用电数据处理方法、装置、电子设备和可读存储介质与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明实施例涉及物联网技术领域，尤其涉及一种用电数据处理方法、装置、电子设备和可读存储介质。背景技术：2.电网仅具有电力的传输功能，而不具有电力的存储功能，因此，了解用户的用电习惯以进行电网的调度，有助于提高电力的分配效率，有助于节约能源。对于用户的用电数据的采集可以通过智能电表实现，然而受到数据处理量、硬件性能、数据的传输和存储等多种因素的影响，智能电表的采样频率是受限的，数据量不足导致对于用电数据处理和分析效果较差。技术实现要素：3.本发明实施例提供一种用电数据处理方法、装置、电子设备和可读存储介质，以解决对于用电数据处理和分析效果较差的问题。4.为解决上述问题，本发明是这样实现的：5.第一方面，本发明实施例提供了一种用电数据处理方法，包括以下步骤：6.根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心，其中，所述第一冻结电量为所述用户在各用电周期的冻结电量；7.根据所述第一冻结电量的变化量变化趋势确定目标用电周期，其中，所述目标用电周期为第一聚类中心的聚类结果的最大信息增益对应的用电周期；8.根据第二冻结电量将用户聚类，获得第二聚类中心，其中，所述用电周期包括的多个用电子周期，所述第二冻结电量为所述用户在所述用电子周期的冻结电量；9.对比所述第一聚类中心和所述第二聚类中心获得用户的用电习惯分析结果。10.在一些实施例中，所述根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心，包括：11.以第一时间周期为单位获取各用户的用电数据，其中，所述第一时间周期包括多个第二子周期，所述用电数据包括第一时间周期内各所述第二子周期内的第一冻结电量；12.根据所述用电数据与各中心数据的距离将所述用电数据分类，其中，所述中心数据包括从所述用电数据中选取的k条用电数据，k为大于1的整数；13.以每一类用电数据的重心作为中心，对所述用电数据的中心进行迭代更新；14.在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，其中，所述预设条件包括迭代更新达到预设次数或迭代更新的目标函数收敛。15.在一些实施例中，所述根据所述用电数据与各中心数据的距离将所述用电数据分类，包括：16.分别选取不同的k值，获取对于所述用电数据分类的n种分类方式，其中，n为大于1的具有预设值的整数，k小于或等于n+1；17.所述在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，包括：18.根据所述n种分类方式中目标函数最优的分类方式作为对于所述用电数据的分类方式并确定不同类型用电数据的聚类中心，其中，所述目标函数最优的分类方式为目标函数最先收敛的或目标函数收敛的值最小的分类方式。19.在一些实施例中，所述根据所述第一冻结电量的变化量变化趋势确定目标用电周期之前，还包括：20.根据用户的第一冻结电量确定所述第一冻结电量的变化量；21.将所述变化量归一化获得变化量变化趋势，其中，归一化通过以下公式实现：[0022][0023]其中，d为归一化结果，di,j为第一冻结电量在相邻两个用电周期的变化量，σ为所述变化量的标准差，μ为预设系数。[0024]在一些实施例中，所述根据所述第一冻结电量的变化量变化趋势确定目标用电周期，包括：[0025]分别计算基于不同属性进行划分时，所述第一冻结电量的信息熵；[0026]以信息增益最大的属性作为划分条件构建决策树；[0027]将所述决策树中，信息量最大的节点对应的用电周期作为所述目标用电周期。[0028]在一些实施例中，所述根据第二冻结电量将用户聚类，获得第二聚类中心，包括：[0029]将目标用电周期划分为多个用电子周期；[0030]调整智能电表的采样模式，以通过所述智能电表获取各用户每一所述用电子周期的第二冻结电量；[0031]根据每一用电子周期的第二冻结电量将用户聚类，获得第二聚类中心。