CN106056476A - 一种电力市场多层协同信息服务的推荐方法 - Google Patents

Abstract

本发明属于多级电力市场信息服务的协同分析与决策领域,具体涉及一种电力市场多层协同信息服务的推荐方法，其特征在于基于模糊评价的多层协同过滤方法，解决多级电力市场信息发布中的个性化信息推荐问题。所述内容包括如下步骤：(1)构建发布信息的关联属性因素评价指标体系；(2)依据信息属性因素进行模糊综合评判；(3)基于隶属度阈值生成用于推荐的发布信息项集合；(4)计算集合中每个发布信息项各项目之间的相似度系数；(5)计算每一信息项的用户预测评分并排序；(6)生成top‑N最近邻项目集推荐给用户。本方法分析典型应用场景，实现面向典型业务场景的信息服务协同推荐方法，增强用户信息服务体验的时效性和精准性。

Description

一种电力市场多层协同信息服务的推荐方法

技术领域

本发明属于多级电力市场信息服务的协同分析与决策领域，具体涉及一种多层协同的电力信息服务的推荐方法。

背景技术

信息服务是信息管理学研究的重要内容和领域，通过传播信息、交流信息，将有价值的信息传递给用户，最终帮助用户提升信息价值，实现信息增值。信息服务在电力市场中的体现主要是信息发布、信息披露、服务投诉等基本服务，还包括咨询服务、培训服务、分析服务等不同的增值服务。信息服务的核心目标是用户满意度较高的增值服务，信息增值服务的概念已经广泛应用于医疗、商业、通讯、教育等日常生活领域，信息增值服务的技术也涵盖了传统的数据库、数据挖掘、信息决策、博弈论等相关的理论方法。

复杂系统的协同论是以现代科学的系统论、信息论、控制论、突变论等为基础，采用统计学和动力学相结合的方法，描述微观到宏观的过渡上各种系统和现象中从无序到有序转变的共同规律。服务协同分析技术主要集中在互联网应用领域，如众包模式、大众点评、团购服务、协同物流，逐渐推广到智能制造生产领域、智能交通服务协同等。信息推荐已经成为基于互联网新兴应用的典型协同服务模式，借助于用户大数据信息，综合分析同构和异构数据之间的相关性、统计性，获得精准有效的用户增值服务内容。信息推荐技术主要包括协同过滤方法、K-means方法、主成分分析方法、PageRank方法等，其应用也从互联网领域推广到教育Mooc平台的学习知识推荐、患者的医疗服务信息推荐、车联网的交通路径推荐、网络用户购物商品推荐等领域。

随着售电侧电力市场的深入推进，基于互联网交易的电力市场成员数量激增，这就要求电力市场信息服务应更灵活，信息服务的内容更全面，增值服务的用户满意度更高，满足信息服务对象的个性化信息需求，信息推荐方法成为提高信息服务质量的核心关键技术。

目前，多级电力市场信息数据分属不同的市场参与主体，数据呈现离散性、异构性、稀疏性特点,对于用户信息增值服务的需求，传统的推荐技术已经无法解决多层级市场信息的统一性和精准性推荐问题。另外，统一电力市场的信息服务平台依然没有一种有效的多层级信息推荐方法做支撑，无法提供统一电力市场信息的协同推荐服务。因此，迫切需要研究适应于电力市场多层级信息增值服务的推荐方法，为各类市场成员提供全面的、高效的、一体化的信息推荐分析技术，深入研究电力用户偏好的关联特征，借助于相关学科知识对多层协同推荐方法进行理论方法创新。基于电力市场的多层协同信息服务的推荐方法研究，在国内属于空白领域，即将成为热点研究方向，有待深入开展此领域的研究。

本研究应用模糊综合评判的方法生成信息服务的推荐信息项集，采用基于相似度的协同过滤算法协同地把与市场成员关系密切的市场信息项目推荐给相关用户。分析典型应用场景，利用数据模型、数据推荐、数据预测等技术，实现面向典型业务场景的信息服务协同推荐方法，增强用户信息服务体验的时效性和精准性。

