智慧用電管理系統中電力客戶立體畫像的構建及應用

陳明　嚴童　宣廬峰　徐偉

摘? ?要：為了實現智慧用電管理系統中電力客戶的優化管理，需要對電力客戶進行立體畫像構造。提出了基于多維類別特征識別和角點標識的智慧用電管理系統中電力客戶立體畫像構建方法。用戶畫像信息跟蹤采集模型，采用空間特征域分類方法進行用戶畫像信息分類處理。利用多尺度逐層分析方法進行模糊電力客戶畫像的精準定位，提取客戶立體畫像的用電類別特征量，采用特征域分類和分塊匹配方法進行立體畫像的誤差修復，實現用戶畫像的特征快速準確定位。對提取的電力客戶立體畫像用電需求特征量采用支持向量機學習算法進行自適應分類，實現對智慧用電管理系統中電力客戶立體畫像多維構建。結果表明，采用該方法構建電力客戶立體畫像的特征細分能力較好，客戶立體畫像信息準確度高。

關鍵詞：智慧用電管理系統;電力客戶;立體畫像;空間特征域

中圖分類號：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A

Construction and Application of the Three-dimensional Portrait

of Power Customer in Intelligent Power Management System

CHEN Ming，YAN Tong，XUAN Lu-feng，XU Wei

（State Grid Shanghai Shinan Electric Power Supply Company，Shanghai 201199）

Abstract：In order to realize the optimal management of power customers in the smart power management system，it is necessary to construct a stereoscopic image of the power customer，and propose a power customer stereoscopic image construction method based on multi-dimensional category feature recognition and corner point identification. The user portrait information tracking acquisition model uses the spatial feature domain classification method to classify the user image information，and uses the multi-scale layer-by-layer analysis method to accurately locate the fuzzy power customer image，and extracts the power category feature quantity of the customer stereo image，using the feature domain. The classification and block matching method performs error repair of the stereo image to realize fast and accurate positioning of the features of the user image. The support demand vector machine learning algorithm is used to adaptively classify the extracted power demand feature of the power customer stereo image，and realize the multi-dimensional construction of the power customer stereo image in the smart power management system. The results show that the method of constructing the power customer stereo image has better feature segmentation ability and the customer stereo image information has high accuracy.

Key words：smart power management system;power customer;stereoscopic image;spatial feature domain

隨著電力信息化管理技術的發展，構建智慧用電管理系統，在該系統中進行用電客戶信息化管理，建立用戶信息識別模型，提高息化管理能力[1]。結合信息處理技術構建管理系統中用戶畫像，采用多維識別和客戶立體畫像特征提取方法，提高用戶畫像識別效果，從而分類管理系統中用電客戶的準確識別和定位水平，研究管理系統中用戶畫像構建方法，對提高電力系統的信息化管理和客戶服務水平方面具有重要意義。提出了基于多維類別特征識別和角點標識的管理系統中用戶畫像構建方法[2]。構建系統中用戶畫像信息跟蹤采集模型，對提取的用戶畫像用電需求特征量，采用支持向量機學習算法進行自適應分類，實現對管理系統中用戶畫像多維構建，最后進行實驗分析，展示了本方法在提高管理系統中用戶畫像構建能力方面的優越性能。

1? ?電力客戶立體畫像信息采集與分類

1.1? ?電力用戶畫像信息跟蹤采集模型

為了實現電力客戶畫像的構建，構建電力客戶畫像信息的信息跟蹤采集模型，采用空間特征域分類方法進行智慧用電管理系統中電力客戶特征信息分類處理。采用配電特征域分類模型進行智慧用電管理系統中電力客的用電需求分類和分塊特征匹配，采用分段特征檢測的方法進行電力用戶畫像的特征分類和自適應目標匹配，在D維空間中進行電力客戶畫像信息的用電檢測。根據電力用戶畫像的采集環境的差異性，得到電力用戶畫像的用電需求渲染輸出為：

u（x，y;t） = G（x，y;t）? ? ? ? ? ?（1）

p（x，t）=■σ■=-σ■

（2）

其中，Δx為在電力客戶畫像信息的特征域分類的特征特征分量 在梯度方向的用電信息強度，σ為在電力客戶畫像信息的旋轉算子。采用多維信息跟蹤識別方法進行信息識別，電力用戶畫像整體幾何結構特征主要表現為住址、年齡、性別以及喜好等特征域，根據雙眼三庭知識確定電力用戶畫像候選特征域，構建電力用戶畫像整體特征的幾何分類結構模型，降低電力客戶畫像信息特征域分類的表面誤差[3]，電力客戶畫像信息的用電需求用電信息構建輸出為：

