CN109598638A - 一种基于用电数据分析的住房空置率推算方法及系统 - Google Patents

一种基于用电数据分析的住房空置率推算方法及系统 Download PDF

Info

Publication number
CN109598638A
CN109598638A CN201811310268.XA CN201811310268A CN109598638A CN 109598638 A CN109598638 A CN 109598638A CN 201811310268 A CN201811310268 A CN 201811310268A CN 109598638 A CN109598638 A CN 109598638A
Authority
CN
China
Prior art keywords
electricity consumption
user
monthly
gang
joining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811310268.XA
Other languages
English (en)
Inventor
赵少东
王程斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN201811310268.XA priority Critical patent/CN109598638A/zh
Publication of CN109598638A publication Critical patent/CN109598638A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于用电数据分析的住房空置率推算方法及系统，所述方法包括获取总用户数、每一用户的每月用电量、立户日期和首次送电日期；根据每一用户的每月用电量、立户日期和首次送电日期，计算得到每一用户住房的总分S；比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；根据空房用户数量与总用户数比值，计算近六个月的住房空置率。本发明通过根据月用电量建立模型，利用模型计算得到空房户数，根据空房户数与总用户数相比较，得到住房空置率，解决了现有技术下无法有效计算住房空置率、获取住房空置率数据滞后性以及获取住房空置率数据难度大的问题。