[0032]第二方面，本发明实施例提供了一种用电数据处理装置，包括：[0033]第一聚类模块，用于根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心；[0034]确定模块，用于根据所述第一冻结电量的变化量变化趋势确定目标用电周期，其中，所述目标用电周期为第一聚类中心的聚类结果的最大信息增益对应的用电周期；[0035]第二聚类模块，用于根据第二冻结电量将用户聚类，获得第二聚类中心，其中，所述用电周期包括的多个用电子周期，所述第二冻结电量为所述用户在所述用电子周期的第一冻结电量；[0036]分析模块，用于对比所述第一聚类中心和所述第二聚类中心获得用户的用电习惯分析结果。[0037]在一些实施例中，所述第一聚类模块包括：[0038]获取子模块，用于以第一时间周期为单位获取各用户的用电数据，其中，所述第一时间周期包括多个第二子周期，所述用电数据包括第一时间周期内各所述第二子周期内的冻结电量；[0039]分类子模块，用于根据所述用电数据与各中心数据的距离将所述用电数据分类，其中，所述中心数据包括从所述用电数据中选取的k条用电数据，k为大于1的整数；[0040]迭代子模块，用于以每一类用电数据的重心作为中心，对所述用电数据的中心进行迭代更新；[0041]确定子模块，用于在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，其中，所述预设条件包括迭代更新达到预设次数或迭代更新的目标函数收敛。[0042]第三方面，本发明实施例还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器，用于读取存储器中的程序实现如前述第一方面所述方法中的步骤。[0043]第四方面，本发明实施例还提供一种可读存储介质，用于存储程序，所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。[0044]在本发明实施例，根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心；以第一冻结电量的最大信息增益为划分条件，根据所述第一冻结电量的变化量变化趋势确定目标用电周期；根据所述目标用电周期包括的多个用电子周期的第一冻结电量将用户聚类，获得第二聚类中心；对比所述第一聚类中心和所述第二聚类中心获得用户的用电习惯分析结果。这样，通过引入了对第一冻结电量聚类中心的分析和解读，为聚类中心调整和第一冻结电量采样调整，提供了科学依据。在采样压力不过分增大的基础上，通过对第一冻结电量的更广泛维度分析，得到对居用电行为更细致的分析，从而为配网管理调整提供了更科学可靠的理论支撑。附图说明[0045]为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0046]图1是本发明一实施例提供的用电数据处理方法的流程示意图；[0047]图2是本发明一实施例第一冻结电量的变化量变化趋势示意图；[0048]图3是本发明一实施例决策树的局部示意；[0049]图4是本发明一实施例中的用户分布示意图；[0050]图5是本发明一实施例提供的用电数据处理装置的结构示意图；[0051]图6是本发明一实施提供的电子设备的结构示意图。具体实施方式[0052]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0053]本发明实施例中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，本技术中使用“和/或”表示所连接对象的至少其中之一，例如a和/或b和/或c，表示包含单独a，单独b，单独c，以及a和b都存在，b和c都存在，a和c都存在，以及a、b和c都存在的7种情况。[0054]本发明实施例提供了一种用电数据处理方法。[0055]如图1所示，在一个实施例中，该用电数据处理方法包括以下步骤：[0056]步骤101：根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心。[0057]本实施例中的第一冻结电量为用户在各用电周期的冻结电量，具体而言，可以指的是单位时间内的用户用电量。可以理解的是，目前用户的用电量可以通过智能电表采集，受到数据的传输和存储条件的影响，对于用户用电数据的采集和传输无法过于频繁，因此，本实施例中按照设定的用电周期采集用户的第一冻结电量。示例性的，一个用电周期可以是一天，也可以是一个小时。