基于数据挖掘的电力用户行为特征分类研究

作     者：费飞 翁利国 寿挺 霍凯龙 FEI Fei;WENG Li-guo;SHOU Ting;HUO Kai-long

作者机构：国网浙江杭州市萧山区供电有限公司浙江杭州311200 

出 版 物：《自动化技术与应用》 (Techniques of Automation and Applications)

年 卷 期：2023年第42卷第11期

页      面：101-104,117页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：数据挖掘技术 窃电行为 决策树 离散数据 

摘      要：当前电力用户行为特征分类方法对于离散数据的处理能力较差,导致客户服务支撑效果依旧较差。针对此问题,设计基于数据挖掘的电力用户行为特征分类方法。使用LOF算法对离散数据与标准数据之间的距离进行测算,对原始电力数据进行处理,使用主元分析法设定电力用户行为数据观测变量,结合决策树技术构建电力用户特征分类模型,完成行为特征分类。实验结果表明,分类结果更精准,平均电网设备故障发生率为4.06%,用户窃电管控率最高达到87.43%,可有效支撑电力营销服务多个领域,用户服务效果较好。