Description

一种基于用电数据分析的住房空置率推算方法及系统
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于用电数据分析的住房空置率推算方法及系统。
背景技术
长期以来，居民住房空置情况都是各级政府比较关心的问题，由于我国房地产市场起步较晚，对住房空置情况的统计和研究还处于初级阶段，国内学者对住房空置率的探讨大多也是以统计部门公布的数据为基础；由于统计部门公布的数据存在一定的滞后性，无法保证数据的准实时性，推算结果准确性无法得到保障。
发明内容
为解决上述技术问题，本发明提供一种基于用电数据分析的住房空置率推算方法及系统。
本发明提供的一种基于用电数据分析的住房空置率推算方法，所述方法包括：
获取总用户数、每一用户的每月用电量、立户日期和首次送电日期；
根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限；
计算入伙年限对应的空房用电量阈值；
根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数；
根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数；
根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假；
根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3；
构建住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3；
利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3；
利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S；
比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；
根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
进一步地，根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限具体包括：
将每一用户的立户日期和首次送电日期的最小值作为入伙时间；
计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
进一步地，计算入伙年限对应的空房用电量阈值具体包括：
计算每一用户近一年月均用电量；
将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列；
根据入伙年限，比较参数YM取入伙年限对应的近一年月均用电量序列预设分位数；
提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
本发明提供的一种基于用电数据分析的住房空置率推算系统，所述系统包括：
获取单元，用于获取每一用户的每月用电量、立户日期和首次送电日期；
第一计算单元，用于根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限；
第二计算单元，用于计算入伙年限对应的空房用电量阈值；
第三计算单元，用于根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数；
第四计算单元，用于根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数；
计算判断单元，用于根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假；
评分单元，用于根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3；
设置单元，用于预设住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3；
第五计算单元，用于利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3；
第六计算单元，用于利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S；
比较单元，用于比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；
第七计算单元，用于根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
进一步地，所述第一计算单元具体用于：
将每一用户的立户日期和首次送电日期的最小值作为入伙时间；
计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
进一步地，所述第二计算单元具体用于：
计算每一用户近一年月均用电量；
将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列；
根据入伙年限，比较参数YM取入伙年限对应的近一年月均用电量序列预设分位数；
提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
实施本发明，具有如下有益效果：
本发明通过获取用户用电量数据，从用户用电趋势、空房用电临界阈值和月电量水平三个维度建立模型，根据模型计算得到住房空置户数，根据住房空置户数和用电总户数比值计算出住房空置率，解决了现有技术难于获取住房空置率数据、获取住房空置率数据成本高以及获取住房空置率数据滞后性强的问题。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于用电数据分析的住房空置率推算方法的流程图。
图2是本发明实施例提供的计算入伙年限对应的空房用电量阈值方法的流程图。
图3是本发明实施例提供的基于用电数据分析的住房空置率推算系统的结构图。
具体实施方式
本专利核心内容为建立模型计算住房空置率，以下结合附图和实施例对该方法具体实施方式做进一步说明。
下面将详细描述本发明提供的基于用电数据分析的住房空置率推算方法及系统的实施例。
如图1所示，本发明提供一种基于用电数据分析的住房空置率推算方法，所述方法包括：
步骤S111、获取总用户数、每一用户的每月用电量、立户日期和首次送电日期。
需要说明的是，获取总用户数、每一用户的每月用电量、立户日期和首次送电日期，可以从供电局的数据库系统中读取，也可以电力营销系统中提取。
