基于Affinity propagation和K-means算法的电力大用户细分方法分析

被引:41
作者
魏小曼 [1 ]
余昆 [1 ]
陈星莺 [1 ]
颜拥 [2 ]
张爽 [2 ]
景伟强 [2 ]
机构
[1] 河海大学能源与电气学院
[2] 国网浙江省电力公司电力科学研究院
关键词
大用户细分; 细分指标; 聚类算法; 用户特征群;
D O I
暂无
中图分类号
F274 [企业供销管理]; F426.61 [];
学科分类号
1201 ; 020205 ; 0202 ;
摘要
电力大用户是供电企业的重点用户,其在电力市场环境下的潜在价值以及发展趋势与供电企业的利益密切相关。为了识别出有价值的大用户行为与价值特征,提出基于近邻传播(Affinity propagation,AP)和K-means算法相结合的电力大用户细分方法。首先,从现有指标中提取出关键细分指标,并考虑电力大用户近期和长期的电费增长率,提出评估大用户发展潜力的细分指标;其次,将AP和K-means 2种算法相结合,基于细分指标对电力大用户进行细分,以解决寻找初始聚类中心以及聚类数的问题,同时避免K-means聚类时容易陷入局部最优的问题;算例分析以浙江某地区的用户数据为基础进行算例分析,验证所提出的电力大用户细分方法切实可行。
引用
收藏
页码:15 / 19+35 +35
页数:6
相关论文
共 15 条
[1]   基于Kullback-Leiber距离的迁移仿射聚类算法 [J].
毕安琪 ;
王士同 .
电子与信息学报, 2016, 38 (08) :2076-2084
[2]   实行分类服务 满足工商客户用电需求 [J].
任秀萍 ;
姚蕊 ;
李贞 ;
李万彬 ;
刘东旗 .
科技与企业, 2016, (03) :56-56
[3]   基于混合聚类算法的客户细分策略研究 [J].
王虹 ;
孙红 .
电子科技, 2016, 29 (01) :29-32
[4]   电力企业客户细分模型研究 [J].
宋才华 ;
蓝源娟 ;
范婷 ;
翟鸿荣 ;
李滨涛 .
现代电子技术, 2014, 37 (02) :91-94
[5]   基于数据挖掘的供电企业客户细分方法及模型研究 [J].
张晓春 ;
倪红芳 ;
李娜 .
科技与管理, 2013, 15 (06) :104-109
[6]   一种快速AP聚类算法 [J].
刘晓勇 ;
付辉 .
山东大学学报(工学版), 2011, 41 (04) :20-23+28
[7]   基于PSO的k-means算法及其在网络入侵检测中的应用 [J].
傅涛 ;
孙亚民 .
计算机科学, 2011, 38 (05) :54-55+73
[8]   基于数据挖掘的客户细分方法的研究 [J].
王扶东 ;
马玉芳 .
计算机工程与应用, 2011, 47 (04) :215-218
[9]   近邻传播半监督聚类算法的分析与改进 [J].
赵宪佳 ;
王立宏 .
计算机工程与应用, 2010, (36) :168-170+218
[10]   基于PSO的K-means改进算法在证券客户细分中的应用 [J].
李英 ;
吴圆圆 ;
宁福锦 .
现代图书情报技术, 2010, (Z1) :88-94