必威体育官网入口-必威体育app网址

智慧用电管理系统中电力客户立体画像的构建及应用

2020-01-05 05:37:53 计算技术与自动化 2020年4期

陈明 严童 宣庐峰 徐伟

摘? ?要:为了实现智慧用电管理系统中电力客户的优化管理,需要对电力客户进行立体画像构造。提出了基于多维类别特征识别和角点标识的智慧用电管理系统中电力客户立体画像构建方法。用户画像信息跟踪采集模型,采用空间特征域分类方法进行用户画像信息分类处理。利用多尺度逐层分析方法进行模糊电力客户画像的精准定位,提取客户立体画像的用电类别特征量,采用特征域分类和分块匹配方法进行立体画像的误差修复,实现用户画像的特征快速准确定位。对提取的电力客户立体画像用电需求特征量采用支撑向量机学习算法进行自适应分类,实现对智慧用电管理系统中电力客户立体画像多维构建。结果表明,采用该方法构建电力客户立体画像的特征细分能力较好,客户立体画像信息准确度高。

关键词:智慧用电管理系统;电力客户;立体画像;空间特征域

中图分类号:TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文献标识码: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

隨着电力信息化管理技术的发展,构建智慧用电管理系统,在该系统中进行用电客户信息化管理,建立用户信息识别模型,提高息化管理能力[1]。结合信息处理技术构建管理系统中用户画像,采用多维识别和客户立体画像特征提取方法,提高用户画像识别效果,从而分类管理系统中用电客户的准确识别和定位水平,研究管理系统中用户画像构建方法,对提高电力系统的信息化管理和客户服务水平方面具有重要意义。提出了基于多维类别特征识别和角点标识的管理系统中用户画像构建方法[2]。构建系统中用户画像信息跟踪采集模型,对提取的用户画像用电需求特征量,采用支撑向量机学习算法进行自适应分类,实现对管理系统中用户画像多维构建,最后进行实验分析,展示了本方法在提高管理系统中用户画像构建能力方面的优越性能。

1? ?电力客户立体画像信息采集与分类

1.1? ?电力用户画像信息跟踪采集模型

为了实现电力客户画像的构建,构建电力客户画像信息的信息跟踪采集模型,采用空间特征域分类方法进行智慧用电管理系统中电力客户特征信息分类处理。采用配电特征域分类模型进行智慧用电管理系统中电力客的用电需求分类和分块特征匹配,采用分段特征检测的方法进行电力用户画像的特征分类和自适应目标匹配,在D维空间中进行电力客户画像信息的用电检测。根据电力用户画像的采集环境的差异性,得到电力用户画像的用电需求渲染输出为:

u(x,y;t) = G(x,y;t)? ? ? ? ? ?(1)

p(x,t)=■σ■=-σ■

(2)

其中,Δx为在电力客户画像信息的特征域分类的特征特征分量 在梯度方向的用电信息强度,σ为在电力客户画像信息的旋转算子。采用多维信息跟踪识别方法进行信息识别,电力用户画像整体几何结构特征主要表现为住址、年龄、性别以及喜好等特征域,根据双眼三庭常识确定电力用户画像候选特征域,构建电力用户画像整体特征的几何分类结构模型,降低电力客户画像信息特征域分类的表面误差[3],电力客户画像信息的用电需求用电信息构建输出为:

s(k) = ?准·s(k-1)+w(k)? ? ? ? ? (3)

其中

?准=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)

提取电力客户画像信息W为其客户特征域信息S的特征分量,相应得到电力客户画像信息的多维模板匹配值R、G、B和Wk、σk、σx,σθ在分类模板坐标特征域内候选特征域内用电信息总量为?准,结合用电需求跟踪识别技术实现电力客户画像信息的二值化处理,采用分特征域特征匹配方法进行二维电力客户画像信息的分块融合性检测和特征块匹配。在多维动态扫描下电力用户画像的分布用电信息值为:

f = 〈 f,d γ0〉d γ0 + Rf? ? ? (5)

其中〈 f,d γ0〉光电力客户画像信息的用电信息特征点Rf在d γ0方向上的信息跟踪输出。根据上述分析,采用帧扫描技术进行电力客户画像信息的特征域特征分类,构建电力客户画像信息的相关性检测模板匹配函数f(gi)为:

f(gi) = c1■i■■/■■? ?(6)

由此获得电力客户画像信息多维动态特征域的模板匹配函数,进行电力用户画像信息跟踪采集[4]。

1.2? ?电力用户画像信息分类处理

采用空间特征域分类方法进行用户画像的信息分类处理,采用多尺度逐层分析方法进行模糊电力用户画像的精准分类[5],提取用户画像的用电类别特征量,用户画像在低维空间中的相似度特征为s(X,Y),模板匹配方程为:

Ncut(A,B) = ■+■? ?(7)

