家庭电力用户用电能效分析装置.pdf

《家庭电力用户用电能效分析装置.pdf》由会员分享，可在线阅读，更多相关《家庭电力用户用电能效分析装置.pdf（19页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010649447.7 (22)申请日 2020.07.08 (71)申请人 深圳市深鹏达电网科技有限公司 地址 518000 广东省深圳市福田区莲花路 香丽大厦裙楼第3层1# (72)发明人 廖亮黄湘桥王栋 (74)专利代理机构 深圳汇智容达专利商标事务 所(普通合伙) 44238 代理人 徐文城 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2006.01) (54)发明名称 一种家庭电力用户。

2、用电能效分析装置 (57)摘要 本发明涉及一种家庭电力用户用电能效分 析装置， 所述装置包括： 信息获取单元， 用于获取 多个用户信息； 用户分类单元， 用于对所述多个 用户信息进行分析得到用于表征多个用户特征 的特征标签， 根据所述特征标签进行聚类分析得 到多个用户的分类结果； 权重计算单元， 用于根 据所述多个用户信息计算用于量化描述用户能 耗情况的多个用户的各指标值， 根据所述各指标 值采用熵权法计算各指标的指标权重； 能效评分 计算单元， 用于根据所述各指标值及其指标权重 计算多个用户的能效评分； 用能分析单元， 用于 根据所述多个用户的分类结果和能效评分对所 述多个用户进行用能分析得。

3、到分析结果。 本发明 装置能够分析衡量家庭电力用户用电水平， 以便 于为引导用户合理用电。 权利要求书2页 说明书11页 附图5页 CN 111932070 A 2020.11.13 CN 111932070 A 1.一种家庭电力用户用电能效分析装置， 其特征在于， 包括： 信息获取单元， 用于获取多个用户信息， 所述用户信息包括家庭基本属性信息、 家庭用 电能耗信息以及家庭营销数据信息； 用户分类单元， 用于对所述多个用户信息进行分析得到用于表征多个用户特征的特征 标签， 根据所述特征标签进行聚类分析得到多个用户的分类结果； 权重计算单元， 用于根据所述多个用户信息计算用于量化描述用户能耗情。

4、况的多个用 户的各指标值， 根据所述多个用户的各指标值采用熵权法计算各指标的指标权重； 能效评分计算单元， 用于根据所述多个用户的各指标值及其指标权重计算多个用户的 能效评分； 以及 用能分析单元， 用于根据所述多个用户的分类结果和能效评分对所述多个用户进行用 能分析得到分析结果。 2.如权利要求1所述的家庭电力用户用电能效分析装置， 其特征在于， 所述用户分类单 元包括： 标签生成单元， 用于根据所述家庭基本属性信息获得对应的自然属性标签， 并根据所 述家庭用电能耗信息以及营销数据信息获得对应的用户行为标签， 用电特性标签、 消费习 惯标签； 其中， 所述家庭基本属性信息包括家庭人口、 家庭。

5、面积、 家庭收入， 所述家庭用电能 耗信息包括家庭的各用电器及其用电能耗、 使用时间段， 所述营销数据信息包括投诉记录、 违约记录、 窃电记录、 缴费记录。 3.如权利要求2所述的家庭电力用户用电能效分析装置， 其特征在于， 所述用户分类单 元包括： 聚类单元， 用于根据所述特征标签， 利用K-means聚类算法进行聚类分析， 以将具有相 似用户特征的用户划分为一类； 其中用户的类别包括高能耗、 中高能耗、 中能耗、 中低能耗 和低能耗。 4.如权利要求3所述的家庭电力用户用电能效分析装置， 其特征在于， 所述权重计算单 元包括： 指标值计算单元， 用于根据所述多个用户信息计算多个用户的各指标。

