CN110119881A - 基于用电感知的电力决策方法、装置及终端 - Google Patents
基于用电感知的电力决策方法、装置及终端 Download PDFInfo
- Publication number
- CN110119881A CN110119881A CN201910294940.9A CN201910294940A CN110119881A CN 110119881 A CN110119881 A CN 110119881A CN 201910294940 A CN201910294940 A CN 201910294940A CN 110119881 A CN110119881 A CN 110119881A
- Authority
- CN
- China
- Prior art keywords
- decision
- electricity consumption
- scheme
- power
- electrical nature
- 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.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008447 perception Effects 0.000 title claims abstract description 35
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 8
- 238000007619 statistical method Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 4
- 210000005036 nerve Anatomy 0.000 claims 1
- 238000011002 quantification Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 12
- 230000003542 behavioural effect Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于电力决策技术领域，提供了一种基于用电感知的电力决策方法、装置及终端，其中，所述电力决策方法包括：获取多个备选的决策方案；提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。本发明能够实现对备选的决策方案的量化处理，具有一定的客观性，并且还考虑了客户的用电感知，能够获得较高的客户满意度。
Description
技术领域
本发明属于电力决策技术领域，尤其涉及一种基于用电感知的电力决策方法、装置、终端及计算机可读存储介质。
背景技术
目前，人们的日常生活已经越来越离不开电能。而在电力运营过程中，经常会出现由于负荷原因、维修原因或者其它原因导致需要对某线路进行停限电，而实施停限电行为的停限电时间、停限电线路等等信息都属于电力决策。
然而，目前的电力决策方式通常具有较多的主观性和片面性，例如，对于涉及停限电行为的电力决策，相关人员可能会直接选取故障相关的线路，或者任意指定一个停限电的时间，而没有考虑到这个停限电决策对用电客户的影响，很容易导致用电客户的投诉。
发明内容
有鉴于此，本发明提供了一种基于用电感知的电力决策方法、装置、终端及计算机可读存储介质，以解决现有技术中的电力决策方式不够客观的问题。
本发明实施例的第一方面提供了一种基于用电感知的电力决策方法，该电力决策方法包括：
获取多个备选的决策方案；
提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；
将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
本发明实施例的第二方面提供了一种基于用电感知的电力决策装置，该电力决策装置包括：
决策方案获取单元，用于获取多个备选的决策方案；
决策特征提取单元，用于提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
用电满意度评价单元，用于将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，获得该决策方案对应的客户用电满意度；
决策方案确定单元，用于将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
本发明实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的任一项基于用电感知的电力决策方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的任一项基于用电感知的电力决策方法的步骤。
本发明与现有技术相比存在的有益效果是：
本发明通过获取多个备选的决策方案；提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。实现了对备选的决策方案的量化处理，具有一定的客观性，并且还考虑了客户的用电感知，使得最终选中的电力决策方案为用电满意度最高的决策方案，实施该选中的电力决策方案，能够获得较高的客户满意度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种基于用电感知的电力决策方法的实现流程图；
图2是本发明提供的一种用于创建图1所示实施例中的用户感知模型的实现流程图；
图3是本发明提供的一种基于用电感知的电力决策装置的结构示意图；
