電力系統及發電設備控制和仿真國家重點實驗室（清華大學電機系） 、國網（蘇州）城市能源研究院、國網能源研究院有限公司的研究人員王毅、張寧、康重慶、奚巍民、霍沫霖，在2019年第10期《電工技術學報》上撰文指出，在高比例可再生能源并網和電力市場改革不斷推進的背景下，通過廣泛的用戶互動為電力系統提供了靈活性、實現個性化的用戶服務，成為未來智能電網發展的必然要求。

隨著智能電表等信息獲取手段的不斷普及，電力系統“物理-信息-社會”深度耦合的特征日益突出，對電力用戶的分析面臨手段上的突破，以物理模型與數據模型相結合的綜合分析成為重要趨勢。

本文提出電力用戶行為模型的概念，借鑒社會學對于用戶行為的解讀，從行為主體、行為環境、行為手段、行為結果和行為效用五個方面進行剖析，然后進一步延拓為集群行為和預見行為；在此基礎上對電力用戶行為模型的內涵和外延進行分析，闡述用戶行為模型的研究意義；最后對電力用戶行為建模的理論研究框架進行了分析。

高比例可再生能源并網和電力市場改革不斷推進使得廣泛用戶互動成為智能電網發展的必然要求：高比例可再生能源并網需要電力系統提供更多靈活性平抑其波動性，而傳統電力系統中用戶往往是“被動用電”，沒有主動地參與到與電力系統的互動中去，其靈活性有待進一步挖掘；售電市場的不斷放開客觀上要求售電商更加重視電力用戶的用電體驗，開展以用戶為中心的售電服務以提升自身競爭力。

智能電網為廣泛用戶互動提供了物理、信息和市場全方位的支撐：隨著分布式可再生能源、儲能等的并網，電力用戶從消費者轉變為“產消者（Prosumer）”，能夠對用電設備、儲能等進行合理控制從而實現效用最優，這為用戶互動提供物理基礎；智能電表和通信網絡、數據管理系統共同構成的先進量測體系（Advanced Metering Infrastructure, AMI），在采集用電數據，實現能量流與信息流雙向流動中扮演重要角色，為用戶互動提供信息通信基礎；開放的售電市場將催生繁榮的商業模式，從電價設計、用戶代理、需求響應等各方面開展用戶服務，為用戶互動提供市場基礎。

電力系統除傳統電力設備外，還需要信息系統的支撐，以及調度員、用戶等人的參與。電力系統日益成為一個“電力-信息-社會”高度融合的復雜系統，單純的物理視角建模不足以全面描述電力系統全貌，需要充分考慮環境、經濟、社會因素和人的行為對整個電力系統的影響。

“物理-信息”耦合電力系統的研究已經受到了廣泛的關注，重點考慮信息安全、大數據技術等對電力系統的影響，為電力系統提供信息視角。然而目前研究對“物理-信息-社會”深度耦合電力系統的社會視角建模較少，對電力系統中的“用戶”建模不夠。

電力負荷作為整個電力系統的重要組成部分，其建模受到了廣泛的關注和研究，具體包括綜合負荷建模和負荷預測等，為電力系統規劃、運行和穩定性分析等奠定了基礎。對用戶負荷的研究也主要關注其電氣特性或功率特性，或開展綜合負荷建模（如構建ZIP模型）以用于電力系統網絡計算；或對電力負荷進行若干相關因素的敏感性分析和預測，以用于電力系統規劃和運行。

電力負荷是由于電力用戶使用電器而產生的，傳統電網僅關注負荷本身，而沒有關注到電力負荷背后的電力用戶，沒有充分考慮電力用戶行為對電力系統的影響，即對需求側的建模僅考慮負荷的電氣特性，如物理視角的綜合負荷建模，而不分析海量用戶本身，對電力用戶行為的分析較少。

隨著智能電網的進一步發展，對需求響應、能效管理、用電大數據分析等相關的研究也較多。部分研究從物理視角構建面向用戶需求響應等的優化模型；另一部分則開展數據驅動的分析，通過聚類等方式對用戶某些特定用電方式進行電價設計，也有開展用戶用電行為分析方面的研究。

