差分隱私保護下面向海量用戶的用電數據聚類分析

王保義, 胡 恒, 張少敏

(華北電力大學控制與計算機工程學院, 河北省保定市 071003)

0 引言

智能電表的逐漸普及使用戶用電數據收集變得簡單易行。海量用電數據使電力大數據分析技術[1]精確分析用戶用電行為成為了可能。精確的用電行為分析能為短期負荷預測、電價調節、提供個性化的用電服務等提供可靠的依據。因此用戶用電行為分析一直是研究熱點。文獻[2]利用云平臺和并行K-means算法對用戶用電行為進行分析,最終把小區內600名用戶分成了5類用戶。文獻[3]提出一種以數據對象密度稠密程度作為初始聚類中心選取標準,并把簇間距離和類簇內對象分散程度作為聚類數目選擇的標準的K-means算法,同時結合了MapReduce技術提高計算效率。該算法被應用于用戶行為分析達到了預期的效果。文獻[4]用兩次聚類的方法對用戶用電行為進行分析,該文首先利用K-means算法對用電數據進行一次聚類,然后再次用聚類算法對之前聚類結果進行聚類。

然而,智能電表收集的用戶用電信息中包括了很多用戶敏感信息。目前世界一些地方已出現了反對智能電表的聲音。2010年,美國斯科茨谷發起“Stop Smart Meter”的游行,使人們對智能電表的不信任達到了高潮。而大數據背景下對用戶的用電數據的精確分析對于改善用電服務、預測地區負荷、合理配電及減少網損等都是必不可少的。因此如何在對用戶用電數據快速、精確分析的同時保護用戶隱私不被泄露成為一個亟待解決的問題?！?br>