s（k） = ？準·s（k-1）+w（k）? ? ? ? ? （3）

其中

？準=1? ?0? ?0? ?0? ?00? ?1? ?1? ?0? ?00? ?0? ?1? ?0? ?00? ?0? ?0? ?1? ?10? ?0? ?0? ?0? ?1，w（k）=R（0，σ θ（k））? ? ? ?0G（0，σ x（k））? ? ? ?0B（0，σ y（k））? （4）

提取電力客戶畫像信息W為其客戶特征域信息S的特征分量，相應得到電力客戶畫像信息的多維模板匹配值R、G、B和Wk、σk、σx，σθ在分類模板坐標特征域內候選特征域內用電信息總量為？準，結合用電需求跟蹤識別技術實現電力客戶畫像信息的二值化處理，采用分特征域特征匹配方法進行二維電力客戶畫像信息的分塊融合性檢測和特征塊匹配。在多維動態掃描下電力用戶畫像的分布用電信息值為：

f = 〈 f，d γ0〉d γ0 + Rf? ? ? （5）

其中〈 f，d γ0〉光電力客戶畫像信息的用電信息特征點Rf在d γ0方向上的信息跟蹤輸出。根據上述分析，采用幀掃描技術進行電力客戶畫像信息的特征域特征分類，構建電力客戶畫像信息的相關性檢測模板匹配函數f（gi）為：

f（gi） = c1■i■■/■■? ?（6）

由此獲得電力客戶畫像信息多維動態特征域的模板匹配函數，進行電力用戶畫像信息跟蹤采集[4]。

1.2? ?電力用戶畫像信息分類處理

采用空間特征域分類方法進行用戶畫像的信息分類處理，采用多尺度逐層分析方法進行模糊電力用戶畫像的精準分類[5]，提取用戶畫像的用電類別特征量，用戶畫像在低維空間中的相似度特征為s（X，Y），模板匹配方程為：

Ncut（A，B） = ■+■? ?（7）

其中，assoc（A，V）是用戶畫像的用電信息子集A中的用電信息特征分量，assoc（B，V）為用戶畫像的多維用電類別統計特征量，假設電力用戶畫像的用電信息集為（i，j），以此為用電信息中心，采用銳化模板分類方法得到電力用戶畫像的特征分類模型為：

Wu（a，bm） = ■■■■dt? ? （8）

根據一組電力用戶畫像訓練樣本構造主特征向量空間，即特征子空間（特征信息集合），在配電特征域的局部特征域內建立用戶畫像多維測量的特征域分布模型，描述如下：

di+1=2[Δx（yi+2）-Δy（xi，r+■-ΔxB）]? ?di≤02[Δx（yi+2）-Δy（xi，r+1+■-ΔxB）] di>0 （9）

建立活動類別套索模型進行電力用戶畫像類別特征提取和信息分類處理，得到用戶畫像的優化檢測模型為：

Mx=∝■αk■exp■? ? （10）

在模板m*n特征域內對用戶畫像進行用電信息值特征域模板融合處理，實現用戶畫像信息分類[6]。為了構建出立體的電力用戶畫像，需要采用統計特征分解方法計算各用電信息與聚類中心間的距離，構建電力用戶畫像的用電直方圖，在多維動態掃描下構建信息逐層分析結果，達到電力用戶畫像的精準定位，據此提取精準特征值，得到立體畫像。

2? ?電力用戶畫像構建

2.1? ?電力用戶畫像的精準定位

在上述構建用戶畫像信息跟蹤采集模型的基礎上，提出基于多維類別特征識別和角點標識的用戶畫像構建方法，在智慧用電管理系統中進行電力用戶畫像的多維特征分布特征域構建，采用統計特征分解方法計算各用電信息與聚類中心間的距離，構建電力用戶畫像的用電直方圖，用多維掃描技術進行電力用戶畫像掃描[7]，得到電力用戶畫像中心特征量為x1，x2，…，xN，電力用戶畫像分類線標記為? Hx = -jωx /‖ω‖和Hy = -jωy /‖ω‖，用戶畫像管理信息圖譜的用電信息值輸出滿足：