由于各用户电量的抄表起止日期和抄表周期不统一，要进行相互间的比较就会有口径不一致问题。为此，本发明实施例采取“同一周期内的日平均法”进行月电量折算，即当期账单的日均电量等于当期账单电量除以当期的电费抄表间隔天数，具体如下：
(1)在当期账单时间内，用户每天的平均电量为：Avg_Pt＝Pt/Dt，其中Avg_Pt为当期账单的日均电量，Pt为当期账单电量，Dt为当期电费抄表间隔天数，且Dt＝(电费抄表结束日期-电费抄表起始日期)+1，同理，前i期账单周期内的日均电量为Avg_Pt-i＝Pt-i/Dt-i。
(2)当期账单内的某月电量Mt等于该月所在账单周期内的日均电量乘以相应账单周期内的天数，即其中，k为当期账单内某月所处的电费账单个数，MDt-i+1为当期账单内某月所在账单内的天数，以此类推，计算出每期电费账单中每月用电量。
步骤S112、根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限。
具体地，将每一用户的立户日期和首次送电日期的最小值作为入伙时间；计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
需要说明的是，在进行计算时，用差值除以每年的天数会出现小数位的情况，小数位舍弃掉；例如计算得到入伙年限是5.8年，这里我们可以把入伙年限按5年保留即可。
步骤S113、计算入伙年限对应的空房用电量阈值。
需要说明的，根据现有的案例统计分析得到不同入伙年限的用户群体，在空房用电量阈值上存在显著差异，因此空房用电量阈值需要计算得到；在其他实施例中会具体地进行空房用电量阈值计算。
步骤S114、根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数。
需要说明的是，近六个月是以本月为基准的前六个月，例如本月是九月，那么近六个月是指三月到八月这六个月；月用电量小于等于1或者数据缺失的月份记为1，否则记为0，计算当前连续近似缺失个数，是把连续记为1的个数统计出来，计算最近半年近似缺失总个数是把近6个月记为1的个数统计出来；例如得到序列为010001，则当前连续近似缺失个数为0，最近半年近似缺失总个数为2。
步骤S115、根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数。
需要说明的是，月用电量大于1且小于空房用电量阈值的月份记为1，否则记为0，计算当前连续空房临界个数，是把连续记为1的个数统计出来，计算最近半年空房临界总个数，是把记为1的个数统计出来。
步骤S116、根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假。
需要说明的是，最近两个月的月均用电量是对最近两个月用电量加和平均，最近半年的月均用电量是对最近六个月用电量加和平均；判断当前月和当前月的前一个月是否处于寒暑假，只用提取当前月的月份，计算当前月的前一个月的月份，判断上述月份是否属于7月、8月以及与新年所属月份重合。
步骤S117、根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3。
需要说明的是，评分规则具体包括月用电量评分规则、近似缺失和空房临界评分规则、月均用电量和是否寒暑假评分规则。
月用电量评分规则包括：月用电量小于等于1或者数据缺失，打分为0；月用电量大于1小于空房用电量阈值，则打分为10；月用电量大于等于空房用电量阈值且小于等于30，打分为50；月用电量大于30，打分100；例如某年度空房用电量阈值为5度，一月至六月的月用电量分别0.5、3、3、18、25、49，则形成矩阵S1＝[0 10 10 50 50 100]。
近似缺失和空房临界评分规则包括：当前连续近似缺失个数大于等于5，打分为0；当前连续近似缺失个数小于5大于等于3，打分为10；当前连续近似缺失个数小于3大于等于1，打分为30；当前连续近似缺失个数小于1，打分为100；
当前连续空房临界个数大于等于5，打分为0；当前连续空房临界个数小于5大于等于3，打分为10；当前连续空房临界个数小于3大于等于1，打分为30；当前连续空房临界个数小于1，打分为100；
最近半年近似缺失总个数大于等于5，打分为0；最近半年近似缺失总个数小于5大于等于3，打分为10；最近半年近似缺失总个数小于3大于等于1，打分为30；最近半年近似缺失总个数小于1，打分为100；
最近半年空房临界总个数大于等于5，打分为0；最近半年空房临界总个数小于5大于等于3，打分为10；最近半年空房临界总个数小于3大于等于1，打分为30；最近半年空房临界总个数小于1，打分为100。
月均用电量和是否寒暑假评分规则包括：最近两个月的月均用电量小于等于1或者数据缺失，打分为0；最近两个月的月均用电量大于1小于空房用电量阈值，打分为10；最近两个月的月均用电量大于等于空房用电量阈值小于等于30，打分为50；最近两个月的月均用电量大于30，打分100；
最近半年的月均用电量小于等于1或者数据缺失，打分为0；最近半年的月均用电量大于1小于空房用电量阈值，打分为10；最近半年的月均用电量大于等于空房用电量阈值小于等于30，打分为50；最近半年的月均用电量大于30，打分100；
当前月和当前月的前一个月都属于寒暑假，打分为0；当前月属于寒暑假，当前月的前一个月不属于寒暑假，打分为20；当前月不属于寒暑假，当前月的前一个月属于寒暑假，打分为50；当前月和当前月的前一个月都不属于寒暑假，打分为100。
步骤S118、构建住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3。
由于准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的心目中，它们各占有一定的比例，为此，可通过对指标之间两两重要程度进行比较和分析判断，构造判断矩阵。
层次分析法在对指标的相对重要程度进行测量时，引入了九分位的比例标度，即引用数字1-9及其倒数作为标度来定义判断矩阵A＝(aij)m×n，其中aij表示第i横行指标对各列(1...j)指标的相对重要程度的两两比较值。考虑对若干指标直接评价权重的困难，根据心理学家剔除的“人区分信息登记的极限能力为7±2”的研究结论，给出了表1的评分规则；因此在构建的判断矩阵中选用具体数字与决策者心目中的比例有关系。
具体地，住房空置识别的判断矩阵用电变化趋势的判断矩阵空房临界用电量的判断矩阵月用电量的判断矩阵