數據驅動的分析（Data Analytics）本質上是將數據轉換為知識從而做出更好決策的過程，一般來說包括三個階段：描述性分析（Descriptive Analytics），對數據的基本特性有一定程度的認識；預測性分析（Predictive Analytics），感知未來數據的發展趨勢；決策性分析（Prescriptive Analytics），通過數據做出一定的決策。

為了支持售電商、用戶、負荷聚集商、配電網調動員和數據服務提供商的業務，遵循描述性分析、預測性分析和決策性分析三個分析階段，智能用電數據分析的國內外相關研究主要可以分為負荷分析、負荷預測和負荷管理等。

在負荷分析方面，具體包括壞數據辨識、竊電檢測和用電模式辨識等研究；在負荷預測方面，具體包括不含智能電表數據預測、含智能電表數據預測和概率預測等研究；在負荷管理方面，具體包括用戶特性辨識、需求響應資源定位和需求響應實施等研究。

可以看到，國內外學者已經在用電數據分析方面開展了大量的研究，這些研究在需求響應、電價設計、系統運行等方面具有廣闊的應用前景。然而目前研究往往還是圍繞某一具體應用開展的，類似于“面向過程”的程序編寫，缺乏對電力用戶行為體系化的認知，沒有“面向對象”的整體設計。

也就是說，目前的研究還沒有準確分析電力用戶行為的確切含義，也沒有“系統性”地構建“用戶行為”的模型，對用戶行為的認知沒有像“物理-信息”一樣上升到“系統”或“模型”的層面。

當下，行為學和社會學在各個行業的研究與應用受到越來越多的關注，自然（Nature）期刊出版社研究專門開辟在線論壇供研究者探討和分享行為學和社會學研究及其在各行業的應用，能源行業就是其中之一。所以未來在需求側建模與分析時，需要提供更多的社會學、行為學等視角，以重新審視未來越來越“主動”的電力用戶。

電力系統中的用戶本身是一個復雜的系統，鮮有現成的解析化模型可以進行分析，所以電力用戶行為的建模是難以模型驅動的，而海量用電大數據為數據驅動的用戶行為分析提供了新的解決途徑。

本文以電力用戶行為為核心，從社會學視角剖析電力用戶行為的基本構成及其內在邏輯關系，將電力用戶行為模型的構建轉化為一系列用戶特征屬性辨識及其關聯關系構建問題，從用戶肖像、用電結構、用電曲線、用電趨勢以及用戶集群等方面開展前瞻性的基礎理論與方法的研究工作，構建數據驅動的電力用戶行為建模研究框架。研究工作在我國高比例可再生能源并網和售電市場逐步放開的大趨勢下將具有重要的理論和實用價值。

1 電力用戶行為模型基本概念

用戶行為模型的概念在供應鏈管理、軟件系統設計、用戶畫像、網絡推薦、情報文獻管理等領域已經被廣泛應用，以實現個性化的用戶服務；而電力用戶是在電力系統中的一種特定用戶，電力用戶行為模型是用戶行為模型和電力系統的交匯點。

1.1 定義

“行為”一詞具有豐富的含義，在不同研究領域具有不同的解讀方式。本文所描述的電力用戶行為是從社會學和心理學的角度進行解讀：電力用戶行為是指電力用戶在外界環境影響下所產生的用電活動和表現出來與用電相關的態度。其中產生的用電活動是能夠通過傳感器如智能電表等計量或察覺到的顯性行為；而表現的用電態度（包括是否接受需求響應等）是不容易被直接觀察到的思維方式、態度等隱性行為。

在社會學領域，人的行為一般由行為主體、行為環境、行為手段、行為結果和行為客體五個部分組成。相似地，圖1給出了電力用戶行為的基本構成及其延拓。在電力系統中，電力用戶具有自身的效用函數，其所做出的用電行為是為了追求更大的效用，所以對于電力用戶而言，其行為構成中行為客體用行為效用替代。

電力用戶行為的基本組成主要包括五個部分：①行為主體：電力用戶本身，其中電力用戶是具有認知和思維能力的人，擁有特定的社會經濟信息等屬性；②行為環境：影響電力用戶行為的外界環境，如電力網絡、氣象因素、電價因素、節假日因素、其他用戶行為等；③行為手段：電力用戶為達到某一目標需要采取的手段，包括對所有家用電器、電動汽車、分布式儲能、分布式可再生能源等的使用或控制；④行為結果：電力用戶最終產生的用電曲線或特定的用電模式，即與電網所交換的功率；⑤行為效用：電力用戶通過用電給自身帶來的效用，包括用電成本（負效用）、舒適度效用、其他某一具體目標達成的效用等。

