CN112258063A - 一种住房闲置分类计算方法及系统 - Google Patents

一种住房闲置分类计算方法及系统 Download PDF

Info

Publication number
CN112258063A
CN112258063A CN202011177150.1A CN202011177150A CN112258063A CN 112258063 A CN112258063 A CN 112258063A CN 202011177150 A CN202011177150 A CN 202011177150A CN 112258063 A CN112258063 A CN 112258063A
Authority
CN
China
Prior art keywords
house
electricity consumption
idle
days
housing
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.)
Granted
Application number
CN202011177150.1A
Other languages
English (en)
Other versions
CN112258063B (zh
Inventor
宫立华
田诺
刘鲲鹏
朱克
王佳佳
马永波
黄诗剑
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.)
Beijing Dataocean Smart Technology Co ltd
State Grid Co ltd Customer Service Center
Original Assignee
Beijing Dataocean Smart Technology Co ltd
State Grid Co ltd Customer Service Center
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 Beijing Dataocean Smart Technology Co ltd, State Grid Co ltd Customer Service Center filed Critical Beijing Dataocean Smart Technology Co ltd
Priority to CN202011177150.1A priority Critical patent/CN112258063B/zh
Publication of CN112258063A publication Critical patent/CN112258063A/zh
Application granted granted Critical
Publication of CN112258063B publication Critical patent/CN112258063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/16—Real estate
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种住房闲置分类计算方法及系统，所述方法包括：根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。采用本发明方案，能有效指导电力部门对电力设施的生产、建设。同时，根据不同的住房闲置类型，相关单位可深入分析，及时制定房地产市场相关政策。

