一种基于用户用电信息的居民用电行为分析方法
【技术领域】
[0001] 本发明涉及智能电网中居民用电行为分析方法，具体涉及一种基于用户用电信息 的居民用电行为分析方法。
【背景技术】
[0002] 节能减排是国家在新形势下提出的国民经济和社会发展的约束性指标，也是每个 公民应尽的义务。在传统电网中，电网运营方只能获得粗粒度的电力负荷数据，无法获得单 个用电户的某个小时或某天的具体电量消耗，也就没法发现用户的用电浪费行为。而在智 能电网中，随着具有实时自动读表功能的智能电表的普及，电网运营方能够获得用电户更 加精细的用电量信息，通过每15分钟从智能电表获取的信息，甚至能判断用电户正在使用 的电器。智能电网赋予了电网运营方挖掘更多用电户信息的能力，其中就包括对用电户不 合理用电行为的检测与度量。电网运营方挖掘居民浪费的用电量，可以提供差异化定价，以 惩罚居民的用电浪费行为，约束居民的用电习惯。
[0003] 常州大学的刘俊等提出了一种单个用电户通过与自身历史用电量特征进行比较， 以判断是否不节约用电的方法(专利名称:不节约用电的检测系统及其检测方法，授权号： CN103077439A)。该方法适用于用电户对自身用电情况的检测，需要每个用电户部署数据库 和监测设备，以记录和管理自身多达数年数月的历史用电记录，不符合智能电网环境；同 时，该方法基于与自身历史记录的比较，没有利用多个用电户的用电数据;该方法提出的是 一种浪费用电的检测方法，不包括对浪费的用电量进行度量。
【发明内容】
[0004] 为解决上述现有技术中的不足，本发明的目的是提供一种基于用户用电信息的居 民用电行为分析方法，该方法通过智能电表收集的用电量信息挖掘居民费电行为和信息的 方法，检测居民的费电行为，估算费电量，进而为电网运营方的差异化定价提供依据，约束 居民的费电行为。
[0005] 本发明的目的是采用下述技术方案实现的：
[0006] 本发明提供一种基于用户用电信息的居民用电行为分析方法，其改进之处在于， 所述方法包括下述步骤：
[0007] 1)收集用电户用电量信息；
[0008] 2)用电户分组；
[0009] 3)用电特征提取；
[0010] 4)组特征提取；
[0011] 5)用电浪费行为的判定，即异常检测；
[0012] 6)计算浪费用电量；
[0013] 7)输出浪费用电量。
[0014] 进一步地，所述步骤1)中，电网运营者收集管辖区域采集周期Tc内所有N个用电户 的用电量信息，并记录在用电量数据库中；将运算周期Ty内居民的用电量数据库作为输入。
[0015] 进一步地，所述步骤2)中，对用电量数据中的N个用电户按照地区分区，再按照周 期性用电量组成的长度为Ty/Tc的向量C的变化特征进行聚类分析，分为Μ组，记为G，其中第 i组为Gi;使得每一组中用电户的用电量特征相同；或按照区域对用电户分组，包括按照同 一个小区或同一幢宿舍楼的用电户进行分组，同一区域具有相似的作息特征，且对用电量 有影响的环境因素相同，环境因素包括季节、天气和气温因素。
[0016] 进一步地，所述步骤3)中，对于每一组Gi内的用电户，从用电量向量CV中提取组内 每一个用电户的用电量变化特征，包括每个用电高峰的开始时间和结束时间，记用电量 变化特征为Vij。
[0017]进一步地，所述步骤4)中，通过组内每个用电户的用电量变化特征，拟合组内用 电特征为高斯分布，即计算组内用电高峰的平均开始时间和方差，得到高斯分布的均值为 组特征GVi = f (Vu，Vi2，…），构成组特征中的高峰开始时间特征，组特征GVi即为定义在该组 上的合理用电特征。
[0018]进一步地，所述步骤5)中，对于每一组Gi内的用电户，比较用电量变化特征和组 特征GVi之间的Mahalanobis距离（马氏距离），若用电户的用电量变化特征Vij和组特征GVi 的偏差在两个标准差以上，即为异常，则进一步判断是否有用电浪费行为或极度省电行为。 [0019] 7、如权利要求1所述的方法，其特征在于，所述步骤6)中，对每个已判断为有用电 浪费行为的用电户，结合该用户的用电量变化特征V^、所在组的组特征GV4P用户的用电量 向量CV，计算浪费的用电量L;早于组特征(偏离高斯分布两个标准差)的用电高峰开始时刻 或晚于组特征(偏离高斯分布两个标准差)的用电高峰结束时刻被视为费电行为，可以累积 计算浪费的电量。