图4是本发明提供的一种终端的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明提供的一种基于用电感知的电力决策方法的实现流程图，详述如下：
在步骤101中、获取多个备选的决策方案；
在本发明实施例中，首先获取多个备选的决策方案，其中，不同的备选决策方案具备不同的行为要素。例如，对于针对停限电的决策方案，可以包括停限电时间、停限电线路等行为要素。而不同的备选决策方案其对应的停限电时间不同，和/或，停限电线路等行为要素不同。
在步骤102中、提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
在本发明实施例中，对多个备选的决策方案进行特征提取，目的是提取这些决策方案中的行为要素，并将这些行为要素作为该决策方案对应的决策特征量。
示例性的，对于一个关于停限电行为的备选决策方案，该备选决策方案为：计划与3月1日凌晨2点00分至4点00分对线路A进行停电。该备选决策方案包括的行为要素有停电时间：3月1日凌晨2点00分至4点00分，停电线路：线路A。则可以提取到该备选决策方案的决策特征量为{3月1日凌晨2点00分至4点00分，线路A}。
需要说明的是，上述给出的备选决策方案仅为一个示例，实际应用中备选决策方案可以包括更多的行为要素，对其提取到的决策特征量可以为多维的特征量。
在步骤103中、将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；
在本发明实施例中，将提取到的每个决策方案对应的决策特征量输入到预设的用电感知模型，通过该用电感知模型，来对输入的决策特征量进行处理，得到与所述每个决策方案对应的客户用电满意度，这里的客户用电满意度可以是一个满意度得分。
在本发明实施例中，预设的用电感知模型是预先建立的用于对表示不同行为要素的决策特征量进行分析处理，最终给出客户用电满意度得分的一个预测模型。
示例性的，该用电感知模型可以是一个决策树模型，该决策树模型可以包括多个支路，每个支路可以对应一个行为要素及该行为要素对用电满意度的影响概率。该决策树模型可以对输入的决策特征量对应的行为要素对用电满意度的影响进行概率判断，并最终根据概率判断结果给出一个用电满意度得分。
又一示例性的，该用电感知模型可以是一个神经网络模型，该神经网络模型可以包括多个神经元，每个神经元可以对应一个行为要素及该行为要素对用电满意度的影响权重。该神经网络模型可以对输入的决策特征量对应的行为要素进行权重判断，并最终输出一个用电满意度得分。
在步骤104中、将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
在本发明实施例中，通过提取多个备选的决策方案中的决策特征量，并利用用电感知模型对提取到的决策特征量进行处理，得到用电满意度，并选取用电满意度最高的备选决策方案作为选中的电力决策方案。
由上可知，本发明通过获取多个备选的决策方案；提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。实现了对备选的决策方案的量化处理，具有一定的客观性，并且还考虑了客户的用电感知，使得最终选中的电力决策方案为用电满意度最高的决策方案，实施该选中的电力决策方案，能够获得较高的客户满意度。
图2示出了本发明提供的一种用于创建图1所示实施例中的用户感知模型的实现流程图，详述如下：
在步骤201中，获取电力数据；
在步骤202中，对所述电力数据进行数据清洗，并提取与所述客户用电满意度相关的电力特征量；
在步骤203中，根据所述电力特征量生成所述用电感知模型。
在本发明实施例中，可以通过电力系统(例如，D5000系统，SG186电力营销系统，用电信息系统，95598系统等电力系统)采集电力信息，通过地理信息系统(GIS)采集区域信息，通过气象系统采集区域信息，将采集的电力信息、区域信息和天气信息融合为电力数据。得到的电力数据包括了多维度的信息数据，例如可以包括停电情况、诉求行为、负荷大小、用户特征、地域分布、用电用途、环境、时间等八大维度数据。进一步的可以利用均值算法、多方匹配、拉依达准则对数据进行清洗，采用矩阵相关性分析、降维、文本挖掘、逻辑回归、聚类等方式对数据进行处理，最终从电力数据中提取与客户用电满意度相关的电力特征量。
上述得到的电力特征量与客户用电满意度相关，可以作为用于为电力决策提供参考的决策特征量。
对这些电力特征量进行分析，根据每个电力特征量与客户用电满意度的关系，可以建立用电感知模型，该模型可以用于接收特征量的输入，并输出与输入特征量对应的用电满意度。
可选的，上述步骤202可以基于以下方式实现：
步骤A1，将所述电力特征量划分为所第一电力特征量和第二电力特征量，其中，所述第一电力特征量表示直接反映所述客户用电满意度的因变特征量，所述第二电力特征量表示影响所述客户用电满意度的自变特征量；
步骤A2，对所述电力特征量进行统计分析以获得所述第一电力特征量和所述第二电力特征量的对应关系；
步骤A3，基于所述对应关系得到所述用电感知模型。
可选的，上述步骤A2可以基于如下方式实现：统计所述第一电力特征量对所述第二电力特征量的影响概率；
相应的，上述步骤A3可以包括：基于所述影响概率建立以所述第一电力特征量为自变量和以所述第二电力特征量为因变量的决策树模型。
在本发明实施例中，通过对电力特征量以用电满意度为标准划分为因变量和自变量，并统计二者的关系，进而建立决策树模型，使用该决策树模型作为用电感知模型。
可选的，上述步骤202还可以基于以下方式实现：
步骤B1，初始化预设的神经网络模型；