6、值； 熵值计算单元， 用于根据所述多个用户的各指标值计算各指标的熵值； 其中， 第j项指标的熵值ej计算如下公式： 其中， b0， ej0， n为用户总数， pi,j为第i个用户的第j项指标的指标值； 差异性计算单元， 用于根据所述各指标的熵值计算各指标的差异性系数比； gj1-ej 其中， gj为第j项指标的差异性系数比； 权重单元， 用于根据所述各指标的差异性系数比计算各指标的权重； 其中， m为指标总数， wj为第j项指标的权重。 权利要求书 1/2 页 2 CN 111932070 A 2 5.如权利要求4所述的家庭电力用户用电能效分析装置， 其特征在于， 所述能效评分计 算单元包括：。

7、 第一分值计算单元， 用于根据所述多个用户的各指标的指标值， 采用TOPSIS算法对所 述多个用户的进行各指标评分得到各指标评分值； 第二分值计算单元， 用于根据多个用户的各指标评分值以及指标权重进行计算得到多 个用户的能效评分。 6.如权利要求5所述的家庭电力用户用电能效分析装置， 其特征在于， 所述用能分析单 元包括： 排序单元， 用于将不同分类的用户的能效评分进行排序， 并选取每一分类中能效评分 最高的用户作为用能分析用户； 分析单元， 用于将不同类型的用能分析用户的家庭基本属性信息进行对比分析， 确定 不同类型用户之间的用能差异， 并根据所述用能差异生成分析结果。 7.如权利要求1-6。

8、任一项所述的家庭电力用户用电能效分析装置， 其特征在于， 所述指 标包括家庭人均能耗A1、 家庭单位面积能耗A2、 万元收入能耗A3、 照明能耗及使用时间段 B1、 冰箱能耗及使用时间段B2、 热水器能耗及使用时间短B3、 洗衣机能耗及使用时间短B4、 空调能耗及使用时间短B5、 分布式电源用能比重C1、 新能源汽车C2。 8.如权利要求6所述的家庭电力用户用电能效分析装置， 其特征在于， 所述用能分析单 元还包括： 用电建议生成单元， 用于获取电价方案， 并根据所述电价方案以及所述分析结果生成 用于节约用户用能成本的用电建议。 权利要求书 2/2 页 3 CN 111932070 A 3 一。

9、种家庭电力用户用电能效分析装置 技术领域 0001 本发明涉及用户用电分析技术领域， 具体涉及一种家庭电力用户用电分析装置。 背景技术 0002 我国能源消费结构主要为第二产业， 第三产业和城乡居民生活用电， 其中城乡居 民生活用电对普通居民的生活息息相关， 且随着经济的发展在总用电量中的占比逐步提 高。 在世界范围内， 随着全民绿色用电概念的普及， 以及发展低碳经济的理念， 各个国家都 朝着低碳经济、 节能减排方向发展。 促进可再生能源的广泛使用已成为新形势下的目标， 需 求侧管理(Demand-side Management， DSM)引导用户改善其电力使用习惯并降低电力成本。 为了提高居。

10、民能效， 建立能效分析模型显得尤为重要， 可用于衡量家庭用电水平， 引导用户 合理用电， 为电力公司进行需求侧管理合理调度提供科学依据。 0003 目前在国内外研究中大多都是分析工业用户的能效水平， 鲜有涉及普通电力用户 的能效评估， 此外， 部分指标数据难以获取， 或难以评估对居民能效的影响。 在用户分类上， 目前电力用户画像的研究更多关注于营销业务， 主要以提高用户缴费积极性为目的， 所采 用的数据源也主要来自于营销系统。 由于缺乏用户精细化用电数据， 且用户基本信息数据 获取难度较大数据样本也较少， 因此鲜有关注于电网需求或用户需求的研究。 发明内容 0004 本发明旨在提出一种家庭电力。

11、用户用电能效分析装置， 以用于根据家庭电力用户 的类别， 对家庭电力用户的用电能效进行分析。 0005 为此， 本发明的实施例提出一种家庭电力用户用电能效分析装置， 包括： 0006 信息获取单元， 用于获取多个用户信息， 所述用户信息包括家庭基本属性信息、 家 庭用电能耗信息以及家庭营销数据信息； 0007 用户分类单元， 用于对所述多个用户信息进行分析得到用于表征多个用户特征的 特征标签， 根据所述特征标签进行聚类分析得到多个用户的分类结果； 0008 权重计算单元， 用于根据所述多个用户信息计算用于量化描述用户能耗情况的多 个用户的各指标值， 根据所述多个用户的各指标值采用熵权法计算各指。