圖1 電力用戶行為模型的基本組成反其延拓

以上五個組成部分具有緊密的內在邏輯關系：行為主體（電力用戶）根據自身屬性和當時的行為環境（外界因素），采取一定的行為手段（使用電器設備），從而產生行為結果（形成電力消費），以實現最高的行為效用（如獲利等）。

五個組成部分呈現電力用戶行為由本征到表象的遞進關系、從隱性行為到顯性行為的承接關系。需要指出的是，電力用戶行為和用戶用電行為是兩個不同的概念，用戶用電行為僅描述用戶用電所表現出來的功率特性，是一種用戶顯性行為，也就是說用戶用電行為是電力用戶行為的重要組成部分。

對于單一電力用戶行為，可以進行空間上的延拓，即集群行為，根據某一用戶特性，將多個相似的用戶聚集到一起，構成若干個具有某一相似特性的用戶集群；還可以進行時間上的延拓，即預見行為，對未來一段時間的用戶行為的變化趨勢，其中用電行為預測（負荷預測）是最常見的一種延拓。

在此基礎上，可以進一步定義電力用戶行為模型。電力用戶行為模型就是利用多元化信息，通過優化建模、數據分析等手段，揭示和描述行為主體、行為環境、行為手段、行為結果、行為效用、預見行為、集群行為的內在特性及其相互關聯關系，實現對電力用戶行為的一種抽象和特征的規范化表達。

面向某一具體應用的用戶用電數據分析類似于“面向過程”的程序編寫，是為了作該應用提供特定的解決方案的；而電力用戶行為模型的構建類似于“面向對象”的整體性設計，針對用戶行為這個具體對象，設計五個基本構成和兩個派生行為，行為模型則是在描述這些行為構成和派生之間的關聯關系。

1.2 內涵

根據電力用戶行為模型的定義，其內涵包括以下幾個方面：

（1）以多元化數據為基礎。

智能電表等的普及為需求側的更廣泛、更細粒度的數據采集提供了基礎，包括用戶用電數據、電動汽車充放電數據、氣象數據、電價數據等。電力用戶是具有一定認知和思維能力的人，用戶本身就可以認為是世界上最復雜的系統。

對電力系統物理元件的建模有先驗的物理模型，然后開展參數估計；而對人行為的建模不同，往往是基于大量觀測的經驗總結，所以需要以多元化數據為支撐，而不是簡單的幾個物理參數。

（2）以優化建模、數據分析為手段。

電力用戶行為模型一般是以優化建模和數據分析為手段的。如基于一定的效用假設建立一定外界環境下的用戶用電優化模型，進而分析用戶用電行為；又如用戶的社會經濟屬性如何影響用戶的用電曲線，或者用戶用電曲線如何反映用戶社會經濟屬性是沒有現成模型去描述的，可以認為是一個高維且非線性的映射關系，此時需要用先進的數據分析手段描述兩者之間的關系。

（3）以描述行為構成內在特性及其相互關聯關系為目的。

一個模型一般包含目標、變量和關系三個部分，由于用戶行為有五個基本構成和時空尺度兩種延拓，所以用戶行為模型應該是一系列子模型的集合，而每一個子模型均描述用戶行為構成之間的關系，擁有自己的目標、變量和關系。

例如，用戶肖像辨識子模型，以用戶用電曲線為變量，以辨識用戶社會經濟等信息為目標，構建起兩者之間的高維非線性關系；又如用戶分布式光伏、儲能的主動負荷辨識子模型，以外界環境、用電曲線等為變量，以剝離分布式光伏、儲能等為目標，構建起主動負荷出力和外界環境因素以及最終凈負荷曲線之間的關系。

1.3 外延

電力用戶行為模型根據用戶的基本類型和用戶行為模型的子模型，具有不同形式的外延。

以用戶的基本類型劃分，用戶類型包括居民用戶、商業用戶、工業用戶和樓宇等，有時負荷聚集商因為其代表某一集群用戶與電力系統進行交互，所以負荷聚集商業可以看作一個用戶類型。不同類型的用戶意味著行為主體類型發生了變化，用于描述其基本特性的屬性定義也會發生一定的變化。

