基于客戶全視圖的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)

蔡嘉榮, 張遠(yuǎn)雄, 陳灝生

(1.廣東電網(wǎng)有限責(zé)任公司, 信息中心, 廣東, 廣州 510300;2.廣東卓維網(wǎng)絡(luò)有限公司, 廣東, 佛山 528000)

0 引言

在智慧電網(wǎng)和用電管理系統(tǒng)背景下，用電客戶個(gè)性化管理可以提高用電客戶個(gè)性化服務(wù)和管理能力，因此，相關(guān)的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)方法研究受到人們的極大關(guān)注。

文獻(xiàn)[1]對(duì)用電客戶個(gè)性化特征挖掘建立在對(duì)用電客戶個(gè)性化特征大數(shù)據(jù)分析和融合聚類基礎(chǔ)上，提取用電客戶個(gè)性化特征和信息分量，采用模糊均衡聚類分析的方法，完成用電客戶個(gè)性化特征挖掘和自相關(guān)博弈分析，但是其信息融合性能不好。文獻(xiàn)[2]建立用電客戶個(gè)性化特征分析模型，通過(guò)多維參數(shù)特征重構(gòu)，實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘，但其實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘的模糊度較大。

針對(duì)上述問(wèn)題，本文提出基于客戶全視圖的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)方法。通過(guò)構(gòu)建用電客戶個(gè)性化特征大數(shù)據(jù)分析模型和用電客戶個(gè)性化特征挖掘的客戶全視圖分析模型，進(jìn)行用電客戶個(gè)性化特征挖掘，本文方法在提高用電客戶個(gè)性化特征挖掘能力方面具有優(yōu)越性能。

1 用電客戶個(gè)性化特征大數(shù)據(jù)分析

1.1 用電客戶全視圖分布模型

為了實(shí)現(xiàn)基于客戶全視圖的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)，首先構(gòu)建用電客戶個(gè)性化特征大數(shù)據(jù)分析模型，構(gòu)建步驟如下。

結(jié)合電力用戶的Agent服務(wù)代理實(shí)現(xiàn)服務(wù)參數(shù)融合，采用多元用戶特征分析的方法，進(jìn)行用電客戶個(gè)性化融合特征提取[3-5]，融合用電客戶個(gè)性化參數(shù)，得到語(yǔ)義異構(gòu)環(huán)境下用電客戶個(gè)性化特征演化特征參量為

f=m+(r(y)+s)

(1)

其中，r(y)為用電客戶個(gè)性化特征參數(shù)，s為多源信息資源服務(wù)數(shù)據(jù)，將用電客戶個(gè)性化特征分布參量m設(shè)為聚類中心,在主動(dòng)配電網(wǎng)中，用電客戶個(gè)性化特征的節(jié)點(diǎn)集合數(shù)為

(2)

用電客戶個(gè)性化參數(shù)分布集是由n個(gè)樣本構(gòu)造成的訓(xùn)練集[6]，設(shè)第c個(gè)用電客戶個(gè)性化類別對(duì)應(yīng)的樣本類別ωm為已知的，計(jì)算用電客戶個(gè)性化特征樣本xt和其類別屬性ωt的關(guān)聯(lián)性分布值。定義含n節(jié)點(diǎn)的主動(dòng)配電網(wǎng)中用電客戶個(gè)性化特征參數(shù)為r，得到用電客戶個(gè)性化特征分布參數(shù)融合調(diào)度集為

(3)

其中，mi為第t次迭代計(jì)算后用電客戶個(gè)性化節(jié)點(diǎn)集合，pi為第t次迭代后的分區(qū)分布式主動(dòng)調(diào)度分布集，xk為用電客戶個(gè)性化樣本數(shù)據(jù)點(diǎn)。引入分布式加速交替學(xué)習(xí)的方法[7]，得到用電客戶個(gè)性化參數(shù)的狀態(tài)系數(shù)為

(4)

其中，ci為電客戶個(gè)性化近鄰點(diǎn)參數(shù)，以mj為近鄰中心實(shí)現(xiàn)電客戶個(gè)性化參數(shù)融合，得到用電客戶個(gè)性化特征推薦，采用標(biāo)準(zhǔn)二階錐松弛形式模型，結(jié)合電客戶個(gè)性化特征挖掘的方法[8]，設(shè)電客戶個(gè)性化特征向量維數(shù)為d，根據(jù)多維參數(shù)識(shí)別的方法，得到電客戶個(gè)性化特征的客戶全視圖分布模型為

