第4期 王德文，等：一种基于内存计算的电力用户聚类分析方法 ·573. 2.2实验数据 峰电量为当日用电高峰期所用电量，例如 1)原始测量数据 7:00~12:00,19:00:~00:00,谷电量为当日用电低 本实验原始数据来源于居民用电的实际测量数 谷期所用电量，例如00：00~7：00。平电量为当日用 据，数据的采集频率为1min,每户数据约200万条， 电不是高峰期和用电低谷期用的电量。图7给出实 采集内容包括用户标识、采集日期、采集时间、有功 验数据集所构成的某户一周内用电量曲线。 功率、电压、电流、智能插座1用电量、智能插座2用 表2实验数据集 电量、智能插座3用电量等，如表1所示。 Table 2 Experimental data sets 表1居民用电测量数据 字段属性 描述 Table 1 Measurement data of electric power consumption 用户标识 用户唯一标识 字段属性 描述 采集日期 格式为20121217 用户标识 用户唯一标识 用电量/kW·h 每日用电量 采集日期 格式为2012/12/17 峰电量/kW·h 每日峰电量 采集时间 格式为20：27 谷电量/kW·h 每日谷电量 有功功率/kW 平均每分钟有功功率 平电量/kW·h 每日平电量 电压/N 电压 常住人口/人 家庭居住人口数 电流/A 平均每分钟电流 居住面积/m2 住房实际使用面积单位 冰箱、空调、洗衣机、微波炉 智能插座/W·h 等家用大功率电器的用电量 35 ◆ 图6给出原始测量数据中某天有功功率曲线 30 实例。 s25 ◆一总电量士一谷电量 8 量一峰电量一一平电量 7 6 品 5 4 3 3/253/263/273/283/293/303/31 日期 图7一周内用电量曲线图 Fig.7 Electric power consumption graphs in a week 时间 在下面的实验过程中，将从实验数据集中随机 图6某天测量数据实例 选取具有高耗能、中等耗能、低耗能典型特征的用户 Fig.6 Example of measurement data in a day 用电数据进行实验测试，进行多次的测试，取平均值 2)数据预处理与实验数据集构建 为最终实验结果。实验数据集虽然没有达到大数据 原始测量数据无法直接用于实验分析，需要对 的规模，但可以用此实验数据进行算法正确性实验， 其进行预处理，按照实验目的构建实验数据集。 并对实验数据集扩充进行内存并行化性能测试。 原始测量数据中的电压、电流在实验中无需使 2.3实验结果分析 用，需要进行删除。原始测量数据中存在约1.3%的 1)实验1结果分析 空缺值，需要对其进行删除，并增加常驻人口与居住 本实验采用SCK对采集到的海量智能用电数 面积等数据。原始数据采集频率为1min,实验所需 据进行聚类分析，其聚类结果的准确率达到了 的数据无须精确到分钟，将每天的数据进行合并，计 90.7%,其中9.3%的用户聚类错误的原因为用户在 算统计出每天用电量、峰电量、谷电量与平电量等， 某一天或者某一时刻改变了用电规律，造成采集的 并进行单位转换。新构建的实验数据集包括用户标 用电数据发生较大的波动，但也不排除用电数据在 识、采集日期、每日用电量、峰电量、谷电量、平电量、 采集过程中或者传输过程中发生错误。其聚类结果 常住人口与居住面积等，如表2所示。 如表3所示。由表3中的数据计算可得使用SCK２．