例如對于居民用戶，可以通過年齡、是否退休、工作類型、所處社會階層等屬性對其進行肖像描繪；而這些屬性不能適用于樓宇，而樓層數量、樓宇年限、是否安裝能量管理系統等屬性則是對樓宇“肖像”的描述。

以用戶行為模型的子模型劃分，用戶行為模型構成復雜，內部相互影響，很難通過一個完整的關系構建這五個基本構成和時空尺度兩種延拓之間的關系，需要用一系列的子模型描述兩個及以上組成部分之間的映射關系。

例如行為主體與行為結果之間的映射關系可能是較為復雜的；而行為手段和行為結果之間的關系就是簡單的加和關系；行為環境與行為手段也可能是復雜的，但對于分布式光伏而言又是可以用光伏板能量轉換模型進行描述的。用戶行為的子模型眾多，將在研究框架中進行詳細的介紹。

1.4 與其他模型之間的關系

1.4.1 從用戶行為模型到電力用戶行為模型

用戶行為模型這個概念在個性化推薦系統、社交網絡、個性化城市導航、人機交互設計、自適應新聞訪問等領域已經具有廣泛的應用，其根本目的是實現個性化的用戶服務從而提升市場競爭力并增加盈利。例如在市場營銷領域，可以嘗試構建用戶“肖像”，描述用戶的某些關鍵特征，從而對用戶進行分類，然后根據每一類用戶的特性提供不同類型的服務，推銷特定的商品等；又如在廣告推送領域，可以根據用戶的網站瀏覽記錄及其路徑，對用戶購買行為進行建模，從而推送個性化的廣告。

從服務提供者角度來看，構建用戶行為模型的本質是挖掘用戶在不同“動作”（如商品購買、網頁瀏覽等）之間可能存在的關系，從而推斷出用戶未來潛在的需求或喜好，從而實現高效的個性化服務。從用戶角度來看，用戶享受到的服務可能是趨同的，或者存在多元化的服務，用戶卻不能高效地找到最符合自身的服務，面臨“信息過載”的問題，而用戶行為模型的構建希望實現服務的主動推薦與提供。

從“電力系統被動滿足需求”到“電力用戶主動需求響應”的轉變是智能電網和能源互聯網發展的重要特征之一。售電市場的放開與繁榮使得市場眾多參與主體如售電商、負荷聚集商為用戶提供多樣化的產品，例如不同類型的電價套餐、多樣化的需求響應合同等，電力用戶接受到的服務產品是多樣且復雜的，也存在“信息過載”的問題。

這就要求為每個用戶建立一個用戶行為模型，包括用戶肖像、用電結構、用電模式、用電趨勢、甚至用電態度等，然后根據不同用戶的用電行為，減少用戶在售電市場中電價套餐、需求響應、商品推薦等方面的服務選擇范圍，而是進行個性化的推薦或主動提供相應的服務。

另外電力系統用戶是海量的，只有通過構建電力用戶行為模型，才能對電力用戶的行為進行一定程度的抽象，進而提升服務效率。所以，電力用戶行為模型是用戶行為模型在電力系統中的應用與拓展，如圖2所示。

圖2 從用戶行為模型到電力用戶行為模型

1.4.2 從綜合負荷模型到電力用戶行為模型

在智能電網和能源互聯網的背景下，電力用戶扮演了至關重要的角色，僅僅關注電力系統的物理特性不足以對整個電力系統進行全面的建模，需要充分考慮電力用戶行為的建模，從而挖掘其互動特性。雖然需求響應等的研究已經涉及到用戶行為與互動，但主要還是關注用戶用電設備安排等更加微觀的物理模型。因此需要更全面地對用戶行為進行建模，特別是從社會學、心理學等視角進行分析，真正實現以電力用戶為核心的電力系統價值創造。

對于整個電力系統，同步發電機組、電力網絡、電力負荷、電力電子裝備等是其重要組成部分。同步發電機組中的發電機、勵磁系統、原動機調速系統以及綜合負荷建模復雜，其參數構成了傳統電力系統需要重點辨識的“四大參數”。

