关注行为中抽离出更有效的用户标签,通过挖掘用户行为的关注特性,对标签进行预测,完善用户画像系统.首先,构建用户和关注行为对象的邻接矩阵,对其进行奇异值分解,得到行为特征矩阵;然后,利用逻辑斯蒂回归模型训练特征矩阵,预测用户行业属性标签;最后,针对微博上673144条用户行为数据进行实验研究.结果表明,利...     

区块链下计及用户价格响应的电力市场定价机制

如何制定电价是电价体制改革的关键.2020年起,现行燃煤发电标杆上网电价机制改为"基准价+上下浮动"的市场化价格机制,浮动部分可由售电公司、电力用户等协商或竞价确定.电价制定不当会增加电力营销的风险,而电力市场定价与用户的用电行为息息相关,因此,通过引入电力用户竞价的方式设计市场定价机制.对用户来说,竞价考虑电费和舒适性之间的折中,从自身利益出发确定竞拍策略.对电力市场来说,将电价制定者视为竞拍系统的参与者,以增加市场交易量和额度为目标.通过分析电力市场定价与用户竞价行为的关系,构成与用电需求相关的电力市场定价机制,得到最优市场定价,与此同时,每个用户依据最优价格可以得到最优用电策略,形成最优市场交易.然而,用户的利己性会促使用户无视市场规则,推翻进入市场的承诺,造成定价机制和市场的崩溃,为此,采用区块链技术保障市场规则的正常运行以及用户的个人利益,进而保障交易的安全性.数值模拟验证了研究成果.     

基于预测模型的电力精准营销框架研究

<正>针对用电服务现有的泛营销等问题，本文利用大数据技术和人工智能技术，提出了一种基于预测模型的电力精准营销框架。该精准营销框架可以通过分析用户的用电历史，为其提供更合理、经济适用的用电建议和服务，进而有效提高售供电公司的品牌形象和服务质量。     

基于特征分箱和K-Means算法的用户行为分析方法

针对网购用户所产生的购物行为进行分析,首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分,并对2种模型结果进行比较分析,讨论二者的差异性和具体的应用范围和意义.其中,基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化,使得用户分类标签更加清晰,也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据,使得运营商可以根据不同用户的不同行为进行市场细分,进而进行精准营销和服务设置.     

面向大数据的电力预测系统应用研究

正电力资源的高效利用是进行电力大数据特征研究的目标,电力大数据源于千家万户,用于千家万户,根据用户的应用需求,对电力资源进行数据分析和挖掘,从而全面提高用电保障和用电服务质量。电力资源预测是电力系统的重要组成部分,通过电力资源预测,可以发现电力使用的高峰与低谷,从而进行更合理的供配电,为广大群众提供用电保障;通过电力资源预测,可以找到电力发展水平与地方经济发展水平的关系,从而保障边远地区的电力建设投入;通过电     

考虑用电效用的用户购电决策优化

随着售电侧市场的逐步放开，电力用户的市场化程度逐渐加深，需要制定科学合理的购电策略以保障自身用电效用的同时降低风险。该文提出了考虑用电效用的用户购电决策优化策略。首先基于实时电价建立了三种不同类型的套期保值合同供用户选择；接着引入了需求价格弹性模型引导用户调整用电策略，实现负荷和电价的实时联动；基于条件风险价值法以用电效用最大化为目标建立用户购电决策模型；并采用阿基米德算法来求解该模型；最后通过算例验证了该模型能够有效提高用户的购电效用，为用户的购电决策提供参考。     

融合用户标签相似度的矩阵分解算法

随着互联网时代的到来,推荐系统已经成为人们在网络上筛选资源的得力助手,传统推荐系统通过用户的评分信息来计算用户相似度并为用户进行资源的推荐,但仍存在冷启动、数据稀疏性等各种问题,极大地影响推荐质量.近年来,标签的出现带给推荐系统新的机遇,它能够具体准确地描述用户的兴趣偏好,使推荐系统可以通过标签属性来更准确地了解用户喜...     

基于IPA分析法的互联网亲子游用户画像研究

互联网亲子游是新兴的旅游方式,为其进行用户画像可以明晰核心客户的特征,找准营销的着力点.通过对国内亲子游消费者的大数据报告进行分析,为互联网亲子游用户画像,可以发现:80后的女性是这一旅游方式的核心人群.在此基础上,通过IPA分析对用户画像信息进行再加工,分析用户画像每一标签的对比情况并对用户画像各标签的需要重视程度进行排序,结果发现:性别是首要关注对象,其次是城市、年龄、应用偏好和子女成长阶段.以此为依据提出了互联网亲子游服务调整策略.     