Description

一种住房闲置分类计算方法及系统
技术领域
本发明涉及住房闲置判断技术领域，尤其涉及一种住房闲置分类计算方法及系统。
背景技术
现有技术中，用电运营监测项目主要集中在提升企业内部效率上，相对缺少面向政府、企业的用电监测，没有充分发挥国家电网的“大数据”支撑作用。基于电力大数据的住宅闲置率分析，将目光集中到市场之上，这是将电网的数据优势转换为市场优势的运营监测手段，在实际监测工作，也取得了一系列具体成果，值得推广和应用。
我国楼市闲置、闲置过高的话题屡被提及，其中闲置住房和空置住房混为一谈，区分不明确，而且数据的出处不一，数据缺乏权威性，很难获得社会普遍认可。而电力行业能够反映经济发展的真实情况，可通过对用电数据的挖掘、分析，侧面反映我国房地产市场的现状。
目前住房闲置率是衡量房地产市场供需的主要指标，但是其定义、计算公式没有统一的口径，计算结果不能很好地反映实际情况的变化，需要规范指标定义，完善计算流程，以便于对房地产市场进行深入分析。
考虑目前对房地产市场的住房闲置情况没有统一的定义、统一的计算公式和可靠的数据来源。相关部门和机构在对房地产现状进行评价、研究时，缺乏数据支撑，无法准确开展政策和措施的制定工作。亟需要一种能够准确反映住房闲置的方案，解决现有技术中无法准确定义和计算住房闲置的问题。
发明内容
本发明提供一种住房闲置分类计算方法及系统，解决现有技术中住房闲置无法准确定义和计算的问题。
根据本发明的一个方面，提供一种住房闲置分类计算方法，包括：
根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；
根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；所述住房日用电量待机阈值根据常用用电设备待机功率确定；
根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
所述根据住房用电信息获取居民的非零日用电量数据，具体包括：
获取住房用电信息；
清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据；
将所述住房用电信息按照住房每日用电量进行分类，得到所述住房对应的非零日用电量数据。
所述住房日用电量待机阈值根据常用用电设备待机功率确定，包括：
根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；
根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
所述根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数，包括：
确定所述住房的所述有效日用电量中每天的用电量数据小于等于所述住房日用电量待机阈值时，所述住房增加一天闲置天数；
获取所述住房在设定时间长度内闲置天数总数作为所述住房在设定时间长度内的闲置天数。
所述方法还包括：
当所述住房在所述设定时间长度内的有效日用电量的天数大于等于设定时间长度的总天数的80％，且所述设定时间长度内的闲置天数大于等于所述闲置天数总数的60％时，确定所述住房为所述设定时间长度内的住房闲置户。
所述方法还包括：
获取所述住房在所述设定时间长度内闲置天数与工作日的对应关系；
当所述设定时间长度内属于工作日的闲置天数大于等于所述闲置天数总数的80％时，确定所述住房在设定时间长度内为工作日闲置户。
所述方法还包括：
获取所述住房在所述设定时间长度内闲置天数与季节的对应关系；
当所述设定时间长度内闲置天数连续，且闲置天数总时长大于等于所述设定时间长度的20％，且闲置天数集中于一个季节时，确定所述住房为季节闲置户。
根据本发明的另一个方面，提供一种住房闲置分类计算系统，所述系统包括：
有效日用电量确定单元，用于根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；
闲置天数确定单元，用于根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；所述住房日用电量待机阈值根据常用用电设备待机功率确定；
闲置率计算单元，用于根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
所述系统还包括：
住房日用电量待机阈值单元，用于根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
所述系统还包括：
数据清洗单元，用于清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据。
采用上述方案的有益效果是：
本发明方案中，根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。本发明从数据商业化服务生态圈角度出发，以电力视角探寻与研究民生发展情况，开展基于居民用电行为的住房闲置率研究，实现电力与民生的泛在连接，更好的服务政府决策与社会、经济发展等领域。