其中,assoc(A,V)是用户画像的用电信息子集A中的用电信息特征分量,assoc(B,V)为用户画像的多维用电类别统计特征量,假设电力用户画像的用电信息集为(i,j),以此为用电信息中心,采用锐化模板分类方法得到电力用户画像的特征分类模型为:

Wu(a,bm) = ■■■■dt? ? (8)

根据一组电力用户画像训练样本构造主特征向量空间,即特征子空间(特征信息集合),在配电特征域的局部特征域内建立用户画像多维测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)

建立活动类别套索模型进行电力用户画像类别特征提取和信息分类处理,得到用户画像的优化检测模型为:

Mx=∝■αk■exp■? ? (10)

在模板m*n特征域内对用户画像进行用电信息值特征域模板融合处理,实现用户画像信息分类[6]。为了构建出立体的电力用户画像,需要采用统计特征分解方法计算各用电信息与聚类中心间的距離,构建电力用户画像的用电直方图,在多维动态扫描下构建信息逐层分析结果,达到电力用户画像的精准定位,据此提取精准特征值,得到立体画像。

2? ?电力用户画像构建

2.1? ?电力用户画像的精准定位

在上述构建用户画像信息跟踪采集模型的基础上,提出基于多维类别特征识别和角点标识的用户画像构建方法,在智慧用电管理系统中进行电力用户画像的多维特征分布特征域构建,采用统计特征分解方法计算各用电信息与聚类中心间的距离,构建电力用户画像的用电直方图,用多维扫描技术进行电力用户画像扫描[7],得到电力用户画像中心特征量为x1,x2,…,xN,电力用户画像分类线标记为? Hx = -jωx /‖ω‖和Hy = -jωy /‖ω‖,用户画像管理信息图谱的用电信息值输出满足:

= arccosmax■? (11)

其中k = 1,…,M,i,j∈{1,N},i < j,通过计算得到用户画像采集沿梯度方向的位移矢量Si(i = 1,2,…,M),采用电力用户画像分布用电信息匹配方法,得到用电需求渲染两个矢量Wi Wj,WmWn,用户画像的分块特征域分类控制参数βi选择如下:

βi = exp-■■? ? ? (12)

用户画像的用电需求特征提取结果为:

‖■‖= ‖■‖× cos?坠 × ■? ?(13)

采用分特征域特征匹配方法进行二维用户画像的分块融合性检测和特征块匹配,用户画像的用电信息子集输出为:

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

其中,A为电力用户画像多维尺度信息,t(x)为电力用户画像的整体特征采样特征分布序列,用户画像的模板匹配矢量为Sk(k = 1,2,…,M),在多维动态扫描下构建信息逐层分析结果描述为:

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

其中at = log■,其中ω = (ωx,ωy)表示用電加权值,根据上述分析,构建电力用户画像的精准定位模型,实现电力用户画像的精准定位。

2.2? ?电力用户画像多维构建

计算用户画像管理信息特征分布向量化集,用户画像特征域快速分类的SVM阈值为:

w(i,j) = ■exp-■? ? (16)

其中,Z(i)=■exp-■为分特征域特征匹配特征域的模板匹配值,定义用户画像的Gibbs先验能量函数[8],采用分特征域特征匹配方法进行电力用户画像的分块融合处理,对电力用户画像进行管理信息融合,假设输入的用户画像管理信息成像的整体多维信息特征分量为:

■■■ =■(x)■■■ +

(1 - ■(x))? ? ? (17)

其中,■(x)为电力用户画像的空间特征域用电信息,Ac为电力用户画像的统计特征值,Ic(y)为电力用户画像的标志性序列,设J(x)t(x)为信息的用电信息集,得到用户画像的构建输出为:

bnrβ(X) = Rβ X - Rβ X1? ? ? (18)

构建用户画像管理信息的相关性检测模型,提取用户画像的用电类别特征量,采用特征域分类和分块匹配方法进行立体画像的多维构建,得到立体画像精准信息输出为:

w(dij)= f (xi - xj)=■exp■

(19)

电力用户画像管理信息特征域大小为,提取电力客户管理信息信息特征量,得到用户画像的关联规则分布为:

P(Y) = ■? ? ?(20)

式中,■Vc(Y)是用户画像的边界特征点总数,c为电力用户画像的空间邻域基团,采用中值滤波器获得最佳的目标电力用户画像信息精准特征值,得到立体画像构建输出为:

J =■■u*ikmd(xk,vi)+β■■u*ikmd(xk,vi)

(21)

综上分析,实现了对电力用户画像多维特征构建和角点标识,根据标识结果实现画像构建。

3? ?实验与应用结果分析

为了验证本文方法在实现电力客户立体画像多维构建中的应用性能,进行实验,实验采用Matlab个分析,设计电力客户的基准人数为30,人,用电信息为4 000组,模板尺寸和关联系数分布见表1。