12、标的指标权重； 0009 能效评分计算单元， 用于根据所述多个用户的各指标值及其指标权重计算多个用 户的能效评分； 以及 0010 用能分析单元， 用于根据所述多个用户的分类结果和能效评分对所述多个用户进 行用能分析得到分析结果。 0011 优选地， 所述用户分类单元包括： 0012 标签生成单元， 用于根据所述家庭基本属性信息获得对应的自然属性标签， 并根 据所述家庭用电能耗信息以及营销数据信息获得对应的用户行为标签， 用电特性标签、 消 费习惯标签； 其中， 所述家庭基本属性信息包括家庭人口、 家庭面积、 家庭收入， 所述家庭用 电能耗信息包括家庭的各用电器及其用电能耗、 使用时间段， 所。

13、述营销数据信息包括投诉 说明书 1/11 页 4 CN 111932070 A 4 记录、 违约记录、 窃电记录、 缴费记录。 0013 优选地， 所述用户分类单元包括： 0014 聚类单元， 用于根据所述特征标签， 利用K-means聚类算法进行聚类分析， 以将具 有相似用户特征的用户划分为一类； 其中用户的类别包括高能耗、 中高能耗、 中能耗、 中低 能耗和低能耗。 0015 优选地， 所述权重计算单元包括： 0016 指标值计算单元， 用于根据所述多个用户信息计算多个用户的各指标值； 0017 熵值计算单元， 用于根据所述多个用户的各指标值计算各指标的熵值； 0018 其中， 第j项指标。

14、的熵值ej计算如下公式： 0019 0020 其中， b0， ej0， n为用户总数， pi,j为第i个用户的第j项指标的指标值； 0021 差异性计算单元， 用于根据所述各指标的熵值计算各指标的差异性系数比； 0022 gj1-ej 0023 其中， gj为第j项指标的差异性系数比； 0024 权重单元， 用于根据所述各指标的差异性系数比计算各指标的权重； 0025 0026 其中， m为指标总数， wj为第j项指标的权重。 0027 优选地， 所述能效评分计算单元包括： 0028 第一分值计算单元， 用于根据所述多个用户的各指标的指标值， 采用TOPSIS算法 对所述多个用户的进行各指标评。

15、分得到各指标评分值； 0029 第二分值计算单元， 用于根据多个用户的各指标评分值以及指标权重进行计算得 到多个用户的能效评分。 0030 优选地， 所述用能分析单元包括： 0031 排序单元， 用于将不同分类的用户的能效评分进行排序， 并选取每一分类中能效 评分最高的用户作为用能分析用户； 0032 分析单元， 用于将不同类型的用能分析用户的家庭基本属性信息进行对比分析， 确定不同类型用户之间的用能差异， 并根据所述用能差异生成分析结果。 0033 优选地， 所述指标包括家庭人均能耗A1、 家庭单位面积能耗A2、 万元收入能耗A3、 照明能耗及使用时间段B1、 冰箱能耗及使用时间段B2、 热。

16、水器能耗及使用时间短B3、 洗衣机 能耗及使用时间短B4、 空调能耗及使用时间短B5、 分布式电源用能比重C1、 新能源汽车C2。 0034 优选地， 所述用能分析单元还包括： 0035 用电建议生成单元， 用于获取电价方案， 并根据所述电价方案以及所述分析结果 生成用于节约用户用能成本的用电建议。 0036 本发明的实施例提出一种家庭电力用户用电能效分析装置， 包括信息获取单元、 用户分类单元、 权重计算单元、 能效评分计算单元以及用能分析单元， 分别用于对用户的家 庭基本属性信息、 家庭能耗信息和家庭新能源信息进行处理分析得到用户特征标签， 根据 用户特征标签进行分类， 并根据家庭能耗信息。

