CN114780860B - 基于多维大数据融合汇聚的自主决策方法 - Google Patents
基于多维大数据融合汇聚的自主决策方法 Download PDFInfo
- Publication number
- CN114780860B CN114780860B CN202210601630.9A CN202210601630A CN114780860B CN 114780860 B CN114780860 B CN 114780860B CN 202210601630 A CN202210601630 A CN 202210601630A CN 114780860 B CN114780860 B CN 114780860B
- Authority
- CN
- China
- Prior art keywords
- power
- information
- user
- recommendation
- value
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Library & Information Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于多维大数据融合汇聚的自主决策方法,包括:获取第一电力用户的第一用电数据,对第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息;根据清洁用电信息、第一用电数据进行计算得到清洁能源占比信息;选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据预设数量的第三电力用户生成第一维推荐信息;根据清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息;对第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将推荐决策数据发送至第一电力用户。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于多维大数据融合汇聚的自主决策方法。
背景技术
大数据是对事物客观表象和演化规律的抽象表达,其动态性和增量性是对事物状态的持续反映。人们在决策过程中的每一步行动都将影响事物的发展进程,并全程由大数据所反映,此时决策问题的描述以及决策求解的策略都需要跟随动态数据给予及时调整,通过面向大数据的增量式学习方法实现知识的动态演化与有效积累,进而反馈到决策执行当中。
大数据决策的动态特性决定了问题的求解过程应该是一个集描述、预测、引导为一体的迭代过程,该过程须形成一个完整的、闭环的、动态的体系结构。简要来说,大数据环境下的决策模型将是一种具备实时反馈的闭环模型,决策模式将更多地由相对静态的模式转变为对决策问题动态描述的模式。
多年来,电力企业供不应求的“卖方市场”,导致企业存在着以生产为导向的电力营销观念。所以亟需一种技术方案,能够根据用户的多维度信息自动推荐更加适宜的方案或产品。
发明内容
本发明实施例提供一种基于多维大数据融合汇聚的自主决策方法,能够参考多个维度的信息,进行主动、自动的电力营销,推荐适宜的清洁能源设备和装机量。
本发明实施例的第一方面,提供的基于多维大数据融合汇聚的自主决策方法,包括:
获取第一电力用户的第一用电数据,若所述第一用电数据大于第一预设数据,则对所述第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息;
根据所述清洁用电信息、第一用电数据进行计算得到清洁能源占比信息,若所述清洁能源占比信息小于预设驱动数值,则获取所述第一电力用户的位置信息;
基于所述位置信息得到目标区域,选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据所述预设数量的第三电力用户生成第一维推荐信息;
根据预设策略和所述清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息;
对所述第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将所述推荐决策数据发送至第一电力用户。
可选地,在第一方面的一种可能实现方式中,所述获取第一电力用户的第一用电数据,若所述第一用电数据大于第一预设数据,则对所述第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息,包括:
随机抽取任意一个电力用户,若判断所抽取的电力用户的用电行为不满足预设行为要求,则将所述电力用户作为第一电力用户,获取第一电力用户的第一用电数据;
对所述第一用电数据按照清洁能源维度和市电维度进行分解得到清洁用电信息和市电用电信息。
可选地,在第一方面的一种可能实现方式中,所述基于所述位置信息得到目标区域,选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据所述预设数量的第三电力用户生成第一维推荐信息,包括:
以所述位置信息为中心点,按照预设围栏区域面积得到目标区域,统计目标区域内第一电力用户以外的所有其他电力用户得到第一筛选用户组;
对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户;
根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组;
选取所述第三筛选用户组中预设数量的第三电力用户生成第一维推荐信息。
可选地,在第一方面的一种可能实现方式中,所述对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户,包括:
若第二筛选用户组中第二电力用户的数量少于用户最低数量,则对所述预设围栏区域扩大预设倍数得到新的目标区域;
统计新的目标区域内的第一电力用户以外的所有其他电力用户,得到新的第一筛选用户组。
可选地,在第一方面的一种可能实现方式中,所述根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组,包括:
分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数;
根据所述第一电力用户和每个第二电力用户的建筑面积信息得到面积一致化系数;
基于所述地理一致化系数和面积一致化系数进行融合计算得到用户一致化系数,根据第一电力用户和每个第二电力用户的用户一致化系数对第二筛选用户组进行降序排序,得到第三筛选用户组。
可选地,在第一方面的一种可能实现方式中,所述分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数,包括:
接收预先配置的地理信息量化表,所述地理信息量化表包括平地、洼地、山地,所述平地、洼地、山地在所述地理信息量化表中的量化值逐渐增大;
基于所述地理信息量化表对所述第一电力用户和第二电力用户的地理信息进行量化处理得到第一地理量化值和第二地理量化值;
通过以下公式计算地理一致化系数、面积一致化系数以及用户一致化系数,
其中,为地理一致化系数,为第一常数值,为第一地理量化值,为第二
地理量化值,为第一归一化值,为第二常数值,为面积一致化系数,为第一电力
用户的建筑面积信息,为第二电力用户的建筑面积信息,为第二归一化值,为用户
一致化系数,为第一权重值,为第二权重值。
可选地,在第一方面的一种可能实现方式中,所述根据所述预设数量的第三电力用户生成第一维推荐信息,包括:
获取所有第三电力用户的所有清洁能源数据,选取清洁能源数据中使用类别最多的清洁能源发电设备作为第一推荐设备;
统计所有第三电力用户对第一推荐设备的装机量总和,根据装机量总和、推荐设备所对应的第三电力用户的数量得到平均装机量;
获取第一电力用户与所述推荐设备所对应的当前装机量,根据所述平均装机量、当前装机量得到第一推荐装机量;
基于第一推荐设备、第一推荐装机量以及第一电力用户的用户标签生成第一维推荐信息。
可选地,在第一方面的一种可能实现方式中,所述获取第一电力用户与所述推荐设备所对应的当前装机量,根据所述平均装机量、当前装机量得到第一推荐装机量,包括:
判断第一电力用户存在其它类型的清洁能源发电设备,则获取其它类型的清洁能源发电设备的其他装机量,将所述其他装机量与第一推荐装机量比对得到第一减小系数;
根据所述第一减小系数对所述第一推荐装机量进行减小处理,得到减小处理后的第一推荐装机量;
通过以下公式计算第一推荐装机量和减小处理后的第一推荐装机量,
其中,为推荐装机量,为第三权重值,为第个第三电力用户对推荐设
备的装机量,为装备有推荐设备的第三电力用户的数量,为装备有推荐设备的第三电
力用户的上限值,为第一电力用户在当前时刻对推荐设备的装机量,为减小处理后
的推荐装机量,为第四权重值,为第一电力用户在当前时刻对其他第个清洁能源发
电设备的其他装机量,为清洁能源发电设备的上限值。
可选地,在第一方面的一种可能实现方式中,根据预设策略和所述清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息,包括:
将所述清洁能源占比信息和预设能源占比信息进行比对得到占比差值信息,根据所述占比差值信息和第一用电数据计算得到预测需求发电量;
根据所述第一属性信息确定相对应的第二推荐设备,确定与所述第二推荐设备相对应的装机转换值;
根据所述预测需求发电量和装机转换值生成第二推荐装机量,根据所述第二推荐设备、第二推荐装机量生成第二电力画像,对所述第二电力画像添加第一电力用户的用户标签后生成第二维推荐信息。
可选地,在第一方面的一种可能实现方式中,所述对所述第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将所述推荐决策数据发送至第一电力用户,包括:
获取具有相同用户标签的第一维推荐信息和第二维推荐信息;
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备相同,则将第一推荐设备作为融合决策设备;
将第一推荐装机量和第二推荐装机量的平均值作为融合决策装机量;
根据所述融合决策设备、融合决策装机量生成推荐决策数据。
可选地,在第一方面的一种可能实现方式中,还包括:
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备不相同,则将第一推荐设备和第二推荐设备分别作为融合决策设备;
获取第一推荐装机量和第二推荐装机量之和作为第一计算装机值,将第一推荐装机量和第二推荐装机量之和的平均值作为第二计算装机值;
根据所述第一推荐装机量、第一计算装机值以及第二计算装机值计算得到第一推荐设备的第一子装机量;
根据所述第二推荐装机量、第一计算装机值以及第二计算装机值计算得到第二推荐设备的第二子装机量;
根据所述第一子装机量、第二子装机量得到融合决策装机量。
本发明实施例的第二方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的基于多维大数据融合汇聚的自主决策方法,能够对每个第一电力用户的用电数据、行为进行监测,根据其清洁能源、非清洁能源的使用的不同进行多维度的计算。在多维度计算过程中,一方面根据大数据中相似的电力用户的清洁设备使用情况进行一个维度的计算得到第一维推荐信息,该结果是参考其余电力用户的使用行为得到的。另一方面是根据电网中预先设置的预设策略进行计算得到第二维推荐信息,此时是电网主体认为对第一电力用户最优的方案,本发明会结合第一维推荐信息和第二维推荐信息进行融合计算,参考的推荐维度较多,使所得到的推荐决策数据更适宜用户主体,调动电力用户参与碳中和、碳达峰的主观能动性,降低碳排放。
本发明提供的技术方案,计算第一维推荐信息时,会结合地理信息和建筑面积信息在目标区域内对多个电力用户进行筛选得到相接近的第三电力用户,使得在结合多个第三电力用户得到第一维推荐信息时,都是参考较为接近的电力用户的,并且本发明会根据第三电力用户的清洁能源发电设备、装机量得到适用于第一电力用户的第一推荐设备、第一推荐装机量。
本发明会根据预设策略确定第二推荐设备、第二推荐装机量,使得本发明能够根据工作人员的主动配置,根据第一电力用户的属性、用电行为得到第二推荐设备、第二推荐装机量,此时只是参考第一电力用户一个维度。本发明会结合第一维推荐信息和第二维推荐信息进行融合决策,根据第一维推荐信息和第二维推荐信息的差异生成多个推荐设备,并且根据推荐设备的不同得到相适应的不同的装机量,使得本发明在进行决策推荐时,能够生成多种不同发电设备的推荐,并且具有相应的装机量,使得本发明在进行推荐决策时更加的多元化。