本发明通过分析居民用电行为，通过追踪居民用电行为，切实有效地更新小区容量数据和用电等级状态，在宏观综合调控的大环境下，真实反馈居民用电情况和人口资源分布变化趋势，从根源上体现国民经济和人民生活水平。通过区分不同类型的住房闲置户，了解不同类型居民的用电习惯，判断不同类型居民的用电高峰，从而有效配给线路故障排险人员工作，更加有效地保障居民用电可靠性。采用本发明方案，能有效指导电力部门对电力设施的生产、建设。同时，根据不同的住房闲置类型，相关单位可深入分析，及时制定房地产市场相关政策。
附图说明
图1是本发明的住房闲置分类计算方法原理流程图。
图2是本发明的住房闲置分类计算系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
“互联网+”新商业生态下，行业的边界正不断被重新定义，跨界创新已成为越来越多具有远见的企业的共识。在此大背景下，国家电网客服中心通过以电力客户用电量等相关服务数据作为基础，结合部分外部数据，对地区的住宅闲置情况进行分析。
闲置住房主要可用于二手房交易和出租，通过闲置住房分析可以完善房地产市场信息；可用于完善住房使用情况，为政府规划住宅产业发展和调控房地产市场提供依据；为市民购房提供更多的市场信息，以促进省市房地产市场的稳定发展。
目前相关部门和机构大都在对住房闲置率(空置率)进行研究，目前现行的住宅闲置率(空置率)的计算方法基本是从房地产增量的角度进行考虑，一是没有考虑存量中的存在的闲置(空置)情况，相关数据更新并不及时，同时无法进行更加深层次的分析；二是没有对存量中的闲置(空置)情况进行具体分析，明确定义，导致统计口径不一，数据无法横向对比。
而用电数据是实时更新和准确统计的，能够真实反映居民生活的状态，本发明从住房闲置的角度出发，明确了闲置住房的含义，并与闲置住房严格区分，对房屋存量中的闲置户进行统一定义，明确闲置类型，制定计算标准。
本发明内容主要包括：一是数据准备，确定数据来源和测算范围；二是数据处理，剔除采集失败、倒走等异常数据，保留采集成功的非零日电量数据；三是计算住房日用电量待机阈值K1；四是计算住房闲置户，确定闲置类型；五是根据统计结果计算住房闲置率。
以下结合附图对本发明进一步说明。
如图1所示，为本发明的实施例1提供的住房闲置分类计算方法原理流程图，具体如下：
步骤11，根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量。
获取住房用电信息；清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据；将所述住房用电信息按照住房每日用电量进行分类，得到所述住房对应的非零日用电量数据。
实际上，本实施例中的数据均来自住房用电信息。从住房用电信息zhon给筛选需要的数据，包括每套住房每日用电数据。根据每套住房每日用电数据，从中筛选符合要求的数据，作为有效日用电量数据。
有效日用电量数据，就表示当天住房有用电量数据，不是零用电量。有效日用电量数据不仅包括日用电量数据，还包括具体有效日的天数。也就是说，根据有效日用电量不仅可以得到每天用电量数据的具体数值，还包括总体的有效日的天数。
步骤12，根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数。
根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
住房闲置户可能存在部分待机状态下的常用用电设备，根据常用用电设备待机功率表(如下表1所示)。
表1常用用电设备待机功率
Figure BDA0002749113500000061
Figure BDA0002749113500000071
根据上表1可以获知具体的常用家用用电设备的待机功率，进而可以计算得到住房日用电量待机阈值，也就是常用用电设备的待机功率之和再加权折中计算。例如，可以标记住房日用电量待机阈值为K1，取K1为固定值0.55kWh。
确定所述住房的所述有效日用电量中每天的用电量数据小于等于所述住房日用电量待机阈值时，所述住房增加一天闲置天数；获取所述住房在设定时间长度内闲置天数总数作为所述住房在设定时间长度内的闲置天数。
步骤13，根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
当所述住房在所述设定时间长度内的有效日用电量的天数大于等于设定时间长度的总天数的80％，且所述设定时间长度内的闲置天数大于等于所述闲置天数总数的60％时，确定所述住房为所述设定时间长度内的住房闲置户。
获取所述住房在所述设定时间长度内闲置天数与工作日的对应关系；当所述设定时间长度内属于工作日的闲置天数大于等于所述闲置天数总数的80％时，确定所述住房在设定时间长度内为工作日闲置户。