发明内容

针对上述现有分析技术和方法中的不足，本发明的目的是为统一电力市场的信息服务平台提供一种有效的多层协同信息服务的推荐方法，提出的多层协同推荐技术为电力市场参与者带来满意度较高的增值服务体验，推动电力经济的高速发展。

为实现上述技术目的，本发明的技术方案如下：

1、一种电力市场多层协同信息服务的推荐方法，其特征在于适应统一电力市场交易信息个性化推荐的基于模糊评价的多层协同过滤方法，步骤如下：

步骤1，设定影响多级电力市场信息发布服务项目的关联属性因素，建立发布信息的关联属性因素评价指标体系；

步骤2，采用模糊评判方法，依据多级电力市场信息属性进行模糊综合评判，生成发布信息项的隶属度向量；

步骤3，设定隶属度阈值，生成用于信息推荐的发布信息项集合；

步骤4，依据相似度系数公式，在待推荐的发布信息项集中，计算项目i和项目j的相似度系数Sim_ij；

步骤5，计算发布信息项集中的用户预测评分；

步骤6，对预测评分排序，依据排序前N的预测分数，生成top-N最近邻项目集，推荐给用户。

进一步的，在步骤1中，统一电力市场信息发布服务内容包含交易、计划、结算、政策、报告等相关信息，主要为电力电量平衡、成交电量、成交价格、交易计划完成情况、大负荷用户的用电计划预测信息、电价政策等相关的信息数据，电力市场用户通过网站发布平台获取信息服务，但信息项目繁杂而凌乱，用户很难直接获取到有价值的信息内容。设定影响多级电力市场信息发布服务项目的关联属性因素，依据模糊评判模型理论建立发布信息的关联属性因素评价指标体系，应用模糊综合评判的方法对用户需要获取的信息项综合评判，缩小信息服务项的推荐范围。图1所示的是发布信息关联属性因素评价指标体系。指标体系包括目标层、一级指标层、二级指标层三个层次，目标层反映发布信息服务项的效用性。一级指标层是属性因素层，包括市场因素、经济因素、生产因素、社会因素和环保因素等属性因素。二级指标层是基础层，影响评价结果的准确性。市场因素二级指标层包含供电能力、用电需求、成交量；经济因素二级指标层包含国民生产总值、居民消费水平、居民收入水平；生产因素二级指标层包含装机容量、机组调频调压情况、阻塞情况；社会因素二级指标层包含节能减排、产业政策、人口规模；环保因素二级指标层包含二氧化碳排放、二氧化硫排放、氮氧化物排放。

进一步的，在步骤2中，图2所示的模糊综合评价方法流程具体如下：

(1)属性因素集：设置发布信息项的影响属性因素集，即市场因素、经济因素、生产因素、社会因素和环保因素的二级指标层，记为A_i＝{a_i1,a_i2,...,a_ik}，i＝1,2,...,5，k＝1,2,3.i表示一级指标，k表示二级指标，即第i个一级指标层的第k个二级指标属性因素。

(2)目标评判集：设定目标评判集，包含“电力电量平衡”、“成交电量”、“成交价格”、“交易计划完成情况”、“大负荷用户的用电计划预测信息”、“电价政策”等服务信息项，标记为V＝{v₁,v₂,...,v_p}.