P=d+(uk+wk)

(5)

其中，uk表示電客戶個(gè)性化特征的客戶全視圖統(tǒng)計(jì)特征量，wk表示模糊狀態(tài)特征分布集，通過(guò)粗糙集匹配的方法，得到電客戶個(gè)性化特征的客戶全視圖融合狀態(tài)方程為

j(e)=M+(VA×uk)

(6)

其中，M為電客戶個(gè)性化特征統(tǒng)計(jì)時(shí)間段，VA表示輸電網(wǎng)安全運(yùn)行約束條件。

1.2 用電客戶個(gè)性化特征融合

采用自相關(guān)特征匹配實(shí)現(xiàn)用電客戶個(gè)性化特征融合和聚類分析，構(gòu)建用電客戶個(gè)性化特征挖掘的分布式離散調(diào)度模型[9]。

設(shè)用電客戶個(gè)性化特征的分布式區(qū)間協(xié)調(diào)控制的模態(tài)特征量為

(7)

根據(jù)電網(wǎng)儲(chǔ)能系統(tǒng)充放電間的關(guān)系分布集[10]，得到電客戶個(gè)性化特征的差異性分布函數(shù)為

y(x)=p(s)+fr+w

(8)

其中，p(s)為有功無(wú)功協(xié)調(diào)調(diào)度的方法，fr為聯(lián)絡(luò)線耦合連接，構(gòu)建用電客戶個(gè)性化融合關(guān)聯(lián)融合特征分布集，得到分區(qū)分布式主動(dòng)調(diào)度的區(qū)間耦合模型為

(9)

其中，ye表示用電客戶個(gè)性化特征分量在t時(shí)刻的行為特征參數(shù)，E(a)表示有功無(wú)功協(xié)調(diào)調(diào)度的關(guān)聯(lián)規(guī)則函數(shù)，E(b)表示電壓幅值最小值，zt為調(diào)控功率，通過(guò)某一聯(lián)絡(luò)線耦合連接的方法，實(shí)現(xiàn)用電客戶個(gè)性化特征融合。

2 用電客戶個(gè)性化特征挖掘優(yōu)化

基于客戶全視圖的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)總體結(jié)構(gòu)如圖1所示。

圖1 用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)總體結(jié)構(gòu)圖

2.1 客戶全視圖融合

采用客戶全視圖融合的方法，結(jié)合客戶全視圖分布模型，建立用電客戶個(gè)性化特征挖掘的客戶全視圖分析模型[11]。

通過(guò)全局協(xié)調(diào)控制的方法，利用加速梯度方法得到客戶全視圖融合集合：

l=s(k)+bg+Se

(10)

其中，s(k)為相鄰區(qū)域耦合支路數(shù)據(jù)，bg為全局協(xié)調(diào)控制的方法參數(shù)，可以得到中心協(xié)調(diào)器的客戶全視圖分布模型為k(x)|gcd(h(x),xn-1)，參考值替換相鄰區(qū)域的分布函數(shù)為

(11)

采用多個(gè)子區(qū)域并行求解的方法，其中，h(x)為客戶全視圖融合的跟蹤參數(shù)，q是一個(gè)時(shí)滯相關(guān)變量，利用分解協(xié)調(diào)原理，得到客戶全視圖融合的邊界裝填變量為x=(x1,…,xm)T∈GF(2n)m，即由A生的2n維網(wǎng)格結(jié)構(gòu)模型，得到用電客戶個(gè)性化特征挖掘的相似度，用電客戶個(gè)性化特征挖掘的校驗(yàn)矩陣為

f(v)=w(z)+b(k)+I(t)

(12)

其中，w(z)為n維的單位矩陣參數(shù)，b(k)為客戶全視圖融合的方法數(shù)值，得到特征挖掘的檢測(cè)統(tǒng)計(jì)量為V×UT=0，式(12)表示異構(gòu)多核平臺(tái)的模糊指向性聚類融合中心，建立大數(shù)據(jù)信息處理模型，結(jié)合客戶全視圖挖掘[12]，得到模糊狀態(tài)參數(shù)為

(13)