17、和家庭新能源信息确定指标权重， 根据指标 说明书 2/11 页 5 CN 111932070 A 5 及其指标权重计算用户的能效评分， 最终根据用户的类别以及能效评分对家庭电力用户的 用电能效进行分析， 分析结果可以用于衡量家庭用电水平， 从而为引导用户合理用电以及 电力公司进行需求侧管理合理调度提供科学依据。 0037 本发明的其它特征和优点将在随后的说明书中阐述， 并且， 部分地从说明书中变 得显而易见， 或者通过实施本发明而得以体现。 本发明的目的和其他优点可通过在说明书、 权利要求书以及附图中所特别指出的结构来实现和获得。 附图说明 0038 为了更清楚地说明本发明实施例或现有技术中的。

18、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的前提下， 还可以 根据这些附图获得其他的附图。 0039 图1为本发明实施例中一种家庭电力用户用电能效分析装置的流程图。 0040 图2为本发明实施例中一种家庭电力用户用电能效分析装置的工作原理图。 0041 图3为本发明实施例中电力用户能效指标体系示意图。 0042 图4为本发明实施例的实验算例中五类用户各电器用电能耗聚类中心曲线示意 图； 0043 图5为本发明实施例的实验算例中TOPSIS评价结果趋势示意。

19、图； 0044 图6为本发明实施例的实验算例中不同类型之间的用户比较示意图。 0045 图中标记： 0046 1-信息获取单元， 2-用户分类单元， 21-标签生成单元， 22-聚类单元， 3-权重计算 单元， 31-指标值计算单元， 32-熵值计算单元， 33-差异性计算单元， 34-权重单元， 4-能效评 分计算单元， 41-第一分值计算单元， 42-第二分值计算单元， 5-用能分析单元， 51-排序单 元， 52-分析单元， 53-用电建议生成单元。 具体实施方式 0047 以下将参考附图详细说明本公开的各种示例性实施例、 特征和方面。 附图中相同 的附图标记表示功能相同或相似的元件。 。

20、尽管在附图中示出了实施例的各种方面， 但是除 非特别指出， 不必按比例绘制附图。 0048 另外， 为了更好的说明本发明， 在下文的具体实施例中给出了众多的具体细节。 本 领域技术人员应当理解， 没有某些具体细节， 本发明同样可以实施。 在一些实例中， 对于本 领域技术人员熟知的手段未作详细描述， 以便于凸显本发明的主旨。 0049 本发明一实施例提出一种家庭电力用户用电能效分析装置， 图1为本实施例装置 的流程图， 图2为本实施例装置的工作原理图， 参阅图1-2， 本实施例装置包括信息获取单元 1、 用户分类单元2、 权重计算单元3、 能效评分计算单元4以及用能分析单元5； 0050 所述信。

21、息获取单元1用于获取多个用户信息， 所述用户信息包括家庭基本属性信 息、 家庭用电能耗信息和家庭营销数据信息； 0051 具体而言， 人口是影响电耗量的一个重要因素， 一般情况下， 若其他条件不变， 人 口越多所消耗的电能就越多。 房屋面积的增加也会对家庭用电量产生影响， 一般来说较大 说明书 3/11 页 6 CN 111932070 A 6 的房屋面积需要更多的如照明和空调等用电设备， 这样就产生了更多的用电能耗。 收入与 居民用电密切相关。 人均家庭收入的增加往往使人们对电力服务的需求增加， 例如洗衣机 和空调的拥有量增加， 大功率电器增多， 且使用频繁， 如此， 住宅用电量将会增加会造。

22、成一 些不必要的浪费， Ziramba根据国内人均生产总值和电力价格的线性双对数关系， 考察了南 非居民对电力的需求。 实证结果表明， 收入是决定电力需求的主要因素。 因此， 本实施例中 选取家庭信息用户分类的依据。 0052 本实施例中利用非侵入式电力负荷监测(NILM)获取家庭能耗信息， 其中NILM具体 为利用电器开关在进行状态切换时所产生的功率变化信息来对用电器进行分类， 根据这些 信息来估计家用电器的类别和数量， 在已建立的特征库中匹配出该电器的类型， 得到该电 器的使用能耗和使用时间段。 将NILM技术集成到智能电表中， 并采用双参数递归最小二乘 估计装置， 以及符合AMI发展趋势。

