刘爱东1 刘扬2
1.国网天津蓟州区供电分公司?301900
2.国网天津城东供电分公司?301900
摘要：传统上，居民用电数据通过人工抄表的方式进行采集，数据形式和内容都非常单一。近年来，随着智能电表、信息采集等技术的发展，电力设备逐渐数字化、智能化。智能设备的普及提供了丰富、精细的用电数据，特别是居民的用电数据，从简单的每月用电量变为分钟、小时为单位的细粒度用电记录。另一方面，大数据技术的发展，为电力数据分析提供了有力的技术手段。通过各类数据挖掘的方法和模型，可以对丰富的用电数据进行深度的分析和挖掘，能够得出隐藏在数据背后的特征信息。这些分析最终可以用于精准营销、节能减排、社会决策等。因此，居民用电数据具有重要的价值。
关键词：居民用电；数据挖掘；智能电网；智能电表
一、智能电表与居民用电数据采集
电力设备的数字化、智能化能够提供丰富的各类电力数据。特别是智能电表的推广应用，为居民用电数据的采集提供了直接的基础。智能电表是数字化的用电量测量装置，采用无线通信或者专用总线实现用户和智能电表、智能电表和智能电网之间的双向通信。
相比传统的电表，智能电表具有许多先进特性：
1)远程抄表。智能电表能通过网络实现远程抄表，数据自动生成，自动上传。
2)数据管理应用。智能电表实时采集用户端的用电信息，然后通过通信把数据信息远程传送到供电部门，用户和供电单位可以随时掌握信息，并对数据进行分析。
3)支持浮动电价。智能电表支持峰、谷分时电价、动态电价，能够降低电费，实现节能减排。
二、挖掘技术和模型
数据挖掘是一种数据处理技术，本质上是基于海量数据之上，借助有效的分析工具建立特定模型和海量数据间关系的过程。数据挖掘是从数据集中发现数据中的模式和趋势等有用信息的过程，特别是使用传统数据浏览无法发现的复杂关系或隐藏的模式。这些模式和趋势可以被收集在一起并定义为“数据挖掘模型”。数据挖掘模型可以用于不同的用途，例如：
预测评估：对未来的趋势、风险等进行预测，譬如估计产品的销售量。
分类分析：将目标划分到给定的类别，分析和预测相关性。
聚类分析：根据目标的属性和特征，划分成不同类别或者集合，而这些类别不是事先定义好的。
数据挖掘技术的核心是构造数据挖掘模型。创建和构造模型的过程可以分为六个步骤：定义问题、准备数据、浏览数据、生成模型、浏览和验证模型、部署和更新模型。数据挖掘模型的关键是其中的算法。常用的数据挖掘算法有如下几类：
关联算法：是常用于推荐系统的算法。譬如电子购物，推荐系统根据客户已购买的项或者客户已对其表现出兴趣的项向他们推荐项。
聚类分析算法：是一种“分段”或“聚类分析”算法，用于将数据样本分组到包含相似特征的分类中。
决策树算法：是分类和回归算法，用于对离散或者连续属性进行预测性建模，用于推断影响某属性的主要决定性因素。
贝叶斯算法：是一种基于贝叶斯定理的分类算法，可用于探索和预测建模。
神经网络算法：是参考动物神经系统设计实现的算法，针对可预测属性的每个可能状态来测试输入属性的每个可能状态，并基于定型数据计算每个组合的概率。神经网络算法有广泛的用途，可以用于分类和预测，也可以用于关联分析。
三、居民用电数据的挖掘应用分析
3.1电力负荷预测
目前供电企业对电网负荷预测一般都是基于历史信息进行的，但地区季节气候变化等系列外部因素，都会导致负荷预测准确度不高。如统计发现，作者所在的莱芜地区35摄氏度天气和20摄氏度天气情况下，对莱芜社会用电负荷的影响达到20%以上，因此有必要基于海量用电负荷数据和海量居民用电量等数据，结合外部环境与气候数据特征，开展科学的负荷预测分析。通过使用数据挖掘算法对电力运行负荷与居民用电量和实际气候数据之间寻找关系，掌握内部固有的相关性；并通过建立历年居民用电量与温度、季节对应电量大数据库，分析得出温度与季节差异影响用电量；并结合气候预报数据进行居民短期用电负荷实时预测，从而达到提升负荷预测准确率的目的。