获取所述住房在所述设定时间长度内闲置天数与季节的对应关系；当所述设定时间长度内闲置天数连续，且闲置天数总时长大于等于所述设定时间长度的20％，且闲置天数集中于一个季节时，确定所述住房为季节闲置户。
具体的，本实施例中的闲置住房是指用户购买入住后并在一段时间范围内偶尔使用的住房。空置住房是用户一直未曾使用的住房。本实施例区分二者，着重于对闲置住房的分类和计算。
本实施例中，住房闲置户是基于用能(电力)数据进行判别，在持续时间内存在偶发用能行为的低压居民用户即视为住房闲置户，类型主要包括工作日闲置型、节假日闲置型、季节性闲置型、无规律偶发闲置型等用户，住房闲置户表明该用户住房的使用频度较低或在某一周期内使用频度较低。
工作日闲置户是指非住房空置户中，城镇居民客户某一周期内日电量小于日正常用能值的天数达到阈值。若该用户住房闲置期主要分布在工作日，且每月工作日住房闲置天数大于等于18天，则该户为工作日闲置户。
季节闲置户是指用户的年用能情况呈现季节性规律，主要表现为该用户在某些季节居住时用电情况正常，而全年其他时间处于闲置状态，闲置时期的日用电量长期低于某一阈值；同时，历年呈现同样或类似的规律。
具体的，计算住房闲置户的过程可以包括如下几类：
(1)当月住房闲置户计算。
以月为计算频度，获取居民用户(住房)每月的月初至月末全部的日用电量数据，若其满足以下3组条件，即判定该户为当月住房闲置户：
当月有效日用电量天数大于25天；
当月有效日用电量不超过住房日用电量待机阈值K1的天数超过15天；
当月该户不属于住房空置户。
进而，可以确定当月住房闲置户类型。
根据用户当月闲置发生的时间将当月住房闲置户分为当月工作日闲置户和当月无规律闲置户，若其满足以下条件，即判定该户为当月工作日闲置户，否则，判定为当月无规律闲置户。
当月属于工作日的非闲置日天数小于非闲置日总天数的20％。
本实施例中，还可以确定设定时间长度内住房闲置户类型。
以自然年为设定时间长度(已结束自然年范围为12个月，未结束自然年范围为当月1月至当前月)，根据用户设定时间长度内用户当月住房闲置户类型，判断其本自然年的闲置类型。
根据用户设定时间长度那个月的当月住房闲置户类型将其分为工作日闲置户、无规律闲置户，若其满足以下条件，即判定该户为工作日闲置户，否则判定为无规律闲置户。
设定时间长度内用户闲置月份的闲置类型均为当月工作日闲置户。
进而，根据用户设定时间长度内闲置时长(闲置月份数)将其分为全年闲置户、季节性闲置户、偶发性闲置户。
若其满足以下条件，即判定该户为全年闲置户：
设定时间长度内用户闲置月份数等于总月份数。
若其满足以下条件，即判定该户为季节性闲置户：
设定时间长度内用户闲置月份数小于总月份数；
设定时间长度内用户闲置月份连续，且闲置月份数不小于2。
进一步的，本实施例可以计算住房闲置率：
(1)月住房闲置率＝当月住房闲置户数/小区额定入住户数。
(2)年住房闲置率＝全年住房闲置户数/小区额定入住户数。
本实施例从数据商业化服务生态圈角度出发，以电力视角探寻与研究民生发展情况，开展基于居民用电行为的住房闲置率研究，实现电力与民生的泛在连接，更好的服务政府决策与社会、经济发展等领域。项目内容包括：一是数据准备，确定数据来源和测算范围；二是数据处理，剔除采集失败、倒走等异常数据，保留采集成功的非零日电量数据；三是计算住房日用电量待机阈值K1；四是计算住房闲置户，确定闲置类型；五是根据统计结果计算住房闲置率。
如图2所示，为本发明实施例提供的一种住房闲置分类计算系统结构示意图，其中包括，
有效日用电量确定单元21，用于根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；
闲置天数确定单元22，用于根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；所述住房日用电量待机阈值根据常用用电设备待机功率确定；
闲置率计算单元23，用于根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
所述系统还包括：
住房日用电量待机阈值单元24，用于根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
所述系统还包括：
数据清洗单元25，用于清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据。
本发明方案中，根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。本发明从数据商业化服务生态圈角度出发，以电力视角探寻与研究民生发展情况，开展基于居民用电行为的住房闲置率研究，实现电力与民生的泛在连接，更好的服务政府决策与社会、经济发展等领域。
本发明通过分析居民用电行为，通过追踪居民用电行为，切实有效地更新小区容量数据和用电等级状态，在宏观综合调控的大环境下，真实反馈居民用电情况和人口资源分布变化趋势，从根源上体现国民经济和人民生活水平。通过区分不同类型的住房闲置户，了解不同类型居民的用电习惯，判断不同类型居民的用电高峰，从而有效配给线路故障排险人员工作，更加有效地保障居民用电可靠性。采用本发明方案，能有效指导电力部门对电力设施的生产、建设。同时，根据不同的住房闲置类型，相关单位可深入分析，及时制定房地产市场相关政策。
