[发明专利]基于云的工业企业能效服务推荐方法和系统

权利要求书

1.一种基于云的工业企业能效服务推荐方法，其特征在于，包括以下步骤：

S101:对不同用户的用电设备进行实时采集用电信息，并根据实际用电情况将用户用电设备进行分类；

S102:将采集到的用电信息数据生成用电数据序列进行分布式数据存储，利用云存储技术，将网络中各种不同类型的存储设备通过应用软件集合起来协同工作，并提供数据存储和业务访问功能；

S103:经过云端数据处理，根据动态定价规则集给出合理的用电策略集；

对用户历史用电进行趋势分析，预测用户用电情况，结合所述用电策略集，选择对应的定价规则，生成初步用电策略；

运用关联规则算法分析用户内部用电设备的关联关系，发现影响用户用电水平的因素，基于所述初步用电策略，结合影响用电水平的因素，生成最终用电策略；

S104:通过人机交互，将最终用电策略推荐给用户；

所述步骤S103中动态定价规则集包括若干电价定价规则，具体包括供电企业制定的购电价格规则，所述购电价格规则包括分时定价规则、大用户直购规则、高耗能限制规则、奖励规则，均由电力供应商录入；

所述步骤S103中运用关联规则算法分析用户内部用电设备的关联关系，发现影响用户用电水平的因素的方法如下：

对所有用户的用电信息进行数据挖掘，挖掘影响用户用电水平的因素的关联规则，将用户用电过程从不同的角度进行细分，细分角度为可能影响用电水平的因素，包括行业、月份、经济、天气，设可能影响因素为I_i，则用电水平项集I＝{I₁，I₂，...，I_m，b}m＝1，2，3，...，m，b表示用电水平，给用户定用电数据库D，其中每个事务是I的非空子集；支持度和置信度计算公式分别如式(1)和式(2)所示；

其中A表示可能影响用电水平的因素，B表示用电水平，根据挖掘需要人为设定阈值，如果满足最小支持度阈值和最小置信度阈值，则认为A、B之间存在关联关系，进而发现影响用户用电水平的因素。

2.如权利要求1所述的基于云的工业企业能效服务推荐方法，其特征在于，所述步骤S104之后还包括：

S105：用户对使用过的用电策略进行评价；

S106：根据用户评价信息和实际用电情况，分别对系统进行学习优化，并将优化结果返回到步骤S103。

3.如权利要求1或2所述的基于云的工业企业能效服务推荐方法，其特征在于，所述步骤S103中对用户历史用电进行趋势分析，预测用户用电情况，通过构建预测模型来实现，所述预测模型算法如下：

设一次指数平滑：

二次指数平滑：

三次指数平滑：

则预测模型为：

其中

t表示第t期，T表示由t期向后推移期数，α表示平滑系数，电量增长速度快，α取值越大；分别表示第t期一次指数平滑值、二次指数平滑值、三次指数平滑值，y_t表示历史第t期的用电量，表示第t+T期电量预测值。