CN114912846A - 在线学习的综合能源客户价值挖掘能效评估方法和装置 - Google Patents
在线学习的综合能源客户价值挖掘能效评估方法和装置 Download PDFInfo
- Publication number
- CN114912846A CN114912846A CN202210702100.3A CN202210702100A CN114912846A CN 114912846 A CN114912846 A CN 114912846A CN 202210702100 A CN202210702100 A CN 202210702100A CN 114912846 A CN114912846 A CN 114912846A
- Authority
- CN
- China
- Prior art keywords
- energy
- comprehensive energy
- data
- comprehensive
- rate
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 94
- 238000005065 mining Methods 0.000 title claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000005265 energy consumption Methods 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000009412 basement excavation Methods 0.000 claims 1
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- G06Q10/0631—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了在线学习的综合能源客户价值挖掘能效评估方法和装置,包括获取综合能源客户的综合能源使用数据,并进行预处理;基于预置的综合能源客户价值评价指标评估综合能源客户价值,获取客户价值评价标准数据;对客户价值评价标准数据进行中心化和标准化处理;基于中心化和标准化处理后的数据进行训练学习,获取参数权值;基于参数权值构建综合能效评估模型;基于综合能效评估模型评估综合能源客户的能效和综合能源客户的能源使用情况。本发明提供一种基于在线学习的综合能源客户价值挖掘能效评估方法,解决现有技术中综合能源管理与能效评估方法未考虑用户侧需求导致无法满足综合能源客户用能需求的问题。
Description
技术领域
本发明涉及在线学习的综合能源客户价值挖掘能效评估方法和装置,属于综合能源数据挖掘技术领域。
背景技术
作为多能互补在区域供能系统中最广泛的实现形式,早在十几年前各国就纷纷加入到综合能源系统的研究应用之中。用户侧综合能源服务利用先进的信息化技术,对多种能源系统进行统筹管理,充分实现能源精细利用和协调优化,推动多能互补,提升社会整体能效。在综合能源的网络架构下,为了使用户侧资源的能力得到充分利用,世界各国一直在鼓励用户侧综合能源服务的研究。
目前已经有多种客户价值评价方法被广泛应用于综合能源多个方面的评价,但综合能源供需协调优化技术及经济性还需要提升。要突破目前关于客户价值评价的局限性,一方面要构建一套体系化的供电客户价值评估指标体系,并根据实际业务建立动态调整机制,既多维度、全方位地真实反映客户的特性,又保持整个评价体系的连续性、持续性和可扩展性。二是基于客户行为信息大数据进行客户价值的挖掘,科学地运用现代大数据挖掘技术,有效地钻取客户数据背后的规律和需求,为供电客户价值评价工作提供技术支撑。现有的优化模型,多以运行成本最低或能耗最小为优化目标,将经济、能源两方面作为首要研究目的,很少考虑用户侧的需求。
对于综合能源系统,目前有大量文章运用智能能源枢纽、多能载波、热点联产、冷热电联产的概念协调优化多种能源以实现经济性和社会性目标。例如Farah等人在优化能源枢纽调度时考虑了三种目标函数,分别是最小化当前净成本、最小化二氧化碳总排放量以及同时最小化当前净成本和二氧化碳总排放量。我们发现这些综合能源管理与能效评估方法均未考虑用户侧需求,即用户特征。
因此,研发一种新的综合能源客户价值挖掘与能效评估的方法,以满足综合能源客户用能需求,成为人们亟待解决的问题。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供在线学习的综合能源客户价值挖掘能效评估方法和装置,解决现有技术中综合能源管理与能效评估方法未考虑用户侧需求导致无法满足综合能源客户用能需求的问题。
为达到上述目的,第一方面,本发明提供在线学习的综合能源客户价值挖掘能效评估方法,包括如下步骤:
获取综合能源客户的综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
将客户价值评价标准数据导入构建的综合能效评估模型,获取综合能源用户的能量使用能效,用于综合能源客户价值挖掘能效评估。
进一步地,构建综合能效评估模型,包括:
获取综合能源客户的综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
对客户价值评价标准数据进行中心化和标准化处理;
构造训练模型,基于中心化和标准化处理后的数据在训练模型中进行在线训练学习,获取参数权值;
基于参数权值构建综合能效评估模型。
进一步地,获取客户价值评价标准数据,包括:
基于预置的综合能源客户价值评价指标评估综合能源客户价值,获取客户价值评价标准数据;
预置的综合能源客户价值评价指标,包括:
S={ECc,Cc,Oc,EUPc,DPc};
其中,ECc,Cc和Oc为当前价值评价指标,ECc表示客户用能情况,Cc表示客户信用情况,Oc表示客户经营状况,EUPc和DPc是潜在价值评价指标,EUPc 表示客户用能潜力,DPc表示客户发展潜力。
进一步地,获取客户价值评价标准数据,包括:
ECc的价值评价标准数据包括用能量比率、用能费用比率、低谷用能率;
Cc的价值评价标准数据包括用能合同履行率、用能费用缴纳比率,管理合作率;
Oc的价值评价标准数据包括资产增长率;
EUPc的价值评价标准数据包括用能量增长率、用能量增长贡献率、用能费用增长率、用能费用增长贡献率;
DPc的价值评价标准数据包括行业市场占有率。
进一步地,中心化处理和标准化处理包括:
以用能增长率和用能费用增长率为中心,使用z-score标准化公式对客户价值评价标准数据进行中心化和标准化处理。
进一步地,预处理包括:
对数据进行缺失补全、冗余去除和噪声去除处理:
缺失补全的方法包括采用就近原则、中位数方法或平均数方法进行数据补全。
进一步地,构造训练模型,包括:
构造马尔科夫决策过程模型:
系统状态空间函数:
S(t)=(用能费用比率+市场占有率)/(用能量增长率*低谷用能率)+市场占有率;
动作空间函数:
a(t)=用能量增长贡献率;
奖励函数:
r(t)= 用能合同履行率+用能费用缴纳比率+管理合作率-用能费用增长率-用能费用增长贡献率。
进一步地,在线训练时实时与外界进行交互,实时获取综合能源客户的能源消耗数据,进行样本获取和样本更新。
第二方面,本发明提供一种在线学习的综合能源客户价值挖掘能效评装置,所述装置包括:
数据处理模块:用于接收综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
综合能效评估模块:用于处理客户价值评价标准数据,获取综合能源用户的能量使用能效,以进行综合能源客户价值挖掘能效评估。
本发明所达到的有益效果:
本发明提供在线学习的综合能源客户价值挖掘能效评估方法和装置,通过在构建在线学习的综合能效评估模型,实时获取综合能源客户的综合用能信息,并基于此实时分析综合能源客户的综合能源使用情况,有利于更加合理化地进行能源分析和配给,满足综合能源客户的用能需求。
本发明提供在线学习的综合能源客户价值挖掘能效评估方法和装置,不同于传统的AHP-熵权法的组合赋值等方法,可实时处理综合能源客户产生的小样本数据,具有良好的实用性。
本发明提供在线学习的综合能源客户价值挖掘能效评估方法和装置,不同于传统的由专家打分给出的参数类型,本发明使用综合能源客户在能源使用情况下产生的数据进行模型训练,降低了不确定性。
本发明提供在线学习的综合能源客户价值挖掘能效评估方法和装置,不仅考虑了综合能源客户的当前价值维度,还考虑了客户的潜在价值维度,最终的评价结果不仅可以适用于当下环境,而且对于未来客户价值的变动能够及时感知并适应,对于综合能源管理具有重要意义。
附图说明
图1是本发明实施例提供的在线学习的综合能源客户价值挖掘能效评估方法和装置的流程示意图;
图2是本发明实施例提供的在线学习的综合能源客户价值挖掘能效评估方法和装置中在线学习中智能体与环境之间进行交互学习的过程图;
图3是本发明实施例提供的在线学习的综合能源客户价值挖掘能效评估方法和装置中综合能源客户价值评价指标体系图;
图4是本发明实施例提供的在线学习的综合能源客户价值挖掘能效评估方法和装置中综合能源客户能效评估分类图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
本发明的实施例提供在线学习的综合能源客户价值挖掘能效评估方法,如图1至图4所示,不同于传统的AHP-熵权法的组合赋值等方法,本发明可以实时处理综合能源客户产生的小样本数据,具有良好的实用性;同时不同于传统的由专家打分给出的参数类型,本发明使用综合能源客户在能源使用情况下产生的数据进行模型训练,降低了不确定性;另外,本发明建立的综合能源客户评价指标不仅考虑了综合能源客户的当前价值维度,还考虑了客户的潜在价值维度,最终的评价结果不仅可以适用于当下环境,而且对于未来客户价值的变动能够及时感知并适应,对于综合能源管理具有重要意义。
如图1所示,本发明提供了一种基于在线学习的综合能源客户价值挖掘能效评估方法,包括如下步骤:
以某一园区为例:
步骤1:收集园区内综合能源客户各类能源使用情况数据;
步骤1.1:调研园区内综合能源客户能源使用情况;
步骤1.2:通过查询电表、问卷调查等方式,获取到客户用能情况,客户信用情况和客户经营状况。
步骤1.3:对收集到的数据进行预处理:对数据中缺失值、冗余数据、噪声数据进行清理。对于数据缺失情况采用就近原则或者填充中位数、平均数,特殊情况下缺失值占比较小并且不影响整体则直接删除,对于冗余数据则进行排查对冗余字段进行合并或删减。