[0058]需要注意的是，本实施例的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。[0059]在获取了多个用户的第一冻结电量之后，进一步对第一冻结电量进行聚类挖掘，获得其对应的多个第一聚类中心，其中，每一个聚类中心对应一种用电模式。[0060]这里，用电模式可以理解为用户的不同用电习惯，可以理解，不同人群的用电习惯是不同的。示例性的，退休人员可能习惯在白天看电视，在晚上较早的休息，因此，其白天用电量多于晚上；白天需要工作的人员可能在晚上看电视或使用电子设备进行娱乐，白天由于不在家而不会使用电器，因此，其白天的用电量低于晚上。[0061]这样，不同的人群由于其生活习惯、生活方式等存在的差异，其用电习惯也不同，而第一冻结电量能够直接反应其用电情况，这样，可以基于第一冻结电量进行聚类分析获得其用电模式。[0062]在其中一些实施例中，该步骤101具体包括：[0063]以第一时间周期为单位获取各用户的用电数据，其中，所述第一时间周期包括多个第二子周期，所述用电数据包括第一时间周期内各所述第二子周期内的第一冻结电量；[0064]根据所述用电数据与各中心数据的距离将所述用电数据分类，其中，所述中心数据包括从所述用电数据中选取的k条用电数据，k为大于1的整数；[0065]以每一类用电数据的重心作为中心，对所述用电数据的中心进行迭代更新；[0066]在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，其中，所述预设条件包括迭代更新达到预设次数或迭代更新的目标函数收敛。[0067]示例性的，本实施例中以“天”为单位作为第一时间周期，进一步的，第一时间周期包括多个第二时间周期“小时”，本实施例中，获取用户的多天的用电数据，其中，每一天的用电数据是由这一天的24个小时中的每一小时的第一冻结电量构成的。[0068]接下来，对这些用电数据进行分类，本实施例中，首先选择k条用电数据作为中心数据，k的取值可以是2、3、4……等大于1的整数，其具体取值范围可以根据经验设定。这里，所选择的k条用电数据可以是任意选择的，示例性的，可以通过生成随机数的方式选择，也可以直接指定，还可以按照一定的规则抽取。[0069]接下来，分别计算每一用户对应的用电数据与该中心数据的距离，并将该用电数据划分至与其距离最近的中心数据对应的数据类型，这样，就获得了k个类型的用电数据。接下来，针对每一个类型的用电数据，首先计算每一类型的数据的重心，将其作为该分类的数据新的中心。迭代执行上述过程，对数据的中心的位置进行迭代更新。当满足一定条件时，例如，迭代达到一定次数时或者迭代更新的目标函数收敛时，将此时确定的中心作为该类型的聚类中心，本实施例中记作第一聚类中心。[0070]根据所述用电数据与各中心数据的距离将所述用电数据分类的步骤具体，包括：[0071]分别选取不同的k值，获取对于所述用电数据分类的n种分类方式，其中，n为大于1的具有预设值的整数，k小于或等于n+1；[0072]所述在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，包括：[0073]根据所述n种分类方式中目标函数最优的分类方式作为对于所述用电数据的分类方式并确定不同类型用电数据的聚类中心。[0074]应当理解的是，如果k的值等于1，则说明各用户的用电习惯基本一致，而不同用户的用电习惯通常较为复杂，因此，将其用电习惯作为一个类型研究没有意义，这样，本实施例中k的取值大于或等于2，具体的，依照上述步骤，将k的值分别取2、3、4……等大于2的整数，分别k取不同值的情况下的分类结果。[0075]针对获得的多个分类结果，本实施例中进一步获取其中的最优分类结果，示例性的，该最优条件可以是目标函数最先收敛的，也可以是目标函数收敛的值最小的。在确定最优分类结果后，将该分类结果对应的聚类中心作为第一聚类中心。[0076]需要注意的是，计算数据聚类中心的过程的计算方式本身可参考相关技术，此处不再赘述。[0077]如图2所示，示例性的，在一个实施例中，经过对比发现，k等于10对应的分类结果为最优聚类结果，则将用户的用电数据划分为10个不同类型的用电模式，基于聚类结果，可以分别获得这10种用电模式的用电特征的典型值，示例性的，可以以每一类型的用电模式的中心对应的用电数据作为该用电模式的用电特征的典型值。