在能源互联网和智能电网背景下，准确的用户用电行为特征分析和用电量短期、长期预测对电网需求侧管理和基于互联网的售电主体精准消费具有重要的指导意义。基于用户社会属性、用电行为特征、互联网行为将电力用户进行分类，进而实现群体用电行为预测，可以帮助售电主体更深入地了解用户群体特征，为电力精准消费和制定电力需求侧响应策略提供数据支撑。
随着中国电力体制改革和能源互联网战略的不断推进，电力用户在互联网售电平台上购电和用电增值服务，形成种类丰富的用户数据，包括用户属性数据、用电行为数据、上网行为数据等。基于这些用电大数据将用户用电行为特性进行多维度分解，建立用户分类模型，深刻认识电力用户群体效应，能够形成基于群体的用电模式差异化预测模型。
目前，对电力用户群体分析方法多是基于历史负荷数据，建立基于人工智能方法的负荷识别和预测模型，再利用聚类的方法实现基于用电行为的用户群体分析，或是基于行业或领域等用户属性将电力用户进行细分，进而形成群体一属性的关系。这些分类方法往往一个群体中的用户只包含了个别共同属性，难以真正形成包含个体属性、用电行为和互联网行为等多种属性的相似用户群体，并用于构建基于群体特征的用户用电行为分析预测模型。
标签作为一种用户行为的标识方法，蕴含了很多反映用户属性、用电偏好的信息。通过对标签数据的分析，结合相同标签数量和负荷相似度形成用户关联度网络模型，得到相似电力用户群体，提取群体的主要特征以及发现群体中的重要用户，便于互联网售电主体实施个性化增值服务产品和用电套餐推荐，进而提升电力服务质量。
7.2.1电力用户行为关系模型
如图7-7所示，对于电力用户的个体行为刻画分为两类：一是电力用户的社会属性，包括家庭人口、住房面积、房屋均价、户内热源类型等，反映了电力用户对电力的消费能力和潜力，该类描述可以帮助售电主体刻画用户的形象，进而对用户进行分类或归纳;二是电力用户的用电行为，包括历史负荷曲线、互联网购电行为、用户信用等级等，反映了电力用户的实际电能消费量、购电渠道等用电行为特征，动态展示了用户的用电行为特点，可以帮助售电主体了解用户的用电模式和消费习惯。对于电力用户群体的分类和行为刻画，体现在基于用户个体行为，形成对群体典型负荷和群体标签的描述，其中群体标签包含了群体中用户共同的社会属性和用电行为。
图7-7 电力用户行为关系模型
