[发明专利]考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法

权利要求书

1.考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法，其特征在于：具体过程如下：

步骤S1、基于用户用电特性指标，建立用户负荷信息数据库，并基于改进K-means聚类算法，对用户进行聚类，确定目标用户所属类别；

步骤S2、考虑用户提供的不完全权重信息和多粒度犹豫模糊语言评价集，构建用户对售电套餐的评价矩阵；

步骤S3、分别计算历史用户和目标用户对售电套餐的满意度；

步骤S4、基于用户满意度量化结果，获得了全排序的售电套餐推荐和Top-M的售电套餐推荐。

2.根据权利要求1所述的考虑多粒度犹豫模糊集和不完全权重的售电套餐推荐方法，其特征在于：

所述步骤S1具体过程为：

步骤S1.1、用户负荷信息数据库组建

基于用户A＝{A₁,A₂,…,A_i,…,A_I}某月的日负荷数据为：其中，K为某月总的小时数；基于月负荷率最高利用小时数工作日峰谷差率均值非工作日峰谷差率均值峰期负载率均值平期负载率均值和谷期负载率均值获得用户A_i的负荷特性指标向量并组建用户与其负荷特性指标向量对应的用户负荷信息数据库；

(1)月负荷率：

其中，和分别为用户A_i的月平均负荷和最大负荷，为用户A_i某月总的小时数中第k小时的日负荷数据；

(2)最高利用小时数

其中，为用户A_i的整月用电量；

(3)工作日峰谷差率均值

其中，K_W为工作日总的天数，为工作日第i天的日最大负荷，为非工作日第i天的日最小负荷；

(4)非工作日峰谷差率均值

其中，K_NW为非工作日总的天数，为非工作日第j天的日最大负荷，为非工作日第j天的日最小负荷；

(5)峰期负载率均值

其中，峰时段定义为08:00-11:00和18:00-21:00，T为总的天数，满足T＝K_W+K_NW，为第t天峰时段用户A_i的负荷均值，为第t天用户A_i的负荷均值；

(6)平期负载率均值

其中，平时段定义为06:00-08:00，11:00-18:00和21:00-22:00，为第t天平时段用户A_i的负荷均值；

(7)谷期负载率均值

其中，谷时段定义为22:00-24:00和00:00-06:00，为第t天谷时段用户A_i的负荷均值；

步骤S1.2、基于历史用户负荷信息数据库的聚类

基于步骤S1.1组建的用户负荷信息数据库，采用改进的K-means聚类算法对历史用户进行聚类，具体步骤如下：

步骤S1.2.1、令聚类数c＝2，随机选取c个用户，记为C₁,C₂,…,C_j,…,C_c，将其负荷特性指标向量作为聚类中心

步骤S1.2.2、分别计算用户A_i(i＝1,2,…,I)与各聚类中心的欧式距离

步骤S1.2.3、针对用户A_i，比较并得到的最小值，并将用户A_i归为j类，设属于第j类的用户数为I_j，相应的用户表示为

步骤S1.2.4、基于步骤S1.2.3的分类结果，如式(8)计算平方误差J_c(t):

其中，t为迭代次数,为对应A_i,j第j类中用户A_i的负荷特性指标向量；

步骤S1.2.5、重新计算聚类中心

计算每一类中所有用户负荷特性指标向量与聚类中心的平均距离D，将该类中与聚类中心距离小于2D的用户选出，然后重新计算选出用户的负荷特性指标的均值作为新的聚类中心；

步骤S1.2.6、判断是否满足式(9)：

J_c(t+1)-J_c(t)≥0 (9)

如否，则t＝t+1，然后返回步骤S1.2.1继续迭代；

如满足式(9)，则迭代结束，并基于第t次迭代的聚类结果，计算聚类质量指标I_qc.av：

其中，I_qc(i)表示聚类数为c时，第i个用户与其所属类的聚类中心的紧密程度：

其中，表示类间平均距离，为用户A_i与所属类别以外的其他用户负荷特性指标相量间距离的平均值；表示类内平均距离，为用户A_i与所属类别内的其他用户负荷特性指标相量间距离的平均值；

步骤S1.2.7、令聚类数c＝c+1，返回并执行步骤S1.2.1-步骤S1.2.6直到聚类数达到最大值

步骤S1.2.8、比较不同聚类数下的聚类质量指标I_qc.av，I_qc.av最大时对应的聚类数为最佳聚类数c*；

步骤S1.3、基于Pearson相关系数的目标用户与历史用户相似度计算

目标用户为需推荐售电套餐的用户，表示为W＝{W₁,W₂,…,W_n,…,W_M}，基于各用户某月的日负荷数据，结合式(1)-式(7)，获得各目标用户的负荷特性指标向量计算最佳聚类数c*下各聚类中心与的距离，距离最小者对应的类为目标用户W_n所属类别；

设目标用户W_n属于第p类历史用户，该类用户数量为N_p，表示为利用Pearson相关系数刻画目标用户与历史用户间的相似度：

其中，表示目标用户W_n和历史用户的相似度；和分别表示用户W_n和历史用户的第d个负荷特性指标，和分别表示用户W_n和历史用户负荷特性指标的平均值。