[0078]步骤102：根据所述第一冻结电量的变化量变化趋势确定目标用电周期；[0079]接下来，对所获得的聚类中心进行进一步分析和调整。[0080]本实施例中，目标用电周期为第一聚类中心的聚类结果的最大信息增益对应的用电周期。实施时，首先获取用户的第一冻结电量的变化量，并进一步根据其变化量获取变化量变化趋势。[0081]第一冻结电量的变化量di,j可以通过以下公式获得：[0082][0083]其中，ei,j代表第i天第j个小时的第一冻结电量，这样，在j＝0的情况下，变化量di,j为第i天的0时至1时的第一冻结电量ei,0与第i-1天的23时至24时的第一冻结电量ei-1,23之差，在j为1至23的整数的情况下，变化量di,j为相邻两个小时的第一冻结电量之差。[0084]一般来说，所获得的变化量数据是大致符合正态分布的，在函数曲线下，68％的面积在平均数左右一个标准差的范围内，99％的面积在平均数左右四个标准差的范围内。[0085]应当理解，变化量是一个具体的值，因此所获得的数据难以体现变化量的上升和下降程度。[0086]示例性的，对于某一用户来说，其在第一个小时用电1度，在下一个小时用电2度，则用电比例增加100％，其变化量为1度。对于另一用户来说，其第一个小时用电5度，在下一个小时用电6度，则用电比例增加20％，其变化量的值为1度。由此可见，变化量仅能反应用户的变化量的值，但是无法更加准确的反应用户的用电变化。[0087]因此，本实施例中进一步对第一冻结电量的变化量进行归一化处理。在步骤102之前，还包括：[0088]根据用户的第一冻结电量确定所述第一冻结电量的变化量；[0089]将所述变化量归一化获得变化量变化趋势，其中，归一化通过以下公式实现：[0090][0091]其中，d为归一化结果，di,j为第一冻结电量在相邻两个用电周期的变化量，σ为变化量的标准差，μ为预设系数。归一化处理结果d的符号与变化量di,j一致。这样，经过归一化处理之后，能够以较为贴近0，且在0周围波动的形式显示用户的用电变化趋势。当用户的用电负荷增加时，归一化结果为正，当用电减少时，归一化结果为负，如果用电量保持不变，则归一化结果为0，归一化结果的绝对值大小代表不同的变化程度，显然，归一化结果的绝对值越大，代表其变化程度越剧烈。[0092]通过该归一化过程，能够将第一冻结电量差值的聚类中心结果映射到有限维度的空间。[0093]本实施例中，在步骤102之前，先可以通过公式(1)确定第一冻结电量在相邻两个用电周期的变化量，然后进一步通过公式(2)进行归一化处理，归一化处理的结果可以反映第一冻结电量的变化趋势。[0094]在将第一聚类中心归一化之后，进一步分析所获得的第一聚类中心，以提取其中包括的更核心的信息。[0095]需要注意的是，基于获取的聚类中心，我们更希望寻找不同聚类中心之间最明显的差异点，从而得出不同第一冻结电量聚类中心之间差异的原因。[0096]本实施例中，目标用电周期为第一聚类中心的聚类结果的最大信息增益对应的用电周期，可以理解为，在多个用电周期中，目标用电周期对应的信息增益最大，或称根据最大信息增益为划分条件，确定多个用电周期中的目标用电周期。信息增益最大的属性作为参考，这样，在智能电表的采样频率受限的情况下，能够通过较少的信息即可对结果进行划分，得到对于用电数据的处理结果。[0097]不同的属性对于用电量具有较大的影响，示例性的，在某些地区，深夜时段的电费相对较低，因此，电费变化成为一种可能影响用电量的属性；又如，某一区域内大部分公司的上班时间为早上8点，用户通常在7点左右离家上班，离家后，用户的用电量下降，则上班时间也可能成为一种影响用电量的属性；气温可能影响用户对于空调的使用，则天气因素也是也可能成为一种影响用电量的数据属性。[0098]本实施例中可以通过基于用电数据构建决策树，并基于所建立的决策树进一步确定目标用电周期。[0099]在一个实施例中，该步骤103具体包括：[0100]分别计算基于不同属性进行划分时，所述第一冻结电量的信息熵；[0101]以信息增益最大的属性作为划分条件构建决策树；[0102]将所述决策树中，信息量最大的节点对应的用电周期作为所述目标用电周期。[0103]在一个实施例中，构建决策树可以理解为通过以下方式实现。首先，给定一数据集t，该数据集t其包括t个样本，t个样本分别属于m个不同的分类ci(i＝1，2，3......