基于数据挖掘技术的南方电网服务中心服务辅助决策初探

作者:邓丽娟; 唐良运; 甘杉; 马赟; 杨荣霞
更新时间:

为了减少电网数据挖掘过程中的计算量,提高计算效率和准确性。首先,本文提出了一种优化用户用电行为特征的方法。其次,提出了一种基于流动态聚类思想的单次加权K均值聚类算法(spwk)。最后,将这两种方法融合起来,构建了基于特征优化的用户用电行为分析模型。结果表明:(1)该方法的指标分类准确率为95.21%,比其他常用方法高50.2%。该方法选取的指标集信息熵均值为1.051,本文spwk算法的平均执行时间为0.762s,比其他两种聚类算法的平均执行时间低67.5%以上。平均加速比为2.093,高于76.4%。该算法的迭代次数和总聚类时间分别为8次和0.909秒,比其他两种聚类算法分别低20%和37.5%以上。(3) 利用本文设计的用户用电行为分析模型,根据不同用户在不同时间的用电规律,将所有用户分为六类。本研究旨在为有效获取和分类电网用户信息,提高电网企业服务中心的服务质量提供重要的技术支持。