【技術實現步驟摘要】
本專利技術屬于電力大數據應用與居民住房空置率分析領域，具體涉及一種基于居民用戶用電量大數據的住房空置率分析方法。
技術介紹
1、樓市空置情況是反映市場供需狀況的一個重要指標，也是判斷是否存在泡沫的“風向標”，一直備受市場關注。國網蒙東電力基于電力數據資源，選取轄區內四盟市所有居民客戶近兩年的用電量數據，借鑒電力數據在居民客戶樓宇空置分析工作中的經驗，組織專家團隊探索電力大數據在樓市管控方面的應用。結合居民客戶用電量等數據信息，構建樓宇空置分析模型，剖析住房空置總體特征、城鄉分布特征、地市及旗縣細化特征，摸清四盟市住房空置現狀，分析房屋利用率及變化趨勢，實現長期空置住房初步識別和預警，與地市、旗縣等政府相關部門對接，為政府相關部門提供房屋使用情況數據，服務政府判斷樓市供給情況。現有住房空置率統計方式，在缺少官方數據的情況下，民間學術團隊統計出來的數據，面臨著概念、樣本數量及統計方法等多重考量，往往出現較大的數據誤差的問題。因此，需要一種更為合理準確的住房空置分析方法，電力數據具有覆蓋面廣、準確性高等特點，與市場關系緊密，可有效反映樓市狀況。
技術實現思路
1、本專利技術的目的是解決解決在缺少官方數據的情況下，民間學術團隊統計出來的數據，面臨著概念、樣本數量及統計方法等多重考量，往往出現較大的數據誤差的問題。
2、為了解決上述問題，本專利技術提供了一種基于電力數據的住房空置分析方法，包括以下步驟：
3、步驟s1：確認監測范圍，獲取立戶時間達一年以上的居民用戶檔案
4、步驟s1-1：從電力系統能源互聯網營銷服務平臺獲取居民用戶檔案信息，限定用戶類別為居民類型，非銷戶狀態且立戶日期距當前時間一年的用戶；
5、步驟s1-2：匹配居民用戶的電能表編號、供電區域信息；用于計算電量及按區域統計住宅空置情況；
6、步驟s2：數據準備，根據步驟s1的得到的居民用戶范圍，獲取待監測居民用戶近2年日用電量曲線；
7、步驟s2-1：從新一代用電信息采集系統中獲取居民用戶的用電量信息，并按照日、月進行匯總；
8、步驟s2-2：針對缺失的日電量數據進行補全，通過計算前后兩天日電量數據的均值對缺失的數據進行補全；
9、步驟s2-3：針對負值、日電量過大的數據，通過計算前后兩天日電量數據的均值對數據進行修改；
10、步驟s3：構建模型，根據步驟s2得到的居民用戶的電量，分析居民住房空置的用電指標特征，構建居民用電特征分析模型；
11、步驟s3-1：通過k-means聚類算法構建居民用電特征分析模型；
12、步驟s3-2：初始化質心，隨機選擇3個聚類中心(k1、k2、k3)，以它們的坐標作為聚類中心的初始值；
13、步驟s3-3：計算樣本與聚類中心的距離，用戶日電量數據屬于一維數據，通過曼哈頓距離計算每個數據點與聚類中心(k1、k2、k3)的距離，即樣本值直接相減得到的值取絕對值：
14、
15、式中，d表示樣本中一個數據點到聚類中心的距離；x表示居民用戶日用電量，作為樣本中的一個數據點；μ表示該樣本的質心；n為樣本中數據點的數量；i表示第i個居民用戶；
16、步驟s3-4：將每個樣本分配到距離它最近的聚類中心所在的簇中；
17、步驟s3-5：更新聚類中心的坐標，對于每個簇，計算其中所有樣本的平均值，并將它們作為新的聚類中心坐標。
18、
19、式中，k為新的聚類中心，x表示居民用戶日用電量，作為樣本中的一個數據點，n為樣本中數據點的數量；
20、步驟s3-6：重復步驟s3-3至步驟s3-5，直到聚類中心(k1、k2、k3)不再發生變化，即中心點和分組經過多少次迭代都不再改變，也就是本次計算的中心點與上一次的中心點一樣，聚類結束；
21、步驟s4：數據分析，根據模型，按照不同的空間尺度和空間范圍對居民住宅用電特征進行分析，將用戶分為高用電水平、正常用電水平、低用電水平三類；
