一种基于用电画像的智能优化方法技术

本申请提供一种基于用电画像的智能优化方法，包括：获取酒店用户信息与用户用电数据；根据酒店用户信息与用户用电数据构建用户画像；根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，具体包括：分析设备用电数据的用电误差，检查用电设备是否老化；利用节能用电组合模型检测异常用电，并分析异常用电类型；根据异常用电类型优化节能用电决策；根据用户用电数据分析用户不良用电行为，并更新用户画像；根据用户画像构建用户群体分类模型对用户进行分类；根据碳积分确定节能等级；根据用户画像与碳积分进行酒店权益推荐。荐。荐。

【技术实现步骤摘要】
一种基于用电画像的智能优化方法


[0001]本专利技术涉及信息
，尤其涉及一种基于用电画像的智能优化方法。

技术介绍

[0002]随着经济全球化的快速发展，酒店行业的竞争也不断加剧，若想在竞争中取得竞争优势，不仅仅需要达到标准化的服务，追求个性化的服务，更需要保护环境，促进可持续发展。在酒店日常运营过程中，需要消耗大量的能源，如照明消耗，电器消耗，热水供应消耗等等。巨大的能源消耗不仅导致较大的经营成本，同时也不利于节能减排。碳中和(CarbonNeutral)是指企业、产品、活动或个人在一定时间内直接或间接产生的二氧化碳或温室气体排放总量，通过植树造林、节能减排等形式，以抵消自身产生的二氧化碳或温室气体排放量，实现正负抵消，达到相对“零排放”。减少能源消耗是酒店业实现碳中和的有效途径之一，如何在保证酒店用户的入住体验的基础上，减少能源消耗，降低经营成本，促进可持续发展，是本领域技术人员亟待解决的技术问题。

