一种智慧用能业务推荐方法及装置与流程

1.本发明涉及电力业务技术领域，尤其涉及一种智慧用能业务推荐方法及装置。


背景技术：

2.随着电力体制的深入探索和人民生活水平的不断提高，电力业务技术的发展不断提高。
3.当前，由于用户的电力使用具有一定的集中性，是电网高峰负荷乃至尖峰负荷的重要组成，给电网安全运行带来一定的挑战，因此，构建智慧用能业务体系就显得尤为重要。具体的，在智慧用能业务体系中，现有技术可以向具有不同用电行为特征的用户推荐合适的业务，满足用户需求，提高供电服务效能。
4.但是，现有技术无法有效的为用户进行业务推荐。


技术实现要素：

5.鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的智慧用能业务推荐方法及装置，技术方案如下：
6.一种智慧用能业务推荐方法，包括：
7.分别获得多个用户在预定义时段内的用电数据，所述用电数据包括多个子时段内的用电量；
8.对各所述用户的所述用电数据进行聚类，获得用电行为类别数，确定各用电行为类别下的所述用电数据；
9.基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；其中，所述模糊权重向量是由各所述用电行为类别分别对应的模糊权重值经有序排列后构成的行向量，所述模糊权重向量的列数为所述用电行为类别数；
10.获得行数为所述用电行为类别数、列数为l的业务隶属度矩阵；其中，所述业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；所述业务隶属度矩阵中同一行数据中的l个所述业务隶属度，为同一用电行为类别分别与相应的一个智慧用能业务组中l个业务的业务隶属度；
11.将所述模糊权重向量与所述业务隶属度矩阵进行模糊合成，获得目标行向量；所述目标行向量是由数量为l的业务评价值构成；
12.按照由大至小的次序，对所述目标行向量中的各所述业务评价值进行排序，获得业务评价值排序结果；
13.按照所述业务评价值排序结果，对各所述用户进行业务推荐。
14.可选的，所述对各所述用户的所述用电数据进行聚类，包括：
15.分别计算各所述用户的所述用电数据的密度指标，从各所述密度指标中确定出当前的最高密度指标，将当前的所述最高密度指标对应的所述用户的所述用电数据确定为当前的聚类中心数据并进行保存；
16.基于预设的聚类中心计算模型和当前的所述聚类中心数据，更新各所述用户的所述用电数据的密度指标，从更新后的密度指标中确定当前的最高密度指标，返回执行将当前的所述最高密度指标对应的所述用户的所述用电数据确定为当前的聚类中心数据并进行保存的步骤，直至当前的最高密度指标与相邻的上一最高密度指标满足预定义条件；
17.所述获得用电行为类别数，包括：
18.将当前已保存的聚类中心数据的个数确定为所述用电行为类别数；
19.所述确定各用电行为类别下的所述用电数据，包括；
20.基于各所述聚类中心数据，确定各所述用电行为类别下的所述用户的所述用电数据。
21.可选的，所述基于卡诺模型、满意-不满意bertter-worse系数分析法和层次分析法ahp，确定模糊权重向量，包括：
22.基于所述卡诺模型和所述满意程度系数，确定与各所述用电行为类别对应的满意-不满意bertter-worse权重向量；所述bertter-worse权重向量是由各所述用电行为类别的bertter-worse权重经有序排列而成的；
23.基于所述卡诺模型和所述层次分析方式，确定与各所述用电行为类别对应的ahp权重向量；所述ahp权重向量是由各所述用电行为类别的ahp权重经有序排列构成的；
24.对所述bertter-worse权重向量和所述ahp权重向量进行结合，获得所述模糊权重向量。
25.可选的，所述目标行向量为：
[0026][0027]
其中，di＝max{c
jrji
}
1≤j≤k
；
[0028]
其中，d为所述目标行向量，c为所述模糊权重向量，*为模糊算子，r为所述模糊权重向量；k为用电行为类别数，l为业务数，i为业务序号，j用电行为类别的序号。
[0029]
可选的，所述按照所述业务评价值排序结果，对各所述用户进行业务推荐，包括：
[0030]
从所述业务评价值排序结果中，确定排序在前n位的所述业务评价值；
[0031]
基于所述前n位的所述业务评价值，分别在相应的n个所述用电行为类别对应的智慧用能业务组中，确定相应的目标推荐业务；
