System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及城市公共事业,尤其涉及一种基于需求响应的城市居民用水定价系统和方法。
技术介绍
1、城市生活供水作为基础公共事业服务产品。自来水售卖作为平衡供需的重要环节,是城市水循坏的基础。构建科学合理的水价优化系统十分重要。
2、公共事业产品定价主要基于相关政策和经验的指导,采用成本核算或市场供需分析实现。以成本核算为基础的自来水定价方法主要包括平均成本定价、边际成本定价等,其中平均成本定价最为常见。但这种定价方式存在以下两点问题。其一,忽视了自来水的不可替代性,自来水是城市居民维持基本生活的唯一来源;其二,忽略了需求方面的因素,成本侧定价忽视了用户群体的行为特征、需求的时空分布,单以满足营收需要所得到的水价体系无法充分满足对水资源的需求。
3、传统的需求侧定价方法通过问卷调查、服务回访等方式明确用户群体的需求分布,通过统计学特征分析划分阶梯,设定单价。这种方式耗时耗力,科学性有待考证。随着大数据时代下供水企业智能化日常管理的完善,大量用户数据堆积使得人工定价的方法不切实际。
4、随着人工智能技术的发展,针对大数据处理的数据科学技术迅猛发展,为解决水、电、气这种关乎民生的资源规划问题提供新思路。这为将需求响应(demand response,dr)技术应用于城市居民用水定价带来了可能性。
5、需求响应作为需求侧管理(demand system management,dsm)的一种技术手段,首先在电力系统内应用,解决能源供应规划、负载时空均衡等目标。专利《一种面向负荷弹性控制的电力
6、供水系统和电力系统需求响应目标相同,需求相似且响应时效要求更低,若能应用需求响应技术辅助城市居民用水定价,将能提高水价优化的科学性,从数据角度证实节水效益及用户满意度。
7、近年来,随着城市居民用水管理相关政策的完善,各大城市为水价改制做出诸多实践,获得了阶段性的成果。但由于各地的水价制度由当地相关部门决定,并未形成全国统一的标准,且各地客观条件复杂多样,价格体系优化实验代价过大,因此虽然节约资源的目标一致,但很难建立一套普适科学的城市居民生活用水价格体系,各地区须根据自身特性对水价体系做出调整。
8、由于公共服务事业产品的政策导向性,可参考的研究较少。专利《一种智能定价方法、装置及相关设备》(申请号cn202310405228.8),公开了一种基于生成对抗网络的环境服务方案,通过编码政务信息、排污量和污染治理信息得到影响环境服务价值的重要性矩阵,通过环境服务数据生成污染排放预测信息,结合二者通过生成对抗网络形成环境服务的实时定价方案,提升了环境服务定价的智能化程度和污染处理效益。但由于网络结构复杂,且缺乏扩展性研究,该专利技术尚未建立方案与服务信息的对应关系,方法可解释性较差,模型泛化性有待考证。
9、因此,本领域的技术人员致力于开发一种基于需求响应的城市居民用水定价系统和方法。
技术实现思路
1、有鉴于现有技术的上述缺陷,本专利技术所要解决的技术问题是在保证用户满意度的基础上如何做到节水效益最优的水价结构性优化。
2、专利技术人以节水效益为目标,把水价优化任务分为三个子目标:首先分析用户群体,建立多角度画像算法,挖掘共性和个性特征,分析群体节水潜力;接着对全域用户建立需求预测模型,分析实际环境下用户用水需求的变化趋势;最后根据用户特征和需求预测结果,建立综合指标约束下的水价结构性优化模型,寻求节水效益最优的城市居民用水定价方案。
3、专利技术人使用三个数量级的用户概念:城市居民指所有用户整体,与价格体系相关;区域用户指地区划分后的用户整体,与群体性特征相关;用户指一般用户个体,描述个体特征。专利技术人采用特征建模及聚类算法,分析不同特征下用户群体对水价的敏感程度,以对水价变动最敏感的用户群体为目标群体,分析量化价格体系变动对其用水行为的影响程度,优化水价调整方向;专利技术人使用一种结合序列分解的多元回归预测算法,基于序列分解算法将需求序列分解为可预测的趋势、周期性特征和不可预测的随机性特征,借助群体性特征分析论证平均水价是用户用水需求的决定性因素,借此建立起用户用水需求与用水价格体系间的映射关系,直观地描述水价调整对用户用水需求造成的影响;专利技术人采用复杂目标优化模型,根据需求量化多目标间的优先级关系,将政策性指标和用户满意度作为强约束引入模型,借助用户数据多次仿真生成合理的水价结构性优化方案,并采用需求变化、居民可接受程度、收益变化等指标组成的综合标准评估方案,充分分析实施可行性及节水潜力,为水价改革提供科学建议。