附图说明
图1为本发明所提供的技术方案的应用场景示意图;
图2为本发明中基于多维大数据融合汇聚的自主决策方法的第一种实施方式的流程图;
图3为本发明中基于多维大数据融合汇聚的自主决策方法的第二种实施方式的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应当理解,在本发明中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示,为本发明提供的技术方案的应用场景示意图,包括服务器、数据库以及用户端,所有电力用户的用电数据分别存储于数据库内,服务器用于获取数据库内电力用户的用电数据进行计算得到第一维推荐信息和/或第二维推荐信息,根据第一维推荐信息和/或第二维推荐信息生成推荐决策数据,并将推荐决策数据自动发送至用户端。
本发明提供的基于多维大数据融合汇聚的自主决策方法,如图2所示,包括:
步骤S110、获取第一电力用户的第一用电数据,若所述第一用电数据大于第一预设数据,则对所述第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息。本发明会将第一电力用户作为待决策推荐的用户,此时会得到相应的第一用电数据,如果其第一用电数据大于第一预设数据,则证明其具有推荐需求,所以此时会对其第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息,清洁用电信息可以看作是其通过清洁能源发电设备所得到的清洁用电量,市电用电信息可以看作是市电的供电量。
本发明提供的技术方案,在一个可能的实施方式中,如图3所示,步骤S110包括:
步骤S1101、随机抽取任意一个电力用户,若判断所抽取的电力用户的用电行为不满足预设行为要求,则将所述电力用户作为第一电力用户,获取第一电力用户的第一用电数据。本发明在进行电力营销的自动数据决策时,会随机抽取电力用户,如果所抽取的电力用户的用电行为不满足预设行为要求,则认为此时该用户是可以进行营销的用户。预设行为要求可以是预先设置的,例如清洁能源用电量少于预设数值则可以被认定为是用电行为不满足预设行为要求。本发明中所说的电力用户一般是指企业用户,在企业用电过程中,会耗费大量的电力,并且企业一般具有较多的土地,可以设置、架设相应的清洁能源发电设备。
步骤S1102、对所述第一用电数据按照清洁能源维度和市电维度进行分解得到清洁用电信息和市电用电信息。本发明会对第一用电数据按照清洁能源维度和市电维度进行分解,例如一个企业月度用电为1万度,其中5000度为清洁设备所发的电,则此时清洁用电信息即为5000度,5000度为市电供给,则此时市电用电信息即为5000度。
步骤S120、根据所述清洁用电信息、第一用电数据进行计算得到清洁能源占比信息,若所述清洁能源占比信息小于预设驱动数值,则获取所述第一电力用户的位置信息。本发明会根据清洁用电信息、第一用电数据进行计算得到清洁能源占比信息,可以是清洁用电信息的数值除以第一用电数据的数字化,如果清洁能源占比信息小于预设驱动数值,则证明该企业的清洁能源用电比例较少,所以此时可以获取第一电力用户的位置信息,位置信息可以是其经度信息、纬度信息等等。预设驱动数值可以是预先设置的,例如百分之20、30等等。
步骤S130、基于所述位置信息得到目标区域,选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据所述预设数量的第三电力用户生成第一维推荐信息。本发明会根据位置信息得到目标区域,第一清洁能源行为可以是使用清洁能源比例大于预设驱动数值,此时的第二电力用户即可以是使用清洁能源比例大于预设驱动数值的用户。由于第二电力用户的数量可能会较多,本发明会对第二电力用户进行筛选,确定预设数量的第三电力用户,此时的预设数量可以是5、10等等。本发明会结合第三电力用户的用电行为得到第一维推荐信息。
本发明提供的技术方案,在一个可能的实施方式中,步骤S130包括:
以所述位置信息为中心点,按照预设围栏区域面积得到目标区域,统计目标区域内第一电力用户以外的所有其他电力用户得到第一筛选用户组。本发明会以位置信息为中心点确定相应的目标区域,并且得到目标区域内所有第一电力用户以外的所有其他电力用户得到第一筛选用户组,此时的第一筛选用户组内的电力用户都是与第一电力用户位置较近的电力用户。
对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户。本发明会对第一筛选用户组进行筛选,得到具有第一清洁能源行为的第二筛选用户组,第二筛选用户组具有得到第一维推荐信息的相关参考信息、数据。
本发明提供的技术方案,在一个可能的实施方式中,所述对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户,包括:
若第二筛选用户组中第二电力用户的数量少于用户最低数量,则对所述预设围栏区域扩大预设倍数得到新的目标区域。在得到第二筛选用户组后,因为地理属性的不同,第二筛选用户组内的第二电力用户数量可能会很少,会低于用户最低数量,用户最低数量可以是5、4等等。在第二电力用户的数量少于用户最低数量时,则此时用于参考的样本、数据较少,需要扩大对预设围栏区域扩大预设倍数得到新的目标区域,以获得更多的第二电力用户。预设倍数可以是1.2、1.3等等。在对预设围栏区域进行扩大时,可以是根据中心点进行扩大。
统计新的目标区域内的第一电力用户以外的所有其他电力用户,得到新的第一筛选用户组。在得到新的目标区域后,本发明重新统计其他电力用户、第一筛选用户组,进而再次得到第二电力用户,再次将第二电力用户的数量与用户最低数量进行比对,实现持续对目标区域进行持续调整的目的,直至第二电力用户的数量不再少于用户最低数量。
根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组。在实际的场景中,第二筛选用户组内的第二电力用户可能是多个,所以此时需要根据第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,将与第一电力用户较为接近的第二电力用户排在第三筛选用户组的前部。