3.2销售策略与方案分析
分时电价制度是通过制定合理的峰谷电价来激励居民自主改变用电行为，以此改善电力系统运行的不平衡性。目前作者所在的莱芜地区居民分时电价的执行仅仅做到了对居民月度电量的总量控制，对超出月度电量之上部分加价收取费用，没有真正做到峰谷平时段电价的分类执行。依据居民用电量及用电负荷的大数据分析可以准确的确定居民用电峰谷平时段，保证时段划分的合理性、科学性，从而为居民分时电价的真正执行奠定坚实的数据基础。根据居民用电数据分析，一天的早上、中午、下午、晚上不同时段受居民用电习惯的影响会导致用电负荷有区别；甚至一年当中，受季节影响(冬夏需要取暖和制冷的用电设备需额外增加,负荷多于春秋﹚，每个月或季度的电量有区别。
因此,对居民各个时段的用电负荷大数据分析,按天划分、按周划分、按年划分,可以得到每天、每周、每年用电负荷的峰谷平时段，从而可以更加合理的确定分时电价以及执行具体时段，通过对居民用电成本的调控达到对用电负荷的调控，从而可以调节电网经济运行，最终起到节能降耗的目的。
3.3居民用电行为分析
结合供电部门用电采集系统和GIS系统大数据，可以将居民人口信息、电力居民实时用电信息和地理与气候等信息进行综合集成，最终以“电力地图”的形式呈现。借助“电力地图”则可以以街区社区为单位，来展示各单元的实时用电量，甚至还可以实现单元用电量与单元内居民收入和居住条件等进行关联分析，进而可以通过用电习惯分析得出社会不同群体居住，可以为住宿餐饮、服装销售等领域提供参考价值，同时也有助于相关监管部门对区域行业及群体行为特征的调查、取证和管理。
3.4社会经济状况分析
除了用电消费行为本身，居民的用户数据与居民的生活行为密切相关，能全面防御经济、社会行为。譬如可以通过居民用电数据的综合挖掘，分析评估一个城市的人口分布、消费水平分布等，为城市建设管理、经济发展规划提供依据。譬如，可以通过居民用电数据分析预测住房空置率。
住房空置率是管理部门对住房状况进行观测的一项重要数据，但由于实际普查工作量大，住房空置率的统计则比较困难。而电力是居民居住的必需要素，通过住房的用电量、用电变化曲线能够比较准确的判断住房是否空置，从预测房地产行业的发展状态和趋势。
四、总结
智能电表的普及为用电侧用电数据采集提供了直接手段。详实的居民用电数据可以反映居民的用电行为，并进一步反映居民的工作、生活行为。居民用电数据的挖掘分析能够为电力系统服务，也能够成为社会、经济行为分析预测的重要途径。本文全面讨论了居民用电数据的采集方法、挖掘分析模型和算法，并重点讨论了居民用电数据的挖掘和应用价值，为电力大数据发展规划、智慧城市建设发展等有一定的借鉴和参考。
参考文献：
[1]江樱,王志强,戴波.基于大数据的居民用电消费习惯研究与分析[J].电力信息与通信技术,2015(11):7-11.
[2]林楠.全面智能电表集抄时代下的大数据分析[J].现代信息科技,2018,2(07):171-173+176.
[3]郭庆,郭建炎.智能电表在智能电网中的应用与发展[J].电工电气,2017(03):65-67.
[4]耿亮,吴燕,孟宪楠.电力数据挖掘在电网内部及各领域间的应用[J].电信科学,2013,29(11):127-130.
[5]孙芊,马建伟,李强,杨磊.面向智慧城市的电力数据挖掘多场景应用[J].电力系统及其自动化学报,2018,30(08):119-12
作者介绍：
刘爱东（1971.05.09—），性别：男；籍贯：天津蓟县；民族：汉族；学历：本科；职称：助理工程师：职务：营销班长；研究方向：居民用电。
刘扬（1993.12.31—），性别：男；籍贯：天津蓟县；民族：汉族；学历：本科；职称：助理工程师：职务：运维专责工；研究方向：配电。