基于系统峰值需求贡献的数据驱动客户分群策略
应用统计
2020-03-13 v5
摘要
高级量测体系（AMI）使公用事业公司能够获得细粒度的能耗数据，这为基于客户对配电网中各类运行指标的影响来设计客户分群策略提供了独特机遇。然而，对于仅拥有月度账单信息的不可观测客户，开展公用事业规模的分群仍是一项挑战。为应对该挑战，我们提出了一种新指标——同步月度峰值贡献（CMPC），用于量化单个客户对系统峰值需求的贡献。此外，开发了一种基于多状态机器学习的新型分群方法，用于估算无智能电表（SM）客户的 CMPC：首先，利用可观测客户的 SM 数据，通过聚类技术构建包含不同季节典型日负荷模式的数据 bank。接着，为将不可观测客户与所发现的典型负荷曲线相关联，采用分类方法计算不同不可观测家庭日消费模式的可能性。在第三阶段，利用加权聚类回归（WCR）模型，基于不可观测客户的月度账单数据与分类模块的输出估算其 CMPC。所提出的分群方法已使用真实公用事业数据进行了测试与验证。
引用
@article{arxiv.1811.01689,
title = {A Data-Driven Customer Segmentation Strategy Based on Contribution to System Peak Demand},
author = {Yuxuan Yuan and Kaveh Dehghanpour and Fankun Bu and Zhaoyu Wang},
journal= {arXiv preprint arXiv:1811.01689},
year = {2020}
}