，m)，其中，分类ci中的样本数为ti，设pi为某个样本属于ci的概率，取pi＝ti/t，则给定样本进行分类需要的期望信息量为：[0104][0105]设集合t中某属性为q，q有n个不同值{q1，q2，......，qn}，q能够把t划分为n个不同类的{t1，t2，......，tn}，ti中样本个数为t1j+t2j+……+tmj，则ti中属于ci的概率pij＝tij/(t1j+t2j+……+tmj)。这样，对于ti的期望信息为：[0106][0107]这样，以q划分的训练样本集合的信息熵e(q)为：[0108][0109]这样，基于数据集t即可获得其信息熵e(q)。[0110]这样，以第一冻结电量的最大信息增益为划分条件，通过设置不同的熟悉q，进行测试，获得不同的第一冻结电量的信息熵e(q)，所获得的e的值越大，则说明该属性q对于聚类获得聚类中心贡献的信息量也就越多，这样，每个节点信息增益最大属性q就是第一冻结电量决策树建立的关键属性。[0111]上述公式中，用户的用电属性q需要基于用户的用电数据提取，在一个实施例中，可以理解，由于不同用户的用电习惯不同，导致其不同时段的用电数据是不同的，具体可能体现在用电功率的波峰、用电功率的波谷、波峰波谷的功率峰谷差、总负荷等特征点的值的大小，还可以包括这些特征点出现的时间、这些特征的变化趋势等。[0112]这些特征均能体现用户的用电行为，例如，用电功率的波峰可能代表该用户家中的全部或大部分用电器处于工作状态，进一步可以确定，该用户可能正在使用电器烹饪，进一步结合波峰的值，能够估算其工作的电器数量；而用电功率的波谷对应部分或全部电器停止工作，可能代表用户离家，而结合其波谷的值，可以推算是否存在冰箱等长时间待机的用电器、待机用电器的数量预估等；进一步的，这些特征出现时间也一定程度上能够反应用户的生活习惯和作息习惯，例如，每天的工作时间、烹饪时间、周末是否上班等。[0113]信息熵e(q)为用电数据包括的信息量，也可以理解为数据的有序性和纯净性，本实施例中，具体可以理解为用电数据与特定数据特征的相似程度，基于信息熵。[0114]如图3所示，依据每个节点信息增益最大属性q，能够构建用电数据的决策树。[0115]本实施例中，决策树中的10:00代表10点的数据，且10点对应第一个节点，1:00代表第二个节点，对应1点的用电数据，代表二级节点，类似的，8:00代表8点的用电数据，对应一个三级节点，21:00代表9点的数据，对应又一个三级节点。[0116]各等号右侧的数据代表不同类型的用电数据的特征值，例如，-2：1(1.0)和-3:5(1.0)等类似格式的数据均代表不同类型的用电数据的特征值。[0117]该决策树可以理解为，将所有在10点具有某用电特征的用电数据归为一类，第一行分类对应特征值-2，第二至六行对应特征值-1的用电数据，对应特征值-1的用电数据又可以根据其在1点时的用电特征进一步分类，依次类推，能够生成决策树。[0118]第一冻结电量信息量最大的点作为进行用电分析的关键分析节点，该关键分析节点对应选定的目标用电周期。[0119]步骤103：根据第二冻结电量将用户聚类，获得第二聚类中心。[0120]本实施例中，用电周期包括的多个用电子周期，第二冻结电量为用户在用电子周期的冻结电量。[0121]在一些实施例中，该步骤103具体包括：[0122]将目标用电周期划分为多个用电子周期；[0123]调整智能电表的采样模式，以通过所述智能电表获取各用户每一所述用电子周期的第二冻结电量；[0124]根据每一用电子周期的第二冻结电量将用户聚类，获得第二聚类中心。[0125]为了对核心时段的用户用电习惯做进一步分析，获取该核心时段的用电数据。[0126]实施时，本实施例中将目标用电周期划分为多个用电子周期，示例性的，目标用电周期为一个小时，则将用电子周期设定为5分钟，这样，获取该目标用电周期这一个小时中，每5分钟的第二冻结电量。数据的获取具体通过调整智能电表的采样模式实现。[0127]应当理解的是，智能电表对于数据的存储和传输是有一定限制的，本实施例中仅针对目标用电周期进行处理，能够在不过于增加智能电表的负荷的情况下，尽可能多的采集有效数据，提高分析结果的有效性。[0128]在获取了第二冻结电量之后，进一步参考上述步骤101的分类过程，对所获取的第二冻结电量进行聚类，获得其对应的第二聚类中心。