需要说明的是，对于上述判断矩阵利用几何平均法、算术平均法和特征向量法分别计算各个层级的权重，并对其一致性进行检验，矩阵A、A1、A2、A3结果计算如表2至表5所示。
方法 W1 W2 W3 CI CR
几何平均法 0.581552 0.308996 0.109452 0.001847 0.003552
算术平均法 0.581264 0.30915 0.109586 0.001848 0.003554
特征向量法 0.581552 0.308996 0.109452 0.001847 0.003552
表2
表3
表4
方法 W1 W2 W3 CI CR
几何平均法 0.65863 0.262753 0.078617 0.016183 0.031122
算术平均法 0.655545 0.264811 0.079644 0.016267 0.031283
特征向量法 0.65863 0.262753 0.078617 0.016183 0.031122
表5
从表2至表5中结果来看：第一，所有的CR均小于0.1，表明各个层次的判断矩阵都通过了一致性检验；第二，不同算法得到的权重非常相近，其各个指标的权重系数较稳定。
层次的总排序随机一次性比率CR为：
式中为A1至A3权重，分别为A1至A3的CI和RI。当CI<0.1时，则层次的总排序满足一致性要求，根据表2至表5的结果，计算得到：
几何平均法：CR＝0.023719，算术平均法：CR＝0.023952，特征向量法：CR＝0.023748。
三种方法得到的CR均小于0.1，表明都满足层次总排序的一次性要求。
从整个层次分析法的结果来看，各个指标最终权重可以取三种方法的平均值，即如表6所示。
表6
最终通过运算，形成判断矩阵A＝[0.581456,0.309047,0.109497]、A1＝[0.380827，0.250263，0.160066，0.101327，0.064609，0.042908]、A2＝[0.597543，0.247112，0.104067，0.051278]、A3＝[0.657602，0.263439，0.078959]。
步骤S119、利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3。
步骤S120、利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S。
例如A＝[0.581456,0.309047,0.109497]，则分别用0.581456乘以SA1，用0.309047乘以SA2，用0.109497乘以SA3,将乘积的结果加和。
步骤S121、比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户。
步骤S122、根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
如图2所示，本发明提供一种计算入伙年限对应的空房用电量阈值方法，所述方法包括：
步骤S211、计算每一用户近一年月均用电量。
需要说明的是，根据每一用户一年的每月用电量求和然后除以12个月，得到每一用户近一年月均用电量。
步骤S212、将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列。
步骤S213、提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
步骤S214、将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
需要说明的是，空房用电量阈值ThresP＝min(EYM，20)。
如图3所示，本发明提供一种基于用电数据分析的住房空置率推算系统，所述系统包括：
获取单元301，用于获取每一用户的每月用电量、立户日期和首次送电日期；
第一计算单元302，用于根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限；
第二计算单元303，用于计算入伙年限对应的空房用电量阈值；
第三计算单元304，用于根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数；
第四计算单元305，用于根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数；
计算判断单元306，用于根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假；
评分单元307，用于根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3；
设置单元308，用于预设住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3；
第五计算单元309，用于利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3；
第六计算单元310，用于利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S；
比较单元311，用于比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；
第七计算单元312，用于根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
进一步地，第一计算单元302具体用于：
将每一用户的立户日期和首次送电日期的最小值作为入伙时间；
计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
进一步地，第二计算单元303具体用于：
计算每一用户近一年月均用电量；
将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列；
根据入伙年限，比较参数YM取入伙年限对应的近一年月均用电量序列预设分位数；
提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
实施本发明，具有如下有益效果：
本发明通过获取用户用电量数据，从用户用电趋势、空房用电临界阈值和月电量水平三个维度建立模型，根据模型计算得到住房空置户数，根据住房空置户数和用电总户数比值计算出住房空置率，解决了现有技术难于获取住房空置率数据、获取住房空置率数据成本高以及获取住房空置率数据滞后性强的问题。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (6)