(3)单级指标层评判矩阵：对应于每一个单级指标层i的二级指标，给出目标集V的模糊隶属度值，组成目标集与二级指标层间的模糊关系矩阵，标记为隶属度矩阵R，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表二级指标属性因素评判向量，矩阵中的r_kp表示第p个目标对应的第k个二级指标属性因素的模糊隶属度值，是由专家用户对目标集对应的各属性因素的隶属关系进行评分，对评分值归一化处理后获得，满足以下条件：

$\begin{array}{cc}\underset{p=1}{\overset{6}{\Σ}}{r}_{kp}=1& (k=1,2,3)\end{array}---\left(1\right)$

(4)单级指标层的属性因素权重向量：单级指标层的二级指标属性因素具有权重值，可由经验获得，标记为W_i＝(w_i1,w_i2,…,w_ik)，k＝1,2,3.表示第i个指标的二级指标属性因素的权重系数，w_i满足以下条件：

$\begin{array}{cc}\underset{k=1}{\overset{3}{\Σ}}{w}_{ik}=1& (i=1,2,\mathrm{...},5)\end{array}---\left(2\right)$

(5)单级指标层的模糊评判：采用模糊算子"·"，对单级指标层的二级指标属性因素权重向量W_i和隶属度矩阵R进行内乘运算，计算得到单级指标评判的发布信息项隶属度值，表达式如下：

B_i＝W_i·R (3)

(6)发布信息项的综合模糊评判：各单级指标的发布信息项隶属度值组成新的隶属度矩阵，标记为B，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表一级指标评判向量，矩阵中的b_ip表示第p个发布信息目标对应的第i个一级指标的模糊隶属度值。单级指标层的一级指标权重值标记为D＝(d₁,d₂,…,d_i)，i＝1,2,…,5.采用模糊算子"·"，对单级指标层的一级指标权重向量D和隶属度矩阵B进行内乘运算，计算得到发布信息项目标的隶属度值组成的向量F，表达式如下：

F＝D·B (4)

发布信息项目标隶属度向量F是目标评判集的p个发布信息目标对应的综合隶属度评判值向量。

进一步的，在步骤3中，计算得到所有发布信息项的综合隶属度值后，对生成的隶属度值排序，设定隶属度阈值θ，所有综合隶属度评判值大于隶属度阈值的发布信息项即满足用户对发布信息服务的偏好感受，并组成优先用于向电力市场用户进行信息推荐服务的发布信息项集合，综合评判后获得大于阈值的发布信息项集合包含“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”，作为优先满足用户信息推荐服务的发布信息项集。

进一步的，在步骤4中，相似度系数如下：

相似度系数用于计算协同过滤模型中的用户或信息项目间的相似性，信息项目表现为信息服务平台发布的跨省跨区、省级的“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”的电力市场交易信息记录。相似度系数给出发布的信息项目间的相似性的度量方法，计算表达式如下：

${\mathrm{Sim}}_{ij}=\frac{\left|{\mathrm{\Σ}}_{i,j\∈U}(r_i-\stackrel{\‾}{r_i})(r_j-\stackrel{\‾}{r_j})\right|}{\sqrt{{\mathrm{\Σ}}_{i\∈U}{(r_i-\stackrel{\‾}{r_i})}^2}\sqrt{{\Σ}_{j\∈U}{(r_j-\stackrel{\‾}{r_j})}^2}}---\left(5\right)$

式中r_i和r_j为用户对项目i和项目j的评分，表现为用户检索各信息项的信息记录的频次数，由平台系统的数据日志获得，_r_i和_r_j分别是项目i和项目j的平均评分，即检索不同信息记录的平均频次数，U为电力市场用户的集合。

进一步的，在步骤5中，用户对“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”项集中的每一信息记录进行预测评分，项目预测评分计算表达式如下：

$s_i=\stackrel{\‾}{s_i}+\frac{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}\×(s_j-\stackrel{\‾}{s_j})}{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}}---\left(6\right)$

式中I_u是模糊综合评判后生成的发布信息项的信息记录集合，Sim_ij是项目i和项目j的相似度，s_j为用户对项目j的评分，表现为用户检索信息项的信息记录j的频次数，为用户对项目j的平均评分，即检索信息记录j的平均频次数。

进一步的，在步骤6中，对生成各项目的预测评分排序，排序前N的预测评分是满足用户偏好的统一电力市场的信息服务项目，组成top-N最近邻项目集，并把项目集中所包含的信息数据推荐给用户。