[0020] 进一步地，所述步骤7)中，对每个已判断为有用电浪费行为的用电户，输出浪费的 用电量L，即为该用电户在运算周期Ty浪费的用电量;对于判断为无用电浪费行为的用电 户，输出浪费电量L = 0。
[0021] 与最接近的现有技术相比，本发明提供的技术方案具有的优异效果是：
[0022] 本发明提出的通过智能电表挖掘居民费电行为和费电量的方法提供了一种远程 对用电浪费行为进行度量的方法，无需实时监控用电户具体电器的运行功率，也无需记录 长期历史数据。不同于被普遍认同的用电量越高，浪费行为越严重的度量方式，该方法通过 用电变化的特征是否与大多数居民相一致来判断用电合理与否，如在夏天空调的使用中， 房间大的用电户空调的耗电多，房间小的用电户空调的耗电小，但只有空调设置温度异常 低的用电户会被认为有费电行为，因为空调设置温度越低，空调处在高功率运行状态的时 间就越长，该用户的用电高峰也就越长。
[0023] 本发明提供的方法也无需对用电户的作息特征做出假设，因为在处理过程中加入 了对用电户进行分组的过程，每个组可以覆盖类似作息特征的用电户，在每个分组中，可以 认为组内每个用电户的用电差异都来自是否有好的用电习惯，而不是由作息规律决定。同 时，通过对用电户按照区域分组，该方法无需对工作日或周末、季节、天气、气温等可能对用 电量产生影响的环境因素做出假设。该方法通过用电户和组内大部分用电户（即具有良好 用电习惯的用电户）相比较的手段，避免了使用固定的用电特征对用电户是否具有良好的 用电习惯进行判断。
【附图说明】
[0024] 图1是本发明提供的通过智能电表挖掘居民费电行为和费电量的方法的流程图；
[0025] 图2是本发明提供的实施例中所有21户居民一天中用电量的变化图；
[0026] 图3是本发明提供的同一组中居民一天的用电量的变化图。
【具体实施方式】
[0027]下面结合附图对本发明的【具体实施方式】作进一步的详细说明。
[0028] 以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够 实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例 仅代表可能的变化。除非明确要求，否则单独的组件和功能是可选的，并且操作的顺序可以 变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发 明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同 物。在本文中，本发明的这些实施方案可以被单独地或总地用术语"发明"来表示，这仅仅是 为了方便，并且如果事实上公开了超过一个的发明，不是要自动地限制该应用的范围为任 何单个发明或发明构思。
[0029] 本发明中的方法提出对居民用电信息分区域分析的手段，对用电户进行分组，更 加精细的分组方法可以使用对客户细分的方法，以最大程度保证用电特征的差异主要来自 于用电户是否具有良好的用电习惯。同时该方法假设大部分居民的用电习惯是良好的，以 发现用电量相对于大部分居民上升早且下降慢的少部分居民，认为这少部分居民具有不良 的用电习惯，并把用电量中上升早和下降慢的部分作为浪费的电量，通过智能电表挖掘居 民费电行为和费电量的方法的流程图如图1所示，包括下述步骤：
[0030] 该方法采用先对居民进行分组聚类分析再进行异常检测的技术，粗略地分组可以 通过按区域划分实现，在异常检测中需要区分异常属于浪费行为还是节约行为。具体流程 如下：
[0031] 1)收集用电户用电量信息:在智能电网中，每户居民都安装有智能电表，智能电表 通常以一定的周期报告居民该周期内的用电量（称这个周期为采集周期T。，通常为15分 钟），电网运营者收集管辖区域内所有N个用电户的这些用电量信息，并记录在数据库中。该 方法以更大的周期内这些居民的用电量数据库作为输入(称这个周期为运算周期T y，通常 为1天）。
[0032] 2)用电户分组:对于用电量数据中的N个用电户，首先按照地区分区，再按照周期 性用电量组成的长度为T y/Tc的向量C的变化特征进行聚类分析，细分为Μ组