[0032]
将n个所述目标推荐业务推荐至各所述用户。
[0033]
一种智慧用能业务推荐装置，包括：第一获得单元、第一聚类单元、第二获得单元、第一确定单元、第二确定单元、第三获得单元、第一合成单元、第四获得单元、第一排序单元、第五获得单元和第一推荐单元；其中：
[0034]
所述第一获得单元，用于分别获得多个用户在预定义时段内的用电数据，所述用电数据包括多个子时段内的用电量；
[0035]
所述第一聚类单元，用于对各所述用户的所述用电数据进行聚类；
[0036]
所述第二获得单元，用于获得用电行为类别数；
[0037]
所述第一确定单元，用于确定各用电行为类别下的所述用电数据；
[0038]
所述第二确定单元，用于基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；其中，所述模糊权重向量是由各所述用电行为类别分别对应的模糊权重值经有序排列后构成的行向量，所述模糊权重向量的列数为所述用电行为类别数；
[0039]
所述第三获得单元，用于获得行数为所述用电行为类别数、列数为l的业务隶属度矩阵；其中，所述业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；所述业务隶属度矩阵中同一行数据中的l个所述业务隶属度，为同一用电行为类别分别与相应的一个智慧用能业务组中l个业务的业务隶属度；
[0040]
所述第一合成单元，用于将所述模糊权重向量与所述业务隶属度矩阵进行模糊合成；
[0041]
所述第四获得单元，用于获得目标行向量；所述目标行向量是由数量为l的业务评价值构成；
[0042]
所述第一排序单元，用于按照由大至小的次序，对所述目标行向量中的各所述业务评价值进行排序；
[0043]
所述第五获得单元，用于获得业务评价值排序结果；
[0044]
所述第一推荐单元，用于按照所述业务评价值排序结果，对各所述用户进行业务推荐。
[0045]
可选的，所述第一聚类单元，包括：第一计算单元、第三确定单元、第四确定单元、第一更新单元、第五确定单元；其中：
[0046]
所述第一计算单元，用于分别计算各所述用户的所述用电数据的密度指标；
[0047]
所述第三确定单元，用于从各所述密度指标中确定出当前的最高密度指标；
[0048]
所述第四确定单元，用于将当前的所述最高密度指标对应的所述用户的所述用电数据确定为当前的聚类中心数据并进行保存；
[0049]
所述第一更新单元，用于基于预设的聚类中心计算模型和当前的所述聚类中心数据，更新各所述用户的所述用电数据的密度指标；
[0050]
所述第五确定单元，用于从更新后的密度指标中确定当前的最高密度指标，触发所述第四确定单元，直至当前的最高密度指标与相邻的上一最高密度指标满足预定义条件；
[0051]
所述第二获得单元，用于将当前已保存的聚类中心数据的个数确定为所述用电行为类别数；
[0052]
所述第一确定单元，用于基于各所述聚类中心数据，确定各所述用电行为类别下的所述用户的所述用电数据。
[0053]
可选的，所述第二确定单元，包括：第六确定单元、第七确定单元、结合单元和第六获得单元；其中：
[0054]
所述第六确定单元，用于基于所述卡诺模型和所述满意程度系数，确定与各所述用电行为类别对应的满意-不满意bertter-worse权重向量；所述bertter-worse权重向量是由各所述用电行为类别的bertter-worse权重经有序排列而成的；
[0055]
所述第七确定单元，用于基于所述卡诺模型和所述层次分析方式，确定与各所述用电行为类别对应的ahp权重向量；所述ahp权重向量是由各所述用电行为类别的ahp权重
经有序排列构成的；
[0056]
所述结合单元，用于对所述bertter-worse权重向量和所述ahp权重向量进行结合；
[0057]
所述第六获得单元，用于获得所述模糊权重向量。
[0058]
可选的，所述目标行向量为：
[0059][0060]
其中，di＝max{c
jrji
}
1≤j≤k
；
[0061]
其中，d为所述目标行向量，c为所述模糊权重向量，*为模糊算子，r为所述模糊权重向量；k为用电行为类别数，l为业务数，i为业务序号，j用电行为类别的序号。
[0062]
可选的，所述第一推荐单元，包括：第八确定单元、第九确定单元和第二推荐单元；
[0063]
