基于大数据分析的网络智慧节电监控方法技术

基于大数据分析的网络智慧节电监控方法，属于电表监控分析领域，用于解决对于电表数据监测，并实现关联分析的问题，技术要点是：云端服务器接收智慧电表采集用电器的用电数据，电数据分布式存储于云端服务器中，并在云端服务器使用基于Map‑Reduce模型改进的k‑means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。效果是：该节电监控与分析方法实现了用户用电情况的可视化，并对用户用电情况的分析，给出用户用电策略，使用户高效智能用电，节约能耗。

【技术实现步骤摘要】

本专利技术属于电表监控分析领域，涉及云计算技术，是一种基于Map-Reduce模型改进的k-means数据挖掘算法和遗传算法的智慧节电监控与用电行为分析方法。
技术介绍
当前我国经济逐步从注重经济增长逐步向注重经济增长方式转变，节能减排和低碳经济逐步被人们所重视，大量节能产品顺势而生，但其节能效果并不能直观的体现给用户。安装智慧电表是解决智慧节电监控的有效途径。智慧电表对电力数据的计量是双向的，即用户可以参与到电能管理的工作范围之内，积极调控与自己相关电表的数据信息，实现用户做主计量调控电表数据，实现智慧节电监控。但是，传统的智慧电表监控智慧用电仍然存在以下几点不足：(1)智慧电表本身数据的展示有空间和时间的局限——必须由网线将数据采集器连至电脑才能展示，不便于人们随时随地的监控用电数据。(2)智慧电表只能储存和监控用户数据，并不能根据用户用电行为来进行有效的分析，使用户高效智能用电，节约能耗。
技术实现思路
本专利技术的目的是提供一种基于云计算的智慧节电监控与分析系统，该节电监控与分析系统实现了用户用电情况的可视化，并对用户用电情况的分析，给出用户用电策略，使用户高效智能用电，节约能耗。为实现上述目的，本专利技术的技术要点是：一种基于大数据分析的网络智慧节电监控方法，云端服务器接收智慧电表采集用电器的用电数据，电数据分布式存储于云端服务器中，并在云端服务器使用基于Map-Reduce模型改进的k-means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。与现有技术相比，本专利技术的有益效果在于：本专利技术的智慧节电监控与分析方法，由于采用电数据分布式存储于云端服务器中，并在云端服务器使用基于Map-Reduce模型改进的k-means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。该技术方案，使得用户可以了解自己的用电行为间的关联规则，以及我们为用户设计的智能用电策略，可以有效的提高用户的用电效率，减少能耗，实现经济用电的目的。附图说明图1基于云计算的智慧节电监控与分析系统系统结构图；图2基于云计算的用户用电行为分析流程；图3数据采集流程图；图4智慧电表的整体组成架构。具体实施方式下面将结合附图以及具体的实施例来详细说明本专利技术，为本专利技术的示意性实施及说明，用于解释本专利技术，但并不作为对本专利技术的限定。实施例1：一种基于云计算的智慧节能电监控与分析系统，包括云端服务器，接收智慧电表采集用电器的用电数据，电数据分布式存储于云端服务器中，并在云端服务器使用基于Map-Reduce模型改进的k-means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。如图1所示：采集器DLL通过USB接口与电脑连接，在电脑上进行相应配置，使DLL正常工作，通过设置DLL采集器，将采集到的数据定时存于PC上的指定目录中，之后利用JAVA语言编程，将文件以表格的形式存放在服务器上的数据库中。利用PHP技术将服务器上数据库中的数据以图表形式在网页中呈现，达到数据可视化。本实施例的数据分析技术实现如下：如图2所示：用户根据自己的需要安装智慧电表，一个用户可以安装多个智慧电表，例如，一个大型用电工厂，由于机器电能消耗过大，可以在每个大型用电器上装一个智慧电表来监测耗能情况；一个家庭可以整体一家只装一个智慧电表，也可以选择他们需要具体监测的电器另外单独安装电表监测电器耗能情况。智慧电表采集相应的用电器的用电数据，将智慧电表采集到数据进行分布式储
存，在云计算处理过程中采用基于Map-Reduce模型改进的k-means算法进行数据挖掘，k-means算法是一种属于划分方法的聚类算法，通常采用欧氏距离作为2个样本相似程度的评价指标，其基本思想是：随机选取数据集中的k个点作为初始聚类中心，根据数据集中的各个样本到k个中心的距离将其归到距离最小的类中，然后计算所有归到各个类中的样本的平均值，更新每个类中心，直到平方误差准则函数稳定在最小值。用电数据进行分析的方法是：S1.智慧电表获取的用电数据以表格形式，csv文件类型传输到云服务器端，用电数据以分布式数据存储的形式按照行列一个个数据集合，进行预处理，将其转换为标准数据格式<ID，time，quantity>，其中ID为智慧电表编号，time为数据采集时间，quantity为用电量；S2.从所述数据集合中，任意选出k个数据集合对象作为聚类中心，并将其发送到空闲的Map任务点；S3.在Map任务点中，Map函数对标准用电数据格式<ID，time，quantity>进行逐一检测，计算出标准用电数据与k聚类中心点之间的距离，获得最小距离，其中这个距离叫做欧式距离，最小距离记为Kmin；S4.获得最小距离Kmin后，重新对所述数据集合进行整理，Map函数产生新格式<Kmin，all>，其中最小距离Kmin是智慧电表聚类标志(在这里意思是指欧氏距离最小值是智慧代表的聚类标志)，all中包含智慧电表编号，数据采集时间，用电量；S5.对产生的新数据集合按照最小距离Kmin(欧式距离最小值)，利用Partitioner函数进行处理，进而区分为r个区域，将所有区域发送到Reduce任务点；S6.利用Reduce函数不断计算最小距离Kmin(欧式距离最小值)的均值，从而获取最稳定的最小距离Kmin(欧式距离最小值)聚类均值中心点；S7.根据平方误差准则函数计算，当函数处于收敛状态时，中止上述算法并输出k个集合的数据，否则不断重复上述算法。而作为另一种实施例：所述用电数据进行分析的方法是：S1.用电信息数据集以行形式存储在分布式文件系统中，使得待处理的用电数据集能够按行分片形成用电数据子集，任务管理按照k-means算法确定聚类个数k，并初始化k个聚类中心，发送到m个待执行Map任务的节点，Map是任务数；S2.对分布式文件系统中的用电数据子集进行格式化，产生<keyl，valuel>键值对，具体格式化为<UserlD，info>，其中：UserlD表示家庭用户ID，info为家庭用户信息，所述的家庭用户信息包括房屋面积、家庭成员数、用电量；S3.Map函数对输入的家庭用户用电数据子集的每个记录<UserlD，info>进行扫描，分别计算其与k个中心点的欧式距离，记录距离最小的中心点kmin；Map函数生成并输出中间结果<key2，value2>对，其被定义为<kmin，info1>对，kmin表示该用户所属簇的标识，info1.包括家庭用户ID、房屋面积、家庭成员数、用电量信息；S4.分区函数Partitioner将中间结果按照kmin进行哈希，划分成r个不同的分区，将每个分区分配到指定的Reduce函数；S5.被分配了Reduce任务的节点从m个Map任务处读取相应的中间结果<kmin，list<(inf01<userlD1…>)，(inf01<userlD2…>)，...>>并按照kmin对数据进行排序，使得具有相同kmin的数据聚集在一起，节点遍历排序后的中间数据，本文档来自技高网...