选取所述第三筛选用户组中预设数量的第三电力用户生成第一维推荐信息。本发明会选取第三筛选用户组中预设数量的第三电力用户,此时预设数量的第三电力用户可以看作是进行参考生成第一维推荐信息的用户。
本发明提供的技术方案,在一个可能的实施方式中,所述根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组,包括:
分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数。本发明会分别对第一电力用户和第二电力用户的地理信息进行量化处理,使得地理信息能够参与后续的计算,并且根据第一地理量化值和第二地理量化值进行计算得到地理一致化系数,如果地理一致化系数越大,则证明第一电力用户和第二电力用户的地理信息越接近。
根据所述第一电力用户和每个第二电力用户的建筑面积信息得到面积一致化系数。建筑面积信息一般是每个电力用户都客观存在的,所以本发明会根据第一电力用户和每个第二电力用户的建筑面积信息确定面积一致化系数,如果面积一致化系数越大,则证明第一电力用户和每个第二电力用户的建筑面积信息情况越接近。
基于所述地理一致化系数和面积一致化系数进行融合计算得到用户一致化系数,根据第一电力用户和每个第二电力用户的用户一致化系数对第二筛选用户组进行降序排序,得到第三筛选用户组。本发明会结合地理一致化系数和面积一致化系数进行融合计算,确定用户一致化系数,此时的用户一致化系数参考了用户的地理信息和面积信息,使得此时所得到的用户一致化系参考维度较多、更加的准确,本发明会根据用户一致化系数对第二筛选用户组进行降序排序,得到第三筛选用户组,使得与第一电力用户较为接近的第二电力用户排在第三筛选用户组的前部,此时的第三筛选用户组内的第二电力用户可以是新的第三电力用户,此时第二电力用户的排序和第三电力用户的排序是不同的。
本发明提供的技术方案,在一个可能的实施方式中,所述分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数,包括:
接收预先配置的地理信息量化表,所述地理信息量化表包括平地、洼地、山地,所述平地、洼地、山地在所述地理信息量化表中的量化值逐渐增大。可以这样理解,在不同的区域可能会适宜放置不同的清洁能源设备,例如平地的光照较为充足,可以设置光伏发电设备,洼地和山地可能光照不会特别充足,但是可以设置地热发电设备、风力发电设备以及沼气发电设备等等。
平地和洼地的属性较为接近,洼地和山地的属性较为接近。所以此时可以预先设置地理信息量化表,平地可以对应量化值为1、洼地可以对应量化值为2、山地可以对应量化值为3。
基于所述地理信息量化表对所述第一电力用户和第二电力用户的地理信息进行量化处理得到第一地理量化值和第二地理量化值。本发明会根据地理信息量化表对第一电力用户和第二电力用户的地理信息进行量化处理,第一地理量化值和第二地理量化值越接近,则第一电力用户和第二电力用户的地理信息越接近。
通过以下公式计算地理一致化系数、面积一致化系数以及用户一致化系数,
其中,为地理一致化系数,为第一常数值,为第一地理量化值,为第二地
理量化值,为第一归一化值,为第二常数值,为面积一致化系数,为第一电力用
户的建筑面积信息,为第二电力用户的建筑面积信息,为第二归一化值,为用户一
致化系数,为第一权重值,为第二权重值。如果越大,则证明第一电力用户
和第二电力用户之间的地理信息相差越大,所以此时的地理一致化系数即有减小的趋
势。通过第一归一化值可以对进行归一化处理,可以是工作人员根据实际
情况预先设置的。如果越大,则证明第一电力用户和第二电力用户之间的面积信
息相差越大,所以此时的面积一致化系数即有减小的趋势。通过第二归一化值可以对进行归一化处理,可以是工作人员根据实际情况预先设置的。本发明可以分
别对地理信息和建筑面积进行综合的一致性计算,得到两个电力用户综合多个维度的相似
情况,进而确定进行参考的样本用户,根据参考的样本用户得到第一维推荐信息。
本发明提供的技术方案,在一个可能的实施方式中,所述根据所述预设数量的第三电力用户生成第一维推荐信息,包括:
获取所有第三电力用户的所有清洁能源数据,选取清洁能源数据中使用类别最多的清洁能源发电设备作为第一推荐设备。本发明会得到所有第三电力用户的所有清洁能源数据,并且根据不同类别的清洁能源发电设备的数量确定第一推荐设备,例如第三电力用户为5个,其中4个第三电力用户使用光伏发电板进行发电,则此时第一推荐设备即可以是光伏发电板。
统计所有第三电力用户对第一推荐设备的装机量总和,根据装机量总和、推荐设备所对应的第三电力用户的数量得到平均装机量。本发明会统计所有的第三电力用户对第一推荐设备的装机量总和,例如4个第三电力用户的光伏发电板的装机量为1000KW,则此时平均装机量即为250 KW。
获取第一电力用户与所述推荐设备所对应的当前装机量,根据所述平均装机量、当前装机量得到第一推荐装机量。在实际的使用场景中,第一电力用户可能会具有光伏发电板的发电使用行为,此时的当前装机量为50 KW,则此时本发明会将250 KW减去50 KW得到第一推荐装机量,即200KW。通过以上方式,使得本发明能够参考第一电力用户的当前使用行为,得到相对应的第一推荐装机量。
本发明提供的技术方案,在一个可能的实施方式中,包括:
判断第一电力用户存在其它类型的清洁能源发电设备,则获取其它类型的清洁能源发电设备的其他装机量,将所述其他装机量与第一推荐装机量比对得到第一减小系数。在实际的使用场景中,第一电力用户可能还存在其他的清洁能源使用行为,例如风力发电、沼气发电等等,此时本发明会确定其它类型的清洁能源发电设备,并且得到该类型的清洁能源发电设备的其他装机量,本发明会根据其他装机量与第一推荐装机量之间的量值情况,得到第一减小系数。如果其他装机量相较于第一推荐装机量越大,则此时的第一减小系数就越小。
根据所述第一减小系数对所述第一推荐装机量进行减小处理,得到减小处理后的第一推荐装机量。本发明会根据第一减小系数对所述第一推荐装机量进行减小处理,得到在考虑其他清洁能源使用行为的前提下所得到的第一推荐装机量。
通过以下公式计算第一推荐装机量和减小处理后的第一推荐装机量,
其中,为推荐装机量,为第三权重值,为第个第三电力用户对推荐设