“四大參數”辨識為傳統電力系統的安全、穩定、經濟運行提供支撐。圖3給出了電力系統參數辨識的基本組成部分，在原來傳統的“四大參數辨識”基礎上，增加了“電力用戶行為模型”，更關注需求側用戶本身的用電行為，嘗試發現用戶整個用電過程中隱藏的基本規律。

在需求側從綜合負荷建模到用戶行為建模的拓展是一種視角和思維上的轉變，是電力系統模型的一個全新的組成部分，綜合負荷建模和用戶行為建模構成需求側建模的一體兩面。

圖3 從綜合負荷模型到電力用戶行為模型

2 電力用戶行為基本特性

電力用戶行為具有效用趨優性、主動性、多樣性、可預見性、不確定性、高維復雜性、集群特性和弱可觀測性等基本特性，這些特性也將成為構建用戶行為模型的基礎。下面將分別闡述。

2.1 效用趨優性

作為有認知和思維能力的人，用戶最終產生用電行為一定是受到外界環境的影響，通過使用或控制某些電器設備，從而滿足自身日?；蚰承┨囟ㄐ枨?，從而實現效用最大化。在用戶需求響應和家庭能量管理系統中，其內在設置也是通過合理安排電器設備的使用，在滿足用戶舒適度的情況下實現用電成本最低。雖然用戶不能像軟件程序一樣對自己的用電行為進行精確建模并求得最優，但也是趨向于增加自己的用電效用，降低自己的用電成本。

2.2 主動性

用戶不是消極被動地接受電力系統的供電，而是具有一定主觀能動性的，為了實現效用趨優，會根據外部環境的變化，主動地改變自己的用電行為。目前開展的需求響應和能效管理等項目都需要充分調動用戶的主觀能動性，將傳統“被動負荷”轉變為“主動負荷”。

2.3 多樣性

不同用戶具有自身不同的效用度量標準（即效用函數）；也因為用電設備的不同，導致行為手段也有所不同；此外，不同區域的用戶所受到的外界環境刺激也是不一樣的。不同行為主體、行為時段在不同行為環境下所產生的行為結果當然是具有多樣性的，包括不同用戶的多樣性和同一用戶不同時段的多樣性。

2.4 可預見性

用戶的效用趨優性使得用戶行為具有一定內在規律，在掌握了這些內在規律的情況下，可以對用戶的各種行為有一定的預見，例如根據用戶的歷史用電曲線分析，可以預測用戶未來一段時間的用電曲線，也可以通過用戶的社會經濟等信息推測其未來用電的基本模式。用戶行為的可預見性來自于同一個用戶行為的穩定性以及不同用戶行為具有的相似規律。

2.5 不確定性

用戶行為在具有可預見性的同時也具有不確定性，用戶的用電行為實質上是用戶長期工作與生活習慣的基礎上疊加一系列隨機事件的結果。因此電力用戶行為模型中將不可避免地存在不確定性。不確定性既可能來源于純粹的隨機事件導致的用戶隨機行為，又可能來源于未辨識出的用戶規律性行為所導致的模型偏差。

電力用戶行為模型的不確定性在時間維度上體現為其時變性，對于短期而言，電力用戶模型在一天內不同時段、工作日和休息日可能存在差異，對長期而言，隨著電力用戶生活方式的變化、消費水平的升級以及用電設備智能化水平的提高，其用戶行為模型也將隨之變化。因此，電力用戶行為模型的構建離不開對其不確定性的刻畫。

2.6 高維復雜性

對用戶用電行為的刻畫涉及到用戶的一系列基本屬性，由于人的自然屬性與社會屬性具有高度的復雜性，人的行為具有多個復雜的側面，無法采用幾個簡單屬性對用戶用電行為進行全方位的刻畫，因此電力用戶行為模型必將存在高維復雜性?！笆澜缟蠜]有兩片完全相同的樹葉，更沒有完全相同的兩個人”，每個用戶都將是高維用戶行為模型空間中的一個實例。

此外，用戶用電行為與其生產生活緊密相關，人的行為具有高度的主觀性，因此相比客觀規律而言，用戶行為模型往往沒有現成的解析數學表達式，而具有復雜的非解析和非線性的關聯關系。