步骤B2，以所述第一电力特征量作为初始化后的神经网络模型的输入，对所述初始化后的神经网络模型进行训练，直到所述初始化后的神经网络模型的输出向所述第二电力特征量收敛，得到训练好的神经网络模型；
其中，所述训练好的神经网络模型的权重参数及偏置参数表示所述第一电力特征量和所述第二电力特征量的对应关系；
相应的，上述步骤203还可以包括：以所述训练好的神经网络模型作为所述用电感知模型。
在本发明实施例中，通过将电力特征量作为训练数据，对预先建立的神经网络模型进行训练，最终得到可以实现对输入的电力特征量进行评价并输出用电满意度得分的训练好的神经网络模型，以该训练好的神经网络模型作为预设的用电感知模型对备选的决策方案的决策特征量进行评价，得出用电满意度。
可选的，所述电力决策方法还包括：以预设的时间周期对所述用电感知模型进行更新。
在本发明实施例中，对用电感知模型进行周期性的更新，可以使之适应电网的发展变化，具备更高的准确性，例如上述预设的时间周期可以为三个月。
可选的，本发明实施例中的决策方案包括停限电决策方案，上述的决策特征量可以包括停限电时间、停限电线路、停限电区域、停限电环境、停限电区域的用户类型和停限电区域的用电用途。
由上可知，本发明通过获取多个备选的决策方案；提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。实现了对备选的决策方案的量化处理，具有一定的客观性，并且还考虑了客户的用电感知，使得最终选中的电力决策方案为用电满意度最高的决策方案，实施该选中的电力决策方案，能够获得较高的客户满意度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的基于用电感知的电力决策装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图3所示，一种基于用电感知的电力决策装置3包括：决策方案获取单元31，决策特征提取单元32，用电满意度评价单元33和决策方案确定单元34。
决策方案获取单元31，用于获取多个备选的决策方案；
决策特征提取单元32，用于提取所述多个备选的决策方案中每个决策方案对应的决策特征量；
用电满意度评价单元33，用于将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，获得该决策方案对应的客户用电满意度；
决策方案确定单元34，用于将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
可选的，基于用电感知的电力决策装置3还包括：
电力数据获取单元，用于获取电力数据；
电力特征量提取单元，用于对所述电力数据进行数据清洗，并提取与所述客户用电满意度相关的电力特征量；
模型生成单元，用于根据所述电力特征量生成所述用电感知模型。
可选的，基于用电感知的电力决策装置3还包括：
特征量划分单元，用于将所述电力特征量划分为所第一电力特征量和第二电力特征量，其中，所述第一电力特征量表示直接反映所述客户用电满意度的因变特征量，所述第二电力特征量表示影响所述客户用电满意度的自变特征量；
统计分析单元，用于对所述电力特征量进行统计分析以获得所述第一电力特征量和所述第二电力特征量的对应关系；
所述模型生成单元具体用于，基于所述对应关系得到所述用电感知模型。
可选的，所述统计分析单元还用于，统计所述第一电力特征量对所述第二电力特征量的影响概率；
相应的，所述模型生成单元具体用于，基于所述影响概率建立以所述第一电力特征量为自变量和以所述第二电力特征量为因变量的决策树模型。
可选的，基于用电感知的电力决策装置3还包括：
模型初始化单元，用于初始化预设的神经网络模型；
模型训练单元，用于以所述第一电力特征量作为初始化后的神经网络模型的输入，对所述初始化后的神经网络模型进行训练，直到所述初始化后的神经网络模型的输出向所述第二电力特征量收敛，得到训练好的神经网络模型；
所述统计分析单元还用于，以所述训练好的神经网络模型的权重参数及偏置参数表示所述第一电力特征量和所述第二电力特征量的对应关系；
相应的，所述模型生成单元具体用于，以所述训练好的神经网络模型作为所述用电感知模型。
可选的，基于用电感知的电力决策装置3还包括：
模型更新单元，用于以预设的时间周期对所述用电感知模型进行更新。
可选的，所述决策方案包括停限电决策方案，所述决策特征量包括停限电时间、停限电线路、停限电区域、停限电环境、停限电区域的用户类型和停限电区域的用电用途。
由上可知，本发明通过获取多个备选的决策方案；提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。实现了对备选的决策方案的量化处理，具有一定的客观性，并且还考虑了客户的用电感知，使得最终选中的电力决策方案为用电满意度最高的决策方案，实施该选中的电力决策方案，能够获得较高的客户满意度。
图4是本发明一实施例提供的终端的示意图。如图4所示，该实施例的终端4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个基于用电感知的电力决策方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示单元31至34的功能。
示例性的，所述计算机程序42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如，所述计算机程序42可以被分割成决策方案获取单元，决策特征提取单元，用电满意度评价单元和决策方案确定单元。各单元具体功能如下：
决策方案获取单元，用于获取多个备选的决策方案；
决策特征提取单元，用于提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