本发明的有益效果如下：

本研究基于电力市场多层级交易的信息服务增值应用，提供了信息增值服务的信息推荐的数据分析方法。依据市场用户的电力市场发布信息，应用属性特征模糊评价的方法生成用于推荐的发布信息项集，基于相似度的协同过滤算法能准确地把项目信息推荐给用户。分析典型应用场景，利用数据模型、数据推荐、数据预测等技术，为电力市场的信息分析、信息发布提供推荐分析方法层面的技术创新，既能保证信息数据的完整性、高效性互通，又实现了多层信息的关联性呈现，分析方法可满足电力市场成员对信息服务的时效性、直观性、准确性和推荐需求，实现统一电力市场中信息服务的高效协调运作，实现电力市场交易信息增值服务，推动电力经济的高速发展。

附图说明

图1是本发明的发布信息关联属性因素评价指标体系图。

图2是本发明的模糊综合评判方法流程图。

图3是本发明的基于模糊综合评判的协同过滤推荐方法流程图。

具体实施方式

本发明的具体技术方案如下：

一种电力市场多层协同信息服务的推荐方法，其特征在于适应统一电力市场交易信息个性化推荐的基于模糊评价的多层协同过滤方法，步骤如下：

步骤1，设定影响多级电力市场信息发布服务项目的关联属性因素，建立发布信息的关联属性因素评价指标体系；

步骤2，采用模糊综合评判方法，依据多级电力市场信息属性进行模糊综合评判，生成发布信息项的隶属度向量；

步骤3，设定隶属度阈值，生成用于信息推荐的发布信息项集合；

步骤4，依据相似度系数公式，在待推荐的发布信息项集中，计算项目i和项目j的相似度系数Sim_ij；

步骤5，计算发布信息项集中的用户预测评分；

步骤6，对预测评分排序，依据排序前N的预测分数，生成top-N最近邻项目集，推荐给电力市场用户。

进一步的，在步骤1中，统一电力市场信息发布服务内容包含交易、计划、结算、政策、报告等相关信息，主要为电力电量平衡、成交电量、成交价格、交易计划完成情况、大负荷用户的用电计划预测信息、电价政策等相关的信息数据，电力市场用户通过网站发布平台获取信息服务，但信息项目繁杂而凌乱，用户很难直接获取到有价值的信息内容。设定影响多级电力市场信息发布服务项目的关联属性因素，依据模糊评判模型理论建立发布信息的关联属性因素评价指标体系，应用模糊综合评判的方法对用户需要获取的信息项综合评判，缩小信息服务项的推荐范围。图1所示的是发布信息关联属性因素评价指标体系。指标体系包括目标层、一级指标层、二级指标层三个层次，目标层反映发布信息服务项的效用性。一级指标层是属性因素层，包括市场因素、经济因素、生产因素、社会因素和环保因素等属性因素。二级指标层是基础层，影响评价结果的准确性。市场因素二级指标层包含供电能力、用电需求、成交量；经济因素二级指标层包含国民生产总值、居民消费水平、居民收入水平；生产因素二级指标层包含装机容量、机组调频调压情况、阻塞情况；社会因素二级指标层包含节能减排、产业政策、人口规模；环保因素二级指标层包含二氧化碳排放、二氧化硫排放、氮氧化物排放。

进一步的，在步骤2中，图2所示的模糊综合评价方法流程具体如下：

(1)属性因素集：设置发布信息项的影响属性因素集，即市场因素、经济因素、生产因素、社会因素和环保因素的二级指标层，记为A_i＝{a_i1,a_i2,...,a_ik}，i＝1,2,...,5，k＝1,2,3.i表示一级指标，k表示二级指标，即第i个一级指标层的第k个二级指标属性因素；