所述第八确定单元，用于从所述业务评价值排序结果中，确定排序在前n位的所述业务评价值；
[0064]
所述第九确定单元，用于基于所述前n位的所述业务评价值，分别在相应的n个所述用电行为类别对应的智慧用能业务组中，确定相应的目标推荐业务；
[0065]
所述第二推荐单元，用于将n个所述目标推荐业务推荐至各所述用户。
[0066]
本发明提出的智慧用能业务推荐方法及装置，可以分别获得多个用户在预定义时段内的用电数据，用电数据包括多个子时段内的用电量；对各用户的用电数据进行聚类，获得用电行为类别数，确定各用电行为类别下的用电数据；基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；其中，模糊权重向量是由各用电行为类别分别对应的模糊权重值经有序排列后构成的行向量，模糊权重向量的列数为用电行为类别数；获得行数为用电行为类别数、列数为l的业务隶属度矩阵；其中，业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；业务隶属度矩阵中同一行数据中的l个业务隶属度，为同一用电行为类别分别与相应的一个智慧用能业务组中l个业务的业务隶属度；将模糊权重向量与业务隶属度矩阵进行模糊合成，获得目标行向量；目标行向量是由数量为l的业务评价值构成；按照由大至小的次序，对目标行向量中的各业务评价值进行排序，获得业务评价值排序结果；按照业务评价值排序结果，对各用户进行业务推荐。
[0067]
本发明可以确定用电行为类别数，根据用电行为类别建立kano调查问卷，一个用电行为类别对应一个问题，分析得到各用电行为类别的问题所对应的需求属性，建立better-worse系数同时结合ahp法得到模糊权重向量。针对每一种用电行为类别事先制定n种业务，计算出用电行为类别隶属于智慧用能业务的程度，结合前面考虑模糊权重向量，从而选出与用电行为类别合适的业务，有效实现业务推荐，从而构建居民智慧用能业务体系。
[0068]
上述说明仅是本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
[0069]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0070]
图1示出了本发明实施例提供的第一种智慧用能业务推荐方法的流程图；
[0071]
图2示出了本发明实施例提供的第一种智慧用能业务推荐装置的结构示意图。
具体实施方式
[0072]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0073]
如图1所示，本实施例提出了第一种智慧用能业务推荐方法，该方法可以包括以下步骤：
[0074]
s101、分别获得多个用户在预定义时段内的用电数据，用电数据包括多个子时段内的用电量；
[0075]
其中，用户可以为某片区域内的居民或企业等主体，本发明对于用户类型不作限定。
[0076]
其中，预定义时段可以是由技术人员根据实际情况确定的时段，本发明对此不作限定。比如，预定义时段可以为某一天。
[0077]
其中，子时段可以为预定义时段中的某个时段。比如，当预定义时段为某一天时，子时段可以为预定义时段中的某个小时段。
[0078]
可选的，当预定义时段为某一天时，子时段可以为该一天中的一个小时内的某个小时段。具体的，本发明可以将该一天中的每个小时划分为时长相等的a个子时段，此时每个子时段的时长可以为60/a分钟，而该一天中的子时段可以为24a个。此时，本发明可以分别获得b个用户在24n个子时段内的用电量，确定为各用户在预定义时段内的用电数据{x1，x2，x3，
…
xb}，其中x1可以包括第一个用户在24a个子时段内的用电量，x2可以包括第二个用户在24a个子时段内的用电量，依次类推。可以理解的是，每个用户的用电数据的用能信息总维度均可以为24维。
[0079]
需要说明的是，上述的a和b均可以是大于0的正整数。当a越大时，用电数据的内容越丰富，数据量越多。
[0080]
s102、对各用户的用电数据进行聚类；
[0081]
具体的，本发明可以在获得各用户的用电数据之后，对各用户的用电数据进行聚类。
[0082]
s103、获得用电行为类别数；
[0083]
具体的，本发明可以在对各用户的用电数据进行聚类之后，获得用电行为类别数。
[0084]
s104、确定各用电行为类别下的用电数据；