根据上述参数设定,进行电力客户立体画像构建,得到电力客户立体画像数据库,如图1所示。

以图1的数据为研究对象,提取客户立体画像的类别信息特征量,采用特征域分类和分块匹配方法进行立体画像的构建,得到输出画像如图2所示。

分析图2得知,采用本文方法能有效实现电力客户立体画像的多维构建和特征点标定。测试不同方法进行智慧用电管理系统中电力客户立体画像构建的输出准确性,将PCA方法和粒子群方法,及所提方法,分别应用到某电力企业的用户管理系统中得到对比结果如图3所示:

分析图3得知,本文方法进行智慧用电管理系统中电力客户立体画像构建的输出准确率较高。

4? ?结? ?论

结合信息处理技术进行智慧用电管理系统中电力客户立体画像,采用多维识别和客户立体画像特征提取方法,提高智慧用电管理系统中电力客户的客户立体画像构建效果,提出了基于多维类别特征识别和角点标识的智慧用电管理系统中电力客户立体画像构建方法。采用多维信息跟踪识别方法进行客户画像识别,根据电力客户立体画像候选特征域,构建电力客户立体画像整体特征的用电信息分类结构模型,结合逐层分析和特征提取方法进行客户立体画像的角点标定,实现电力客户立体画像多维构建。分析得知,本方法进行电力客户立体画像构建的精度较高,提高了智慧用电管理能力。

参考文献

[1]? ? 张代胜,蒋鹏,陈荣武,等. ATS系统与三维视景系统的结合技术研究[J]. 大连交通大学学报,2017,38(03):106-111.

[2]? ? 郑乐乐,韩慧妍,韩燮. 基于显著性与弱凸性的三维点云模型分割[J]. 计算机工程,2018,44(4):299-304.

[3]? ? 王燕,王双印.基于卷积神经网络的人脸信息增强识别研究[J]. 计算机科学,2018,45(08):268-271.

[4]? ? 鄒国锋,傅桂霞,高明亮,等. 基于自学习深度卷积神经网络的姿态变化人脸识别[J]. 小型微型计算机系统,2018,39(06):1156-1162.

[5]? ? 韩国川. 波形形态特征建模下的MEMS运动模式识别[J]. 电子测量技术,2018,41(13):84-88.

[6]? ? 罗莎,夏国恩,朱新琰. 改进Adaboost算法的人体步态识别方法[J]. 控制工程,2018,25(07):1312-1317.

[7]? ? 李昕昕,龚勋. 三维人脸建模及在跨姿态人脸匹配中的有效性验证[J]. 计算机应用,2017,37(1):262-267.

[8]? ? 李知娴. 激光三维运动成像技术研究[J]. 激光杂志,2018,39(10):119-123.

[9]? ? 杨帅,张娄英,朱静,等. 基于LON总线平台的智慧型水质监测管理系统[J]. 科技通报,2017,33(4):155-158.

[10]? 李成勇.动态电源管理模式在嵌入式系统中的应用研究[J]. 单片机与嵌入式系统应用,2017,17(11):38-41.

[11]? 刘海燕,LIU Hai-yan. 基于2.5维的智慧社区管理系统设计与实现[J]. 计算机技术与发展,2017,27(7):156-159.

[12]? 杨明,王元超,向东,等. 智能电网中的家庭用电系统建模与优化分析[J]. 电力需求侧管理,2017,19(4):6-10.

[13]? 贺晓,李俊,陈洁羽,等. 智能变电站配置文件管控系统建设方案研究[J]. 陕西电力,2017,45(8):75-81.

[14]? 吴学政.基于物联网技术的高校智慧消防管理系统建设探讨[J]. 科技通报,2017,33(10):218-221.

[15]? 祁兵,夏琰,李彬,等. 基于边缘计算的家庭能源管理系统:架构、关键技术及实现方式[J]. 电力建设,2018,39(3):33-41.

[16]? 裘华东,涂莹,丁麒. 基于标签库系统的电力企业客户画像构建与信用评估及电费风险防控应用[J]. 电信科学,2017,12(S1):206-213.

[17]? 赵永柱,马霁讴,张可心. 基于电力资产全寿命周期的标签画像技术研究[J]. 电网与清洁能源,2018,222(1):56-63.

[18]? 刘冬兰,马雷,刘新,等. 基于深度学习的电力大数据融合与异常检测方法[J]. 计算机应用与App,2018,35(4):61-64.

[19]? 任晓龙,戴光,耿泽飞. 基于图数据库的电力资产画像技术研究[J]. 电网与清洁能源,2017,55(11):59-62.

[20]? 费鹏,林鸿飞,杨亮,等. 一种用于构建用户画像的多视角融合框架[J]. 计算机科学,2018,45(1):179-182.

必威体育官网入口|必威体育app网址

XML 地图 | Sitemap 地图