基于电力数据与机器学习的家庭收入估计方法

• 作者: 关键雄 张玉蕾 王谷城
• 来源期刊: 四川电力技术
• 学科: 工学
• 关键词: 智能电表 电力数据 分类算法 家庭收入 特征选择
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电力大数据与人工智能
• 页码范围: 60-64
• 页数: 5页
• 分类号: TM714
• 字数: 4616字
• 语种: 中文

摘要

合理利用从智能电表获取的家庭用电量数据,就可以推断出一个家庭的收入情况,从而有利于商家对消费群体的把控,使商家更有针对性地为用户提供需要的服务和产品.为了提高推断的准确率,提出了一种利用家庭总用电量和房屋面积信息的数据融合方法来估计家庭收入情况.研究运用几种不同的机器学习分类算法对数据进行训练和分析,最终使得对家庭年收入的分类准确率可以达到81％,相比于只利用家庭总用电量的信息,分类准确率提高了15％.可见,增加房屋面积信息的方法能够达到一定的评估目的,为商家和用户提供帮助,使人们享受更加智能和优质的生活.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉蕾	西南交通大学电气工程学院	1	0	0.0	0.0
2	关键雄	新加坡淡马锡理工学院清洁能源中心	1	0	0.0	0.0