[0085]
具体的，本发明可以在对各用户的用电数据进行聚类之后，确定各个用电用电行
为类别下的用电数据。
[0086]
s105、基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；
[0087]
可选的，在本实施例提出的智慧用能业务推荐方法中，步骤s105可以包括：
[0088]
基于卡诺模型和满意程度系数，确定与各用电行为类别对应的满意-不满意bertter-worse权重向量；bertter-worse权重向量是由各用电行为类别的bertter-worse权重经有序排列而成的；
[0089]
基于卡诺模型和层次分析方式，确定与各用电行为类别对应的ahp权重向量；ahp权重向量是由各用电行为类别的ahp权重经有序排列构成的；
[0090]
对bertter-worse权重向量和ahp权重向量进行结合，获得模糊权重向量。
[0091]
具体的，本发明在利用卡诺模型对用电行为类别进行分析的过程中，可以先行提出卡诺kano调查问卷，在kano调查问卷中分别针对各用电行为类别提出一个类型的问题。其中，每个类型的问题均可以从正、反两个方面对用户进行询问，比如下述表1。
[0092]
表1 kano调查问卷
[0093][0094]
具体的，针对kano调查问卷所提出的问题反映出用户是否愿意根据峰谷时段来调整用电行为，以及用户是否愿意调整哪种用电电器来参与需求响应，根据表1中的问卷设计一个评价表，如表2所示，获得用户对正反两个问题的回答所对应的需求属性。
[0095]
表2 评价表
[0096][0097]
在表2中，m可以代表基本型需求，o可以代表期望型需求，a可以代表兴奋型需求，i可以代表无差异性需求，r可以代表反向型需求，q可以代表可疑结果。
[0098]
具体的，本发明可以通过计算满意better指数和不满意worse指数表示对居民用电行为问题的满意度递增或递减程度。在计算better指数(si系数)和worse(dsi系数)指数时，可以先行对各用户的回答进行打分，如满分值为5分时，m可以为5分，o可以为3分，a可以为2分，i可以为0分。具体的，本发明可以提出下述公式(1)和公式(2)来分别计算better指数和worse指数；
[0099][0100][0101]
具体的，对于kano调查问卷中的某个类型的问题，本发明可以获得各用户回答该类型问题中正面询问的需求属性，确定所有正面询问的需求属性对应的分数并代入至公式(1)中，从而获得该类型问题的better指数；另，本发明还可以获得各用户回答该类型问题中反面询问的需求属性，确定反面询问的所有需求属性对应的分数并代入至公式(2)中，从而获得该类型问题的worse指数。
[0102]
具体的，better指数可以取值∈[0,1]，表示如果提供某种功能属性的话，用户满意度会提升，当满意指数better值接近1时，用户对此类用电行为越满意则better值越高，反之同理；worse指数，表示如果不提供某种功能属性的话，用户的满意度会降低，取值∈[-1,0]，当不满意指数绝对值越大，表明当此类用电行为没有被满足时，不满意程度越严重。
[0103]
具体的，本发明可以结合公式(1)和(2)，计算出各用电行为类别对应的bertter-worse权重向量。对此，本发明提出下述公式(3)。
[0104][0105]
其中，在公式(3)中，i和j均可以为kano调查问卷中的问题序号，n可以为问题总数。可以理解的是，λi即可以为问题序号为i的问题所对应的用电行为类别的bertter-worse权重向量。
[0106]
其中，本发明可以在确定层次分析法(the analytic hierarchy process，ahp)权重向量的过程中，可以先行构建四种kano属性隶属度的权重。具体的，本发明可以四种kano属性隶属度km、ko、ka、ki为评价指标，使用ahp确立四种kano属性隶属度的权重wm、wo、wa、wi。具体的，本发明可以构造决策矩阵，如采用1～9级标度，对用电行为类别进行两两比较并打分，构造决策矩阵a＝(a
ij
)n×n，以四个类型的问题为例，如下表3所示：
[0107]
表3隶属度权重
[0108][0109]
之后，本发明可以将矩阵a按列归一化获得相应的矩阵a，其中：
[0110][0111][0112]
把归一化后的矩阵各行相加得列矩阵w％，其中：