= arccosmax■? （11）

其中k = 1，…，M，i，j∈{1，N}，i < j，通過計算得到用戶畫像采集沿梯度方向的位移矢量Si（i = 1，2，…，M），采用電力用戶畫像分布用電信息匹配方法，得到用電需求渲染兩個矢量Wi Wj，WmWn，用戶畫像的分塊特征域分類控制參數βi選擇如下：

βi = exp-■■? ? ? （12）

用戶畫像的用電需求特征提取結果為：

‖■‖= ‖■‖× cos？墜 × ■? ?（13）

采用分特征域特征匹配方法進行二維用戶畫像的分塊融合性檢測和特征塊匹配，用戶畫像的用電信息子集輸出為：

I（x） = J（x）t（x） + A（1 - t（x））? ? ? （14）

其中，A為電力用戶畫像多維尺度信息，t（x）為電力用戶畫像的整體特征采樣特征分布序列，用戶畫像的模板匹配矢量為Sk（k = 1，2，…，M），在多維動態掃描下構建信息逐層分析結果描述為：

h（x）=1? ?TH = ■at ht（x）-■■at≥00? ?others? ?（15）

其中at = log■，其中ω = （ωx，ωy）表示用電加權值，根據上述分析，構建電力用戶畫像的精準定位模型，實現電力用戶畫像的精準定位。

2.2? ?電力用戶畫像多維構建

計算用戶畫像管理信息特征分布向量化集，用戶畫像特征域快速分類的SVM閾值為：

w（i，j） = ■exp-■? ? （16）

其中，Z（i）=■exp-■為分特征域特征匹配特征域的模板匹配值，定義用戶畫像的Gibbs先驗能量函數[8]，采用分特征域特征匹配方法進行電力用戶畫像的分塊融合處理，對電力用戶畫像進行管理信息融合，假設輸入的用戶畫像管理信息成像的整體多維信息特征分量為：

■■■ =■（x）■■■ +

（1 - ■（x））? ? ? （17）

其中，■（x）為電力用戶畫像的空間特征域用電信息，Ac為電力用戶畫像的統計特征值，Ic（y）為電力用戶畫像的標志性序列，設J（x）t（x）為信息的用電信息集，得到用戶畫像的構建輸出為：

bnrβ（X） = Rβ X - Rβ X1? ? ? （18）

構建用戶畫像管理信息的相關性檢測模型，提取用戶畫像的用電類別特征量，采用特征域分類和分塊匹配方法進行立體畫像的多維構建，得到立體畫像精準信息輸出為：

w（dij）= f （xi - xj）=■exp■

（19）

電力用戶畫像管理信息特征域大小為，提取電力客戶管理信息信息特征量，得到用戶畫像的關聯規則分布為：

P（Y） = ■? ? ?（20）

式中，■Vc（Y）是用戶畫像的邊界特征點總數，c為電力用戶畫像的空間鄰域基團，采用中值濾波器獲得最佳的目標電力用戶畫像信息精準特征值，得到立體畫像構建輸出為：

J =■■u*ikmd（xk，vi）+β■■u*ikmd（xk，vi）

（21）

綜上分析，實現了對電力用戶畫像多維特征構建和角點標識，根據標識結果實現畫像構建。

3? ?實驗與應用結果分析

為了驗證本文方法在實現電力客戶立體畫像多維構建中的應用性能，進行實驗，實驗采用Matlab個分析，設計電力客戶的基準人數為30，人，用電信息為4 000組，模板尺寸和關聯系數分布見表1。

根據上述參數設定，進行電力客戶立體畫像構建，得到電力客戶立體畫像數據庫，如圖1所示。

以圖1的數據為研究對象，提取客戶立體畫像的類別信息特征量，采用特征域分類和分塊匹配方法進行立體畫像的構建，得到輸出畫像如圖2所示。

分析圖2得知，采用本文方法能有效實現電力客戶立體畫像的多維構建和特征點標定。測試不同方法進行智慧用電管理系統中電力客戶立體畫像構建的輸出準確性，將PCA方法和粒子群方法，及所提方法，分別應用到某電力公司的用戶管理系統中得到對比結果如圖3所示：