22、步驟s5：輸出結果，根據步驟s4獲取低用電水平的用戶，再對該范圍內的用戶進行研判，得到住房空置用戶，計算住房空置率；
23、步驟s5-1：根據步驟s4中劃分的低用電水平用戶，作為空置用戶研判分析范圍，計算住宅空置監測分析指標；
24、步驟s5-2：計算范圍內居民用戶在監測周期內的日均用電量(qavg)和日用電量標準差(σ)，日均用電量公式為：
25、
26、式中，qavg為日均用電量，q為日用電量，t為統計時長，日用電量標準差公式為：
27、
28、式中，n為統計時長；
29、步驟s5-3：將日均用電量qavg<ε千瓦時，日用電量標準差σ<δ的居民用戶判定為空置用戶；
30、參數設置：根據城市經濟水平、用電數據、政府需求等因素進行綜合考量后設定閾值ε與δ，建議取值范圍0<ε<＝1，σ/10<＝δ<＝σ/5；
31、步驟s5-4：計算住宅空置率(t)，公式為：
32、
33、式中，t為住宅空置率，s空為空置用戶數，s總為用戶總數。
34、優選方式下，將步驟s3中生成的最終的聚類中心(k1、k2、k3)分別作為步驟s4中高用電水平、正常用電水平、低用電水平。
35、一種基于電力數據的住房空置分析系統，其特征在于，包括：數據分析模塊、k-means聚類算法模塊、空置計算模塊，具體步驟包括：
36、步驟m1：確認監測范圍，獲取立戶時間達一年以上的居民用戶檔案信息，作為住房空置監測范圍；
37、步驟m1-1：從電力系統能源互聯網營銷服務平臺獲取居民用戶檔案信息，限定用戶類別為居民類型，非銷戶狀態且立戶日期距當前時間一年的用戶；
38、步驟m1-2：匹配居民用戶的電能表編號、供電區域信息；
39、步驟m2：數據準備，數據分析模塊根據步驟s1的得到的居民用戶范圍，獲取待監測居民用戶近2年日用電量曲線；
40、步驟m2-1：從新一代用電信息采集系統中獲取居民用戶的用電量信息，并按照日、月進行匯總；
41、步驟m2-2：針對缺失的日電量數據進行補全，通過計算前后兩天日電量數據的均值對缺失的數據進行補全；
42、步驟m2-3：針對負值、日電量過大的數據，通過計算前后兩天日電量數據的均值對數據進行修改；
43、步驟m3：構建模型，根據步驟s2得到的居民用戶的電量，分析居民住房空置的用電指標特征，構建居民用電特征分析模型；
44、步驟m3-1：通過k-means聚類算法模塊構建居民用電特征分析模型；
45、步驟m3-2：初始化質心，隨機選擇3個聚類中心(k1、k2、k3)，以它們的坐標作為聚類中心的初始值；
4本文檔來自技高網...
【技術保護點】
1.一種基于電力數據的住房空置分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于電力數據的住房空置分析方法，其特征在于，將步驟S3中生成的最終的聚類中心(k1、k2、k3)分別作為步驟S4中高用電水平、正常用電水平、低用電水平。
3.一種基于電力數據的住房空置分析系統，其特征在于，包括：數據分析模塊、K-Means聚類算法模塊、空置計算模塊，具體步驟包括：
【技術特征摘要】
1.一種基于電力數據的住房空置分析方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于電力數據的住房空置分析方法，其特征在于，將步驟s3中生成的最終的聚類中心(k1、k2、k3)...
【專利技術屬性】
技術研發人員：張悅，韓雪，李靖，李鵬飛，盧穎輝，
申請(專利權)人：國網內蒙古東部電力有限公司信息通信分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。