[0113][0114]
将列矩阵w％除以n得权重矩阵w，其中：
[0115]
w＝(wi)n×1；
[0116]
求解矩阵a的最大特征根：
[0117][0118]
进行一致性校验。一致性指标验系数cr，其中ri为平均随机一致性指标。当cr《0.1时，一致性检验通过，其中：
[0119][0120][0121]
经计算，cr＝0.06470《0.1，通过矩阵一致性检验。
[0122]
之后，本发明可以kano调查问卷中的各问题的需求属性隶属度值构造决策矩阵，对矩阵按列归一化，具体实施步骤如下：
[0123]
以各kano问卷中m(m与n相等，同为问题总数)个问题的需求属性隶属度值构造决策矩阵b；将矩阵b按列归一化得矩阵，其中：
[0124]
b＝(b
ij
)m×n；
[0125][0126][0127]
具体的，本发明可以将归一化后的矩阵与权重列矩阵w相乘，得最终单列权重矩阵：
[0128][0129]
之后，本发明可以将kano调查问卷中n个问题各自的bertter-worse比重与ahp权重，即将公式(3)和(4)相结合形成一个模糊权重向量c＝{c1,c2,
…
,cn}，如下：
[0130][0131]
其中，c2为序号为i的问题对应的用电行为类别的模糊权重，λi为第i个问题的
better-worse权重，ei为单列权重矩阵第i个元素。
[0132]
s106、获得行数为用电行为类别数、列数为l的业务隶属度矩阵；其中，业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；业务隶属度矩阵中同一行数据中的l个业务隶属度，为同一用电行为类别分别与相应的一个智慧用能业务组中l个业务的业务隶属度；
[0133]
具体的，本发明可以分别获得各用电行为类别对应的智慧用能业务组。每个智慧用能业务组中的业务数可以均为l。其中，智慧用能业务组可以是由技术人员根据用电行为类别提出的，本发明对于智慧用能业务组中的业务不作限定。
[0134]
之后，本发明可以分别针对各用电行为类别，获得用电行为类别与相应的智慧用能业务组中各业务的业务隶属度。比如，获得第一用电行为类别与相应的第一智慧用能业务组中各业务的业务隶属度，获得第二用电行为类别与相应的第二智慧用能业务组中各业务的业务隶属度。需要说明的是，用电行为类别与业务的业务隶属度可以是由技术人员确定的。
[0135]
具体的，本发明可以使用r
ij
表示用电行为类别的业务隶属度，其中r
ij
可以表示在用电行为类别i中，隶属于第j个业务的程度。而第i个用电行为类别的全部等级隶属度，即单居民用电行为类别的业务隶属度向量可以表示为：
[0136]ri
＝{r
i1
,r
i2
,...,r
il
}；
[0137]
其中，在一个特定的评价标准下，单居民用电行为类别的业务隶属度向量中各元素之和可以为1。
[0138]
具体的，本发明可以将各居民用电行为类别的业务隶属度向量合并为业务隶属度矩阵：
[0139]
r＝[r1,r2,...,rk]
t
‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑‑
公式(6)；
[0140]
其中，r中的每个元素均可以标识相应居民用电行为类别的业务隶属度向量。如r1可以标识第一居民用电行为类别的业务隶属度向量。
[0141]
s107、将模糊权重向量与业务隶属度矩阵进行模糊合成，获得目标行向量；目标行向量是由数量为l的业务评价值构成；
[0142]
具体的，本发明可以将基于上述公式(5)的模糊权重向量和公式(6)的业务隶属度矩阵进行模糊合成；
[0143]
s108、获得目标行向量；目标行向量是由数量为l的业务评价值构成；
[0144]
可选的，目标行向量为：
[0145][0146]
其中，di＝max{c
jrji
}
1≤j≤k
；
[0147]
其中，d为目标行向量，c为模糊权重向量，*为模糊算子，r为模糊权重向量；k为用电行为类别数，l为业务数，i为业务序号，j用电行为类别的序号。用电行为类别的序号与kano调查问卷中问题的序号可以是相对应的。
[0148]
需要说明的是，模糊算子“*”可以使得di＝max{c
jrji
}
1≤j≤k
。
[0149]
s109、按照由大至小的次序，对目标行向量中的各业务评价值进行排序；
[0150]
s110、获得业务评价值排序结果；