分析圖3得知，本文方法進行智慧用電管理系統中電力客戶立體畫像構建的輸出準確率較高。

4? ?結? ?論

結合信息處理技術進行智慧用電管理系統中電力客戶立體畫像，采用多維識別和客戶立體畫像特征提取方法，提高智慧用電管理系統中電力客戶的客戶立體畫像構建效果，提出了基于多維類別特征識別和角點標識的智慧用電管理系統中電力客戶立體畫像構建方法。采用多維信息跟蹤識別方法進行客戶畫像識別，根據電力客戶立體畫像候選特征域，構建電力客戶立體畫像整體特征的用電信息分類結構模型，結合逐層分析和特征提取方法進行客戶立體畫像的角點標定，實現電力客戶立體畫像多維構建。分析得知，本方法進行電力客戶立體畫像構建的精度較高，提高了智慧用電管理能力。

參考文獻

[1]? ? 張代勝，蔣鵬，陳榮武，等. ATS系統與三維視景系統的結合技術研究[J]. 大連交通大學學報，2017，38（03）：106-111.

[2]? ? 鄭樂樂，韓慧妍，韓燮. 基于顯著性與弱凸性的三維點云模型分割[J]. 計算機工程，2018，44（4）：299-304.

[3]? ? 王燕，王雙印.基于卷積神經網絡的人臉信息增強識別研究[J]. 計算機科學，2018，45（08）：268-271.

[4]? ? 鄒國鋒，傅桂霞，高明亮，等. 基于自學習深度卷積神經網絡的姿態變化人臉識別[J]. 小型微型計算機系統，2018，39（06）：1156-1162.

[5]? ? 韓國川. 波形形態特征建模下的MEMS運動模式識別[J]. 電子測量技術，2018，41（13）：84-88.

[6]? ? 羅莎，夏國恩，朱新琰. 改進Adaboost算法的人體步態識別方法[J]. 控制工程，2018，25（07）：1312-1317.

[7]? ? 李昕昕，龔勛. 三維人臉建模及在跨姿態人臉匹配中的有效性驗證[J]. 計算機應用，2017，37（1）：262-267.

[8]? ? 李知嫻. 激光三維運動成像技術研究[J]. 激光雜志，2018，39（10）：119-123.

[9]? ? 楊帥，張婁英，朱靜，等. 基于LON總線平臺的智慧型水質監測管理系統[J]. 科技通報，2017，33（4）：155-158.

[10]? 李成勇.動態電源管理模式在嵌入式系統中的應用研究[J]. 單片機與嵌入式系統應用，2017，17（11）：38-41.

[11]? 劉海燕，LIU Hai-yan. 基于2.5維的智慧社區管理系統設計與實現[J]. 計算機技術與發展，2017，27（7）：156-159.

[12]? 楊明，王元超，向東，等. 智能電網中的家庭用電系統建模與優化分析[J]. 電力需求側管理，2017，19（4）：6-10.

[13]? 賀曉，李俊，陳潔羽，等. 智能變電站配置文件管控系統建設方案研究[J]. 陜西電力，2017，45（8）：75-81.

[14]? 吳學政.基于物聯網技術的高校智慧消防管理系統建設探討[J]. 科技通報，2017，33（10）：218-221.

[15]? 祁兵，夏琰，李彬，等. 基于邊緣計算的家庭能源管理系統：架構、關鍵技術及實現方式[J]. 電力建設，2018，39（3）：33-41.

[16]? 裘華東，涂瑩，丁麒. 基于標簽庫系統的電力企業客戶畫像構建與信用評估及電費風險防控應用[J]. 電信科學，2017，12（S1）：206-213.

[17]? 趙永柱，馬霽謳，張可心. 基于電力資產全壽命周期的標簽畫像技術研究[J]. 電網與清潔能源，2018，222（1）：56-63.

[18]? 劉冬蘭，馬雷，劉新，等. 基于深度學習的電力大數據融合與異常檢測方法[J]. 計算機應用與軟件，2018，35（4）：61-64.

[19]? 任曉龍，戴光，耿澤飛. 基于圖數據庫的電力資產畫像技術研究[J]. 電網與清潔能源，2017，55（11）：59-62.

[20]? 費鵬，林鴻飛，楊亮，等. 一種用于構建用戶畫像的多視角融合框架[J]. 計算機科學，2018，45（1）：179-182.