用电满意度评价单元，用于将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，获得该决策方案对应的客户用电满意度；
决策方案确定单元，用于将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是终端4的示例，并不构成对终端4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端4的内部存储单元，例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备，例如所述终端4上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于用电感知的电力决策方法，其特征在于，包括：
获取多个备选的决策方案；
提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，得到与所述每个决策方案对应的客户用电满意度；
将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
2.根据权利要求1所述的基于用电感知的电力决策方法，其特征在于，在将所述每个决策方案对应的决策特征量输入到预设的用电感知模型之前还包括：
获取电力数据；
对所述电力数据进行数据清洗，并提取与所述客户用电满意度相关的电力特征量；
根据所述电力特征量生成所述用电感知模型。
3.根据权利要求2所述的基于用电感知的电力决策方法，其特征在于，所述根据所述电力特征量生成所述用电感知模型包括：
将所述电力特征量划分为所第一电力特征量和第二电力特征量，其中，所述第一电力特征量表示直接反映所述客户用电满意度的因变特征量，所述第二电力特征量表示影响所述客户用电满意度的自变特征量；
对所述电力特征量进行统计分析以获得所述第一电力特征量和所述第二电力特征量的对应关系；
基于所述对应关系得到所述用电感知模型。
4.根据权利要求3所述的基于用电感知的电力决策方法，其特征在于，所述对所述电力特征量进行统计分析以获得所述第一电力特征量和所述第二电力特征量的对应关系包括：
统计所述第一电力特征量对所述第二电力特征量的影响概率；
相应的，所述基于所述对应关系得到所述用电感知模型包括：
基于所述影响概率建立以所述第一电力特征量为自变量和以所述第二电力特征量为因变量的决策树模型。
5.根据权利要求3所述的基于用电感知的电力决策方法，其特征在于，所述对所述电力特征量进行统计分析以获得所述第一电力特征量和所述第二电力特征量的对应关系包括：
初始化预设的神经网络模型；
以所述第一电力特征量作为初始化后的神经网络模型的输入，对所述初始化后的神经网络模型进行训练，直到所述初始化后的神经网络模型的输出向所述第二电力特征量收敛，得到训练好的神经网络模型；
其中，所述训练好的神经网络模型的权重参数及偏置参数表示所述第一电力特征量和所述第二电力特征量的对应关系；
相应的，所述基于所述对应关系得到所述用电感知模型包括：
以所述训练好的神经网络模型作为所述用电感知模型。
6.根据权利要求1至5中任一项所述的基于用电感知的电力决策方法，其特征在于，所述电力决策方法还包括：
以预设的时间周期对所述用电感知模型进行更新。
7.根据权利要求1至5中任一项所述的基于用电感知的电力决策方法，其特征在于，所述决策方案包括停限电决策方案，所述决策特征量包括停限电时间、停限电线路、停限电区域、停限电环境、停限电区域的用户类型和停限电区域的用电用途。
8.一种基于用电感知的电力决策装置，其特征在于，包括：
决策方案获取单元，用于获取多个备选的决策方案；
决策特征提取单元，用于提取所述多个备选的决策方案中的每个决策方案对应的决策特征量；
用电满意度评价单元，用于将所述每个决策方案对应的决策特征量输入到预设的用电感知模型，获得该决策方案对应的客户用电满意度；
决策方案确定单元，用于将所述多个备选的决策方案中客户用电满意度最高的决策方案作为选中的电力决策方案。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述基于用电感知的电力决策方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述基于用电感知的电力决策方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910294940.9A CN110119881A (zh) | 2019-04-12 | 2019-04-12 | 基于用电感知的电力决策方法、装置及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910294940.9A CN110119881A (zh) | 2019-04-12 | 2019-04-12 | 基于用电感知的电力决策方法、装置及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110119881A true CN110119881A (zh) | 2019-08-13 |
Family
