在能源互聯(lián)網和智能電網背景下，準確的用戶用電行為特征分析和用電量短期、長期預測對電網需求側管理和基于互聯(lián)網的售電主體精準消費具有重要的指導意義。基于用戶社會屬性、用電行為特征、互聯(lián)網行為將電力用戶進行分類，進而實現群體用電行為預測，可以幫助售電主體更深入地了解用戶群體特征，為電力精準消費和制定電力需求側響應策略提供數據支撐。

隨著中國電力體制改革和能源互聯(lián)網戰(zhàn)略的不斷推進，電力用戶在互聯(lián)網售電平臺上購電和用電增值服務，形成種類豐富的用戶數據，包括用戶屬性數據、用電行為數據、上網行為數據等。基于這些用電大數據將用戶用電行為特性進行多維度分解，建立用戶分類模型，深刻認識電力用戶群體效應，能夠形成基于群體的用電模式差異化預測模型。

目前，對電力用戶群體分析方法多是基于歷史負荷數據，建立基于人工智能方法的負荷識別和預測模型，再利用聚類的方法實現基于用電行為的用戶群體分析，或是基于行業(yè)或領域等用戶屬性將電力用戶進行細分，進而形成群體一屬性的關系。這些分類方法往往一個群體中的用戶只包含了個別共同屬性，難以真正形成包含個體屬性、用電行為和互聯(lián)網行為等多種屬性的相似用戶群體，并用于構建基于群體特征的用戶用電行為分析預測模型。

標簽作為一種用戶行為的標識方法，蘊含了很多反映用戶屬性、用電偏好的信息。通過對標簽數據的分析，結合相同標簽數量和負荷相似度形成用戶關聯(lián)度網絡模型，得到相似電力用戶群體，提取群體的主要特征以及發(fā)現群體中的重要用戶，便于互聯(lián)網售電主體實施個性化增值服務產品和用電套餐推薦，進而提升電力服務質量。

7.2.1電力用戶行為關系模型

如圖7-7所示，對于電力用戶的個體行為刻畫分為兩類：一是電力用戶的社會屬性，包括家庭人口、住房面積、房屋均價、戶內熱源類型等，反映了電力用戶對電力的消費能力和潛力，該類描述可以幫助售電主體刻畫用戶的形象，進而對用戶進行分類或歸納;二是電力用戶的用電行為，包括歷史負荷曲線、互聯(lián)網購電行為、用戶信用等級等，反映了電力用戶的實際電能消費量、購電渠道等用電行為特征，動態(tài)展示了用戶的用電行為特點，可以幫助售電主體了解用戶的用電模式和消費習慣。對于電力用戶群體的分類和行為刻畫，體現在基于用戶個體行為，形成對群體典型負荷和群體標簽的描述，其中群體標簽包含了群體中用戶共同的社會屬性和用電行為。

圖7-7 電力用戶行為關系模型