根据特定的实施方式对本发明详细进行了说明，但上述的实施方式仅为例示，本发明不被上述实施方式限定。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种住房闲置分类计算方法，其特征在于，所述方法包括：
根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；
根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；所述住房日用电量待机阈值根据常用用电设备待机功率确定；
根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
2.如权利要求1所述的方法，其特征在于，所述根据住房用电信息获取居民的非零日用电量数据，具体包括：
获取住房用电信息；
清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据；
将所述住房用电信息按照住房每日用电量进行分类，得到所述住房对应的非零日用电量数据。
3.如权利要求1所述的方法，其特征在于，所述住房日用电量待机阈值根据常用用电设备待机功率确定，包括：
根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；
根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
4.如权利要求1或3所述的方法，其特征在于，所述根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数，包括：
确定所述住房的所述有效日用电量中每天的用电量数据小于等于所述住房日用电量待机阈值时，所述住房增加一天闲置天数；
获取所述住房在设定时间长度内闲置天数总数作为所述住房在设定时间长度内的闲置天数。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
当所述住房在所述设定时间长度内的有效日用电量的天数大于等于设定时间长度的总天数的80％，且所述设定时间长度内的闲置天数大于等于所述闲置天数总数的60％时，确定所述住房为所述设定时间长度内的住房闲置户。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
获取所述住房在所述设定时间长度内闲置天数与工作日的对应关系；
当所述设定时间长度内属于工作日的闲置天数大于等于所述闲置天数总数的80％时，确定所述住房在设定时间长度内为工作日闲置户。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
获取所述住房在所述设定时间长度内闲置天数与季节的对应关系；
当所述设定时间长度内闲置天数连续，且闲置天数总时长大于等于所述设定时间长度的20％，且闲置天数集中于一个季节时，确定所述住房为季节闲置户。
8.一种住房闲置分类计算系统，其特征在于，所述系统包括：
有效日用电量确定单元，用于根据住房用电信息获取住房的非零日用电量数据，并将所述住房每天的非零日用电量数据作为有效日用电量；
闲置天数确定单元，用于根据住房日用电量待机阈值与所述有效日用电量，确定所述住房在设定时间长度内的闲置天数；所述住房日用电量待机阈值根据常用用电设备待机功率确定；
闲置率计算单元，用于根据所述住房在设定时间长度内的闲置天数，确定所述住房的住房闲置率。
9.如权利要求8所述的系统，其特征在于，所述系统还包括：
住房日用电量待机阈值单元，用于根据所述住房中常规用电设备待机状态用电量，加权计算所述住房中常规用电设备待机电量；根据若干所述住房中常规用电设备待机电量，计算住房中常规用电设备平均待机电量，作为所述住房日用电量待机阈值。
10.如权利要求8所述的系统，其特征在于，所述系统还包括：
数据清洗单元，用于清洗所述住房用电信息中的异常数据；所述异常数据包括但不限于：采集失败数据或用电量不为正的异常数据。
CN202011177150.1A 2020-10-28 2020-10-28 一种住房闲置分类计算方法及系统 Active CN112258063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011177150.1A CN112258063B (zh) 2020-10-28 2020-10-28 一种住房闲置分类计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011177150.1A CN112258063B (zh) 2020-10-28 2020-10-28 一种住房闲置分类计算方法及系统