23、的双变遗忘因子策略来在线估计电表的误差， 其获取的用 电信息的精度会更高， 识别电器的种类也会更多。 本实施例选取基于非侵入式信息的家电 能耗信息， 其中包括常用家用电器的使用能耗和使用时间段， 能够全面反映家庭用电能耗 情况， 且层次分明， 简明扼要。 0053 所述家庭营销数据信息包括家庭用户的投诉记录、 违约记录、 窃电记录、 缴费记录 等。 0054 所述用户分类单元2用于对所述多个用户信息进行分析得到用于表征多个用户特 征的特征标签， 根据所述特征标签进行聚类分析得到多个用户的分类结果； 0055 所述权重计算单元3用于根据所述多个用户信息计算用于量化描述用户能耗情况 的多个用户的各。

24、指标值， 根据所述多个用户的各指标值采用熵权法计算各指标的指标权 重； 0056 具体而言， 本实施例装置在应用之前， 预先设定了多个特征标签， 当然， 对于任一 用户而言， 该用户并不一定包括具有预先设定的所有特征标签。 其中， 聚类分析指将物理或 抽象对象的集合分组为由类似的对象组成的多个类的分析过程， 根据多个用户的特征标 签， 通过聚类分析可以将多个用户分别划分至对应的类别的集合中， 实现分类， 所述分类结 果实际上即为得到的多个用户集合， 每一集合代表一种类别。 0057 本实施例中的指标值具体根据指标内容确定， 例如， 对于用电器能耗及使用时间 段的指标而言， 其指标值可以设置为用。

25、电器的能耗功率。 0058 其中， 按照信息论基本原理的解释， 信息是系统有序程度的一个度量， 熵是系统无 序程度的一个度量； 根据信息熵的定义， 对于某项指标， 可以用熵值来判断某个指标的离散 程度， 其信息熵值越小， 指标的离散程度越大， 该指标对综合评价的影响(即权重)就越大， 如果某项指标的值全部相等， 则该指标在综合评价中不起作用。 因此， 可利用信息熵计算出 各个指标的权重(即熵权法)， 为多指标综合评价提供依据。 0059 所述能效评分计算单元4用于根据所述多个用户的各指标值及其指标权重计算多 个用户的能效评分； 0060 具体而言， 根据所述多个用户的各指标值可以确定初始能效评。

26、分， 具体可以采用 任意的评分算法进行计算得到， 本实施例中不限于特定的算法， 在计算得到多个用户的各 指标的初始能效评分之后， 可以结合初始能效评分及其对应的权重来计算得到多个用户的 最终能效评分。 说明书 4/11 页 7 CN 111932070 A 7 0061 所述用能分析单元5用于根据所述多个用户的分类结果和能效评分对所述多个用 户进行用能分析得到分析结果。 0062 具体而言， 本实施例通过对应不同分类的用户之间的能效评分， 可以确定不同分 类用户之间、 以及同一分类用户之间的用能差异， 该用能差异能够用于衡量家庭用电水平， 从而为引导用户合理用电以及电力公司进行需求侧管理合理调。

27、度提供科学依据。 0063 其中， 在分析家庭用能情况时， 还可以具体采用横向比较和纵向比较的装置， 首先 对同社区或类型的不同家庭用户在统一能效指标情况下进行比较。 以空间为坐标， 在进行 比较时应注意对不容同研究对象进行比较的前提条件， 即它们必须是同类的或具有相同性 质的， 而且必须是处于同一时间区间的。 0064 另外对电力用户自身历史用电情况进行纵向比较， 包括以时间为坐标在不同时间 里的发展变化进行比较。 通过测量与比较研究对象在先后不同时间段中的变化， 发现家庭 能量消耗问题并找到解决的装置。 0065 本实施例装置优选但不限于采用插入排序、 选择排序、 冒泡排序和快速排序等。 。

