一种基于多用能子系统参与主动协同优化的智能推荐方法技术方案

本发明专利技术公开了一种基于多用能子系统参与主动协同优化的智能推荐方法。基于用户在用户属性、用能属性等方面的差异，构建个性化标签进行用户画像，为数据驱动为智能推荐提供支撑。基于协同过滤算法对用户相似度进行计算，生成特征向量和构建隐式反馈特征矩阵，在此基础上，构建协同过滤的智能推荐算法，此方法通过用户画像从而主动将用户可能感兴趣的优化信息、价格政策以及合适的综合能源服务内容推荐给用户，实现电网与用户的双向通信与信息交互，解决了综合能源生产者与消费者之间电力信息的双向通信与有效交互的困难。

【技术实现步骤摘要】

本专利技术属于综合能源系统优化，尤其涉及一种基于多用能子系统参与主动协同优化的智能推荐方法。

技术介绍

1、近年来，由于我国用电峰谷差不断增大、负荷高峰频率激增以及新能源发电波动性与间歇性特征导致的弃光、弃风等问题，不但增加了电网优化压力，也对提升快速协同优化能力提出了更高的要求。随着经济水平的提高，为了实现能源高质量发展，促进能源结构优化升级，大量的智能负荷以及新型储能设备在工业园区、建筑楼宇、居民家庭中的普及使用，用户的电力消费水平与负荷调控能力不断提高。因此，利用智能推荐模型引导用户主动开展协同优化，实现用户与综合能源系统之间的互联互通互动，对促进能源供需平衡、保障电网稳定运行具有重大意义。因此，不断有对各类典型用户布局、不同用户用能特点拥有多种多样、售价灵活的综合能源优化方法被提出。

2、现有的大部分相关技术基于获取综合能源系统的运行、优化情况以及灵活的服务信息进行协同优化的，但目前缺乏综合能源生产者与消费者之间电力信息的双向通信与有效交互。综合能源服务方可以通过各种传感器、计量器采集海量的用能数据，但用户却很难实时的获取综合能源系统的本文档来自技高网...

【技术保护点】

1.一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，

2.根据权利要求1所述的一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，所述用户属性包括典型用户类型、区域布局、注册登记类型和企业规模；所述用能属性从能源需求和用能潜力两个角度设置用户画像的维度；在能源需求方面设置以下7个维度：用电需求量、用冷需求量、用热需求量、用气需求量、用能形式数、负荷峰谷差和电压等级；其中用能需求量可按数据集上下限划分1～5个等级；在用能潜力方面，基于负荷潜力和经济潜力，设置以下7个维度：可优化价值、可平移负荷量、可转移负荷量、可削减负荷量、去年产值、用地面积和能耗占...

【技术特征摘要】

1.一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，

2.根据权利要求1所述的一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，所述用户属性包括典型用户类型、区域布局、注册登记类型和企业规模；所述用能属性从能源需求和用能潜力两个角度设置用户画像的维度；在能源需求方面设置以下7个维度：用电需求量、用冷需求量、用热需求量、用气需求量、用能形式数、负荷峰谷差和电压等级；其中用能需求量可按数据集上下限划分1～5个等级；在用能潜力方面，基于负荷潜力和经济潜力，设置以下7个维度：可优化价值、可平移负荷量、可转移负荷量、可削减负荷量、去年产值、用地面积和能耗占企业成本；其中，可优化价值基于本研究提出的符合优化价值指标体系和潜力量化算法测算得出5个价值评价等级，其余6个维度根据数据集可划分1～5个等级。

3.根据权利要求1所述的一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，所述通过协同过滤算法对用户相似度进行计算具体为：

4.根据权利要求1所述的一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，所述生成特征向量包括能效服务特征向量和用户特征向量；生成用户特征向量；将能效服务特征向量、用户特征向量输入到卷积神经网络中的卷积层中，利用卷积计算计算出高阶隐含特征信息；使用不同的分数表征用户对服务的喜好程度；将卷积得到的高阶隐含特征信息与用户对能效服务产品的实际评分进行融合，训练网络参数，使预测评分与实际评分的误差值达到要求，得到用户和服务项目之间耦合关系，进而对用户可能感兴趣的能效服务项目进行预测和推荐。

5.根据权利要求4所述的一种基于多用能子系统参与主动协同优化的智能推荐方法，其特征在于，生成能效服务特征向量具体为：将能效服务自身的性质挑选出服务项目编号、服务对象、设置成本、服务类型这四个性质作为能效服务特征向量的组成部分，将四个性质作为卷积层文本数据的输入，根据将服务项目编号、服务对...

【专利技术属性】
技术研发人员：徐青山，葛子翔，杨永标，艾邓鑫，甘智勇，张利，王坤，
申请(专利权)人：东南大学，
类型：发明
国别省市：