[0129]本实施例中，以第二聚类中心的数量为5个做示例性说明。[0130]步骤104：对比所述第一聚类中心和所述第二聚类中心获得用户的用电习惯分析结果。[0131]根据所获得的第一聚类中心和第二聚类中心，能够进一步进行分析，以获取用户的用电习惯。[0132]示例性的，在一组数据中，第二聚类中心对应的用户类型包括a、b、c、d、e五种，第一聚类中心包括编号0至9共计10种，通过交叉对比发现，a、b、c三类的占比为72％，而0、2、9占总比重85％。而将a、b、d的用户源与0、2、9的用户源进行对比发现，重叠率小于83％，同样的用户群体具有同样不变的用电行为，但是按照24小时聚类重点2小时聚类，其结果差异较大。这可能说明，这一区域内上午出门上班的居民数量较多，而这一部分居民的离家用电习惯相似较高，这导致聚类3出现聚类中心数下降，而同时第一聚类中心与第二聚类中心的聚类重叠很低。a类的用户源主要对应2、9，b类的用户源主要对应2、3，c类的用户源主要对应6、9，在这种情况下，我们根据重点2小时冻和24小时第一冻结电量聚类中心的典型值可以推算得知，具有离家仍开启的大功率用电器(如电热水器)的家庭中的综合生活用电习惯。[0133]示例性的，如图4所示，本实施例中，经过分析，能够确定具有离家仍开启的大功率用电器这一习惯的用户在特定区域内不同社区的分布比例。[0134]显然，根据所获得的第一聚类中心和第二聚类中心的数据进行进一步分析，还能够获得其他结论，从而有助于对用户的用电习惯进行更深度的剖析，以便根据结果合理调控电网的供电，有助于提高电网调控精度，节约能源。[0135]本实施例的技术方案，进一步引入了对冻结电量利两次聚类的聚类中心的分析和解读，为聚类中心调整和冻结电量采样调整，提供了科学依据。在采样压力不过分增大的基础上，通过对冻结电量的更广泛维度分析，得到对居民用电和生活行为更细致的分析，从而为配网管理调整提供了更科学可靠的理论支撑。[0136]在一个实施例中，首先利用智能电表采集第一冻结电量作为用户的用电数据，示例性的，可以每一小时进行一次采样，然后对采集的用电数据进行分析获得了十个第一聚类中心，经过进一步分析，确定其目标用电周期为8至10点钟，接下来，利用智能电表在8至10点钟的第二冻结电量，示例性的，可以每10分钟进行一次采样，然后对8至10点钟的第二冻结电量进行聚类，获得了五个第二聚类中心。[0137]接下来，对比第一聚类中心和第二聚类中心，经过分析发现，十个第一聚类中心对应的用户数量前四名的比例分别约为36.9％、35.6％、12.9％、5.5％，其他第一聚类中心对应的用户数量均小于5％。而第二聚类中心对应的用户数量分别约为、21.3％、16.3％、9.8％和3％，第一聚类中心第二聚类中心对应的用户数量产生了显著的差异，由此可见，用户的用电数据中蕴含着更多待发现的信息。[0138]示例性的，以对用电数据中的用电量进行分析，对应用户最多(36.9％)的第一聚类中心的峰值约为0.2至0.4千瓦时，对应用户数量第二(35.6％)的第一聚类中心的峰值约为0.05至0.2千瓦时，用户最多(49.3％)的第二聚类中心在的用电量约为0.18至0.2千瓦时，对应用户数量第二(21.3％)的第二聚类中心的峰值约为0.35至0.37千瓦时。需要注意，第一聚类中心对应的用电量为一小时的第一冻结电量，而第二聚类中心对应的用电量为10分钟的第二冻结电量。[0139]由此可见，用户在8至10点间的电量时间相对集中，且许多用户在单位时间内的用电量相对较多，可见，用户短时间内使用了大功率的用电器，结合具体的时间，可以推断为微波炉、电磁炉、电饭煲等大功率烹饪设备。[0140]假定进行常规早饭烹饪所需的总电量约为0.2至0.4千瓦时，可以认为大部分用户在8至10点进行早饭烹饪，而进一步结合第二聚类中心进行分析，可以确定用户在8至10点进行烹饪的具体时间段，这样，能够推断获得用户的具体用电习惯。[0141]这样，通过深入挖掘第一聚类中心和第二聚类中心对应的用户比例的差异，能够获得用户的更多的用电习惯和用电行为的分析，从而有针对性的对供电和电网调节做出调整，有助于为配网管理调整提供了更科学可靠的理论支撑。[0142]本发明还提供了一种用电数据处理装置。