Page 53 - 电力与能源2023年第六期
P. 53
颜昕昱，等：基于改进 K‒Means++聚类分析的邻户表计错接辨识方法 599
电表”情况的居民用户共 226 户，以该天为中心，
从采集系统中获取该批调表用户各 50 d 的日用电
量数据，如图 7 所示。
图 7 用户日用电量曲线
对该批电力用户进行分组，相邻用户为同一组
别，并以换表日那一天为分割点，将每条日用电量曲
线分割成两段，分组分段后电量曲线如图 8所示。
图 9 用户换表前后日用电量数据段的均值
图 8 日用电量曲线分组分段
分别计算用户日用电量曲线换表前和换表后
数据段的均值、标准差和峭度，计算结果如图 9~
图 11 所示。
根据统计量计算结果，用户换表前后日用电
量 数 据 段 在 多 维 统 计 空 间 内 的 表 征 如 图 12
所示。
通过 K-means++聚类算法对每组用户换表
前后的特征点进行聚类分析。经批量分析后将得
到的聚类结果和与原日用电量曲线进行比对，发
现在 226 户调表用户中，普陀区某居民小区楼栋
401 室和 402 室居民用户的聚类结果与原曲线不
一致，其聚类结果的特征值表征如图 13 所示，两
户居民换表前后日用电量数据曲线聚类结果见
图 14。
由图 13 和图 14 可知，通过 K-means++聚类 图 10 用户换表前后日用电量数据段的标准差
