基于协同过滤算法的电能替代潜力用户挖掘模型研究

2018-03-21 13:03:35 电力信息与通信技术　点击量：评论 (0)

电能等清洁能源的利用有助于推进节能减排工作,优化企业用能结构,提升能源利用效率。试图挖掘提炼客户采集点负荷数据,按不同行业的能源结构、设备类型信息分别分析其负荷特征,并通过K-means算法对已完成电能替代改造的用户进行聚类,运用协同过滤算法构建电能替代潜力用户识别模型,

表6 各模型算法成效比较（以Cluster3为例）Tab.6 Comparison of the effectiveness of each model algorithm

图6 各模型算法成效比较（以Cluster3为例）Fig.6 Comparison of the effectiveness of each model algorithm(Taking Cluster3 as an example)

各类群模型命中率见表7所列,可知本文模型对于这几个类群的预测命中率稳定在55%~70%左右,其中生产、制造业（2、3两类）命中率相对更高,这是由于生产类企业生产时间较为自由,大功率设备可以安排在晚上谷电时段运行,改造前后负荷变化差异明显。而商业类企业（5、8两类）用电时间较为固定,改造设备对负荷的变化作用受其他用电设备的影响,辨识度相对偏低。

表7 各类群模型命中率Tab.7 Comparison of hit rate of different group models

5 模型实际应用及成效

本文对应项目于2016年10月初步完成模型构建并应用于系统平台,对浙江省嘉兴市、绍兴市两地先后进行了3次排查,在此过程中,对输入模型的目标样本作了更为精确的筛选,剔除了部分干扰样本,并且更改了负荷曲线的提取周期,减少因为季度因素变化、企业经营设备调整等因素造成的结果偏差。与最初的盲排走访1.5%的命中率相比,摸排效率在不同行业中均得到了大幅提升。

6 结语

本文在对企业用能与生产特征关系分析的基础上,运用大数据挖掘技术,提出了精准定位潜在电能替代用户的具体方法。并深入分析了企业用电和其他用能的关系,创新性地将协同过滤算法引入电能替代分析模型中,分析用户用能特征与用电结构化数据之间的对应关系,最后运用历史数据及实践结果验证了模型的实效性和真实性,是协同过滤算法在电力领域应用的一次成功尝试,极大地提高了电能替代潜力用户挖掘的效率,推动全行业电能替代工作的顺利开展。