1.一种基于用电数据分析的住房空置率推算方法，所述方法包括：
步骤S111、获取总用户数、每一用户的每月用电量、立户日期和首次送电日期；
步骤S112、根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限；
步骤S113、计算入伙年限对应的空房用电量阈值；
步骤S114、根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数；
步骤S115、根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数；
步骤S116、根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假；
步骤S117、根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3；
步骤S118、构建住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3；
步骤S119、利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3；
步骤S120、利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S；
步骤S121、比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；
步骤S122、根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
2.如权利要求1所述的方法，其特征在于，所述步骤S112具体包括：
将每一用户的立户日期和首次送电日期的最小值作为入伙时间；
计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
3.如权利要求1所述的方法，其特征在于，所述步骤S113具体包括：
计算每一用户近一年月均用电量；
将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列；
根据入伙年限，比较参数YM取入伙年限对应的近一年月均用电量序列预设分位数；
提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
4.一种基于用电数据分析的住房空置率推算系统，所述系统包括：
获取单元，用于获取每一用户的每月用电量、立户日期和首次送电日期；
第一计算单元，用于根据每一用户的立户日期和首次送电日期，计算每一用户的入伙年限；
第二计算单元，用于计算入伙年限对应的空房用电量阈值；
第三计算单元，用于根据每一用户近六个月每月用电量，计算当前连续近似缺失个数和最近半年近似缺失总个数；
第四计算单元，用于根据每一用户近六个月每月用电量和与所述每一用户的入伙年限对应的空房用电量阈值，计算当前连续空房临界个数和最近半年空房临界总个数；
计算判断单元，用于根据每一用户最近六个月每月用电量，计算最近两个月的月均用电量、最近半年的月均用电量，并判断当前月和当前月的前一个月是否处于寒暑假；
评分单元，用于根据评分规则，对每一用户近六个月每月用电量分别打分得到矩阵S1，对当前连续近似缺失个数、当前连续空房临界个数、最近半年近似缺失总个数和最近半年空房临界总个数打分得到矩阵S2，对最近两个月的月均用电量、最近半年的月均用电量以及当前月和当前月的前一个月是否处于寒暑假打分得到矩阵S3；
设置单元，用于预设住房空置识别的判断矩阵A、用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2和月用电量的判断矩阵A3；
第五计算单元，用于利用用电变化趋势的判断矩阵A1、空房临界用电量的判断矩阵A2、月用电量的判断矩阵A3分别乘以矩阵S1、S2、S3，得到SA1、SA2和SA3；
第六计算单元，用于利用所述住房空置识别的判断矩阵A分别乘以SA1、SA2和SA3并求和，得到每一用户住房的总分S；
比较单元，用于比较所述S与预设阈值Y，当S小于Y时，确定所述S对应用户为空房用户；
第七计算单元，用于根据空房用户数量与总用户数比值，计算近六个月的住房空置率。
5.如权利要求4所述的方法，其特征在于，所述第一计算单元具体用于：
将每一用户的立户日期和首次送电日期的最小值作为入伙时间；
计算当前时间减掉入伙时间的差值，用所述差值除以每年的天数得到入伙年限。
6.如权利要求4所述的方法，其特征在于，所述第二计算单元具体用于：
计算每一用户近一年月均用电量；
将同一入伙年限的用户近一年月均用电量排序，形成与入伙年限对应的近一年月均用电量序列；
根据入伙年限，比较参数YM取入伙年限对应的近一年月均用电量序列预设分位数；
提取同一入伙年限的月均用电量小于所述YM的月均用电量M1、M2…Mk，计算平均值EYM，所述
将所述EYM与20进行比较，取二者之间的较小值作为空房用电量阈值。
CN201811310268.XA 2018-11-06 2018-11-06 一种基于用电数据分析的住房空置率推算方法及系统 Pending CN109598638A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811310268.XA CN109598638A (zh) 2018-11-06 2018-11-06 一种基于用电数据分析的住房空置率推算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811310268.XA CN109598638A (zh) 2018-11-06 2018-11-06 一种基于用电数据分析的住房空置率推算方法及系统