[0151]
s111、按照业务评价值排序结果，对各用户进行业务推荐。
[0152]
具体的，本发明可以根据[d1,d2,...,d
l
]确定相应的业务。比如，如果l为5，则[d1,d2,...,d
l
]中可以包括d1、d2、d3、d4和d5这5个业务评价结果，此时如果d1为c1r
11
，那么d1对应的业务可以为用电行为类别1对应的智慧用能业务组中的业务1，d2如果为c3r
32
，那么d2对应的业务为用电行为类别3对应的智慧用能业务组中的业务2。
[0153]
可选的，步骤s111可以包括：
[0154]
从业务评价值排序结果中，确定排序在前n位的业务评价值；
[0155]
基于前n位的业务评价值，分别在相应的n个用电行为类别对应的智慧用能业务组中，确定相应的目标推荐业务；
[0156]
将n个目标推荐业务推荐至各用户。
[0157]
具体的，本发明可以按照业务评价值的高低，对用户进行业务推荐。比如，当需要推荐2个业务时，则本发明可以从[d1,d2,...,d
l
]中确定出两个业务评价值最高的两个业务，对用户进行推荐。
[0158]
需要说明的是，日益加剧的能源危机、不断恶化的自然环境成为目前人类面临的重要问题。节能减排、提高能源利用率是解决这些问题的主要手段，因此各国政府都在制定相关文件，推进相关技术的创新与发展。而电能作为当今社会使用最普遍的能源，是实现节能减排的重点领域。近年来用户用电量快速增长，合理的能效管理有助于减小楼宇中的电能消耗。此外，由于用户电力使用相对来说具有一定的集中性，是电网高峰负荷乃至尖峰负荷的重要组成，也给电网安全运行带来挑战，用户智能用电就显得尤为重要。
[0159]
基于本发明改进的模糊评价方法，综合考虑用能量、用户用电聚类结果、用户用电模式等多个维度对用户智慧用电进行评价。为分析用户对智能用电能提供的信息和功能以及智能用电调节方式的态度，基于模糊综合评价方法对用户智能用电态度进行量化，以确定用户认为重要的信息或功能，从而为智能电网建设提供参考。
[0160]
不同的用电指标和用户用电行为又对用户智慧用能有不同层次的需求和评价。完善管理机制和工作模式，是吸引更多用户参与智慧用能的关键。用户用电需求调查是获取评价结果、寻找改进方向的科学手段。卡诺模型就是其中非常有效的一种。
[0161]
综合考虑多评价指标需求及其矛盾用电行为类别，制定适当的调查问卷，构建kano模型，并利用层次分析法，进行模型求解，将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后再加权和的方法递阶归并各备择方案对总目标的最终权重，此最终权重最大者即为最优方案。
[0162]
可以理解的是，本发明通过图1所示步骤，可以确定用电行为类别数，根据用电行为类别建立kano调查问卷，一个用电行为类别对应一个问题，分析得到各用电行为类别的问题所对应的需求属性，建立better-worse系数同时结合ahp法得到模糊权重向量。针对每一种用电行为类别事先制定n种业务，计算出用电行为类别隶属于智慧用能业务的程度，结合前面考虑模糊权重向量，从而选出与用电行为类别合适的业务，有效实现业务推荐，从而
构建居民智慧用能业务体系。
[0163]
本实施例提出的智慧用能业务推荐方法，可以分别获得多个用户在预定义时段内的用电数据，用电数据包括多个子时段内的用电量；对各用户的用电数据进行聚类，获得用电行为类别数，确定各用电行为类别下的用电数据；基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；其中，模糊权重向量是由各用电行为类别分别对应的模糊权重值经有序排列后构成的行向量，模糊权重向量的列数为用电行为类别数；获得行数为用电行为类别数、列数为l的业务隶属度矩阵；其中，业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；业务隶属度矩阵中同一行数据中的l个业务隶属度，为同一用电行为类别分别与相应的一个智慧用能业务组中l个业务的业务隶属度；将模糊权重向量与业务隶属度矩阵进行模糊合成，获得目标行向量；目标行向量是由数量为l的业务评价值构成；按照由大至小的次序，对目标行向量中的各业务评价值进行排序，获得业务评价值排序结果；按照业务评价值排序结果，对各用户进行业务推荐。本发明可以确定用电行为类别数，根据用电行为类别建立kano调查问卷，一个用电行为类别对应一个问题，分析得到各用电行为类别的问题所对应的需求属性，建立better-worse系数同时结合ahp法得到模糊权重向量。针对每一种用电行为类别事先制定n种业务，计算出用电行为类别隶属于智慧用能业务的程度，结合前面考虑模糊权重向量，从而选出与用电行为类别合适的业务，有效实现业务推荐，从而构建居民智慧用能业务体系。