备的装机量,为装备有推荐设备的第三电力用户的数量,为装备有推荐设备的第三电
力用户的上限值,为第一电力用户在当前时刻对推荐设备的装机量,为减小处理后
的推荐装机量,为第四权重值,为第一电力用户在当前时刻对其他第个清洁能源
发电设备的其他装机量,为清洁能源发电设备的上限值。通过可以得到平均装机
量,第三权重值可以是根据实际场景由工作人员主动设置的,此时通过可以得到相对应的推荐装机量。通过可以得到第一电
力用户在当前时刻对其他所有清洁能源发电设备的装机量之和,如果相对越大、相对越小则此时的第一减小系数就越大,可以是预先设置的,在越大时,
则减小处理后的第一推荐装机量越小。通过以上方式,使得本发明能够充分考虑第一电
力用户的当前清洁能源用电行为以及清洁设备的种类,得到最适宜的推荐装机量。使得所
得到的推荐装机量与用电需求是相适应的,相较于该企业的规模、用电情况,不会出现畸高
或畸低的情况。
基于第一推荐设备、第一推荐装机量以及第一电力用户的用户标签生成第一维推荐信息。本发明会根据每一个第一电力用户的第一推荐设备、第一推荐装机量生成相对应的第一维推荐信息,此时第一维推荐信息会具有唯一的用户标签。
步骤S140、根据预设策略和所述清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息。本发明会结合服务器中预先设置的预设策略对清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,并得到相对应的第二维推荐信息。
本发明提供的技术方案,在一个可能的实施方式中,步骤S140包括:
将所述清洁能源占比信息和预设能源占比信息进行比对得到占比差值信息,根据所述占比差值信息和第一用电数据计算得到预测需求发电量。预设能源占比信息可以是预先设置的,例如25%,即企业在用电过程中,用电属性中可以具有25%的清洁能源占比,如果未达到该占比,则此时可以进行相应的推荐预测,即得到占比差值信息,结合占比差值信息、第一用电数据计算得到预测需求发电量,此时的预测需求发电量是企业较为适宜的企业清洁发电量,该发电量符合企业的企业规模以及实际的生产需要。
根据所述第一属性信息确定相对应的第二推荐设备,确定与所述第二推荐设备相对应的装机转换值。本发明会结合第一属性信息确定相对应的第二推荐设备,并得到相对应的装机转换值,如果第一企业属性是畜牧业,则此时其会产生大量的排泄物,所以此时可以是所对应的第二推荐设备可以是沼气发电设备,如果第一属性信息为在平原的普通工厂,则此时的第二推荐设备可以是光伏发电设备。如果第一属性信息为在山地的普通工厂,则此时的第二推荐设备可以是风力发电设备等等。不同类型的第二推荐设备可以对应不同的装机转换值,因为不同的设备的装机难度是不同的,装机难度越大的第二推荐设备所对应的装机转换值可以越小。
根据所述预测需求发电量和装机转换值生成第二推荐装机量,根据所述第二推荐设备、第二推荐装机量生成第二电力画像,对所述第二电力画像添加第一电力用户的用户标签后生成第二维推荐信息。本发明会根据预测需求发电量和装机转换值生成第二推荐装机量,此时通过装机转换值可以对预测需求发电量进行增大或减小的处理得到第二推荐装机量,结合第二推荐设备、第二推荐装机量生成第二电力画像,越是难安装的设备则越是设置较少装机量的第二推荐设备,减小企业的负担。本发明会根据第二推荐设备、第二推荐装机量生成第二电力画像,对第二电力画像添加唯一的用户标签后生成第二维推荐信息。
步骤S150、对所述第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将所述推荐决策数据发送至第一电力用户。本发明会对第一维推荐信息、第二维推荐信息进行融合计算,得到最终的推荐决策数据并发送至第一电力用户,使得本发明能够根据第一电力用户不同的地理信息、建筑面积等情况进行清洁能源发电设备的电力营销,大力推广企业进行清洁能源的发电,参与碳中和,实现碳达峰,并且合理的确定企业的负担,使得其在使用清洁能源时合理的确定相应的量值,不会造成冗余的情况出现。
本发明提供的技术方案,在一个可能的实施方式中,步骤S150包括:
获取具有相同用户标签的第一维推荐信息和第二维推荐信息。本发明在计算第一维推荐信息和第二维推荐信息时,可以通过两个不同的计算模型进行计算,此时所得到的第一维推荐信息和第二维推荐信息可能是异步的,所以本发明需要根据相同的用户标签来确定相对应的第一维推荐信息和第二维推荐信息。
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备相同,则将第一推荐设备作为融合决策设备。此时则证明根据用户大数据以及电网的预设逻辑所确定的推荐设备都是相同的,所以此时可以直接将第一推荐设备作为融合决策设备。
将第一推荐装机量和第二推荐装机量的平均值作为融合决策装机量。本发明会得到第一推荐装机量和第二推荐装机量的平均值,此时的平均值是参考了两个维度的数量值,使得融合决策装机量不会过大或过小,确定一个适中的数值,此时既考虑用户的差异性,又考虑到了最优性。
根据所述融合决策设备、融合决策装机量生成推荐决策数据。本发明会结合融合决策设备、融合决策装机量得到最终的推荐决策数据。
本发明提供的技术方案,在一个可能的实施方式中,还包括:
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备不相同,则将第一推荐设备和第二推荐设备分别作为融合决策设备。在实际的预测场景中,第一推荐设备和第二推荐设备可能不同,则此时两个维度所推荐的设备可能即包括光伏发电设备又包括了风力发电设备,此时本发明会将光伏发电设备和风力发电设备分别作为融合决策设备,即将光伏发电设备和风力发电设备分别进行推荐,供第一电力用户进行相应的选择。
获取第一推荐装机量和第二推荐装机量之和作为第一计算装机值,将第一推荐装机量和第二推荐装机量之和的平均值作为第二计算装机值。本发明会得到第一计算装机值和第二计算装机值。
根据所述第一推荐装机量、第一计算装机值以及第二计算装机值计算得到第一推荐设备的第一子装机量。通过第一推荐装机量占第一计算装机值的比值可以得到第一推荐装机量的第一比例,然后将第一比例与第二计算装机值相乘即可以得到第一子装机量。