步骤2:初选综合能源客户评价指标S={ECc,Cc,Oc,EUPc,DPc},用于评估综合能源客户价值,从而进一步得到用能效率,其中,S中每个特征项的含义如下:ECc,Cc和Oc为当前价值评价指标,ECc表示客户用能情况,Cc表示客户信用情况,Oc表示客户经营状况,EUPc和DPc是潜在价值评价指标,EUPc 表示客户用能潜力,DPc表示客户发展潜力;
其中,表1为模型参数与参数类型。
表1
步骤2中计算客户价值的具体步骤如下:
步骤2.1:获取客户价值评价标准数据,设定ECc的价值评价标准数据包括分析用能量比率、用能费用比率、低谷用能率,Cc的价值评价标准数据包括用能合同履行率、用能费用缴纳比率,管理合作率,Oc的价值评价标准数据包括资产增长率,EUPc的价值评价标准数据包括用能量增长率、用能量增长贡献率、用能费用增长率、用能费用增长贡献率,DP的价值评价标准数据包括分析行业市场占有率即市场份额。
上述评价指标和评价标准数据主要从客户的当前价值与潜在价值两个方面进行考虑,分析综合能源客户用能历史数据获取客户的当前价值,计算客户用能产生的耗能量增长率、耗能费用增长率与相对应的增长贡献率,预测综合能源客户的能效,分析客户的行业市场占有率主要为进一步评判客户未来的发展对能源利用率的影响。
步骤3:由于各个评价指标的属性不同,对上述选中的客户评价指标对应的数据进行中心化和标准化处理:
步骤3.1:分析数据计算结果,对数据进行中心化及标准化。对于ECc中客户用能数据,用能量比率与用能费用比率相对于低谷用能率相差至少十倍及以上,数据之间的差异较大,会对后续模型的训练产生影响,导致模型参数缺乏可参考性;同样从对Cc客户信用情况的计算结果来看,其结果为ECc的十倍左右,明显不符合数据标准化原则;EUPc中分析的客户用能量增长率与用能费用增长率与ECc中低谷用能率相差不多,相一致,而相对应的贡献率则与ECc中用能量比率和用能费用比率相差不多;因此以用能增长率、用能费用增长率数据为中心,将其它特征值进行中心化和标准化处理;
步骤3.3:使用z-score标准化公式,将所有特征值,即客户价值评价标准数据进行中心化和标准化处理,通过将数据标准化,降低训练权重参数出现偏差的可能性,加速权重参数的收敛。
步骤4:使用在线学习来训练上步生成的实验数据,训练完成后获得参数权值,其中,在线学习可以不断与环境进行交互,快速处理新产生的能耗数据;
下面给出在线学习模型构建的具体方法:
步骤4.1:首先设定综合能源系统中的马尔科夫决策过程模型,包括系统状态空间S(t)、动作空间a(t)和奖励函数r(t),其中客户信用情况Cc的三种特征值的累加减客户不满意成本构成奖励函数,r(t)= 用能合同履行率+用能费用缴纳比率+管理合作率-用能费用增长率-用能费用增长贡献率,系统状态空间S(t)由ECc客户历史用能数据构成,S(t)=(用能费用比率+市场占有率)/用能量增长率*低谷用能率+市场占有率,动作空间a(t)=用能量增长贡献率;
步骤4.2:确定好模型后,利用线上学习对步骤3中处理好的数据进行训练,最终生成参数权值;
步骤4.3:根据生成的模型参数权值,构建综合能源能效评估模型。
步骤5:利用步骤4中生成的参数权值构建综合能源能效评估模型,对综合能源客户的能效进行评估,评估综合能源客户能源使用情况。
下面给出综合能源客户价值挖掘能效评估模型具体步骤:
步骤5.1:综合能源客户随着时间不断产生能源消耗数据,实时获取并计算输入到能效评估模型中的客户价值评价标准数据,其中,在线学习不断与环境进行交互,可以解决样本数据量小与实时性问题,快速处理新产生的能耗数据;
步骤5.2:获取的特征值输入到已经训练好并获取到最优参数权值的在线学习模型中,然后获取到综合能源客户的能量使用能效,根据能效结果评估综合能源客户用能效率。
实施例二:
本发明实施例二提供在线学习的综合能源客户价值挖掘能效评估装置,包括:
数据处理模块:用于接收综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
综合能效评估模块:用于处理客户价值评价标准数据,获取综合能源用户的能量使用能效,以进行综合能源客户价值挖掘能效评估。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:包括:
获取综合能源客户的综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
将客户价值评价标准数据导入构建的综合能效评估模型,获取综合能源用户的能量使用能效,用于综合能源客户价值挖掘能效评估。
2.根据权利要求1所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
构建综合能效评估模型,包括:
获取综合能源客户的综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
对客户价值评价标准数据进行中心化和标准化处理;
构造训练模型,基于中心化和标准化处理后的数据在训练模型中进行在线训练学习,获取参数权值;