【技术保护点】
一种基于大数据分析的网络智慧节电监控方法，其特征在于，云端服务器接收智慧电表采集用电器的用电数据，电数据分布式存储于云端服务器中，并在云端服务器使用基于Map‑Reduce模型改进的k‑means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。

【技术特征摘要】
1.一种基于大数据分析的网络智慧节电监控方法，其特征在于，云端服务器接收智慧电表采集用电器的用电数据，电数据分布式存储于云端服务器中，并在云端服务器使用基于Map-Reduce模型改进的k-means算法对所述用电数据进行分析，以挖掘用户的用电行为关联规则，并对用户的行为规则分析。2.如权利要求1所述的基于大数据分析的网络智慧节电监控方法，其特征在于，所述基于Map-Reduce模型改进的k-means算法是：随机选取数据集中的k个点作为初始聚类中心，根据数据集中的各个样本到k个中心的距离将其归到距离最小的类中，然后计算所有归到各个类中的样本的平均值，更新每个类中心，直到平方误差准则函数稳定在最小值。3.如权利要求1所述的基于大数据分析的网络智慧节电监控方法，其特征在于，所述用电数据进行分析的方法是：S1.智慧电表获取的用电数据以表格形式，传输到云服务器端，用电数据以分布式数据存储的形式按照行列一个个数据集合，进行预处理，将其转换为标准数据格式<ID，time，quantity>，其中ID为智慧电表编号，time为数据采集时间，quantity为用电量；S2.从所述数据集合中，任意选出k个数据集合对象作为聚类中...

【专利技术属性】
技术研发人员：季长清，汪祖民，陶帅，王宝凤，李鑫舟，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁;21