Page 54 - 电力与能源2023年第六期

600 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

图 14 401 和 402 室聚类结果换表前后曲线
分析算法，发现 401室换表前数据段的特征点与 402
图 11 用户换表前后日用电量数据段的峭度
室换表后数据段的特征点为同一簇，402 室换表前
数据段的特征点与 401室换表后数据段的特征点为
同一簇。经现场勘查后发现，01与 402室表计后出
4
线接反，聚类分析结果符合现场实际情况，本文表明
所提出方法能够通过用户用电数据辨识出表计邻

户间错接现象，可作为有效的判别参照依据。
最终该批用户表计错接的辨识结果见图 15。

3 结语

基于客户用电数据的多维度统计特征，本文
图 12 日用电量数据特征在多维空间中的表征 通过 K-means++聚类分析提出了 b 一种单相表
邻户表计错接辨识方法。经实际案例应用验证，

所提出的方法能够准确辨识出邻户表计错接现
象，可作为错接判别的有效依据，使相邻表计错接
现象由长久以来的“被动”发现转变为“主动”知
晓，降低了供电公司与用户双方的损失，以及错接

线对企业形象的影响。
下一阶段将进一步优化用户电量数据的特征
图 13 401 和 402 室聚类结果在特征空间中的表征 提取，提高单相表计邻户错接的识别率。