2.7 集群特性

人的生產活動具有社會性，所以電力用戶行為表現出一定的集群特性，即不同用戶個體的用電模型在屬性空間或者其子空間上自主地形成一系列的組團，每個組團中用戶的用電特征趨同，不同組團中用電特征具有明顯差異。用戶的集群特性為用戶模型的聚類分析與組團建模提供了線索。

2.8 弱可觀測性

電力用戶行為是復雜多變的，而電力系統與電力用戶的信息交互往往僅通過智能電表進行，實現對用電曲線等顯性行為的直接觀測；而對其內部用電行為，包括單一電器的用電行為、分布式光伏的出力、分布式儲能的響應行為、用戶態度等隱性行為都無法直接觀測。于是需要電力系統融合更多元化和更細粒度的數據應對這種弱可觀測性帶來的 挑戰。

3 電力用戶行為模型數學表達（略）

由于電力用戶行為模型是用來描述電力用戶行為主要構成及其拓展內在特性和相互關聯關系的模型，所以為了規范化地描述電力用戶行為模型，需要對電力用戶行為的主要構成部分進行數學定義，其中相關的數學符號見表1。

表1 用戶行為模型數學表達符號匯總

4 電力用戶行為模型研究范式（略）

本節將介紹電力用戶行為建模的研究框架，包括基本研究范式和研究內容。

圖4給出了電力用戶行為建模的基本研究范式，主要包括數據收集、用戶行為模型和用戶互動三個模塊。在這三個模塊中，數據收集是基礎、用戶行為模型是核心、用戶互動是目的，三者依次遞進構成閉環，實現電力用戶行為模型的不斷更新和優化。

圖4 電力用戶行為建模研究范式

具體地，在數據收集模塊中，需要廣泛地收集多元化的與用戶用電特征相關的數據，而數據的獲取方式包括兩個途徑：①主動獲取途徑，如智能電表數據、氣象數據、電價數據等；②用戶反饋途徑，包括直接的反饋數據（如對某個項目是否感興趣等）和間接的反饋數據（如用戶對不同電價下的用電行為等）。

用戶模型模塊主要包括用戶屬性定義、用戶屬性辨識和用戶行為模型更新三個步驟。

5 電力用戶行為模型研究框架

在電力用戶行為建模研究范式中，用戶行為模型是核心，而用戶屬性的定義又是用戶行為模型的基礎。電力用戶屬性應該具有以下四個方面的性質：

（1）應用驅動性：用戶屬性是描述電力用戶特征的規范化表達方法，用戶本身是復雜的，需要海量的屬性進行全面的刻畫，而構建用戶行為模型的目的是為了實現對用戶的個性化服務以及用戶與電網的優化互動，所以需要對用戶的屬性進行篩選，保留重要的具有在電力系統中應用潛力的屬性。例如需要對用戶的社會經濟信息進行挖掘，以在語音服務、電器推銷等方面進行應用；又如用電模式的辨識為分時電價制定等提供基礎。

（2）屬性漂移性：用戶的屬性并不是一成不變的，可能隨時間發生一定的變化，對于屬性漂移，需要對用戶的屬性進行實時或定時地修正，例如基于權值衰減的屬性修正方法。為了實現對可變用戶行為模型的及時建立和更新，需要滾動地或以一定周期重新獲取包括用電數據、氣象數據、電價數據和問卷數據等在內的各種用戶行為數據，在此基礎上對用戶行為模型的核心關系和參數進行更新或修正。

（3）屬性一致性：用戶屬性集之間應該保證內在的一致性，不同的屬性刻畫用戶的不同方面，所得到的屬性值不能存在互相矛盾的地方，而是相互印證，盡可能全面刻畫用戶本身及其用電的特性。

（4）可評價性：不同屬性值的表現形式是不一樣的，但需要能夠對該屬性進行評價從而更好地指導數據的采集和屬性的辨識，例如概率化模型可以通過分位數損失評價、分類離散值通過準確度或者分類熵評價等，所有的屬性表達應該是具體化的數值表達，并且有相應的評價指標，包括定性的評價和定量的評價，也有基于統計數值的評價和基于效用的評價。