根据所述第二推荐装机量、第一计算装机值以及第二计算装机值计算得到第二推荐设备的第二子装机量。通过第一推荐装机量占第一计算装机值的比值可以得到第一推荐装机量的第一比例,然后将第一比例与第二计算装机值相乘即可以得到第一子装机量。
通过以下公式计算第一子装机量和第二子装机量,
其中,为第一子装机量,为第一推荐装机量,为第二推荐装机量,为第
一推荐设备的安装系数,为标准安装系数,为安装换算值,为第二子装机量,为
第二推荐设备的安装系数。
不同的推荐设备会具有不同的安装系数,安装设备越难安装,则相对应的安装系
数越大,例如光伏发电设备较易安装,则光伏发电板所对应的安装系数则较小,安装换算值可以是预先设置的。
通过得到第一推荐装机量占第一计算装机值的比例,结合装机难度系数和第二计算装机值得到第一子装机量。通过得到第二推荐装机量占第
一计算装机值的比例,结合装机难度系数和第二计算装机值得到第二子装机
量。
根据所述第一子装机量、第二子装机量得到融合决策装机量。本发明会将第一子装机量、第二子装机量进行融合得到融合决策装机量,此时的融合决策装机量包括多个不同设备的装机量。
本发明还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.基于多维大数据融合汇聚的自主决策方法,其特征在于,包括:
获取第一电力用户的第一用电数据,若所述第一用电数据大于第一预设数据,则对所述第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息;
根据所述清洁用电信息、第一用电数据进行计算得到清洁能源占比信息,若所述清洁能源占比信息小于预设驱动数值,则获取所述第一电力用户的位置信息;
基于所述位置信息得到目标区域,选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据所述预设数量的第三电力用户生成第一维推荐信息;所述第一清洁能源行为为使用清洁能源比例大于所述预设驱动数值;
根据预设策略和所述清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息;
对所述第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将所述推荐决策数据发送至第一电力用户;
所述基于所述位置信息得到目标区域,选取目标区域内具有第一清洁能源行为的第二电力用户,在多个第二电力用户中确定预设数量的第三电力用户,根据所述预设数量的第三电力用户生成第一维推荐信息,包括:
以所述位置信息为中心点,按照预设围栏区域面积得到目标区域,统计目标区域内第一电力用户以外的所有其他电力用户得到第一筛选用户组;
对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户;
根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组;
选取所述第三筛选用户组中预设数量的第三电力用户生成第一维推荐信息;
所述根据所述预设数量的第三电力用户生成第一维推荐信息,包括:
获取所有第三电力用户的所有清洁能源数据,选取清洁能源数据中使用类别最多的清洁能源发电设备作为第一推荐设备;
统计所有第三电力用户对第一推荐设备的装机量总和,根据装机量总和、推荐设备所对应的第三电力用户的数量得到平均装机量;
获取第一电力用户与所述推荐设备所对应的当前装机量,根据所述平均装机量、当前装机量得到第一推荐装机量;
基于第一推荐设备、第一推荐装机量以及第一电力用户的用户标签生成第一维推荐信息;
所述根据预设策略和所述清洁能源占比信息、第一电力用户的第一属性信息生成第一电力画像,根据所述第一电力画像生成相对应的第二维推荐信息,包括:
将所述清洁能源占比信息和预设能源占比信息进行比对得到占比差值信息,根据所述占比差值信息和第一用电数据计算得到预测需求发电量;
根据所述第一属性信息确定相对应的第二推荐设备,确定与所述第二推荐设备相对应的装机转换值;
根据所述预测需求发电量和装机转换值生成第二推荐装机量,根据所述第二推荐设备、第二推荐装机量生成第二电力画像,对所述第二电力画像添加第一电力用户的用户标签后生成第二维推荐信息。
2.根据权利要求1所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述获取第一电力用户的第一用电数据,若所述第一用电数据大于第一预设数据,则对所述第一用电数据按照用电维度进行分解得到清洁用电信息和市电用电信息,包括:
随机抽取任意一个电力用户,若判断所抽取的电力用户的用电行为不满足预设行为要求,则将所述电力用户作为第一电力用户,获取第一电力用户的第一用电数据;
对所述第一用电数据按照清洁能源维度和市电维度进行分解得到清洁用电信息和市电用电信息。
3.根据权利要求1所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述对第一筛选用户组进行筛选得到具有第一清洁能源行为的第二筛选用户组,所述第二筛选用户组包括至少一个第二电力用户,包括:
若第二筛选用户组中第二电力用户的数量少于用户最低数量,则对所述预设围栏区域扩大预设倍数得到新的目标区域;
统计新的目标区域内的第一电力用户以外的所有其他电力用户,得到新的第一筛选用户组。
4.根据权利要求1所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述根据第一电力用户和每个第二电力用户的地理信息和建筑面积信息对第二筛选用户组进行排序,得到第三筛选用户组,包括:
分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数;
根据所述第一电力用户和每个第二电力用户的建筑面积信息得到面积一致化系数;
基于所述地理一致化系数和面积一致化系数进行融合计算得到用户一致化系数,根据第一电力用户和每个第二电力用户的用户一致化系数对第二筛选用户组进行降序排序,得到第三筛选用户组。
5.根据权利要求4所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述分别对所述第一电力用户和第二电力用户的地理信息进行量化处理,得到第一地理量化值和第二地理量化值,根据所述第一地理量化值和第二地理量化值进行计算得到地理一致化系数,包括:
接收预先配置的地理信息量化表,所述地理信息量化表包括平地、洼地、山地,所述平地、洼地、山地在所述地理信息量化表中的量化值逐渐增大;
基于所述地理信息量化表对所述第一电力用户和第二电力用户的地理信息进行量化处理得到第一地理量化值和第二地理量化值;
通过以下公式计算地理一致化系数、面积一致化系数以及用户一致化系数,
,其中,/>为地理一致化系数,/>为第一常数值,/>为第一地理量化值,/>为第二地理量化值,/>为第一归一化值,/>为第二常数值,/>为面积一致化系数,为第一电力用户的建筑面积信息,/>为第二电力用户的建筑面积信息,/>为第二归一化值,/>为用户一致化系数,/>为第一权重值,/>为第二权重值。
6.根据权利要求1所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述获取第一电力用户与所述推荐设备所对应的当前装机量,根据所述平均装机量、当前装机量得到第一推荐装机量,包括:
判断第一电力用户存在其它类型的清洁能源发电设备,则获取其它类型的清洁能源发电设备的其他装机量,将所述其他装机量与第一推荐装机量比对得到第一减小系数;
根据所述第一减小系数对所述第一推荐装机量进行减小处理,得到减小处理后的第一推荐装机量;
通过以下公式计算第一推荐装机量和减小处理后的第一推荐装机量,
,其中,/>为推荐装机量,/>为第三权重值,/>为第/>个第三电力用户推荐设备的装机量,/>为装备有推荐设备的第三电力用户的数量,/>为装备有推荐设备的第三电力用户的上限值,/>为第一电力用户在当前时刻对推荐设备的装机量,为减小处理后的推荐装机量,/>为第四权重值,/>为第一电力用户在当前时刻对其他第个清洁能源发电设备的其他装机量,/>为清洁能源发电设备的上限值。
7.根据权利要求1所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,
所述对所述第一维推荐信息、第二维推荐信息进行融合计算得到自动的推荐决策数据,将所述推荐决策数据发送至第一电力用户,包括:
获取具有相同用户标签的第一维推荐信息和第二维推荐信息;
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备相同,则将第一推荐设备作为融合决策设备;
将第一推荐装机量和第二推荐装机量的平均值作为融合决策装机量;
根据所述融合决策设备、融合决策装机量生成推荐决策数据。
8.根据权利要求7所述的基于多维大数据融合汇聚的自主决策方法,其特征在于,还包括:
若第一维推荐信息中的第一推荐设备和第二维推荐信息中的第二推荐设备不相同,则将第一推荐设备和第二推荐设备分别作为融合决策设备;
获取第一推荐装机量和第二推荐装机量之和作为第一计算装机值,将第一推荐装机量和第二推荐装机量之和的平均值作为第二计算装机值;
根据所述第一推荐装机量、第一计算装机值以及第二计算装机值计算得到第一推荐设备的第一子装机量;
根据所述第二推荐装机量、第一计算装机值以及第二计算装机值计算得到第二推荐设备的第二子装机量;
根据所述第一子装机量、第二子装机量得到融合决策装机量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210601630.9A CN114780860B (zh) | 2022-05-30 | 2022-05-30 | 基于多维大数据融合汇聚的自主决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210601630.9A CN114780860B (zh) | 2022-05-30 | 2022-05-30 | 基于多维大数据融合汇聚的自主决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780860A CN114780860A (zh) | 2022-07-22 |
CN114780860B true CN114780860B (zh) | 2023-09-05 |
Family
ID=82421860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210601630.9A Active CN114780860B (zh) | 2022-05-30 | 2022-05-30 | 基于多维大数据融合汇聚的自主决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780860B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115374404B (zh) * | 2022-10-20 | 2023-01-24 | 国网(宁波)综合能源服务有限公司 | 基于多维数据对行业月度电能占比偏差的修正方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038727A (zh) * | 2017-12-11 | 2018-05-15 | 囯网河北省电力有限公司电力科学研究院 | 一种提供差异化服务的方法、系统及终端设备 |
CN108776939A (zh) * | 2018-06-07 | 2018-11-09 | 上海电气分布式能源科技有限公司 | 用户用电行为的分析方法及系统 |
CN111932069A (zh) * | 2020-07-08 | 2020-11-13 | 深圳市深鹏达电网科技有限公司 | 家庭电力用户用电能效分析方法、计算机设备、存储介质 |
CN112598480A (zh) * | 2020-12-30 | 2021-04-02 | 山东电力交易中心有限公司 | 省间中长期清洁能源电力交易推荐率的计算机实施方法 |
CN113706208A (zh) * | 2021-08-31 | 2021-11-26 | 国网四川省电力公司经济技术研究院 | 一种综合能源服务套餐配置方法 |
CN114119290A (zh) * | 2022-01-25 | 2022-03-01 | 国网浙江省电力有限公司绍兴供电公司 | 适用于碳排放数据的监控识别方法、装置及存储介质 |