ID=67521033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910294940.9A Pending CN110119881A (zh) | 2019-04-12 | 2019-04-12 | 基于用电感知的电力决策方法、装置及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110119881A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022095246A1 (zh) * | 2020-11-06 | 2022-05-12 | 山东大学 | 一种基于差分隐私机制的边缘智能电网协作决策方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364187A (zh) * | 2017-12-20 | 2018-08-03 | 国网冀北电力有限公司承德供电公司 | 一种基于停电敏感特性的停电敏感用户确定方法和系统 |
| CN109325537A (zh) * | 2018-09-26 | 2019-02-12 | 深圳供电局有限公司 | 用电管理方法、装置、计算机设备和存储介质 |
| CN109447364A (zh) * | 2018-11-08 | 2019-03-08 | 国网湖南省电力有限公司 | 基于标签的电力客户投诉预测方法 |
-
2019
- 2019-04-12 CN CN201910294940.9A patent/CN110119881A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364187A (zh) * | 2017-12-20 | 2018-08-03 | 国网冀北电力有限公司承德供电公司 | 一种基于停电敏感特性的停电敏感用户确定方法和系统 |
| CN109325537A (zh) * | 2018-09-26 | 2019-02-12 | 深圳供电局有限公司 | 用电管理方法、装置、计算机设备和存储介质 |
| CN109447364A (zh) * | 2018-11-08 | 2019-03-08 | 国网湖南省电力有限公司 | 基于标签的电力客户投诉预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郑芒英: "用电客户停电敏感度分析", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022095246A1 (zh) * | 2020-11-06 | 2022-05-12 | 山东大学 | 一种基于差分隐私机制的边缘智能电网协作决策方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345260A (zh) | 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置 | |
| CN108898476A (zh) | 一种贷款客户信用评分方法和装置 | |
| CN106371975B (zh) | 一种运维自动化预警方法和系统 | |
| CN109410036A (zh) | 一种欺诈检测模型训练方法和装置及欺诈检测方法和装置 | |
| CN107590688A (zh) | 目标客户的识别方法及终端设备 | |
| CN108021929A (zh) | 基于大数据的移动端电商用户画像建立与分析方法及系统 | |
| CN111079001A (zh) | 装修推荐信息生成方法、装置、存储介质及电子设备 | |
| CN114496264B (zh) | 基于多维数据的健康指数分析方法、装置、设备及介质 | |
| CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
| CN108133390A (zh) | 用于预测用户行为的方法和装置以及计算设备 | |
| CN108492380A (zh) | 一种三维模型的减面方法与装置、存储介质 | |
| CN107784504A (zh) | 客户回访事件的生成方法及终端设备 | |
| CN108549276A (zh) | 一种智能交互控制制水设备的方法及系统 | |
| CN109784394A (zh) | 一种翻拍图像的识别方法、系统及终端设备 | |
| CN108696369A (zh) | 一种告警信息处理设备及方法 | |
| CN109522858A (zh) | 植物疾病检测方法、装置及终端设备 | |
| CN110210661A (zh) | 一种基于用户用能特性的中长期负荷预测方法及装置 | |
| CN115796937A (zh) | 一种大数据复杂关联性的电力供需趋势分析方法和装置 | |
| CN110119881A (zh) | 基于用电感知的电力决策方法、装置及终端 | |
| CN105528669B (zh) | 用于电力系统的负荷预测系统 | |
| CN115203568A (zh) | 一种基于深度学习模型的内容推荐方法、相关装置及设备 | |
| CN113704637A (zh) | 基于人工智能的对象推荐方法、装置、存储介质 | |
| CN109559206A (zh) | 一种区域企业诚信评价方法、装置及终端设备 | |
| Li et al. | Deep Learning for Power System Applications: Case Studies Linking Artificial Intelligence and Power Systems | |
| CN110489394A (zh) | 中间数据处理方法及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
| RJ01 | Rejection of invention patent application after publication |