一种基于大数据挖掘的用户电量精准定位方法

技术领域

本发明属于电力数据技术领域，具体为一种基于大数据挖掘的用户电量精准定位方法。

背景技术

在信息化时代，信息流所承载“数据”的能量已成为驱动技术能力创新、管理模式变革、社会价值提升的重要力量。“大数据”概念一经提出就获得了巨大的发展，已经在互联网、电子商务、医药、广告等领域获得广泛应用，取得极其显著的成效和价值。在智能配用电领域，目前全国超亿支智能电表如果都以每15分钟一次的频率发回数据，每天产生的数据总量就可达到几十PB，超过诸多大型电子商务企业的数据存量。智能电网与电力市场都期待通过海量配用电数据价值发掘，实现用户深度参与用电互动与价格响应，然而迄今为止，在实际使用过程中，需要对用户的用电量进行定位判定。

但是常见的系统定位方法，只能根据用户用电量的多少来分析进行定位，从而容易产生较大的误差，使得部分用电量较大的居民楼用户可能会被错误定位，导致人们使用时不够便利。

发明内容

本发明的目的在于：为了解决上述提出的问题，提供一种基于大数据挖掘的用户电量精准定位方法。

本发明采用的技术方案如下：一种基于大数据挖掘的用户电量精准定位方法，包括大数据模块、电源模块、异常分析模块、电量定位模块、测试模块、数据输出模块、服务器模块、数据输入模块、启动控制模块、GPS定位模块、数据传输模块、无线传输模块、信息存储模块、波动区间划分模块、离群对象划分模块、用电频率分析模块、不均衡类分析模块、异常算法模块，所述启动控制模块的输出端连接有所述数据输入模块的输入端，所述数据输入模块的输出端连接有所述服务器模块的输入端，所述服务器模块的输出端连接有所述大数据模块的输入端；

所述大数据模块的输出端连接有所述异常分析模块的输入端，所述异常分析模块的输出端连接有所述电量定位模块的输入端，所述电量定位模块的输出端连接有所述测试模块的输入端，所述测试模块的输出端连接有所述数据输出模块的输入端，所述数据输出模块的输出端连接有所述无线传输模块的输入端，所述无线传输模块的输出端连接有所述信息存储模块的输入端。

在一优选的实施方式中，所述大数据模块的输入端连接有所述数据传输模块的输出端，所述数据传输模块的外部固定安装有所述。

在一优选的实施方式中，所述电源模块的电源输出端连接有所述大数据模块和所述服务器模块的电源输入端，所述电源模块与外部电源电性连接。

在一优选的实施方式中，所述电量定位模块的内部固定安装有所述波动区间划分模块，所述波动区间划分模块的输出端连接有所述离群对象划分模块的输入端，所述离群对象划分模块的输出端连接有所述用电频率分析模块的输入端，所述用电频率分析模块的输出端连接有所述不均衡类分析模块的输入端，所述不均衡类分析模块的输出端连接有所述异常算法模块的输入端。

在一优选的实施方式中，所述波动区间划分模块对用电量信息进行采集时，针对不同的用户类型，使用不同量化因子α，单位时段[ti－1，ti]内的用电量量化如附录B式所示，构建T时段内单位时刻用电量的时间序列，用电量的异常隐藏在用电量的波动中，通过分析单位时段内的波动量来检测用户异常用电量，其中单位时段内的波动量为：b

在一优选的实施方式中，所述离群对象划分模块对每个所述GPS定位模块传来的地区的行业月度用电数据进行整理，并对主要统计指标进行计算和分析，较全面了解每个地区用电概况，对各行业的基本用电分布和用电规律形成总体认识；其次，采用无监督的聚类方法，对不同时间跨度的用电量进行大数据分析，提出在行业用电分类中基于每月用电数据聚类的重新进行行业分类的新方法，并且根据分类结果识别出用电占比较大的主要用电行业；再次，通过方差分析的方法对月度用电序列的波动情况进行测量，并分别计算出各行业分类对总体用电波动的影响；进而，结合主要用电行业识别出既是用电占比大、又明显影响总体用电波动的关键用电行业。

在一优选的实施方式中，所述用电频率分析模块采用相对用电频率f，即总时段内，任一单位时刻的量化后用电量a

在一优选的实施方式中，所述不均衡类分析模块采用一种ROC曲线分析的图形化方利用二维混淆矩阵表示算法预测正确和不正确预测的实例数目；混淆矩阵中的参数可以表示为两组重要的百分比形式，即假正率和真正率、精度θ和召回率λ，精度θ和召回率λ可以合并为F1量度，如式所示：

在一优选的实施方式中，所述异常算法模块中，在对用电量进行异常分析过程中，首先对读入的用电量进行量化并计算出相对用电频率f，然后计算较前一时段的波动量b

在一优选的实施方式中，所述异常分析模块中基于聚类算法的用电量异常分析算法中有四个重要参数：量化因子α，邻域半径r

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明中，GPS定位模块可以对用户的用电地址进行定位，从而将定位信息输入到数据传输模块的内部，使得后续的异常分析模块和电量定位模块在对用电量进行分析定位时，有了参考的信息，从而避免对用电量大的客户发生误判，提高了该系统定位时的准确性。

2、本发明中，电量定位模块内部的波动区间划分模块、离群对象划分模块、用电频率分析模块、不均衡类分析模块和异常算法模块可以对用户的电量先进行分析，从而能有效的汇聚用户用电信息的基础上，通过用电量异常分析算法，使得用电量异常得以量化，通过F1调和均值和代价矩阵给出异常率阈值，对用电过程中的用电量给出实时的异常分析表；针对个体用户用电量进行关联分析，进而为挖掘电网多种运行状态及异常行为提供理论依据，提高了该定位系统的有效性和工作效率。

附图说明

图1为本发明的系统框图；

图2为本发明中电量定位模块系统框图。

图中标记：1-大数据模块、2-电源模块、3-异常分析模块、4-电量定位模块、 5-测试模块、6-数据输出模块、7-服务器模块、8-数据输入模块、9-启动控制模块、10-GPS定位模块、11-数据传输模块、12-无线传输模块、13-信息存储模块、14-波动区间划分模块、15-离群对象划分模块、16-用电频率分析模块、17- 不均衡类分析模块、18-异常算法模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1-2，一种基于大数据挖掘的用户电量精准定位方法，包括大数据模块1、电源模块2、异常分析模块3、电量定位模块4、测试模块5、数据输出模块6、服务器模块7、数据输入模块8、启动控制模块9、GPS定位模块10、数据传输模块11、无线传输模块12、信息存储模块13、波动区间划分模块14、离群对象划分模块15、用电频率分析模块16、不均衡类分析模块17、异常算法模块18，启动控制模块9的输出端连接有数据输入模块8的输入端，数据输入模块8的输出端连接有服务器模块7的输入端，服务器模块7的输出端连接有大数据模块1的输入端；大数据模块1的输入端连接有数据传输模块11的输出端，数据传输模块11的外部固定安装有20；电源模块2的电源输出端连接有大数据模块1和服务器模块7的电源输入端，电源模块2与外部电源电性连接； GPS定位模块10可以对用户的用电地址进行定位，从而将定位信息输入到数据传输模块11的内部，使得后续的异常分析模块3和电量定位模块4在对用电量进行分析定位时，有了参考的信息，从而避免对用电量大的客户发生误判，提高了该系统定位时的准确性。

大数据模块1的输出端连接有异常分析模块3的输入端，异常分析模块3中基于聚类算法的用电量异常分析算法中有四个重要参数：量化因子α，邻域半径r

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。