采用客戶全視圖融合的方法，得到有限分布域G(q)，根據(jù)上述分析，實(shí)現(xiàn)用電客戶的個(gè)性化特征檢測(cè)和挖掘[13]。

2.2 用電客戶個(gè)性化特征挖掘輸出

采用多個(gè)子區(qū)域并行求解的方法，建立用電客戶個(gè)性化特征挖掘輸出模型[14]。

設(shè)異構(gòu)多核狀態(tài)下的客戶全視圖分布矩陣表示為

(14)

(15)

其中，di為用電客戶個(gè)性化特征挖掘的局部分量，在局部子區(qū)域分布區(qū)間內(nèi)，得到客戶全視圖融合矩陣Mj+1，利用加速梯度，得到相似度分布矩陣為L(zhǎng)和Q，輸出期望值分別為

L=pi+di+e，Q=L+(di+w(z))

(16)

進(jìn)行用電客戶個(gè)性化特征挖掘的客戶全視圖分析，實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘，得到挖掘輸出q：

(17)

其中，S(N)為器法和極限推理的參數(shù)，根據(jù)多分類器法和極限推理的方法，實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘后的信息存儲(chǔ)，系統(tǒng)實(shí)現(xiàn)流程如圖2所示。

圖2 系統(tǒng)實(shí)現(xiàn)流程

3 仿真測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘的性能，在嵌入式B/S構(gòu)架體系下實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘的仿真測(cè)試，采用MATLAB工具實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘的算法設(shè)計(jì)，操作系統(tǒng)都采用多級(jí)目錄結(jié)構(gòu)，提取某地級(jí)市電力公司的電力客戶繳費(fèi)數(shù)據(jù)、收集供應(yīng)商合同物資種類和歷史用電量信息，輸入MATLAB工具中，整合為用電客戶個(gè)性化輸出電流峰值檢測(cè)曲線如圖3所示。

圖3 用電客戶個(gè)性化輸出電流峰值檢測(cè)曲線

以圖3的用電客戶個(gè)性化輸出電流峰值輸出為樣本，實(shí)現(xiàn)客戶全視圖融合處理,本文方法對(duì)用電客戶的個(gè)性化特征挖掘的精度性較高，測(cè)試峰值增值曲線如圖4所示。

圖4 用電客戶個(gè)性化特征輸出峰值曲線

分析圖4得知，只有本文方法出現(xiàn)3次輸出峰值，說(shuō)明本文方法可以對(duì)峰A、峰B和峰C進(jìn)行跟蹤，采用該方法實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘的峰值曲線跟蹤性能較高，因?yàn)楸疚姆椒ú捎每蛻羧晥D融合的方法，結(jié)合客戶全視圖分布模型，建立用電客戶個(gè)性化特征挖掘的客戶全視圖分析模型，提升用電客戶個(gè)性化特征挖掘的可靠性，其輸出峰值曲線跟蹤效果較強(qiáng)。

測(cè)試用電客戶個(gè)性化特征挖掘的精度，得到對(duì)比結(jié)果見表1。

表1 用電客戶個(gè)性化特征挖掘精度測(cè)試

分析表1得知，本文方法對(duì)用電客戶個(gè)性化特征挖掘的精度較高，這是因?yàn)楸疚姆椒▽⒂秒娍蛻羧晥D分布模型和用電客戶個(gè)性化特征挖掘輸出模型相結(jié)合，根據(jù)挖掘系統(tǒng)設(shè)計(jì)總體結(jié)構(gòu)，實(shí)現(xiàn)用電客戶的個(gè)性化特征檢測(cè)和挖掘，個(gè)性化特征挖掘精度得到保證。

4 總結(jié)

為了提高用電客戶個(gè)性化服務(wù)水平，本文提出基于客戶全視圖的用電客戶個(gè)性化特征挖掘系統(tǒng)設(shè)計(jì)方法。結(jié)合電力用戶的Agent服務(wù)代理實(shí)現(xiàn)服務(wù)參數(shù)融合，采用多元用戶特征分析的方法，實(shí)現(xiàn)用電客戶個(gè)性化融合特征提取，構(gòu)建用電客戶個(gè)性化特征挖掘的分布式離散調(diào)度模型，采用客戶全視圖融合的方法，結(jié)合異構(gòu)多核平臺(tái)融合模型，建立用電客戶個(gè)性化特征挖掘的客戶全視圖分析模型，利用多分類器法和極限推理的方法，實(shí)現(xiàn)用電客戶個(gè)性化特征挖掘后的信息存儲(chǔ)。分析得知，本文方法對(duì)用電客戶個(gè)性化特征挖掘的精度較高，曲線跟蹤性能較好。