[0143]如图5所示，在一个实施例中，该用电数据处理装置500包括：[0144]第一聚类模块501用于根据用户的第一冻结电量将用户聚类，获得用电模式的第一聚类中心；[0145]确定模块502，用于根据所述第一冻结电量的变化量变化趋势确定目标用电周期，其中，所述目标用电周期为第一聚类中心的聚类结果的最大信息增益对应的用电周期；[0146]第二聚类模块503，用于根据第二冻结电量将用户聚类，获得第二聚类中心，其中，所述用电周期包括的多个用电子周期，所述第二冻结电量为所述用户在所述用电子周期的冻结电量；[0147]分析模块504，用于对比所述第一聚类中心和所述第二聚类中心获得用户的用电习惯分析结果。[0148]在一些实施例中，所述第一聚类模块501包括：[0149]获取子模块，用于以第一时间周期为单位获取各用户的用电数据，其中，所述第一时间周期包括多个第二子周期，所述用电数据包括第一时间周期内各所述第二子周期内的第一冻结电量；[0150]分类子模块，用于根据所述用电数据与各中心数据的距离将所述用电数据分类，其中，所述中心数据包括从所述用电数据中选取的k条用电数据，k为大于1的整数；[0151]迭代子模块，用于以每一类用电数据的重心作为中心，对所述用电数据的中心进行迭代更新；[0152]确定子模块，用于在满足预设条件的情况下，将迭代更新后的用电数据的中心作为所述用电数据的聚类中心，其中，所述预设条件包括迭代更新达到预设次数或迭代更新的目标函数收敛。[0153]在一些实施例中，所述分类子模块具体用于：分别选取不同的k值，获取对于所述用电数据分类的n种分类方式，其中，n为大于1的具有预设值的整数，k小于或等于n+1；[0154]所述确定子模块具体用于：根据所述n种分类方式中目标函数最优的分类方式作为对于所述用电数据的分类方式并确定不同类型用电数据的聚类中心，其中，所述目标函数最优的分类方式为目标函数最先收敛的或目标函数收敛的值最小的分类方式。[0155]在一些实施例中，还包括：[0156]变化量获取模块，用于根据用户的第一冻结电量确定所述第一冻结电量的变化量；[0157]归一化处理模块，用于将所述变化量归一化获得变化量变化趋势，其中，归一化通过以下公式实现：[0158][0159]其中，d为归一化结果，di,j为第一冻结电量在相邻两个用电周期的变化量，σ为所述变化量的标准差，μ为预设系数。[0160]在一些实施例中，所述确定模块502，包括：[0161]信息熵计算子模块，用于分别计算基于不同属性进行划分时，所述第一冻结电量的信息熵；[0162]决策树构建子模块，用于以信息增益最大的属性作为划分条件构建决策树；[0163]目标用电周期确定子模块，用于将所述决策树中，信息量最大的节点对应的用电周期作为所述目标用电周期。[0164]在一些实施例中，所述第二聚类模块503包括：[0165]划分子模块，用于将目标用电周期划分为多个用电子周期；[0166]采用调整子模块，用于调整智能电表的采样模式，以通过所述智能电表获取各用户每一所述用电子周期的第二冻结电量；[0167]根据每一用电子周期的第二冻结电量将用户聚类，获得第二聚类中心。[0168]本实施例的虚拟培训管理装置400能够实现上述用电数据处理方法实施例的各个步骤，并能实现基本相同的技术效果，此处不再赘述。[0169]本发明实施例还提供一种电子设备。请参见图6，电子设备可以包括处理器601、存储器602及存储在存储器602上并可在处理器601上运行的程序6021。[0170]在电子设备为终端的情况下，程序6021被处理器601执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果，此处不再赘述。[0171]在电子设备为网络侧设备的情况下，程序6021被处理器601执行时可实现图6对应的方法实施例中的任意步骤及达到相同的有益效果，此处不再赘述。[0172]本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成，所述的程序可以存储于一可读取介质中。[0173]本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。[0174]所述的存储介质，如只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等。[0175]以上所述是本发明实施例的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!