基于电力营销数据的用户行为分析

发布时间：2021-03-16 12:57

　　电力营销服务是供电服务中的最重要内容之一,识别和管控电力用户的各类异常用电行为是其主要工作之一,准确识别用户在电力消费过程中的异常行为对电网系统安全运行、避免电网企业的电费损失均有着重要意义。目前电力营销部门使用人工经验规则库检测出异常信息,然后人工现场检查这些告警信息来甄别用户是否具有异常行为,这种方法缺乏针对性,需要工作人员现场确认,耗费人力资源。本文针对以上问题,提出利用用户的历史消费数据对用户行为进行识别,从数据层面建立模型,减少人力成本、节约资源。本文用到的原始数据为某省近两年的用户营销数据,并分别从时间特征和空间特征两方面对数据进行分析:（1）分析用户数据的时间特征,对传统的长短期记忆网络增加反向传播层,增加对时间跨度大的关联特征的兼容性,实验结果表明,Bi-LSTM（双向长短期记忆）网络对用户行为的识别准确率要高于其他几种网络,并且波动小、稳定性高。（2）分析用户数据的空间特征,对用户每个月的用电数据之间的协方差计算协方差矩阵,然后利用卷积神经网络对特征进行提取,得到了用户的特征序列,并进行特征拟合建立识别模型,结果表明该模型在三种用户数据上都表现良好,且收敛速度快。（3... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

低压居民用户

异常低压居民用户

低压非居民用户

【参考文献】：
期刊论文
[1]近红外光谱技术在牛油生产过程中的应用[J]. 陈广川,赵波,徐坤俐,龚晨辉,张立实,王培鉴,唐勇.  食品安全质量检测学报. 2019(09)
[2]在智能电网中进行用户异常用电行为辨识的研究[J]. 柳林溪,陈泰屹.  信息技术. 2018(12)
[3]基于实值深度置信网络的用户侧窃电行为检测[J]. 张承智,肖先勇,郑子萱.  电网技术. 2019(03)
[4]基于BiLSTM-CRF的关键词自动抽取[J]. 陈伟,吴友政,陈文亮,张民.  计算机科学. 2018(S1)
[5]基于PCA-ELM的日同期线损检测系统的研发[J]. 夏翔,董大伟,方建亮,姜巍,何欣,胡剑地.  电子测量技术. 2018(07)
[6]深度置信网络模型及应用研究综述[J]. 刘方园,王水花,张煜东.  计算机工程与应用. 2018(01)
[7]基于智能电表数据的台区识别与窃电检测方法研究[J]. 潘明明,田世明,吴博,叶俊.  智慧电力. 2017(12)
[8]基于无监督学习的电力用户异常用电模式检测[J]. 庄池杰,张斌,胡军,李秋硕,曾嵘.  中国电机工程学报. 2016(02)
[9]稀疏编码模型在电力用户异常用电行为探测中的应用研究（英文）[J]. 周李,赵露君,高卫国.  电网技术. 2015(11)
[10]基于离群点算法和用电信息采集系统的反窃电研究[J]. 程超,张汉敬,景志敏,陈明,矫磊,杨立新.  电力系统保护与控制. 2015(17)

硕士论文
[1]供电企业反窃电管理综合评价研究[D]. 梁毅涵.华北电力大学(北京) 2016
[2]供电企业防窃电方法和对策的研究[D]. 刘增明.华北电力大学 2013



本文编号：3086075