[发明专利]一种支持模式周期自发现的行业用电模式提取方法

说明书

本发明公开了一种支持模式周期自发现的行业用电模式提取方法，其特征是，包括：选取目标行业内所有企业历史用电数据，分月对行业内所有企业的用电变化率进行聚类；确定各个类的聚簇对应企业集合的交集并获取连续月份间聚簇的用电量变化趋势；根据用电量变化趋势确定所有用电模式的模式特征。本发明分月对行业内所有企业的用电变化率进行聚类减少了数据含有的噪声，提高了数据挖掘对象的质量，进而提高了数据挖掘的准确度；本发明提出了基于相似特征对发现周期性特征序列进而确定特征周期，其减少了海量数据的计算量，提高了计算的效率，减少时间开销，适合推广应用。

技术领域

本发明涉及一种支持模式周期自发现的行业用电模式提取方法，具体属于电力数据环境下的用电知识挖掘与典型模式提取和周期模式识别技术领域。

背景技术

在电力业务中，如何准确预测客户电费风险，提前采取针对性防控措施，是避免电费逾期问题的关键。电力信用主要基于用电、交费等电力内部数据进行评价，无法全面分析企业客户的经营情况，难以评估其履约能力，预测电费风险。常常出现电力信用好的客户，由于经营困难，突发电费拖欠。在电力大数据环境下，迫切需要对行业内企业的海量用电数据进行深度知识发现，构建行业的典型用电模式库，用于发现和预测行业的用电异常，预测电费收缴风险。而根据历史数据和行业生产经营特点可知，不同行业生产经营具有螺旋周期性，生产经营的周期性也表现在不同行业其用电模式的周期演化上。不同行业有各自业务特点和不同的用电模式，对行业用电模式进行分析需要解决用电模式周期不确定问题，例如，有的行业内企业发展周期是两年，有的行业可能是三年甚至更长，因此急需提出基于行业内大量企业的历史用电数据的具有模式周期自适应发现能力的行业典型用电模式挖掘方法，提升电力公司进行电费收缴的效率，降低电费回收的风险，提供用电模式支撑。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种能够挖掘用电主流模式和自适应检测行业用电模式周期的方法。

为解决上述技术问题，本发明采用以下技术方案：

提供一种支持模式周期自发现的行业用电模式提取方法，包括以下步骤：

(1)选取目标行业内所有企业历史用电数据，分月对行业内所有企业的用电变化率进行聚类；

(2)确定各个类的聚簇对应企业集合的交集获取连续月份间聚簇的用电量变化趋势；

(3)根据用电量变化趋势提取所有用电模式的模式特征。

在以上技术方案中，步骤(1)包括计算行业内所有t家企业在第m月的用电变化率，其方法如下：

预先获取某一目标企业连续h个月的用电量数据，已知相邻两个月份，第m月与第m+1月的用电量分别为dl_m和dl_m+1,定义第m月的用电变化率dl_m≠0，若dl_m＝0，则将dl_m值设置为固定值1。

在以上技术方案中，分月对行业内所有企业的用电变化率进行聚类的方法包括以下步骤：

将K_m作为数据对象集合，数据对象间的相似性采用欧几里德距离度量，即dis(k_i，k_j)＝|k_i-k_j|；

进行聚类获得n个聚簇，记为C_m＝{c_{m_1}，…，c_{m_n}}；C_m对应的企业集合S_m＝{s_{m_1}，…，s_{m_n}}，其中s_{m_j}为C_m中聚簇c_{m_j}对应企业的集合。

在以上技术方案中，步骤(2)的包括生成聚簇序列中用电企业的用电特征的集合，包括：