[发明专利]一种基于卷积神经网络和模糊聚类的用电客户画像新方法

权利要求书

1.一种基于卷积神经网络和模糊聚类的用电客户画像新方法，其特征在于：具体步骤包括：

(1)通过卷积神经网络算法对用电负荷进行分类和用电量分解；

(2)通过模糊聚类算法为用电客户匹配画像。

2.根据权利1所述的一种基于卷积神经网络和模糊聚类的用电客户画像新方法，其特征在于，所述步骤一1)和2)通过卷积神经网络算法对用电负荷进行分类和用电量分解，通过模糊聚类为用电客户匹配画像，首先，通过卷积神经网络算法进行负荷辨识，使用积分求和公式进行用电量分解，统计用电信息,作为客户画像数据来源；分析用电信息和客户社会信息，筛选出客户行为标签和设定标签属性，通过标签聚类来为用电客户匹配画像。

3.根据权利1所述的一种基于卷积神经网络和模糊聚类的用电客户画像新方法，其特征在于，所述步骤一1)通过卷积神经网络算法对用电负荷分类和用电量分解，首先通过事件探测法检测到电器投切，提取动作电器的负荷特征来建立负荷特征库，对负荷样本进行预处理，组成训练集，生成训练集负荷样本对应的家庭用电负荷种类标签序列；通过卷积神经网络算法进行训练，识别待测负荷工作模式和类别，进行用电量分解，即能对家庭用电负荷进行实时监测，并统计用电信息。

4.根据权利1所述的一种基于卷积神经网络和模糊聚类的用电客户画像新方法，其特征在于，所述步骤一2)通过模糊聚类算法为用电客户匹配画像，首先分析用电信息，提取客户行为特征数据，将客户行为特征数据和客户社会信息整合纳入DMP进行细分和标准化；分析用电信息和客户社会信息，筛选出客户行为标签和设定标签属性；通过模糊聚类算法进行标签聚类，统计聚类的数值结果并生成图模式，能够实现用户差异化服务、电网系统稳定和电器负荷精准营销。