基于参数权值构建综合能效评估模型。
3.根据权利要求1或2所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
获取客户价值评价标准数据,包括:
基于预置的综合能源客户价值评价指标评估综合能源客户价值,获取客户价值评价标准数据;
预置的综合能源客户价值评价指标,包括:
S={ECc,Cc,Oc,EUPc,DPc};
其中,ECc,Cc和Oc为当前价值评价指标,ECc表示客户用能情况,Cc表示客户信用情况,Oc表示客户经营状况,EUPc和DPc是潜在价值评价指标,EUPc 表示客户用能潜力,DPc表示客户发展潜力。
4.根据权利要求3所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于: ECc的价值评价标准数据包括用能量比率、用能费用比率、低谷用能率;
Cc的价值评价标准数据包括用能合同履行率、用能费用缴纳比率,管理合作率;
Oc的价值评价标准数据包括资产增长率;
EUPc的价值评价标准数据包括用能量增长率、用能量增长贡献率、用能费用增长率、用能费用增长贡献率;
DPc的价值评价标准数据包括行业市场占有率。
5.根据权利要求2所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
中心化处理和标准化处理包括:
以用能增长率和用能费用增长率为中心,使用z-score标准化公式对客户价值评价标准数据进行中心化和标准化处理。
6.根据权利要求1或2所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
预处理包括:
对数据进行缺失补全、冗余去除和噪声去除处理:
缺失补全的方法包括采用就近原则、中位数方法或平均数方法进行数据补全。
7.根据权利要求2所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
构造训练模型,包括:
构造马尔科夫决策过程模型:
系统状态空间函数:
S(t)=(用能费用比率+市场占有率)/(用能量增长率*低谷用能率)+市场占有率;
动作空间函数:
a(t)=用能量增长贡献率;
奖励函数:
r(t)= 用能合同履行率+用能费用缴纳比率+管理合作率-用能费用增长率-用能费用增长贡献率。
8.根据权利要求2所述的在线学习的综合能源客户价值挖掘能效评估方法,其特征在于:
在线训练时实时与外界进行交互,实时获取综合能源客户的能源消耗数据,进行样本获取和样本更新。
9.在线学习的综合能源客户价值挖掘能效评估装置,其特征在于:
所述装置包括:
数据处理模块:用于接收综合能源使用数据,并进行预处理,获得客户价值评价标准数据;
综合能效评估模块:用于处理客户价值评价标准数据,获取综合能源用户的能量使用能效,以进行综合能源客户价值挖掘能效评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210702100.3A CN114912846B (zh) | 2022-06-21 | 2022-06-21 | 在线学习的综合能源客户价值挖掘能效评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210702100.3A CN114912846B (zh) | 2022-06-21 | 2022-06-21 | 在线学习的综合能源客户价值挖掘能效评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114912846A true CN114912846A (zh) | 2022-08-16 |
CN114912846B CN114912846B (zh) | 2023-11-21 |
Family
ID=82772814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210702100.3A Active CN114912846B (zh) | 2022-06-21 | 2022-06-21 | 在线学习的综合能源客户价值挖掘能效评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114912846B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629500A (zh) * | 2018-04-28 | 2018-10-09 | 国网河南省电力公司经济技术研究院 | 一种适用于新电改背景下电力客户综合价值评估方法 |
CN111080101A (zh) * | 2019-12-04 | 2020-04-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于ahp对供电渠道服务效能多维度评价的方法 |
CN112070392A (zh) * | 2020-09-07 | 2020-12-11 | 国网河南省电力公司经济技术研究院 | 一种基于多维度指标的综合能源客户价值评价方法 |
-
2022