Publications (2)

Publication Number Publication Date
CN112258063A true CN112258063A (zh) 2021-01-22
CN112258063B CN112258063B (zh) 2022-07-12

Family

ID=74261181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011177150.1A Active CN112258063B (zh) 2020-10-28 2020-10-28 一种住房闲置分类计算方法及系统

Country Status (1)

Country Link
CN (1) CN112258063B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201248387A (en) * 2011-05-31 2012-12-01 Univ Nat Chiao Tung Power management system and method thereof
CN103649870A (zh) * 2011-04-19 2014-03-19 库柏技术公司 零功率设施控制、系统和方法
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
CN107076444A (zh) * 2014-09-25 2017-08-18 穆勒公司 联结的空气调节系统
CN107276071A (zh) * 2017-06-14 2017-10-20 国网江苏省电力公司盐城供电公司 基于智能电网的住宅电网管理系统及其管理方法
CN109447404A (zh) * 2018-09-20 2019-03-08 深圳供电局有限公司 住房空置率的评估方法、装置、计算机设备和存储介质
CN109598638A (zh) * 2018-11-06 2019-04-09 深圳供电局有限公司 一种基于用电数据分析的住房空置率推算方法及系统
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
CN111461521A (zh) * 2020-03-27 2020-07-28 广东电网有限责任公司 一种基于电力大数据的居民住房空置率分析方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103649870A (zh) * 2011-04-19 2014-03-19 库柏技术公司 零功率设施控制、系统和方法
TW201248387A (en) * 2011-05-31 2012-12-01 Univ Nat Chiao Tung Power management system and method thereof
CN107076444A (zh) * 2014-09-25 2017-08-18 穆勒公司 联结的空气调节系统
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
CN107276071A (zh) * 2017-06-14 2017-10-20 国网江苏省电力公司盐城供电公司 基于智能电网的住宅电网管理系统及其管理方法
CN109447404A (zh) * 2018-09-20 2019-03-08 深圳供电局有限公司 住房空置率的评估方法、装置、计算机设备和存储介质
CN109598638A (zh) * 2018-11-06 2019-04-09 深圳供电局有限公司 一种基于用电数据分析的住房空置率推算方法及系统
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
CN111461521A (zh) * 2020-03-27 2020-07-28 广东电网有限责任公司 一种基于电力大数据的居民住房空置率分析方法

Also Published As

Publication number Publication date
CN112258063B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
McLoughlin et al. A clustering approach to domestic electricity load profile characterisation using smart metering data
CN107330540B (zh) 一种考虑电压质量的配电网台区缺供电量预测方法
CN111832861A (zh) 基于大数据平台的居民负荷变尺度画像方法和系统
CN111461521A (zh) 一种基于电力大数据的居民住房空置率分析方法
Klingler et al. Residential photovoltaic self-consumption: Identifying representative household groups based on a cluster analysis of hourly smart-meter data
CN115660225A (zh) 一种基于电表通信模块的用电负荷预测管理方法及系统
CN111966663A (zh) 一种多元用户侧综合能源数据服务系统
CN114418794A (zh) 一种建筑数据分析方法、装置、电子设备及存储介质
CN114565293A (zh) 一种工业负荷提供长周期需求响应能力的评估方法
CN112258063B (zh) 一种住房闲置分类计算方法及系统
Waczowicz et al. Demand response clustering-how do dynamic prices affect household electricity consumption?
Ogunjuyigbe et al. Retrofitting existing buildings to reduce electrical energy consumption and greenhouse gas emission in Nigerian food and beverage industries
US20220237476A1 (en) Machine learning predictive model based on electricity load shapes
CN115689801A (zh) 一种基于碳计量的用电信息采集系统
CN115620497A (zh) 一种园区能耗预警方法及预警系统
Ackah Analysis of energy efficiency practices of SMEs in Ghana: an application of product generational dematerialisation
Guo et al. A novel machine learning approach for identifying the drivers of domestic electricity users' price responsiveness
Smith et al. Neighbor comparison reports produce savings, but HOW?
CN118171899B (zh) 一种基于专变终端用户电力需求响应业务分析方法
CN117236532B (zh) 一种基于负荷数据的用电高峰负荷预测的方法及系统
Ackah Investing in the cheapest form of energy: efficiency practices of SMEs in rural Ghana
Klingler et al. Identifying representative types of residential electricity consumers—A cluster analysis of hourly smart meter data
Liu et al. Multi-dimensional energy efficiency assessment of residential users based on big data analysis of differentiated electricity consumption behavior
Chen et al. A Multi-Dimensional Fine Portrait of Residential Power Users’ Interactive Behaviors
Anyuabaga et al. EXPLORING THE RELATIONSHIP BETWEEN THE ELECTRICITY CONSUMPTION AND ECONOMIC GROWTH IN NIGERIA; 1980-2022

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
GR01 Patent grant
GR01 Patent grant