互联网环境下用电客户行为分析与优化--用电行为模式识别

互联网环境下，电力消费生态体系的基础架构是构建于互联网，并以物联网、云计算和大数据技术为支撑，形成用户、设施、运营商的活互动，具体包括：各种先进计量装置(如传感器、智能仪表)被越来越多地安装在配用电网中，以监测、控制和预测电能使用，收集到的不同时间间隔的变压器或电力用户日消费数据，构成了各监测点的日负荷曲线;用户基于互联网能源平台进行交易、阅读、控制等行为，构成了用户的用能行为偏好;运营商通过对用户负荷曲线和互联网用能行为偏好的大数据分析提取萁用模式和用能偏好，进而实施电力服务的精准预测和需求响应策略，实现配用地的精准调度。

用电行为模式识别

用电模式识别通过对负荷曲线进行聚类分析获取电力用户行为模式和负荷特性，用于预测和估计未来电力需求、负荷控制、用电异常检测以及制定霱求啊应策略。此外，使用负荷模式分类还可以减少信息系统的负荷数据存储。因此，电力用户负荷模式提取技术对于改善电力系统运行可靠性、提高电网资产利用效率、提高企业经济效益、节约能源具有重要意义，尤其在互联网背景下，负荷模式是能源运营商的核心数据资产。

近年来在一些电网自动化程度较高的国家，由于现实的需要已经对电力用户负荷模式提取进行了研究。其中美国、巴西等国家已经有了初步的负荷模式提取技术及实际系统应用，马来西亚国家电力公司也开展了负荷模式提取技术的研究并将其应用目于用电稽查，报告显示其可自动识别用电异常用户，提高了用电稽查的命中率，降低了人工费用，为电力公司挽回了巨额损失。国内的负荷模式提取目前多用于负荷预测方面，但随着能源互联网的推进和互联网售电制定，用户负荷模式提取将在分时电价制定和实施、负荷控制、用电异常检测、用电促销(客户和市场细分)等多方面获得应用，其应用前景广阔。