基于KL-散度的智能电网用户特征提取方法

Client Feature Extraction Method in Smart Grid Based on KL-divergence

摘要:

智能电网技术的发展，使得传统电力系统的规模及复杂度大大增加，同时产生了大量的用电数据，如何有效利用数据挖掘技术，从这些海量数据中挖掘出有潜在价值的信息，成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段，将用户的用电数据进行划分，在分析每段时间内用户用电数据的基础上，采用KL-divergence（KL-散度）方法衡量用户差异，并结合基于密度改进的K-means算法，给出了一种新的用户特征提取算法，用以描述电网用户的特征差异，从而实现针对不同类别用户制定不同电力营销策略，这在一定程度上能够提高企业经济效益。最后，算例仿真结果表明，所给出的用户特征提取算法在计算的时间效率和准确性上，较传统方法都有了明显的提升。

Abstract:

With the rapid development of smart grid, a great amount of related usage data in the smart grid is produced every day. Then how to make use of these data and mining the potential information become a huge challenge. Based on the analysis of user power data, by combining the KL- divergence method with the improved K-means algorithm, we give a new user feature extraction algorithm, which is used to describe the difference of power grid users. Finally, we validated the effectivity and efficiency of our algorithm by experiments.