CN114417955A (zh) * | 2021-12-02 | 2022-04-29 | 国网浙江省电力有限公司 | 适用乡村的电力指数画像实时生成方法、装置及存储介质 |
WO2022100518A1 (zh) * | 2020-11-12 | 2022-05-19 | 北京沃东天骏信息技术有限公司 | 一种基于用户画像的物品推荐方法和装置 |
-
2022
- 2022-05-30 CN CN202210601630.9A patent/CN114780860B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038727A (zh) * | 2017-12-11 | 2018-05-15 | 囯网河北省电力有限公司电力科学研究院 | 一种提供差异化服务的方法、系统及终端设备 |
CN108776939A (zh) * | 2018-06-07 | 2018-11-09 | 上海电气分布式能源科技有限公司 | 用户用电行为的分析方法及系统 |
CN111932069A (zh) * | 2020-07-08 | 2020-11-13 | 深圳市深鹏达电网科技有限公司 | 家庭电力用户用电能效分析方法、计算机设备、存储介质 |
WO2022100518A1 (zh) * | 2020-11-12 | 2022-05-19 | 北京沃东天骏信息技术有限公司 | 一种基于用户画像的物品推荐方法和装置 |
CN112598480A (zh) * | 2020-12-30 | 2021-04-02 | 山东电力交易中心有限公司 | 省间中长期清洁能源电力交易推荐率的计算机实施方法 |
CN113706208A (zh) * | 2021-08-31 | 2021-11-26 | 国网四川省电力公司经济技术研究院 | 一种综合能源服务套餐配置方法 |
CN114417955A (zh) * | 2021-12-02 | 2022-04-29 | 国网浙江省电力有限公司 | 适用乡村的电力指数画像实时生成方法、装置及存储介质 |
CN114119290A (zh) * | 2022-01-25 | 2022-03-01 | 国网浙江省电力有限公司绍兴供电公司 | 适用于碳排放数据的监控识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114780860A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Peer-to-peer energy sharing with social attributes: A stochastic leader–follower game approach | |
CN114119290B (zh) | 适用于碳排放数据的监控识别方法、装置及存储介质 | |
CN113609443B (zh) | 基于区块链的碳足迹跟踪处理方法、装置及存储介质 | |
CN110675275B (zh) | 一种虚拟电厂的需求侧响应用电负荷调控方法及系统 | |
CN114780860B (zh) | 基于多维大数据融合汇聚的自主决策方法 | |
CN112488744A (zh) | 一种交易驱动的虚拟电厂定制化构建方法 | |
CN110796307A (zh) | 一种综合能源系统分布式负荷预测方法及系统 | |
CN114417955B (zh) | 适用乡村的电力指数画像实时生成方法、装置及存储介质 | |
CN115313361A (zh) | 一种规模化可调资源的联合优化控制方法和装置 | |
Salazar et al. | Reinforcement learning-based pricing and incentive strategy for demand response in smart grids | |
Zhao et al. | Efficient and robust equilibrium strategies of utilities in day-ahead market with load uncertainty | |
Chen et al. | Toward future information market: An information valuation paradigm | |
CN113468385A (zh) | 基于边缘处理端的能源梯度确定方法、装置及存储介质 | |
CN108493946A (zh) | 基于用户用电分析的电能控制方法、装置及设备 | |
Zhang et al. | User power interaction behavior clustering analysis that is based on the self-organizing-center K-means algorithm | |
CN116231667A (zh) | 一种基于pcam-gmm的农村配电网源-网-荷-储协调优化方法 | |
CN115833240A (zh) | 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 | |
CN115049321A (zh) | 基于地理信息的物资调配数据处理方法及系统 | |
CN111553571B (zh) | 化石能源电厂年度基数电量分摊方法 | |
Subramanian et al. | Optimal power and reserve capacity procurement policies with deferrable loads | |
CN113760550A (zh) | 资源分配方法和资源分配装置 | |
Dongxiao et al. | A Dynamic Price Inference Approach HIVE BOX | |
CN114677184B (zh) | 基于经营决策辅助模型的数据处理方法及平台 | |
CN109617122B (zh) | 一种分布式电源出力预测的方法和装置 | |
CN111193258A (zh) | 一种微电网发电量优化方法及系统 |
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 |