(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211265987.0 (22)申请日 2022.10.13 (71)申请人 国网天津市电力公司 地址 300010 天津市河北区五经路39号 申请人 国家电网有限公司 　 国网天津市电力公司城东供电分公 司 (72)发明人 邓欣宇　王小璇　刘延博　李宇　 高强伟　宗烨琛　张军　李艳　 黄旭　杨国朝　徐智　刘伟　 杨得博　赵长伟　骈睿珺　刘志超　 刘扬　王治博　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 王雨晴(51)Int.Cl. G06K 9/62(2022.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种基于自编码器的用户用电行为分类分 析方法 (57)摘要 本发明涉及一种基于自编码器的用户用电 行为分类分析方法， 包括以下步骤： S1、 通过智能 电表获取用户历史用电数据， 进行数据清洗； S2、 构建基于欠完备自编码器的特征提取模型， 采用 迭代方式选择合适的编码比率β； S3、 构建特征 优选评价指标， 采用启发式搜索方法得到最佳的 用户用电特征集合； S4、 构建基于BP神经网络的 用户用电行为分类模型， 将编码特征和最佳用电 特征作为BP神经网络的训练特征， 将用户实际用 电类型作为训练标签， 对BP神经网络进行训练； S5、 将待分类用户的编码特征和最佳用电特征输 入到训练好的BP神经网络中， 得到用户用电行为 分类结果。 本发 明有够有效提升分类的准确率且 计算效率更高。 权利要求书1页 说明书8页 附图2页 CN 115526264 A 2022.12.27 CN 115526264 A 1.一种基于自编码器的用户用电行为分类分析 方法， 其特 征在于： 包括以下步骤： S1、 通过智能电表获取用户历史用电数据， 进行 数据清洗； S2、 构建基于欠完备自编码器的特征提取模型， 采用迭代方式选择合适的编码比率β， 采用非线性手段对步骤S1得到的智能电表数据进行编码， 得到编码特征， 实现对原始数据 的特征抽取； S3、 构建特 征优选评价指标， 采用启发式搜索方法得到最佳的用户用电特 征集合； S4、 构建基于BP神经网络的用户用电行为分类模型， 将编码特征和最佳用电特征作为 BP神经网络的训练特 征， 将用户实际用电类型作为训练标签， 对BP神经网络进行训练； S5、 将待分类用户的编码特征和最佳用电特征输入到训练好的BP神经网络中， 得到用 户用电行为分类结果。 2.根据权利要求1所述的一种基于自编码器的用户用电行为分类分析方法， 其特征在 于： 所述步骤S1 中的智能电表用户历史用电数据维度为48维， 即数据采样频率为30 min/个， 每天包含48个数据点。 3.根据权利要求1所述的一种基于自编码器的用户用电行为分类分析方法， 其特征在 于： 所述步骤S2中的采用迭代方式选择合 适的编码比率β 的具体步骤 包括： (1)将步骤S2中的编码比率β 定义 为： 式中： N为原始电表数据维度， M为编码得到的特 征数据维度。 (2)采用迭代方式选择合 适的编码比率β 的具体步骤 包括： ①根据智能电表型号确 定电表的数据采集频率fc， 计算出日负荷数据点的维度N， 同时 设置欠完备自编码器中间隐藏层单 元个数M＝1； ②使用欠完备自编码器对电表原始数据进行编码， 获取中间隐藏层的特征数据F， 将其 作为BP神经网络的输入； ③按照一定的标准制定用户用电行为标签， 进行网络训练， 计算测试集的F1指标； ④根据M和N计算β 值， 记录F1指标、 编码比率β 和数据占用空间W； ⑤令M＝M+1， 判断M＝ N？ 若不成立， 返回步骤 ②； 若成立， 流 程结束。 4.根据权利要求1所述的一种基于自编码器的用户用电行为分类分析方法， 其特征在 于： 所述步骤S3中的特 征优选评价指标为： 式中： J(x)为针对单个用电特征x的评价值， I'(x； c)为用电特征x与用户类别c的归一 化互信息， J(Y)为优 选特征子 集Y的评价函数， J(y)为优 选特征子集中特征 y的评价函数， ρxy 为用电特 征x和y的相关系数； 所述步骤S3中的用户用电特征集合为{日最大负荷， 日最小负荷， 日平均负荷， 日峰谷 差， 日峰谷 差率， 日负荷率， 峰时耗电率， 谷电系数， 平段用电百分比}。权　利　要　求　书 1/1 页 2 CN 115526264 A 2一种基于自编码器的用户用电行为分类分析方 法 技术领域 [0001]本发明属于用户用电行为分析技术领域， 涉及一种用户用电行为分类分析方法， 尤其是一种基于自编码器的用户用电行为分类分析 方法。 背景技术 [0002]近年来， 随着智能电网的快速发展与信息化水平的不断提高， 用户用电信息采集 系统的建设趋于完善。 智能电表是用电信息采集系统的基本量测设备之一， 承担着电力数 据的采集、 计量和传输任务， 同时具备简单的数据分析功能。 智能电表的普及为电力公司带 来海量用电数据， 在此基础上对居民用电行为进行分类分析， 有助于掌握更加精细化的用 户用电特 征， 充分挖掘需求响应潜力。 [0003]目前， 国内外学者已对用户用电行为分类分析方法开展了很多研究。 例如， 通过利 用奇异值分解技术进 行用户日负荷曲线分类的方法， 具有运行时间短、 鲁棒性好的优点； 利 用类间优化与类内优化增强了负荷数据的可分性， 且具备一定的自愈优化能力； 针对海量 且分散性高的用户负荷数据， 实现一种分布式聚类算法， 显著提高了负荷曲线聚类的有效 性和鲁棒性； 基于模糊聚类算法与曲线相似度对负荷用户进行分类与识别， 为供电公司精 准服务提供依据； 考虑负荷纵向随机性的基于EMD的负荷聚类 分析方法， 从横向和纵向两个 角度全面表征用户的用电行为； 采用基于信息熵分段聚合近似和谱聚类的负荷分类方法， 获得了良好的负荷聚类效果； 利用用户用电模式数提高了短期负荷预测的准确度， 为电力 营销需求响应业务的快速发展提供技术支撑； 采用一种 特征优选策略， 使用极限学习机对 居民用电行为进行分类 分析， 并对网络参数进行优选， 提高了检测的正确率。 以上研究在用 户用电行为分类分析方面取得了很好的效果， 但并未充分考虑其方法在特定应用场景中的 适用性。 [0004]从实际应用的角 度考虑， 若能将用户用电行为分类分析功能集成在智能电表中， 不仅可以充分利用智能电表的数据 处理能力， 增加电表的智能性， 还能有效提高调度人员 的数据分析效率， 降低人工成本。 然而， 受目前智能电表硬件条件的限制， 高级功能集成需 要考虑数据容量与计算效率。 因此， 在保证算法准确率的前提下， 研究降低数据量并提升计 算效率的用户用电行为分类分析方法， 是将该功能在智能电表中进行实际应用的必要条 件。 [0005]经检索， 未发现与本发明相同或相似的已公开的专利文献。 发明内容 [0006]本发明的目的在于克服现有技术的不足， 提出一种基于自编码器的用户用电行为 分类分析 方法， 有够有效提升分类的准确率且计算效率更高。 [0007]本发明解决其现实问题是采取以下技 术方案实现的： [0008]一种基于自编码器的用户用电行为分类分析 方法， 包括以下步骤： [0009]S1、 通过智能电表获取用户历史用电数据， 进行 数据清洗；说　明　书 1/8 页 3 CN 115526264 A 3