[0164]
基于图1所示步骤，本实施例提出第二种智慧用能业务推荐方法。在该方法中，步骤s102可以包括：
[0165]
分别计算各用户的用电数据的密度指标，从各密度指标中确定出当前的最高密度指标，将当前的最高密度指标对应的用户的用电数据确定为当前的聚类中心数据并进行保存；
[0166]
基于预设的聚类中心计算模型和当前的聚类中心数据，更新各用户的用电数据的密度指标，从更新后的密度指标中确定当前的最高密度指标，返回执行将当前的最高密度指标对应的用户的用电数据确定为当前的聚类中心数据并进行保存的步骤，直至当前的最高密度指标与相邻的上一最高密度指标满足预定义条件；
[0167]
此时，步骤s103可以包括：
[0168]
将当前已保存的聚类中心数据的个数确定为用电行为类别数；
[0169]
此时，步骤s104可以包括：
[0170]
基于各聚类中心数据，确定各用电行为类别下的用户的用电数据。
[0171]
具体的，本发明可以先行初始化用电行为类别数为k＝0，分别将各用户的用电数据确定为一个数据点xi，之后根据下述公式(7)和公式(8)计算各用户的用电数据的密度指标。
[0172]
[0173][0174]
其中，ra可以定义为邻域半径，它表示半径以外的用户的用电数据对该点xi的密度指标贡献很小。
[0175]
具体的，本发明可以计算出的最高密度指标对应的用户的用电数据确定为一个聚类中心，并进行保存；
[0176]
之后，本发明可以令k＝k 1，假设x
c，k
为选中的用电数据，f
c，k
为其密度指标，那么可以根据下述公式(9)更新每个数据点置的密度指标，选取具有最高密度指标的用电数据点为新的用电行为聚类中心。
[0177][0178]
需要说明的是，这里rb定义为一个用电数据的密度指标函数显著减小的邻域半径。通常rb大于ra以避免出现相距很近的聚类中心，可以取rb＝1.5ra。
[0179]
其中，预定义条件可以为f
c,k 1
/f
c,k
＜δ。如果当前计算出的最高密度指标与计算出的上一最高密度指标未满足该预定义条件，则本发明可以继续确定新的聚类中心，否则可以停止继续确定新的聚类中心。
[0180]
其中，本发明可以通过参数δ决定聚类数目，δ越小时聚类数目越多。
[0181]
需要说明的是，本发明可以采用的聚类确定过程属于减法聚类分析方式，该方式运行速度快且具有独立性，可以用于寻找聚类数目和各个聚类中心。具体的，本发明可以把各用户的用电数据点当作聚类中心的候选点；之后，本发明可以通过不断更新每个用电数据点的密度指标，来寻找聚类中心，以聚类的次数来确定聚类的数目。
[0182]
本实施例提出的智慧用能业务推荐方法，可以提高聚类速度和聚类的准确性。
[0183]
与图1所示步骤相对应，如图2所示，本实施例提出第一种智慧用能业务推荐装置。该装置可以包括：第一获得单元101、第一聚类单元102、第二获得单元103、第一确定单元104、第二确定单元105、第三获得单元106、第一合成单元107、第四获得单元108、第一排序单元109、第五获得单元110和第一推荐单元111；其中：
[0184]
第一获得单元101，用于分别获得多个用户在预定义时段内的用电数据，用电数据包括多个子时段内的用电量；
[0185]
第一聚类单元102，用于对各用户的用电数据进行聚类；
[0186]
第二获得单元103，用于获得用电行为类别数；
[0187]
第一确定单元104，用于确定各用电行为类别下的用电数据；
[0188]
第二确定单元105，用于基于卡诺模型、满意程度系数和层次分析方式，确定模糊权重向量；其中，模糊权重向量是由各用电行为类别分别对应的模糊权重值经有序排列后构成的行向量，模糊权重向量的列数为用电行为类别数；
[0189]
第三获得单元106，用于获得行数为用电行为类别数、列数为l的业务隶属度矩阵；其中，业务隶属度矩阵中的每一行数据均是由l个业务隶属度经有序排列后构成的；业务隶属度矩阵中同一行数据中的l个业务隶属度，为同一用电行为类别分别与相应的一个智慧
