利用智能电表数据最大化同时系数的客户聚类

arXiv:2610.28178v1 公告类型：新稿 摘要：电力配电规划依赖于客户群组内部的峰值需求同时性，但基于相似性的智能电表数据聚类并未直接对其进行优化。我们将客户分组表述为：最大化各组同时系数的平均值，并按照每组每日峰值需求总和占所有客户个人峰值需求总和的比例进行加权。我们证明，即使仅分为两组，同时优化客户归属和群组峰值时刻也是强 NP-hard 问题。因此，我们开发了一种适用于任意可行划分的固定峰值细化过程。该过程在识别群组峰值时刻与满足群组最小规模约束的客户精确重新分配之间交替进行。每次多项式时间的重新分配都会最大化一个在当前划分处取紧的下界，因此被接受的更新会严格提高加权同时系数。我们首先对客户个人峰值时刻分布进行聚类，以初始化细化过程，并在四个公开智能电表面板数据集（共27,654名客户）上，采用按时间顺序划分的留出集和200组配对重复实验进行评估，每次实验均完整重新拟合。细化过程在拟合期间持续改善加权同时系数，并降低对初始化的敏感性。在留出日期上，该方法优于随机分组和五种独立基准方法；与最强基准方法相比，平均配对提升幅度为1.08–3.48个百分点。要求群组规模几乎相等只会使测试集上的加权同时系数小幅下降。这些群组随时间推移仍保留了可识别的峰值时刻模式，表明该方法可应用于面向峰值的客户聚合。