一种服务于用户节能减排的居民用电行为感知分析方法与流程

1.本发明涉及一种用于用电数据分析领域的服务于用户节能减排的居民用电行为感知分析方法。


背景技术：

2.一直以来，传统的用户用电行为分析方法都是直接针对用户在不同时间段内(小时、峰平谷、日电量、月电量)的总用电量进行分析，分析用电变化趋势，总结不同用户的用电规律，然而此方法仅仅适用于单纯的用户日常用电的量化分析，无法下钻到用户用电过程中异常原因，如高用电量、高负荷、深夜用电原因等情况。因此在针对居民用户自身用电行为特征分析过程中，对于“用电行为”的分析概念不断冲淡，仅局限在单位时间电量变化趋势上，无法真正的实现对用户日常各类电器的使用情况来分析其自身的用电特征，对于居民节能减排缺乏具有针对性的服务策略支撑。


技术实现要素：

3.本发明的目的是为了克服现有技术的不足，提供一种服务于用户节能减排的居民用电行为感知分析方法，能够对用户的用电习惯进行分类，从而构建分类的用户画像，对用电规律进行分析。
4.实现上述目的的一种技术方案是：一种服务于用户节能减排的居民用电行为感知分析方法，包括如下步骤：
5.步骤1，构建居民用电行为用电指数步骤，收集居民的非侵入式日电量数据水平等级，以及水平等级在24小时以及一周内的时间曲线关系，然后将数据通过皮尔逊相关性分析进行划分；
6.步骤2，基于用户的小时用电规律、用电规模、一周周期的用电情况、节假日用电规律、用电习惯数据，将用户分为五大类，分别为夜猫型用户、常规上班族非家庭用户、家庭类型用户、老年用户及其他；
7.步骤3，将非侵入式日电量数据与营销系统日电量做误差对比，日电量误差率的计算公式为：日电量误差率＝(非侵入式每日的日电量中位数
‑ꢀ
营销系统每日的日电量中位数)/营销系统每日的日电量中位数，用以检验所受非侵入式日电量数据水平等级的准确性。
8.本发明的一种服务于用户节能减排的居民用电行为感知分析方法，可获取用户用电画像，了解用户用电类型，挖掘不同类型用户的用电习惯，找出非正常用电情况，及时告知客户高耗能电器、高耗能习惯的信息，方便用户及时调整，有效做到节能减排。本分析方法与原有方法相比较具有如下优点：
9.1)利用非侵入式负荷监测分析结果，可采集到居民家庭各类用电电器的电量、负荷情况，将用电维度细化到最末节；
10.2)采用多种行为分析指标及大数据分析方法，使分析结果更为精准；
11.3)选取时间、地点、电器类别、使用时长、使用频率等多种维度进行分析，全方位观察用户用电行为，使分析结果不断贴近现实情况
具体实施方式
12.为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：
13.本发明的一种服务于用户节能减排的居民用电行为感知分析方法，其特征在于，包括如下步骤：
14.步骤1，构建居民用电行为用电指数步骤，收集居民的非侵入式日电量数据水平等级，以及水平等级在24小时以及一周内的时间曲线关系，然后将数据通过皮尔逊相关性分析进行划分。
15.先打造用户用电特征分析指数，参考并利用“tgi”指数，反映目标群体在特定研究范围内的强弱，并利用大数据分析方法划分用电水平等级，方便为用户打上标签。同时对于各指标间相关性采用“皮尔逊法”进行分析，明确指数关系，为用户用电行为特征分析奠定基础。具体采用的指数方法内容及指标原理如下：
16.(1)tgi指数
17.tgi(target group index)指数，是反映目标群体在特定研究范围内的强势或弱势的指数。
18.tgi指数＝[目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例]*标准数100。
[0019]
(2)用电水平等级
[0020]
采用聚类、箱型图等多种对用电量进行水平等级划分，可划分为高/ 中/低三大类，并打上相应的标签。
[0021]
(3)皮尔逊相关性
[0022]
相关系数是最早由统计学家卡尔
·
皮尔逊设计的统计指标，是研究变量之间线性相关程度的量。相关系数用以反映变量之间相关关系密切程度的统计指标。
[0023]
步骤2，基于用户小时用电规律、用电规模、不同日期类型用电情况、节假日用电规律、用电习惯、厨房电器使用情况、个人护理类电器使用情况、衣物护理类电器使用情况、新型电器使用情况、电视观看情况以及气温敏感度等维度，结合聚类、曲线相似度、因子分析等算法，将用户分为五大类，分别为夜猫型用户、常规上班族(非家庭)用户、家庭类型用户、老年用户及其他。具体采用的算法包括聚类算法、dtw相似度算法和客观赋值算法。
[0024]
步骤3，将非侵入式日电量数据与营销系统日电量做误差对比，日电量误差率的计算公式为：日电量误差率＝(非侵入式每日的日电量中位数
‑ꢀ
营销系统每日的日电量中位数)/营销系统每日的日电量中位数，用以检验所受非侵入式日电量数据水平等级的准确性。
[0025]
通过上述分析操作，最终可获取用户用电画像，了解用户用电类型，挖掘不同类型用户的用电习惯，找出非正常用电情况，及时告知客户高耗能电器、高耗能习惯的信息，方便用户及时调整，有效做到节能减排。
[0026]
以上所述的分析方法已经在非侵入式负荷监测安装试点分析中实施，经过对分析
结果的观察，效果良好，与实际情况较为匹配。该技术符合精准分析的设计理念，且在分析结果中可将当前居民用户打好标签分类，区别不同类型用户的用电习惯，通过日常电器用电情况监控，可迅速识别异常用电情况，及时提醒客户关闭异常使用中电器，防范用电安全隐患，减少用电浪费情况；此外，针对同类型用户间电器用电情况比对，在用户有更换电器需求的情况下，可更好的为用户提供节能电器推荐，不断迭代优化用户群体电器使用，提高能耗效率，大幅度减少日常电能的使用。
[0027]
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。


技术特征：
1.一种服务于用户节能减排的居民用电行为感知分析方法，其特征在于，包括如下步骤：步骤1，构建居民用电行为用电指数步骤，收集居民的非侵入式日电量数据水平等级，以及水平等级在24小时以及一周内的时间曲线关系，然后将数据通过皮尔逊相关性分析进行划分；步骤2，基于用户的小时用电规律、用电规模、一周周期的用电情况、节假日用电规律、用电习惯数据，将用户分为五大类，分别为夜猫型用户、常规上班族非家庭用户、家庭类型用户、老年用户及其他；步骤3，将非侵入式日电量数据与营销系统日电量做误差对比，日电量误差率的计算公式为：日电量误差率＝(非侵入式每日的日电量中位数
‑
营销系统每日的日电量中位数)/营销系统每日的日电量中位数，用以检验所受非侵入式日电量数据水平等级的准确性。

技术总结
本发明公开了一种服务于用户节能减排的居民用电行为感知分析方法，包括如下步骤：步骤1，构建居民用电行为用电指数步骤；步骤2，基于用户的小时用电规律、用电规模、一周周期的用电情况、节假日用电规律、用电习惯数据，将用户分类；步骤3，将非侵入式日电量数据与营销系统日电量做误差对比，用以检验所受非侵入式日电量数据水平等级的准确性。本发明能够对用户的用电习惯进行分类，从而构建分类的用户画像，对用电规律进行分析。对用电规律进行分析。


技术研发人员：兰森林 陈明 马媛 顾星辰 陈兴君 赵顺麟 王钰楠
受保护的技术使用者：国网上海市电力公司
技术研发日：2021.05.28
技术公布日：2021/10/23