- 2022-06-21 CN CN202210702100.3A patent/CN114912846B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629500A (zh) * | 2018-04-28 | 2018-10-09 | 国网河南省电力公司经济技术研究院 | 一种适用于新电改背景下电力客户综合价值评估方法 |
CN111080101A (zh) * | 2019-12-04 | 2020-04-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于ahp对供电渠道服务效能多维度评价的方法 |
CN112070392A (zh) * | 2020-09-07 | 2020-12-11 | 国网河南省电力公司经济技术研究院 | 一种基于多维度指标的综合能源客户价值评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114912846B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hong et al. | Energy forecasting: A review and outlook | |
CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
CN112232909A (zh) | 一种基于企业画像的商机挖掘方法 | |
Deng et al. | RETRACTED ARTICLE: A study on e-commerce customer segmentation management based on improved K-means algorithm | |
CN112785427B (zh) | 基于电力数据的企业信用分析系统 | |
Xu et al. | An evaluation method of comprehensive product quality for customer satisfaction based on intuitionistic fuzzy number | |
CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
CN111221868A (zh) | 一种应用于电力客户渠道偏好的数据挖掘与分析方法 | |
CN111598723A (zh) | 一种基于大数据管理的电力营销管理平台构建方法 | |
CN111143689A (zh) | 根据用户需求和用户画像构建推荐引擎的方法 | |
CN109241190A (zh) | 电力大数据混合计算架构 | |
CN115358481A (zh) | 一种企业外迁预警识别的方法、系统及装置 | |
CN111159559A (zh) | 根据用户需求和用户行为构建推荐引擎的方法 | |
Si | Construction and application of enterprise internal audit data analysis model based on decision tree algorithm | |
CN113988930A (zh) | 商业房地产人工智能估价系统 | |
CN114912846A (zh) | 在线学习的综合能源客户价值挖掘能效评估方法和装置 | |
CN115687788A (zh) | 一种智能化商机推荐方法和系统 | |
CN115689386A (zh) | 一种基于知识图谱和fp增长算法的企业运营监测方法 | |
Yan et al. | Research on automobile insurance fraud identification based on fuzzy association rules | |
CN112506930B (zh) | 一种基于机器学习技术的数据洞察系统 | |
Xiaoman et al. | Analysis of power large user segmentation based on affinity propagation and K-means algorithm | |
Liu et al. | Analysis of BIM in the Whole‐Process Cost Management of Construction Projects | |
Wang | Big Data Mining Method of Marketing Management Based on Deep Trust Network Model | |
CN112308338A (zh) | 电力数据处理方法及装置 | |
Wang | [Retracted] The Development Trend of China’s Agricultural Product Cold Chain Logistics from the Perspective of Big Data |
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 |