（国网朔州供电公司 山西朔州 036000）
摘要：近年来，智能电表设施的普及，有助于用户数据维度的不断丰富，深入挖掘用户用电数据的隐藏信息，有助于电网公司了解用户的差异化需求，为用户提供个性化服务。同时，掌握电网企业的用电行为特征，如需求侧管理、电力生产调度服务、增值服务等，对电网企业具有十分重要的意义。
关键词：居民；用电行为；供电服务；优化
1 K-mean算法应用
K-means算法是一种常用的根据距离进行聚类的算法。本文以居民负荷特征指标为输入数据进行聚类分析，由于数据长度较短且趋势较为相似在聚类方法的选择方面具有较多参数的复杂的聚类方法并不适用于本文所作研究，因为此类算法参数具有很强的不确定性容易对聚类结果准确性造成影响。相较之下以距离作为聚类依据的K-means聚类算法更具优势。
2 居民用电行为聚类分析
2.1 数据选取说明
本文以安徽省阜阳市供电公司采集的96点居民用电负荷数据为基础，分析以台区为单位的居民用电行为特征。根据居民用电量规模分别在市区及阜阳市其他区县选取共约50个台区，50个台区中城镇与农村台区按2∶1分配。
2.2 台区负荷特征提取
根据阜阳市居民抽样台区全年96点负荷数据，区分采暖降温季与基础负荷季节、工作日与节假日，分别计算其典型日（典型日取当日负荷率最接近当月日均负荷率的日期），选取典型日负荷曲线作为研究对象。
在阜阳市居民用电负荷数据的调研中发现，个别抽样台区（多位于农村地区）负荷曲线存在剧烈波动的特性，因此，在负荷特征指标集中增加了负荷环比增速标准差，实验显示，增加该项指标能够在一定程度上区分出日负荷波动剧烈的台区，能够有效支持台区的细化聚类。
2.3 居民用电聚类分析
2.3.1 基础负荷季节工作日负荷特征分析
第Ⅰ类特征的样本最多，占样本总数的30%，第Ⅵ类数据只有一组，占比最少，其他几类数据占比相对持平。选取其中最具代表性的几类绘制均值负荷曲线如图2-图6所示，横坐标为一天中的24个时点，纵坐标为负荷数值（下同）。
根据负荷曲线特征判断第Ⅰ、Ⅱ类负荷数值较小为农村地区居民负荷，第Ⅴ类负荷均为城市居民负荷，第Ⅳ类负荷特征曲线的最大负荷数值远大于第Ⅱ类负荷和第Ⅴ类负荷，可以判定为商业用户，且符合商业用电特征，而调研台区地址信息也佐证了统计层面的判断结论。进而总结工作日不同类型台区用电特征如下：1）居民用电量小且稳定可调度空间也相对较小。工作日用电高峰多发生在晚7点到9点。2）农村地区居民负荷显著小于城市居民负荷。3）商业用户负荷明显大于居民负荷，最大负荷发生时点晚于居民负荷一个小时左右。
2.3.2 基础负荷季节节假日负荷特征分析
根据负荷曲线特征判断第Ⅴ类负荷为农村地区居民负荷，第Ⅰ、Ⅳ类为城市居民负荷，第Ⅱ类和第Ⅵ类负荷特征曲线波动相似且数值相近并大于第Ⅴ类负荷，可以判定为商业用户，且符合商业用电特征，而调研台区地址信息也佐证了统计层面的判断结论。进而总结节假日不同类型台区用电特征如下：
1）节假日居民用电规律与工作日不同，居民夜间活动更加频繁，最大负荷发生时点后移，出现在夜间8点前后，且持续时间较长，可将其作为负荷调度的一个因素给予考虑。
2）商业负荷在节假日用电量有所增加但总体趋势与工作日没有过大差异这由其自身的服务行业特性决定。
2.3.3 采暖季节工作日负荷特征分析
第Ⅰ类样本数量最多，占样本总数的30%，第Ⅲ类次之。第Ⅳ类数据只有一组占比最少，第Ⅱ类次之。其他几类数据占比相对持平。
根据负荷曲线特征判断第Ⅰ类负荷为农村地区居民负荷，第Ⅵ类为城市居民负荷，第Ⅱ类、第Ⅳ类负荷特征曲线波动相似且数值相近并大于第Ⅰ类、第Ⅵ类负荷，而且最大负荷发生时点相差在1～2小时以内，且符合商业用电特征，可以判定为商业用户，而调研台区地址信息也佐证了统计层面的判断结论。进而总结工作日不同类型台区用电特征如下：