(2)目标评判集：设定目标评判集，包含“电力电量平衡”、“成交电量”、“成交价格”、“交易计划完成情况”、“大负荷用户的用电计划预测信息”、“电价政策”等服务信息项，标记为V＝{v₁,v₂,...,v_p}；

(3)单级指标层评判矩阵：对应于每一个单级指标层i的二级指标，给出目标集V的模糊隶属度值，组成目标集与二级指标层间的模糊关系矩阵，标记为隶属度矩阵R，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表二级指标属性因素评判向量，矩阵中的r_kp表示第p个目标对应的第k个二级指标属性因素的模糊隶属度值，是由专家用户对目标集对应的各属性因素的隶属关系进行评分，对评分值归一化处理后获得，满足以下条件：

$\begin{array}{cc}\underset{p=1}{\overset{6}{\Σ}}{r}_{kp}=1& (k=1,2,3)\end{array}---\left(1\right)$

(4)单级指标层的属性因素权重向量：单级指标层的二级指标属性因素具有权重值，可由经验获得，标记为W_i＝(w_i1,w_i2,…,w_ik)，k＝1,2,3.表示第i个指标的二级指标属性因素的权重系数，w_i满足以下条件：

$\begin{array}{cc}\underset{k=1}{\overset{3}{\Σ}}{w}_{ik}=1& (i=1,2,\mathrm{...},5)\end{array}---\left(2\right)$

(5)单级指标层的模糊评判：采用模糊算子"·"，对单级指标层的二级指标属性因素权重向量W_i和隶属度矩阵R进行内乘运算，计算得到单级指标评判的发布信息项隶属度值，表达式如下：

B_i＝W_i·R (3)

(6)发布信息项的综合模糊评判：各单级指标的发布信息项隶属度值组成新的隶属度矩阵，标记为B，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表一级指标评判向量，矩阵中的b_ip表示第p个发布信息目标对应的第i个一级指标的模糊隶属度值。单级指标层的一级指标权重值标记为D＝(d₁,d₂,…,d_i)，i＝1,2,…,5.采用模糊算子"·"，对单级指标层的一级指标权重向量D和隶属度矩阵B进行内乘运算，计算得到发布信息项目标的隶属度值组成的向量F，表达式如下：

F＝D·B (4)

发布信息项目标隶属度向量F是目标评判集的p个发布信息目标对应的综合隶属度评判值向量。

进一步的，在步骤3中，计算得到所有发布信息项的综合隶属度值后，对生成的隶属度值排序，设定隶属度阈值θ，所有综合隶属度评判值大于隶属度阈值的发布信息项即满足用户对发布信息服务的偏好感受，并组成优先用于向电力市场用户进行信息推荐服务的发布信息项集合，综合评判后获得大于阈值的发布信息项集合包含“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”，作为优先满足用户信息推荐服务的发布信息项集。

进一步的，在步骤4中，相似度系数如下：

相似度系数用于计算协同过滤模型中的用户或信息项目间的相似性，信息项目表现为信息服务平台发布的跨省跨区、省级的“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”的电力市场交易信息记录。相似度系数给出发布的信息项目间的相似性的度量方法，计算表达式如下：

${\mathrm{Sim}}_{ij}=\frac{\left|{\mathrm{\Σ}}_{i,j\∈U}(r_i-\stackrel{\‾}{r_i})(r_j-\stackrel{\‾}{r_j})\right|}{\sqrt{{\mathrm{\Σ}}_{i\∈U}{(r_i-\stackrel{\‾}{r_i})}^2}\sqrt{{\Σ}_{j\∈U}{(r_j-\stackrel{\‾}{r_j})}^2}}---\left(5\right)$

式中r_i和r_j为用户对项目i和项目j的评分，表现为用户检索各信息项的信息记录的频次数，由平台系统的数据日志获得，_r_i和_r_j分别是项目i和项目j的平均评分，即检索不同信息记录的平均频次数，U为电力市场用户的集合。