基于改进K-Means++分时电量聚类与行业用电行为分析

由于能源互联网中分时电量分布不仅为分时电价的制定提供依据还代表着用户的用电意识,提出改进K-Means++的聚类算法与典型用户筛选模型对分时电量进行挖掘。首先对K-Means++进行改进,利用模拟退火算法(simulated annealing, SA)与中位数阈值分割自动确定聚类初始质心与聚类数,弗雷歇与欧式距离的加权复合作为相似性的度量,权值由信息熵与层次分析法(analytic hierarchy process, AHP)确定。然后对分时电量进行聚类,从每簇聚类结果中依据典型用户筛选模型筛选典型用户,得到3种用电类型,最后从主要用电类型与用电类型转变的角度对行业用电行为分析,得到不同行业相同的用电行为。有助于供电侧初步掌控区域性行业用电群体的用电特征,为精细有序的用电管理做准备。     

智能电网环境下企业客户端电力智能单元

企业客户端电力智能单元,不仅可以为客户自身的安全用电、合理用电与节约用电提供数据支持,同时也可以通过信息平台,为供电部门提供丰富的实时数据、统计分析数据,实现用户侧用电数据信息发布,进而拓展供电部门的服务内容（包括个性化服务）、方便供电部门为用户用电提供科学指导。     

电力节能从有序用电做起

电力节能,有序先行。本着指标公开、用电公平,按照错峰不拉线、力争不拉电的原则,遵循先错峰、后避峰、再限电、最后拉路的顺序,通过合理安排用户周休日平衡周用电负荷;通过安排企业设备检修平衡月、季、年用电负荷,以达到错峰用电;按照四定原则(定用户、定时间、定设备、定容量),安排用户在电网高峰期间停用部分用电设备,以平衡日用电负荷,以达到避峰用电,最终实现电力能源消耗最低、电力能源紧缺时段保障电网安全供电,保证城乡居民生活和重要用户可靠用电。     

用电信息采集系统电能计量数据异常原因及对策

电信息采集系统可以帮助能源使用企业提高对能源使用的效率,缓解电力供需之间的矛盾。电能计量装置需要通过现场校验的实验才能运行,当用户用电信息采集系统建立运营后,需要通过远程的方式,对用户电能计量装置进行运行分析,在传统的人工分析工作中,成本消耗大,时间花费多,还有可能造成一些分析的漏洞和错误,这就要求能够通过一些算法对电能计量数据发生异常的用户进行排查,该文主要介绍在用电信息采集系统中,产生数据异常的一些主要原因,同时分析提出一些解决办法和改进措施。     

基于用户特征的微博转发预测研究

研究微博用户转发行为,预测微博转发概率,确定影响微博转发概率的因素,在热点挖掘、产品营销、舆情监控、谣言控制等方面有重要的现实意义.本文介绍了影响微博转发的用户特征,其中比较典型的有用户影响力、粉丝平均标签数、粉丝活跃度等特征.通过粉丝数-关注数算法、用户标签数算法、粉丝活跃度算法等分析了它们与微博转发之间的关联关系,并确定各个属性的阈值,这些阈值对微博转发预测起到了至关重要的作用.     

智能电表在智能用电中的重要作用

阐述了智能电网的重要性,分析了智能用电和智能电表及其特点,详细论述了智能电表在智能用电中的重要作用,即提高负荷预测准确度、优化首选新能源、提高分布式能源利用效率、提供故障分析依据、提供智能化需求侧管理、实现用户参与互动、创建电网友好环境、杜绝传统窃电行为、加快电力营销现代化进程等.指出智能电表是智能电网的重要基础装备,必将对实现智能电网发挥着重要的支撑作用.     

探析电力营销中用电采集系统的应用

用电采集系统是电力营销的重要组成部分,通过用电采集系统能够实现对电力用户用电信息的实时、全面采集,并将用电量、电压以及负荷等信息及时、准确地传递给系统,在系统中进行分析和处理,为电力营销人员制定正确的电力营销策略提供可靠的参考,同时实现对电力营销过程的"全面覆盖、全面采集、全面监控"。因此,文章分析了电力营销中用电采集系统的重要性,探析了用电采集系统在电力营销中的应用,旨在为电力营销人员提供一定的参考。     

基于满意度及特征近似的协同数据融合推荐

为进一步改善协同数据融合推荐算法的数据推荐效率及可靠性,为用户提供更具个性化特征的服务选项,提出一种基于用户满意度及特征近似的协同数据融合推荐算法。首先,根据使用者评价相似度、置信度及兴趣相似度三个指标,来计算和替代原有用户评价相似度指标,使得评价指标更全面和精确,指标的分辨率更高;其次,根据使用者属性作为评价用户间相似度的指标,使相似度更贴近用户使用感受;最后,通过在标准测试数据集上实验对比显示,所提算法在提高服务推荐准确度同时,具有更高的应用价值。     

基于用户关系网络表征学习的服务推荐方法

网络嵌入学习是深度学习的一个热门分支,它将网络节点映射到一个拓展的低维向量空间。针对用户共用标签网络和社交网络,利用表征学习方法得到用户标签标注关系和社交关系的向量表征,并提出一种新的服务推荐方法。该方法利用用户的向量表征得到相似用户集,由最终得到的用户特征信息返回Top-k个相似用户,并根据相似用户的偏好情况向目标用户推荐合适的服务。为验证方法的可行性,在公开数据集Delicious和Last.FM上进行了实验,结果表明:相比4种基准方法,文中方法准确率可提升13%,召回率提升18.6%,F-measure值可提升13.1%;在学习用户表征向量时,用户之间共用标签关系与社交关系同样重要;推荐过程中,为目标用户返回的相似用户值在[25,30]区间更为适宜。