用能业务组中l个业务的业务隶属度；
[0190]
第一合成单元107，用于将模糊权重向量与业务隶属度矩阵进行模糊合成；
[0191]
第四获得单元108，用于获得目标行向量；目标行向量是由数量为l的业务评价值构成；
[0192]
第一排序单元109，用于按照由大至小的次序，对目标行向量中的各业务评价值进行排序；
[0193]
第五获得单元110，用于获得业务评价值排序结果；
[0194]
第一推荐单元111，用于按照业务评价值排序结果，对各用户进行业务推荐。
[0195]
需要说明的是，第一获得单元101、第一聚类单元102、第二获得单元103、第一确定单元104、第二确定单元105、第三获得单元106、第一合成单元107、第四获得单元108、第一排序单元109、第五获得单元110和第一推荐单元111的具体处理过程及其带来的技术效果可以分别参照图1中的步骤s101、s102、s103、s104、s105、s106、s107、s108、s109、s110和s111。
[0196]
可选的，第一聚类单元102，包括：第一计算单元、第三确定单元、第四确定单元、第一更新单元、第五确定单元；其中：
[0197]
第一计算单元，用于分别计算各用户的用电数据的密度指标；
[0198]
第三确定单元，用于从各密度指标中确定出当前的最高密度指标；
[0199]
第四确定单元，用于将当前的最高密度指标对应的用户的用电数据确定为当前的聚类中心数据并进行保存；
[0200]
第一更新单元，用于基于预设的聚类中心计算模型和当前的聚类中心数据，更新各用户的用电数据的密度指标；
[0201]
第五确定单元，用于从更新后的密度指标中确定当前的最高密度指标，触发第四确定单元，直至当前的最高密度指标与相邻的上一最高密度指标满足预定义条件；
[0202]
第二获得单元103，用于将当前已保存的聚类中心数据的个数确定为用电行为类别数；
[0203]
第一确定单元104，用于基于各聚类中心数据，确定各用电行为类别下的用户的用电数据。
[0204]
可选的，第二确定单元105，包括：第六确定单元、第七确定单元、结合单元和第六获得单元；其中：
[0205]
第六确定单元，用于基于卡诺模型和满意程度系数，确定与各用电行为类别对应的满意-不满意bertter-worse权重向量；bertter-worse权重向量是由各用电行为类别的bertter-worse权重经有序排列而成的；
[0206]
第七确定单元，用于基于卡诺模型和层次分析方式，确定与各用电行为类别对应的ahp权重向量；ahp权重向量是由各用电行为类别的ahp权重经有序排列构成的；
[0207]
结合单元，用于对bertter-worse权重向量和ahp权重向量进行结合；
[0208]
第六获得单元，用于获得模糊权重向量。
[0209]
可选的，目标行向量为：
[0210][0211]
其中，di＝max{c
jrji
}
1≤j≤k
；
[0212]
其中，d为目标行向量，c为模糊权重向量，*为模糊算子，r为模糊权重向量；k为用电行为类别数，l为业务数，i为业务序号，j用电行为类别的序号。
[0213]
可选的，第一推荐单元111，包括：第八确定单元、第九确定单元和第二推荐单元；
[0214]
第八确定单元，用于从业务评价值排序结果中，确定排序在前n位的业务评价值；
[0215]
第九确定单元，用于基于前n位的业务评价值，分别在相应的n个用电行为类别对应的智慧用能业务组中，确定相应的目标推荐业务；
[0216]
第二推荐单元，用于将n个目标推荐业务推荐至各用户。
[0217]
本实施例提出的智慧用能业务推荐装置，可以确定用电行为类别数，根据用电行为类别建立kano调查问卷，一个用电行为类别对应一个问题，分析得到各用电行为类别的问题所对应的需求属性，建立better-worse系数同时结合ahp法得到模糊权重向量。针对每一种用电行为类别事先制定n种业务，计算出用电行为类别隶属于智慧用能业务的程度，结合前面考虑模糊权重向量，从而选出与用电行为类别合适的业务，有效实现业务推荐，从而构建居民智慧用能业务体系。
[0218]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0219]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。