【摘 要】
：
电力改革使得新的售电主体进入电力市场，售电公司逐渐成为发电厂与用户之间沟通的桥梁，成为了电能消耗的一个重要环节。随着电力市场改革的不断加快，售电公司若想获得更多的潜在用户并增强客户粘性，使公司稳定长期的发展，通过大数据相关技术对用户用电海量数据进行挖掘以实现针对不同用户的个性化套餐则是必然的选择。 本文在售电侧改革的背景下，重点运用了数据挖掘技术中的聚类算法，对居民用户用电模式进行了细分，最后实
【机 构】
：
华北电力大学(保定) 华北电力大学
论文部分内容阅读
电力改革使得新的售电主体进入电力市场，售电公司逐渐成为发电厂与用户之间沟通的桥梁，成为了电能消耗的一个重要环节。随着电力市场改革的不断加快，售电公司若想获得更多的潜在用户并增强客户粘性，使公司稳定长期的发展，通过大数据相关技术对用户用电海量数据进行挖掘以实现针对不同用户的个性化套餐则是必然的选择。
本文在售电侧改革的背景下，重点运用了数据挖掘技术中的聚类算法，对居民用户用电模式进行了细分，最后实现了有效的用户套餐推荐服务。通过分析研究用户用电行为来进行个性化的套餐推荐，有助于优化居民用能结构，鼓励用户合理安排用电负荷，推进电力服务市场产品智能化水平，有助于售电公司长期稳定的发展与经营，同时也保障了电力系统负荷的稳定，具有较高的理论研究价值和应用价值。
本文首先建立了电力市场改革下居民用户用电行为分析框架，介绍了居民用户用电数据的层次流动模型。通过对原始的用电数据信息进行数据挖掘达到对居民用户用电模式的细分，为智能电网定制居民个性化与差异化的电力服务产品提供理论与技术支持。其次，分析了用电特征识别与用户分类的方法，介绍了本文所使用的用户特征选择提取方法。提出一种DTWk-medoids算法和CFSFDP算法相结合的分布式聚类算法来处理海量家庭用户用电数据集，通过算例验证了该方案的有效性。最后，在前两项研究的基础上，通过对用户用电行为模式进行分类，给出了一种居民用户用电套餐推荐方法，为不同类型用电模式的用户进行不同的套餐推荐。
其他文献
随着二十世纪互联网的迅速发展，网民规模高速增长，人们开始习惯在网上交流，发表自己对某件事情的看法。在这些信息的背后，隐藏着巨大的商业和社会价值。情感分析就是针对这些网上评论的情绪倾向性进行的一种数据分析和处理，目前已经成为工业界和学术界的一个重要任务。但现阶段情感分析任务仍存在对关键信息学习不充分，情感分类准确性不高等多方面的问题。 针对目前情感分析模型存在的提取关键信息能力不强，无法有效捕捉特
变电设备是电力系统中最重要的一类设备，其故障能否快速而准确的诊断将直接影响到网供电可靠性和系统的安全运行。持续在线的电网监测数据给传统的数据处理方式提出了挑战，电力系统已经进入“大数据”时代。Storm作为流数据的分布式处理框架具有实时性和可扩展性等优势，可以满足电网数据的实时、持续的监测需求。本文研究了基于Storm的局部放电信号的并行分解方法，改进了在线序列学习机算法，同时研究了模型标记语言和
在智能电网中，智能电表实时采集用户的细粒度用电信息并周期性发送到控制中心，控制中心利用采集到的用电信息进行发电预测、实时定价及需求响应。由于用户的细粒度用电信息包含个人隐私，如若发生用电数据泄露将会影响用户的使用，从而制约智能电网的发展。因此，信息安全是智能电网稳定运行及发展的前提。本文围绕认证、数据完整性、机密性及保护用户数据隐私等确保智能电网安全稳定运行的要求设计了如下方案。首先，提出了一种高
随着互联网产业的快速发展，社交网络自媒体时代的到来，微博作为一种以信息发布、互动交流为主的广播式社交网络平台，消息传播速度快范围广。对海量的微博文本的进行情感分析，挖掘用户对商品、新闻、能有效的了解用户的喜好，监控社会舆论走向，具有重要的意义。情感分析是自然语言处理领域的一项重要任务，已经成为当今热点研究方向。深度学习不同于传统的设计网络，基本不需要人工辅助，通过学习数据的浅层属性和特征，总结规律
近年来，智能交通领域在人工智能领域的推动下不断发展，车辆跟踪技术作为智能交通领域研究的基础问题越来越受到人们的关注。深度学习作为解决目标跟踪领域问题的主流方法，基于深度学习的车辆跟踪算法成为了智能交通领域研究的热点，如基于卷积神经网络(CNN)的目标跟踪模型，虽然该类模型在跟踪的准确性上取得了突破性的进展，但是在跟踪速度上很难做到实时跟踪。于是，基于完全卷积孪生神经网络(SiamFC)的目标跟踪方
随着科技的发展，智慧大棚、智慧温室和植物工厂等的出现，改变了传统农业种植方式。近年来温室大棚种植规模越来越大，这种种植方式使植物生长环境得以人为控制，充分发挥土地产能，提高产量。植物光照控制系统结合计算机网络技术对植物的生长环境进行调控，具有理论研究和实用价值。 针对温室内植物种植的光环境调控，本文采用新型光源LED作为补光光源，以无线网络通信方式，采用简单的星型拓扑结构，将各个终端节点与Zig
图像领域中对于图像的清晰度和分辨率要求越来越高，研究模糊图像修复和图像超分辨率重建的问题，不仅有利于提升图像的视觉质量，更是能够提升视觉应用的鲁棒性，具有重要的实际应用价值。本文在研究生成对抗网络的基础上，尝试对生成对抗网络进行改进并应用于图像处理，以解决图像模糊和分辨率较低的问题。具体做了如下研究： (1)分析和研究生成式对抗网络的基本模型和图像处理的相关内容，利用生成对抗网络处理图像已经成为
变压器局部放电是造成变压器绝缘故障的主要原因。对不同类型的局部放电进行有效识别有利于故障的定位和排除。局部放电相位分布分析(PRPD)是目前应用范围最广、效果较好的局部放电模式识别方法，该方法基于PRPD图谱进行特征提取与放电类型分类，但常用的特征提取方法均基于原始检测数据，由于不同检测设备所用数据格式不同，且不同企业对数据相互保密，造成了局放诊断方法的不通用性。 PRPD图谱具有相关国际标准，
随着智能电网的发展，针对电力设备故障的智能化检测成为研究热点。各种智能化监测设备与日俱增，电力设备一旦发生故障，将会产生大量故障数据，尤其极端天气下，更会产生井喷式数据，传统的单机处理环境已经无法应对。为解决此问题，本论文将传统故障诊断方法与Spark、MapReduce大数据框架相结合，以变压器故障诊断为例，对大数据环境下的电力设备诊断方式展开研究。 设计了深度信念网络在Spark框架上的并行
无人机航拍应用于很多领域，如交通监测、监控巡查、电力巡检、农业植保等。无人机航拍的图像处理却面临着拍摄图像分辨率高、背景复杂、易受光照、风速等天气影响而导致图像噪声过大以及对实时性要求过高等诸多问题。经典算法如Harris、SIFT(Scale-invariant feature transform)、FAST等均不能较为理想的满足实时性和准确性的要求，因此需要对无人机领域的图像预处理及图像匹配算