基于HDBSCAN动态跟踪客户用电行为模式

摘要：

为了自动辨识出优质电力大客户并快速感知其负荷行为变化模式,文章通过HDBSCAN算法(hierarchical density-based spatial clustering of applications with noise),对大工业客户1个月内分钟级的负荷行为数据进行自动分类.依据聚类结果筛选出潜在优质的用电客户,对其负荷行为模式进行动态跟踪分析(这里所说的"动态"是指相邻时间段内不同负荷状态的转换模式,综合考虑状态特征和时域特征的变化),以找出用电行为异常、或存在负荷结构变化的客户,增强对电网系统的动态感知能力,降低潜在风险.该算法最大程度地避免了人为主观性经验的参与调整参数,采用这种无监督机器学习技术能极大程度地提高整体分析效率;属于自下而上的数据驱动感知用户侧精细行为模式,将能大面积快速感知到诸多潜在风险模式和异常行为模式.

关键词：用电行为、动态跟踪分析、聚类、自适应、HDBSCAN

所属期刊栏目：36

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家电网公司科技项目SGRIJSKJ20161104

在线出版日期：2019-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10-16