本发明属于智能用电技术领域，具体涉及一种互联网环境下新入网电力用户用电模式预测方法。
背景技术：
随着国家能源互联网战略及电力体制改革政策的不断推进，电力市场化改革方向日渐明晰。电力用户在互联网售电平台上购电和用电增值服务，具有种类丰富的用户数据，包括用人口、住房面积、房屋市场均价、加热类型等用户属性数据，互联网售电体可以对各种用户数据类型进行分类、定量划分区间，形成定义用户的标签表，据此将用户分类并对用户群体的用电行为偏好和互联网行为偏好进行分析和预测。
在互联网环境下，多售电体形成竞争关系，需要充分识别用户的属性标签，并对用户的用电模式和行为偏好进行预测评估，以便为用户提供个性化用电服务，提升服务质量，增强用户粘性。目前，对用电模式的分析主要是基于用户大量的历史负荷数据，利用聚类等数据分析方法，识别用户的用电模式，但对于没有历史用电负荷数据的用户，难以进行用电模式的评估，不利于售电体为新用户提供个性化服务。
因此，售电体如何在互联网环境下通过分析电力用户群体性行为，预测新入网用户用电模式，并为新入网用户推荐用电套餐或者用电增值服务，是一个急需解决的技术问题。
技术实现要素：
本发明的目的是提供一种互联网环境下新入网电力用户用电模式预测方法，能根据用户属性标签，形成相似用户群体，并通过分析相似用户群体用电模式特征，预估新入网用户用电模式。从而帮助售电体第一时间为用户推荐高效的用电套餐或用电增值服务。
本发明的目的是以下述方式实现的：
一种互联网环境下新入网电力用户用电模式预测方法，包括以下步骤：
（1）构建互联网用户已有用户与其标签的关系网络，所述关系网络中用户以节点表示；
（2）分别计算每个已有用户和新入网用户之间的相同标签个数W，将W中的元素按数值大小进行降序排序，然后将与W中的元素降序顺序对应的已有用户进行排序，取前M个已有用户形成用户群A，
W表示已有用户与新入网用户的相同标签数目的向量；
（3）计算用户群A中任意两用户之间相同标签的个数Nij和该两节点所代表的用户的用电行为相似度Sij，然后计算该两节点之间的相互关系权重：
QUOTE其中，i、j分别表示两个不同节点,
按α的数值大小，取前K个A用户群形成用户群B；
（4）计算用户群B中用户日负荷曲线的平均值作为新入网用户的用电模式预测值。
所述步骤（3）中用电行为相似度Sij的计算方法为：
计算用户i的日负荷曲线中各小时的平均负荷，组成用户日均负荷向量Li；
计算用户j的日负荷曲线中各小时的平均负荷，组成用户日均负荷向量Lj；
所述用电行为相似度Sij为：
QUOTE。
所述用户的标签包括用户属性数据、上网行为数据、用电行为数据。
与现有技术相比，本发明的有益结果是：在没有用户历史负荷的情况下，通过用户的属性标签，结合相似用户群分析，预测新入网用户的用电模式，进而帮助售电体为新用户提供个性化用电服务推荐。
附图说明
图1是本发明的新入网用户用电模式预测方法流程图。
具体实施方式
下面结合图1和具体实施方式对本发明做进一步详细说明。
在进行预测之前，首先，需要根据已入网用户的电力、电量数据提取特征量进而得到已入网用户的所有日负荷曲线；其次，对每个用户分配标签。标签是指用户属性数据（人口、住房面积、房屋市场均价、加热类型等）、用电行为数据（历史负荷数据）、上网行为数据（购买业务类型、用电报告阅读状态、需求响应情况、用户信用等），可以对各种用户数据类型进行分类、定量划分区间，形成每个已入网用户的标签表。
然后，对新入网用户的用电模式进行预测。具体包括以下步骤：
STP1：构建互联网用户已有用户与其标签的关系网络，关系网络中的一个节点表示一个用户，同时为新入网用户分配合适的标签。
STP2：分别计算每个已有用户和新入网用户之间的相同标签个数的向量W，将W内的元素按数值的大小进行降序排序，然后将与W中的元素降序顺序对应的已有用户进行排序，获取与新入网用户相同标签个数降序排列的已有用户排序，提取前W中前M个元素对应的M个已有用户形成用户群A，该用户群A为与新入网用户最相似的相似用户群。
STP3：计算用户群A中任意两用户之间相同标签的个数Nij和该两节点所代表的用户的用电行为相似度Sij，然后计算该两节点之间的相互关系权重：
QUOTE其中，i、j分别表示两个不同节点,
按α的数值大小，取前K个A用户群形成用户群B。其中K为互联网售电体的设定值。
STP4：计算用户群B中用户日负荷曲线的平均值作为新入网用户的用电模式预测值。
上述的STP3中，用电行为相似度Sij的计算方法为：
首先计算计算用户i的所有日负荷曲线中各小时的平均负荷，组成用户日均负荷向量Li；计算用户j的所有日负荷曲线中各小时的平均负荷，组成用户日均负荷向量Lj；A中两用户的日负荷曲线为两个用户日均负荷曲线的平均值。
此时用电行为相似度Sij为：
QUOTE。
假设某个实施例中计算出的
Li=[2,3,4,5,4,6,4,7,5,6,4,3,5,9,5,6,4,3,7,2,1,3,2,1],
Lj=[1,2,4,5,4,6,4,7,8,2,4,3,5,6,5,7,4,3,6,2,1,2,2,1],
则它们的用电行为相似度为
两节点相互关系权重表示为
QUOTE。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明整体构思前提下，还可以作出若干改变和改进，这些也应该视为本发明的保护范围。