4、本专利技术的一个实施例中,提供了一种基于需求响应的城市居民用水定价系统,包括:
5、数据预处理模块,整理区域内用户的原始用水数据,初步处理并存储;
6、群体特征分析模块,对预处理后的原始用水数据进行特征分析,计算描述性特征,补充推断性特征,采用数据分析智能算法划分用户群体,构建用户数据库;
7、需求预测模块,基于用户历史用水数据及现行城市自来水价格体系,采用需求预测算法预测用户的用水趋势,得到预测数据;
8、需求调节模块,采用复合目标优化智能算法,以节水潜力最优为目标优化现有水价方案,生成组合最优的水价调整方案,并综合评估水价调整方案可行性;
9、数据管理模块,存储并管理用户历史用水数据及预测数据,同时保存每次运行时水价调整方案的结构、用户特征及综合性能评价指标;
10、可视化模块,以图表、报表等形式呈现用户群体性特征分析效果及水价优化方案的综合性能评价指标;
11、数据预处理模块、群体特征分析模块、需求预测模块、需求调节模块依次串联通信连接,群体特征分析模块、需求预测模块分别和数据管理模块通信连接,数据管理模块和可视化模块通信连接;
12、响应于可视化模块的用户输入,数据预处理模块对原始用户数据进行预处理,群体特征分析模块进行特征分析,构建用户数据库,需求预测模块训练预测模型,需求调节模块以节水潜力最优为目标优化现有水价方案,得到组合最优的各阶梯单价、用水基数,并把数据分析及优化结果通过可视化模块呈现,数据管理模块对数据进行存储并管理。
13、可选地,在上述实施例中的基于需求响应的城市居民用水定价系统中,原始用水数据包括用户在时间、空间上的用户用水需求分布。
14、进一步地,在上述实施例中的基于需求响应的城市居民用水定价系统中,预处理包括对原始用水数据进行初步画像,对于存在错漏的数据进行补本文档来自技高网...
【技术保护点】
1.一种基于需求响应的城市居民用水定价系统,其特征在于,包括:
2.如权利要求1所述的基于需求响应的城市居民用水定价系统,其特征在于,所述预处理包括对原始用水数据进行初步画像,对于存在错漏的数据进行补充。
3.如权利要求2所述的基于需求响应的城市居民用水定价系统,其特征在于,所述数据预处理模块驻留数据处理算法。
4.如权利要求1所述的基于需求响应的城市居民用水定价系统,其特征在于,所述群体特征分析模块使用序列分解算法。
5.如权利要求4所述的基于需求响应的城市居民用水定价系统,其特征在于,所述序列分解算法使用时间序列分析技术,构建基于季节-趋势的局部加权回归分解模型,对需求序列特征分解,总结固有特征构建用户特征向量。
6.如权利要求1-5任一所述的基于需求响应的城市居民用水定价系统,其特征在于,所述需求预测模型采用回归分析方法,构建半对数需求预测模型,通过需求数据学习用户消费行为,得到平均水费支出与用户用水需求之间的非线性关系,量化价格体系变动对需求的影响,最终得到高精度的需求预测结果。
7.一种基于需求响应
8.如权利要求7所述的基于需求响应的城市居民用水定价方法,其特征在于,所述步骤S100包括:
9.如权利要求7或8的基于需求响应的城市居民用水定价方法,其特征在于,所述步骤S200包括:
10.如权利要求9的基于需求响应的城市居民用水定价方法,其特征在于,所述步骤S300中的需求预测模型为半对数需求预测模型,形式如下:
...【技术特征摘要】
1.一种基于需求响应的城市居民用水定价系统,其特征在于,包括:
2.如权利要求1所述的基于需求响应的城市居民用水定价系统,其特征在于,所述预处理包括对原始用水数据进行初步画像,对于存在错漏的数据进行补充。
3.如权利要求2所述的基于需求响应的城市居民用水定价系统,其特征在于,所述数据预处理模块驻留数据处理算法。
4.如权利要求1所述的基于需求响应的城市居民用水定价系统,其特征在于,所述群体特征分析模块使用序列分解算法。
5.如权利要求4所述的基于需求响应的城市居民用水定价系统,其特征在于,所述序列分解算法使用时间序列分析技术,构建基于季节-趋势的局部加权回归分解模型,对需求序列特征分解,总结固有特征构建用户特征向量。
6.如权利要求1-5任一所述的基于需求响应的...
【专利技术属性】
技术研发人员:姚卓宇,琚长江,杨根科,沈浩,陶娟,朱柯霏,
申请(专利权)人:上海交通大学宁波人工智能研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。