基于电力营销数据的用户行为分析.pdfVIP

摘要

电力营销服务是供电服务中的最重要内容之一，识别和管控电力用户的

各类异常用电行为是其主要工作之一，准确识别用户在电力消费过程中的异

常行为对电网系统安全运行、避免电网企业的电费损失均有着重要意义。目

前电力营销部门使用人工经验规则库检测出异常信息，然后人工现场检查这

些告警信息来甄别用户是否具有异常行为，这种方法缺乏针对性，需要工作

人员现场确认，耗费人力资源。本文针对以上问题，提出利用用户的历史消

费数据对用户行为进行识别，从数据层面建立模型，减少人力成本、节约资

源。本文用到的原始数据为某省近两年的用户营销数据，并分别从时间特征

和空间特征两方面对数据进行分析：

（1）分析用户数据的时间特征，对传统的长短期记忆网络增加反向传

播层，增加对时间跨度大的关联特征的兼容性，实验结果表明，Bi-LSTM（双

向长短期记忆）网络对用户行为的识别准确率要高于其他几种网络，并且波

动小、稳定性高。

（2）分析用户数据的空间特征，对用户每个月的用电数据之间的协方

差计算协方差矩阵，然后利用卷积神经网络对特征进行提取，得到了用户的

特征序列，并进行特征拟合建立识别模型，结果表明该模型在三种用户数据

上都表现良好，且收敛速度快。

（3）由于台区用户的异常行为对台区线损率的影响较大，所以本文提

出了一种针对台区线损率的预测模型来辅助检测用户异常行为，该模型采用

对抗生成网络进行数据扩充，并利用BP神经网络进行精准预测。

论文以识别用户异常用电行为，保障电网系统安全运行，减少经济损失

为出发点，利用Bi-LSTM网络和卷积神经网络分别从时间特征和空间特征

两方面进行建模分析，并对台区线损率进行预测以辅助用户行为检测，实验

结果对营销服务系统的用户管理服务有较高价值。

关键词：电力营销大数据、异常用电识别、线损率预测、双向长短时记忆网

络、卷积神经网络、对抗生成网络

ABSTRACT

Asanimportantpartofthepowersystem,thepowerMarketingDepartment

accuratelyidentifiestheabnormalbehaviorofusersintheprocessofpower

consumption,whichplaysanimportantroleinthesafeoperationofthepower

system.Atpresent,theelectricpowerMarketingDepartmentusesthemethodof

manualon-siteinspectiontodetecttheuserswithabnormalbehaviors,which

needsalotofmanpowerandmaterialresources.Inviewoftheproblemsabove,

thispaperproposestousethehistoricalconsumptiondataofuserstoidentify

userbehavior,establishamodelatthedatalevel,reducelaborcostsandsave

resources.Theoriginaldatausedinthispaperareusermarketingdataof

ZhejiangProvinceinthepasttwoyears,andthedataareanalyzedfromthe

aspectsoftimecharacteristicsandspatialcharacteristicsrespectively:

(1)Analyzingthetimecharacteristicsofuserdata,thelong-shortterm

memoryaddabackpro