根據以上用戶屬性的基本性質，以居民用戶為例，從內生屬性、用電屬性和偏好屬性三個方面，歸納了反應電力用戶行為的若干屬性。

圖5 根據用戶行為的構成，歸納了電力用戶行為模型及其分析方法的多維度研究框架。

圖5 電力用戶行為建模維度分析

對于行為主體，可以實現用戶的肖像描繪，包括用戶基本屬性，如性別年齡、職業薪酬、社會階層、房屋情況等，用戶偏好屬性，如需求響應意愿、用電偏好等。

圖6給出了三個用戶的平均周負荷曲線和對應的用戶社會經濟信息，以方便更直觀地從用電曲線中獲取部分用戶社會經濟信息。

已退休的用戶#1018在工作時間用電水平也維持在較高水平，而未退休的用戶#1020和用戶#1032除周末外，在工作時間段用電水平較低，這與三個用戶的工作狀態是相符的。用戶#1032的臥室數量較少，其用電水平也相對較低。家中有小孩的用戶#1018在較晚的時候仍然有較高的用電水平，可能是該用戶房屋類型為平房（類似別墅），所有家庭成員都居住在一起，有家庭其他成員在夜間仍然保持活躍的用電，甚至為了在夜間照顧小孩。三個用戶在晚間18 00～20 00之間都保持較為活躍的用電，這與一般家庭用電習慣相符。

文獻[39]利用深度卷積神經網絡搭建起了用戶用電曲線和用戶社會經濟信息的橋梁。

圖6 用戶用電曲線與用戶社會經濟信息對應關系示例

對于行為手段，即用戶用電行為結構解析可以做兩方面的解讀，其一是直接根據總用電負荷對用戶某一或某些設備的運行狀態進行分解。非侵入式辨識（Non-intrusive Load Monitoring, NILM）就是對居民甚至樓宇用戶用電行為進行結構解析的重要手段，利用秒級甚至更細粒度的用電數據，將其中用電負荷分解成為若干個單一用電設備的功率曲線。

非侵入式辨識的研究可以追溯到20世紀70年代，然而目前相關研究還沒有充分考慮分布式可再生能源和儲能等接入的影響。另一種解讀則是對用戶不同的分量進行解析，例如將用戶的用電行為結構解析為氣象敏感分量、電價敏感分量、基礎用電分量等；又如將用戶用電行為結構解析為季節分量、周分量、日分量等；再如將用戶用電行為結構解析為低頻穩定分量和高頻隨機分量等。

對于行為結果，可以辨識用戶用電的基本模式、用電的動態特性、不確定性等各種指標。通過對負荷曲線的聚類就可以實現用戶用電模式的提取，文獻[40]則從稀疏視角重新審視用戶用電曲線，認為用戶用電曲線本質上是幾種用電行為的疊加，如圖7所示，然后將用戶行為模式提取問題建模為一個稀疏編碼問題，能夠有效辨識用戶用電子模式，實現海量用電數據的壓縮。

圖7 基于稀疏表示的用電子模式提取示意圖

對于預見行為，對未來用電行為的估計可能具有不同的時間尺度，如超短期、短期和中長期。用戶負荷預測就是一種典型的對行為結果的預見，為了更好地描述用戶用電行為的不確定性，目前國內外學者開展了越來越多的面向單一用戶的概率性負荷預測研究。

例如文獻[42]提出分位數長短時記憶網絡模型，對單一用戶未來用電趨勢進行概率性預測。圖8給出了典型的超短期居民用戶概率性負荷預測示例，通過一系列的分位數描述其未來不確定性。

圖8 居民用戶概率性負荷預測示例

對于集群行為，可以根據不同的標準即某一用戶行為特征對用戶進行集群劃分，如根據用戶基本屬性、電器設備使用、用電曲線形態等進行集群辨識，如圖9所示。

圖9 用戶集群劃分示例

結論

本文提出了電力用戶行為模型的基本概念，剖析了用戶行為的基本組成部分，包括行為主體、行為環境、行為手段、行為模式和行為效用，然后進一步延拓為集群行為和預見行為，在此基礎上，通過若干示例給出了電力用戶行為建模的理論研究框架，希望本文能夠為電力用戶行為模型的研究提供參考，構架數據驅動的以用戶為中心的研究與應用“生態”，進一步促進能源互聯網背景下的用戶互動。