Publications (1)

Publication Number Publication Date
CN109598638A true CN109598638A (zh) 2019-04-09

Family

ID=65957466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811310268.XA Pending CN109598638A (zh) 2018-11-06 2018-11-06 一种基于用电数据分析的住房空置率推算方法及系统

Country Status (1)

Country Link
CN (1) CN109598638A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209534A (zh) * 2019-12-23 2020-05-29 广西电网有限责任公司 基于居民客户用电量数据划分客户用电入住状态的方法
CN112258063A (zh) * 2020-10-28 2021-01-22 国家电网有限公司客户服务中心 一种住房闲置分类计算方法及系统
CN113781096A (zh) * 2021-07-30 2021-12-10 国网浙江省电力有限公司 一种办公楼空置率分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225026A (zh) * 2015-08-26 2016-01-06 中国电力科学研究院 一种基于电能服务管理平台的住房空置率评估方法
CN105719198A (zh) * 2016-01-22 2016-06-29 江苏省电力公司电力经济技术研究院 一种基于居民用电行为的房屋空置率计算方法
CN106780236A (zh) * 2016-11-17 2017-05-31 江苏省城市规划设计研究院 一种考虑用电量使用情况的手机数分布统计方法
CN107688958A (zh) * 2017-07-14 2018-02-13 国网浙江省电力公司 一种基于多表集抄数据的用户用能异常分析方法
CN108022043A (zh) * 2017-11-30 2018-05-11 北京汇通金财信息科技有限公司 一种异常用电行为的识别方法、装置及中央服务器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225026A (zh) * 2015-08-26 2016-01-06 中国电力科学研究院 一种基于电能服务管理平台的住房空置率评估方法
CN105719198A (zh) * 2016-01-22 2016-06-29 江苏省电力公司电力经济技术研究院 一种基于居民用电行为的房屋空置率计算方法
CN106780236A (zh) * 2016-11-17 2017-05-31 江苏省城市规划设计研究院 一种考虑用电量使用情况的手机数分布统计方法
CN107688958A (zh) * 2017-07-14 2018-02-13 国网浙江省电力公司 一种基于多表集抄数据的用户用能异常分析方法
CN108022043A (zh) * 2017-11-30 2018-05-11 北京汇通金财信息科技有限公司 一种异常用电行为的识别方法、装置及中央服务器

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111209534A (zh) * 2019-12-23 2020-05-29 广西电网有限责任公司 基于居民客户用电量数据划分客户用电入住状态的方法
CN112258063A (zh) * 2020-10-28 2021-01-22 国家电网有限公司客户服务中心 一种住房闲置分类计算方法及系统
CN113781096A (zh) * 2021-07-30 2021-12-10 国网浙江省电力有限公司 一种办公楼空置率分析方法
CN113781096B (zh) * 2021-07-30 2024-05-28 国网浙江省电力有限公司 一种办公楼空置率分析方法

Similar Documents

Publication Publication Date Title
CN105260803B (zh) 一种系统用电量预测方法
Qun et al. The incentives of China's urban land finance
CN109598638A (zh) 一种基于用电数据分析的住房空置率推算方法及系统
CN106529707A (zh) 一种负荷用电模式识别方法
CN104933630A (zh) 一种负荷特性分析方法和系统
CN110111024A (zh) 基于ahp模糊综合评价模型的科技成果市场价值评估方法
CN107133652A (zh) 基于K‑means聚类算法的用电客户价值评估方法及系统
CN109636146A (zh) 一种用户需求响应潜力画像方法
CN104933629A (zh) 基于区间层次分析和区间熵组合的电力用户设备评估方法
CN109447404A (zh) 住房空置率的评估方法、装置、计算机设备和存储介质
CN110348665A (zh) 一种低压台区电力系统数据质量评价方法及装置
CN111209534A (zh) 基于居民客户用电量数据划分客户用电入住状态的方法
CN109118115A (zh) 一种高新技术企业评价方法
CN109685296A (zh) 计及历史状态的用电信息采集系统模糊综合评价方法
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
CN109992592B (zh) 基于校园消费卡流水数据的高校贫困生识别方法
Xiao et al. Integrated impact assessment method for the water transfer project on regional development
Ming et al. Typical commercial user adjustable potential assessment method
CN112818254B (zh) 基于中智逻辑协同过滤的农民工个性化就业推荐方法及系统
Maula Analysis of Inclusive Economic Development Index and Poverty in Aceh Province, Indonesia
CN111027845A (zh) 一种适用于电力市场主体客户画像的标签模型
Li et al. Research on the evolution path of China’s provincial innovation chain model based on complex network model
Tian Mass Appraisal of Property Tax Base based on Multivariate Linear Regression—Empirical Study on Four Districts of Jinan
Gu et al. Whether the construction of functional zones can improve the economic efficiencies of the industry: an empirical study based on the SFA-Tobit model
Li et al. Assessment of global equity

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190409

RJ01 Rejection of invention patent application after publication