技术实现思路

[0003]本专利技术提供了一种基于用电画像的智能优化方法，主要包括：
[0004]获取酒店用户信息与用户用电数据；根据酒店用户信息与用户用电数据构建用户画像；根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，具体包括：分析设备用电数据的用电误差，检查用电设备是否老化；利用节能用电组合模型检测异常用电，并分析异常用电类型；根据异常用电类型优化节能用电决策；根据用户用电数据分析用户不良用电行为，并更新用户画像；根据用户画像构建用户群体分类模型对用户进行分类；根据碳积分确定节能等级；根据用户画像与碳积分进行酒店权益推荐。
[0005]进一步可选地，所述获取酒店用户信息与用户用电数据包括：
[0006]获取酒店用户信息，所述酒店用户信息通过酒店用户管理平台获得，对所述酒店用户信息进行数据预处理，并存储于用户信息数据库；利用非侵入式负载监控(Non
‑
intrusiveloadmonitoringNILM)技术获取酒店的总用户用电数据，并对所述总用户用电数据进行分解，分别得到所述酒店中每个用户的实际用电数据；将所述实际用电数据上传至分布式服务器，所述分布式服务器定时将所述实际用电数据转发至云计算平台，所述云计算平台用于对所述实际用电数据进行分析评估分别得到每个所述用户的用户用电数据，并将所述用户用电数据存放在用户用电数据库中；其中，所述用户用电数据包括用电设备名称，用电设备日用电量，用电设备使用时间，用电设备使用频率、用电高峰时段，异常断电次数与主动断电次数。
[0007]进一步可选地，所述根据酒店用户信息与用户用电数据构建用户画像包括：
[0008]通过所述用户信息数据库与所述用户用电数据库分别获取用户消费数据与用户用电数据，并对属于同一用户的用户消费数据和用户用电数据进行关联；利用深度神经网
络DNN(DeepNeuralNetworks)模型分析所述用户消费数据与所述用户用电数据，并根据深度神经网络DNN模型输出用户标签，所述用户标签包括用电设备偏好，用电类型，用电高峰时段，常住房型，酒店入住率与入住酒店缘由；根据所述用户标签构建用户画像，并保存到用户画像数据库。
[0009]进一步可选地，所述根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制包括：
[0010]所述节能用电组合模型包括数据获取模块，节能用电决策模块与预警模块；所述数据获取模块用于获取用户的实时用电数据、用户画像数据与实时环境数据，所述实时环境数据包括温度，湿度与光线强度；所述节能用电决策模块对所述数据获取模块获取的数据进行筛选分析，最终形成节能用电决策；通过所述云计算平台执行所述节能用电决策，所述云计算平台用于根据所述节能用电决策生成实时配电指令数据，通过智能用电控制设备控制所述用户相应的用电设备执行所述实时配电指令数据；所述预警模块用于对所述用电设备进行监控，根据所述实时用电数据获取设备用电数据，即APD＝{e,c,v,a,p},其中，APD表示设备用电数据，e表示用电设备名称，c表示用电设备电流，v,表示用电设备电压，a表示用电量，p表示用电设备功率；若所述设备用电数据大于预先设置的正常用电数据波动区间，则确定所述设备用电数据为异常用电数据，并将所述用电设备电路断开并发出警报进行预警；包括：分析设备用电数据的用电误差，检查用电设备是否老化；
[0011]所述分析设备用电数据的用电误差，检查用电设备是否老化，具体包括：
[0012]从官方数据接口获取用电设备使用的标准数据，计算指定周期内设备用电数据平均值与所述标准数据的误差，即E＝sqrt(((x1
‑
S)^2+(x2
‑
S)^2+......(xn
‑
S)^2)/n)。其中，E表示用电误差，S表示用电设备使用的标准数据，xi表示用电设备第i次的用电数据，n表示检测周期。若所述用电误差超过阈值，则表明用电设备出现老化，并利用节能用电组合模型的预警模块发出预警，提醒管理人员检查设备。
[0013]进一步可选地，所述利用节能用电组合模型检测异常用电，并分析异常用电类型包括：
[0014]根据CatBoost算法构建异常用电类型分析模型，利用节能用电组合模型的预警模块对设备用电数据进行筛选，若所述设备用电数据为异常用电数据，则将将所述异常用电数据输入所述异常用电类型分析模型，通过所述异常用电类型分析模型分析所述异常用电数据的异常用电类型。
[0015]进一步可选地，所述根据异常用电类型优化节能用电决策包括：
[0016]将异常用电类型数据作为输入训练节能用电决策模块；通过贝叶斯优化(BayesianOptimization)选择出所述节能用电决策模块的最佳参数配置；通过优化后的节能用电决策模块生成最优节能用电决策，实现对不同用电设备的个性化优化。
[0017]进一步可选地，所述根据用户用电数据分析用户不良用电行为，并更新用户画像包括：
[0018]获取异常用电数据并利用云计算平台统计指定周期内出现异常用电数据次数，若所述异常用电数据次数超过指定阈值，则表示用户存在不良用电行为并对用户定期进行预警；通过云计算平台分析用户纠正不良用电行为类型，所述用户纠正不良用电行为包括主动纠正型与被动纠正型；所述主动纠正型是指用户纠正用电的时间小于阈值，所述被动纠
正型是指用户纠正用电的时间大于阈值；将所述用户纠正不良用电行为类型标签化，更新用户画像，并存储与用户画像数据库。
[0019]进一步可选地，所述根据用户画像构建用户群体分类模型对用户进行分类包括：
[0020]通过用户画像数据库获取所有用户画像数据；构建用户群体分类模型，所述用户群体分类模型利用KNN算法对用户群体进行分类，其中，所述用户画像数据作为输入用于所述用户群体分类模型训练；建立用户群体预设分类条件，将用户群体分类结果与所述用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用电画像的智能优化方法，其特征在于，所述方法包括：获取酒店用户信息与用户用电数据；根据酒店用户信息与用户用电数据构建用户画像；根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，具体包括：分析设备用电数据的用电误差，检查用电设备是否老化；利用节能用电组合模型检测异常用电，并分析异常用电类型；根据异常用电类型优化节能用电决策；根据用户用电数据分析用户不良用电行为，并更新用户画像；根据用户画像构建用户群体分类模型对用户进行分类；根据碳积分确定节能等级；根据用户画像与碳积分进行酒店权益推荐。2.根据权利要求1所述的方法，其中，所述获取酒店用户信息与用户用电数据，包括:获取酒店用户信息，所述酒店用户信息通过酒店用户管理平台获得，对所述酒店用户信息进行数据预处理，并存储于用户信息数据库；利用非侵入式负载监控(Non
‑
intrusiveloadmonitoringNILM)技术获取酒店的总用户用电数据，并对所述总用户用电数据进行分解，分别得到所述酒店中每个用户的实际用电数据；将所述实际用电数据上传至分布式服务器，所述分布式服务器定时将所述实际用电数据转发至云计算平台，所述云计算平台用于对所述实际用电数据进行分析评估分别得到每个所述用户的用户用电数据，并将所述用户用电数据存放在用户用电数据库中；其中，所述用户用电数据包括用电设备名称，用电设备日用电量，用电设备使用时间，用电设备使用频率、用电高峰时段，异常断电次数与主动断电次数。3.根据权利要求1所述的方法，其中，所述根据酒店用户信息与用户用电数据构建用户画像，包括:通过所述用户信息数据库与所述用户用电数据库分别获取用户消费数据与用户用电数据，并对属于同一用户的用户消费数据和用户用电数据进行关联；利用深度神经网络DNN(DeepNeuralNetworks)模型分析所述用户消费数据与所述用户用电数据，并根据深度神经网络DNN模型输出用户标签，所述用户标签包括用电设备偏好，用电类型，用电高峰时段，常住房型，酒店入住率与入住酒店缘由；根据所述用户标签构建用户画像，并保存到用户画像数据库。4.根据权利要求1所述的方法，其中，所述根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，包括:所述节能用电组合模型包括数据获取模块，节能用电决策模块与预警模块；所述数据获取模块用于获取用户的实时用电数据、用户画像数据与实时环境数据，所述实时环境数据包括温度，湿度与光线强度；所述节能用电决策模块对所述数据获取模块获取的数据进行筛选分析，最终形成节能用电决策；通过所述云计算平台执行所述节能用电决策，所述云计算平台用于根据所述节能用电决策生成实时配电指令数据，通过智能用电控制设备控制所述用户相应的用电设备执行所述实时配电指令数据；所述预警模块用于对所述用电设备进行监控，根据所述实时用电数据获取设备用电数据，即APD＝{e,c,v,a,p},其中，APD表示设备用电数据，e表示用电设备名称，c表示用电设备电流，v,表示用电设备电压，a表示用电量，p表示用电设备功率；若所述设备用电数据大于预先设置的正常用电数据波动区间，则确定所述设备用电数据为异常用电数据，并将所述用电设备电路断开并发出警报进行预警；包括：分析设备用电数据的用电误差，检查用电设备是否老化；
所述分析设备用电数据的用电误差，检查用电设备是否老化，具体包括:从官方数据接口获取用电设备使用的标准数据，计算指定周期内设备用电数据平均值与所述标准数据的误差，即E＝sqrt(((x1
‑
...

【专利技术属性】
技术研发人员：董军，赵颖，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：