进一步的，在步骤5中，用户对“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”项集中的每一信息记录进行预测评分，项目预测评分计算表达式如下：

$s_i=\stackrel{\‾}{s_i}+\frac{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}\×(s_j-\stackrel{\‾}{s_j})}{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}}---\left(6\right)$

式中I_u是模糊综合评判后生成的发布信息项的信息记录集合，Sim_ij是项目i和项目j的相似度，s_j为用户对项目j的评分，表现为用户检索信息项的信息记录j的频次数，s__j为用户对项目j的平均评分，即检索信息记录j的平均频次数。

进一步的，在步骤6中，对生成各项目的预测评分排序，排序前N的预测评分是满足用户偏好的统一电力市场的信息服务项目，组成top-N最近邻项目集，并把项目集中所包含的信息数据推荐给用户。

图3所示的是基于模糊综合评判的协同过滤推荐方法流程。

Claims (7)

1.一种电力市场多层协同信息服务的推荐方法，其特征在于适应统一电力市场交易信息个性化推荐的基于模糊评价的多层协同过滤方法，步骤如下：

步骤1，设定影响多级电力市场信息发布服务项目的关联属性因素，建立发布信息的关联属性因素评价指标体系；

步骤2，采用模糊综合评判方法，依据多级电力市场信息属性进行模糊综合评判，生成发布信息项的隶属度向量；

步骤3，设定隶属度阈值，生成用于信息推荐的发布信息项集合；

步骤4，依据相似度系数公式，在待推荐的发布信息项集中，计算项目i和项目j的相似度系数Sim_ij；

步骤5，计算发布信息项集中的用户预测评分；

步骤6，对预测评分排序，依据排序前N的预测分数，生成top-N最近邻项目集，推荐给电力市场用户。

2.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤1中，所述发布信息关联属性因素评价指标体系包括目标层、一级指标层、二级指标层三个层次，目标层反映发布信息服务项的效用性；一级指标层是属性因素层，包括市场因素、经济因素、生产因素、社会因素和环保因素等属性因素；二级指标层是基础层，影响评价结果的准确性；市场因素二级指标层包含供电能力、用电需求、成交量；经济因素二级指标层包含国民生产总值、居民消费水平、居民收入水平；生产因素二级指标层包含装机容量、机组调频调压情况、阻塞情况；社会因素二级指标层包含节能减排、产业政策、人口规模；环保因素二级指标层包含二氧化碳排放、二氧化硫排放、氮氧化物排放。

3.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤2中，图2所示的模糊综合评价方法流程具体如下：

(1)属性因素集：设置发布信息项的影响属性因素集，即市场因素、经济因素、生产因素、社会因素和环保因素的二级指标层，记为A_i＝{a_i1,a_i2,...,a_ik}，i＝1,2,...,5，k＝1,2,3.i表示一级指标，k表示二级指标，即第i个一级指标层的第k个二级指标属性因素；

(2)目标评判集：设定目标评判集，包含“电力电量平衡”、“成交电量”、“成交价格”、“交易计划完成情况”、“大负荷用户的用电计划预测信息”、“电价政策”等服务信息项，标记为V＝{v₁,v₂,...,v_p}；

(3)单级指标层评判矩阵：对应于每一个单级指标层i的二级指标，给出目标集V的模糊隶属度值，组成目标集与二级指标层间的模糊关系矩阵，标记为隶属度矩阵R，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表二级指标属性因素评判向量，矩阵中的r_kp表示第p个目标对应的第k个二级指标属性因素的模糊隶属度值，是由专家用户对目标集对应的各属性因素的隶属关系进行评分，对评分值归一化处理后获得，满足以下条件：

$\underset{p=1}{\overset{6}{\Σ}}{r}_{kp}=1,(k=1,2,3)---\left(1\right)$

(4)单级指标层的属性因素权重向量：单级指标层的二级指标属性因素具有权重值，可由经验获得，标记为W_i＝(w_i1,w_i2,…,w_ik)，k＝1,2,3.表示第i个指标的二级指标属性因素的权重系数，w_i满足以下条件：