在采暖季节，受采暖需求影响居民用电负荷明显增加，日用电高峰来临时间在晚上9点到12点前后。同时普通住宅与商品住宅之间在用电方面差异较大。
2.3.4 采暖季节节假日负荷特征分析
根据负荷曲线的特点，第一类为农村居民负荷，第五类为农村居民负荷，第二类为城乡居民负荷。三、四级负荷特性曲线波动相似，数值相近，均大于二、五级负荷。符合商业用电特点，可认定为商业用户，三级平台区范围内的商业住宅规模较大。研究站区的地址信息也支持统计水平的判断结论。
1）普通民用负荷方面，采暖季用电量明显增加，最大负荷范围由6：00扩大到11：00，日峰谷差较工作日有所上升，主要是节假日大部分居民在家休息，这就改变了家庭对热负荷的需求。节假日期间，企业负荷和居民负荷均大幅增加。2）采暖期节假日最大负荷上限值达到36.67kw，明显高于采暖期工作日最大负荷。此外，采暖季节工作日负荷特征与节假日负荷特征最大的差异是峰谷差，表明居民节假日供热负荷需求增加。
2.3.5冷季节假日负荷特征分析
第一组样本最多，14组占总样本的28%，第三组紧随其后。第六组只有一组数据。其他类型数据的比例相对平稳。根据负荷曲线的特点，第一类为农村居民负荷，第七类为城镇居民负荷。二、三级曲线波动相似，数值相近，远大于一、七级荷载，故确定为商业荷载。研究站区的地址信息也支持统计水平的判断结论。此外，对不同类型车站的节电特性进行总结如下：1）与季节性基础负荷相比，该时段的最大负荷值较高。2）冷季节假日最大负荷时间点比工作日晚1.5-2小时。
3建议
3.1加强需求侧管理
根据kmeans对居民用电行为的聚类分析结果，可以看出，在基本负荷季节、采暖季节和制冷季节三个典型季节，居民用电特征存在明显差异，居民在工作日和节假日的用电行为也存在差异。因此，应在此基础上加强需求侧管理。1）电网应通过智能设备终端、移动应用等方式及时向用户反馈居民用电信息，通过数据共享让用户充分了解自己的用电行为，及时优化用电行为，节约用电成本，降低用电量。2）根据居民用电行为特点，与大型工厂协调，避免高峰用电时出现超负荷现象，加强需求侧管理，减轻电厂压力。
3.2 优化调度模式
根据居民用电行为聚类分析结果，电网可以基本掌握台区内居民在不同季节的用电趋势，包括日最大负荷、最大负荷发生时点等基本信息。以此作为背景，根据台区内居民用电情况不断调整电网的调度模式是电网公司的主要任务。
1）聚类结果显示现有分时优惠电价政策效果并不明显，电网应根据居民用电行为特征信息对优惠政策进行细化，鼓励台区内用户积极的配合电网调度。例如，明确居民负荷用电高峰，利用储能设备实现“消峰填谷”。
2）根据不同季节、工作日、节假日居民用电行为存在的差异性制定合理的调度模式以服务台区安全运行和经济运行。
结论
居民区供电安全管理是保障居民供电安全稳定的基本保证，是一项长期艰巨的任务。随着人们对生活质量要求的逐步提高，越来越多的家用电器进入千家万户，用电量逐年增加。因此，作为一个社区，要积极分析和妥善解决供电过程中存在的问题，重视电网建设，加强管理体系建设，规范实施。同时，要利用先进的信息技术和网络平台，搭建更加便捷的优质平台，拓展业务范围，提高服务质量。并加大内部人员建设力度，确保用电服务质量显著提高，满足居民需求，促进社区居民生活水平的提高。
参考文献：
[1]程建海.智能用电服务体系下客户关系管理[J].通讯世界，2019（23）.
[2]李川.浅析表后用电服务存在的问题及建议[J].电子世界，2019（18）.