／２０２３．０３国家电网有限公司科技项目资助（项目号：５２０２２３２２０００Ｚ）基于ＨＰＬＣ技术的居民用户价值、用电行为与作息习惯的研究与应用李乾李蕊孙健丁宁朱锦山袁铭敏林志法（国网北京市电力公司电力科学研究院）摘要：随着ＨＰＬＣ技术的全面推广应用，北京地区ＨＰＬＣ智能电能表覆盖率高达９２.８４％。利用ＨＰＬＣ的高频采集用能数据、购电数据等，采用ｋ-ｍｅａｎｓ聚类算法研究居民用户价值、用电行为，用于挖掘不同电力消费水平的居民用户及其用电行为，准确率为９９.５％以上。利用ＤＢＳＣＡＮ算法刻画用户的起居行为，分析用户的居家起居习惯，准确率为９５％以上。关键词：ＨＰＬＣ技术；聚类算法；用户价值分类；用电行为分类；居民作息习惯０引言随着智能电能表以及ＨＰＬＣ技术［１］（即低压高速电力线载波通信技术）的全面应用推广，截至目前，北京地区８７０.１５万户居民用户中，ＨＰＬＣ设备覆盖率达９３.８４％。ＨＰＬＣ技术作为新型电力系统高效运转的客观要求和必要的通信基础，不仅实现了对低压居民用户电表的电压、电流、用电量等电力数据的高频次、多维度采集，同时具备停电主动上报等深化应用功能［２-３］。智能电能表作为智能电网业务营销、用电信息统计和能源分配的末端，是感知用电客户的重要触点。与居民用水、用气数据相比，其采集的高密度电力数据可以更加真实迅速地反映居民用户的电力消费水平和用电行为，同时与居民用户的日常起居习惯、居家离家状态呈强相关性。居民用电数据分析是深度挖掘居民需求响应潜力，提升精准电力服务水平的基础。同时，现阶段国家电网公司经营形势严峻，亟待深挖用户数据价值，提质增效，建立新的经济增长点，以客户服务为中心理念提供便捷无忧服务，以服务首都为宗旨驱动精准友好服务，实现客户服务数字化。１设计方案居民用电量大小、购电习惯、节假日用电量比值等与居住人口、用户居家时间、用电习惯等有关。用电量曲线数据中的尖峰拐点是由用户起居活动造成，用户起床后使用电器导致用电量曲线上升、电流上升，睡觉前用电行为逐渐减少，用电量曲线下滑、电流下滑，其中用电量曲线较电流有一定的滞后性。利用ＨＰＬＣ电能表的９６点细颗粒度用电采集数据可以感知居民用户的起居行为及作息规律，分析居民用户的日常起居习惯，判别其起床与休息的时间。文中根据居民用户的用电量数据以及购电数据，利用ｋ-ｍｅａｎｓ聚类算法［４-５］挖掘不同电力消费水平的居民...