$\underset{k=1}{\overset{3}{\Σ}}{w}_{ik}=1,(i=1,2,...,5)---\left(2\right)$

(5)单级指标层的模糊评判：采用模糊算子"."，对单级指标层的二级指标属性因素权重向量W_i和隶属度矩阵R进行内乘运算，计算得到单级指标评判的发布信息项隶属度值，表达式如下：

B_i＝W_i·R (3)

(6)发布信息项的综合模糊评判：各单级指标的发布信息项隶属度值组成新的隶属度矩阵，标记为B，如下所示：

矩阵的行代表目标集评判向量，矩阵的列代表一级指标评判向量，矩阵中的b_ip表示第p个发布信息目标对应的第i个一级指标的模糊隶属度值。单级指标层的一级指标权重值标记为D＝(d₁,d₂,…,d_i)，i＝1,2,…,5.采用模糊算子"."，对单级指标层的一级指标权重向量D和隶属度矩阵B进行内乘运算，计算得到发布信息项目标的隶属度值组成的向量F，表达式如下：

F＝D·B (4)

发布信息项目标隶属度向量F是目标评判集的p个发布信息目标对应的综合隶属度评判值向量。

4.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤3中，计算得到所有发布信息项的综合隶属度值后，对生成的隶属度值排序，设定隶属度阈值θ，所有综合隶属度评判值大于隶属度阈值的发布信息项即满足用户对发布信息服务的偏好感受，并组成优先用于向电力市场用户进行信息推荐服务的发布信息项集合，综合评判后获得大于阈值的发布信息项集合包含“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”，作为优先满足用户信息推荐服务的发布信息项集。

5.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤4中，相似度系数如下：

相似度系数用于计算协同过滤模型中的用户或信息项目间的相似性，信息项目表现为信息服务平台发布的跨省跨区、省级的“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”的电力市场交易信息记录。相似度系数给出发布的信息项目间的相似性的度量方法，计算表达式如下：

${\mathrm{Sim}}_{ij}=\frac{\left|{\mathrm{\Σ}}_{i,j\∈U}(r_i-\stackrel{\‾}{r_i})(r_j-\stackrel{\‾}{r_j})\right|}{\sqrt{{\mathrm{\Σ}}_{i\∈U}{(r_i-\stackrel{\‾}{r_i})}^2}\sqrt{{\mathrm{\Σ}}_{j\∈U}{(r_j-\stackrel{\‾}{r_j})}^2}}---\left(5\right)$

式中r_i和r_j为用户对项目i和项目j的评分，表现为用户检索各信息项的信息记录的频次数，由平台系统的数据日志获得，和分别是项目i和项目j的平均评分，即检索不同信息记录的平均频次数，U为电力市场用户的集合。

6.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤5中，用户对“电力电量平衡”、“成交电量”、“大负荷用户的用电计划预测信息”项集中的每一信息记录进行预测评分，项目预测评分计算表达式如下：

$s_i=\stackrel{\‾}{s_i}+\frac{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}\×(s_j-\stackrel{\‾}{s_j})}{{\mathrm{\Σ}}_{i,j\∈I_u}{\mathrm{Sim}}_{ij}}---\left(6\right)$

式中I_u是模糊综合评判后生成的发布信息项的信息记录集合，Sim_ij是项目i和项目j的相似度，s_j为用户对项目j的评分，表现为用户检索信息项的信息记录j的频次数，为用户对项目j的平均评分，即检索信息记录j的平均频次数。

7.根据权利要求1所述的电力市场多层协同信息服务的推荐方法，其特征在于：

在步骤6中，对生成各项目的预测评分排序，排序前N的预测评分是满足用户偏好的统一电力市场的信息服务项目，组成top-N最近邻项目集，并把项目集中所包含的信息数据推荐给用户。