基于聚類算法的大用戶用電行為研究與應(yīng)用.pdf

1、隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)在電力企業(yè)持續(xù)深入的應(yīng)用，電力企業(yè)的數(shù)據(jù)積累越來越多，這部分?jǐn)?shù)據(jù)在一定程度上反應(yīng)了供電企業(yè)長久以來的運(yùn)行狀況。采用大數(shù)據(jù)和云計(jì)算等新技術(shù)探索大用戶用電行為和特征，并為大用戶提供定制的電力服務(wù)逐步成為了電力市場關(guān)注的重點(diǎn)問題，同時(shí)也能夠?qū)﹄娏π袠I(yè)的發(fā)展與進(jìn)步帶來新的方向。
　　本文首先介紹了聚類算法和大用戶用電行為的國內(nèi)外研究現(xiàn)狀和研究成果，分析了大用戶用電行為的特點(diǎn)，研究了使用K-聚類算法和大數(shù)據(jù)技術(shù)對(duì)大用戶用

2、電進(jìn)行挖掘和分析的方法；其次介紹了常用的聚類算法和相似性度量，并闡述了本文所用到的大數(shù)據(jù)框架Spark和YARN資源管理平臺(tái)。
　　然后對(duì)聚類K-均值算法的基本思想進(jìn)行了分析，并針對(duì)K-均值算法的不足之處，提出了一種基于優(yōu)化初始聚類中心的改進(jìn)算法。為驗(yàn)證算法的聚類有效性和加速比，分別采用UCI數(shù)據(jù)集和電力用戶大數(shù)據(jù)集，將改進(jìn)的算法的應(yīng)用提交到Spark集群上，實(shí)現(xiàn)了算法的并行化，并通過實(shí)驗(yàn)結(jié)果對(duì)比分析，驗(yàn)證了提出的改進(jìn)K-均值算法

3、比現(xiàn)有的K-均值算法具有更好的聚類效果和加速比。
　　最后，為了深入研究大用戶用電的行為及其特征，本文分別從用戶細(xì)分、配電變壓器負(fù)荷超載預(yù)警、用電優(yōu)化建議、停電計(jì)劃管理等方面進(jìn)一步對(duì)大用戶用電進(jìn)行了分析。根據(jù)分析結(jié)果，使用軟件工程學(xué)的方法和基本流程，從系統(tǒng)需求分析、開發(fā)環(huán)境、系統(tǒng)結(jié)構(gòu)設(shè)計(jì)、模塊用例、系統(tǒng)測試等方面，設(shè)計(jì)并開發(fā)了基于Spark平臺(tái)的大用戶用電行為分析系統(tǒng)，通過大數(shù)據(jù)技術(shù)和可視化技術(shù)，形象地對(duì)大用戶用電行為進(jìn)行了展示。