２ 实验数据 １）原始测量数据 本实验原始数据来源于居民用电的实际测量数 据，数据的采集频率为 １ ｍｉｎ，每户数据约 ２００ 万条， 采集内容包括用户标识、采集日期、采集时间、有功 功率、电压、电流、智能插座 １ 用电量、智能插座 ２ 用 电量、智能插座 ３ 用电量等，如表 １ 所示。 表 １ 居民用电测量数据 Ｔａｂｌｅ １ Ｍｅａｓｕｒｅｍｅｎｔ ｄａｔａ ｏｆ ｅｌｅｃｔｒｉｃ ｐｏｗｅｒ ｃｏｎｓｕｍｐｔｉｏｎ 字段属性 描述 用户标识 用户唯一标识 采集日期 格式为 ２０１２ ／ １２ ／ １７ 采集时间 格式为 ２０：２７ 有功功率／ ｋＷ 平均每分钟有功功率 电压／ Ｖ 电压 电流／ Ａ 平均每分钟电流 智能插座／ Ｗ∙ｈ 冰箱、空调、洗衣机、微波炉 等家用大功率电器的用电量 图 ６ 给出原始测量数据中某天有功功率曲线 实例。 图 ６ 某天测量数据实例 Ｆｉｇ．６ Ｅｘａｍｐｌｅ ｏｆ ｍｅａｓｕｒｅｍｅｎｔ ｄａｔａ ｉｎ ａ ｄａｙ ２）数据预处理与实验数据集构建 原始测量数据无法直接用于实验分析，需要对 其进行预处理，按照实验目的构建实验数据集。 原始测量数据中的电压、电流在实验中无需使 用，需要进行删除。 原始测量数据中存在约 １．３％的 空缺值，需要对其进行删除，并增加常驻人口与居住 面积等数据。 原始数据采集频率为 １ ｍｉｎ，实验所需 的数据无须精确到分钟，将每天的数据进行合并，计 算统计出每天用电量、峰电量、谷电量与平电量等， 并进行单位转换。 新构建的实验数据集包括用户标 识、采集日期、每日用电量、峰电量、谷电量、平电量、 常住人口与居住面积等，如表 ２ 所示。 峰电量 为 当 日 用 电 高 峰 期 所 用 电 量， 例 如 ７：００～１２：００，１９：００：～ ００：００，谷电量为当日用电低 谷期所用电量，例如 ００：００～７：００。 平电量为当日用 电不是高峰期和用电低谷期用的电量。 图 ７ 给出实 验数据集所构成的某户一周内用电量曲线。 表 ２ 实验数据集 Ｔａｂｌｅ ２ Ｅｘｐｅｒｉｍｅｎｔａｌ ｄａｔａ ｓｅｔｓ 字段属性 描述 用户标识 用户唯一标识 采集日期 格式为 ２０１２１２１７ 用电量／ ｋＷ∙ｈ 每日用电量 峰电量／ ｋＷ∙ｈ 每日峰电量 谷电量／ ｋＷ∙ｈ 每日谷电量 平电量／ ｋＷ∙ｈ 每日平电量 常住人口／ 人 家庭居住人口数 居住面积／ ｍ ２ 住房实际使用面积单位 图 ７ 一周内用电量曲线图 Ｆｉｇ．７ Ｅｌｅｃｔｒｉｃ ｐｏｗｅｒ ｃｏｎｓｕｍｐｔｉｏｎ ｇｒａｐｈｓ ｉｎ ａ ｗｅｅｋ 在下面的实验过程中，将从实验数据集中随机 选取具有高耗能、中等耗能、低耗能典型特征的用户 用电数据进行实验测试，进行多次的测试，取平均值 为最终实验结果。 实验数据集虽然没有达到大数据 的规模，但可以用此实验数据进行算法正确性实验， 并对实验数据集扩充进行内存并行化性能测试。 ２．３ 实验结果分析 １）实验 １ 结果分析 本实验采用 ＳＣＫ 对采集到的海量智能用电数 据进行 聚 类 分 析， 其 聚 类 结 果 的 准 确 率 达 到 了 ９０．７％，其中 ９．３％的用户聚类错误的原因为用户在 某一天或者某一时刻改变了用电规律，造成采集的 用电数据发生较大的波动，但也不排除用电数据在 采集过程中或者传输过程中发生错误。 其聚类结果 如表 ３ 所示。 由表 ３ 中的数据计算可得使用 ＳＣＫ 第 ４ 期 王德文，等：一种基于内存计算的电力用户聚类分析方法 ·５７３·