28、其 中插入排序基本操作就是将一个数据插入到已经排好序的有序数据中， 从而得到一个新 的、 个数加一的有序数据， 算法适用于少量数据的排序， 是稳定的排序装置。 插入排序的基 本思想是： 每步将一个待排序的纪录， 按其关键码值的大小插入前面已经排序的文件中适 当位置上， 直到全部插入完为止。 选择排序(Selection sort)是一种简单直观的排序算法。 它的工作原理是每一次从待排序的数据元素中选出最小(或最大)的一个元素， 存放在序列 的起始位置， 直到全部待排序的数据元素排完。 选择排序是不稳定的排序装置。 冒泡排序 (Bubble Sort)， 是一种计算机科学领域的较简单的排序算法。。

29、 它重复地走访过要排序的数 列， 一次比较两个元素， 如果他们的顺序错误就把他们交换过来。 走访数列的工作是重复地 进行直到没有再需要交换， 也就是说该数列已经排序完成。 这个算法的名字由来是因为越 大的元素会经由交换慢慢 “浮” 到数列的顶端。 快速排序(Quicksort)是对冒泡排序的一种 改进。 它的基本思想是： 通过一趟排序将要排序的数据分割成独立的两部分， 其中一部分的 所有数据都比另外一部分的所有数据都要小， 然后再按此装置对这两部分数据分别进行快 速排序， 整个排序过程可以递归进行， 以此达到整个数据变成有序序列。 0066 可选地， 所述用户分类单元2包括： 0067 标签生。

30、成单元21， 用于根据所述家庭基本属性信息获得对应的自然属性标签， 并 根据所述家庭用电能耗信息以及营销数据信息获得对应的用户行为标签， 用电特性标签、 消费习惯标签； 其中， 所述家庭基本属性信息包括家庭人口、 家庭面积、 家庭收入， 所述家庭 用电能耗信息包括家庭的各用电器及其用电能耗、 使用时间段， 所述营销数据信息包括投 诉记录、 违约记录、 窃电记录、 缴费记录。 0068 具体而言， 由于家庭基本属性信息一般不会改变， 但家庭用电能耗信息与家庭营 销数据信息则会根据用户的行为习惯发生相应的变化， 因此需要识别用户行为的发生， 对 行为的特征进行描述， 发现用户行为之间的关联性， 然。

31、后对电力行为进行分类最终构建出 用户行为标签库。 0069 本实施例中通过非侵入式设备获取用户的用电信息， 非计量数据可采用用户调查 或用电数据反推等方式获取用户行为特征数据， 再对所获取的数据进行标准化处理， 然后 进行各类综合指标值分析， 分析用户的行为特征标签、 用电特性特征标签、 消费习惯特征标 说明书 5/11 页 8 CN 111932070 A 8 签， 0070 其中， 所述标签生成单元21具体用于： 0071 将同一时间段的调控可以分为三个类别， 共分成14维标签内容， 根据先后顺序排 列分别包括用户行为标签L1， 用电特性标签L2-L9， 消费习惯标签L10-L14， 如下。

32、所示： 0072 0073 对各用户类别对应的数据作出向量表示： 0074 L(1),L(2),L(K),L(14) 0075 在上述式中各维数据所具备的物理意义存在差异， 且获得的数据具有一定异常， 在经过聚类分析前需要对数据做出清洗， 对该式中的各项数据信息采用Z-Score装置开展 标准化处理： 0076 0077其中，为L(k)的均值， L(k)为L(k)的方差。 0078 在进行数据的标准化处理之后， 根据标准化处理后的数据生成特征标签。 0079 所述用户行为标签LB， 体现出具体逻辑量， 可以覆盖四类调控值， 分别为-1、 -1、 1、 1， 对各时段是否在家情况进行估计， 也是。

33、用户分类的初选方式， 将一天24小时划分为四个 时间段， 分别用标签-1、 -1、 1、 1表示， 因此可以对-1时间段的用户用电情况进行过滤， -1时 间段表示用户不在家的情况。 0080 所述用电特性标签LE， 可以通过8维数据进行体现， 即L2至L9， 可通过公式获得综合 标签值LE。 0081 0082 其中，k表示为各维数据对应权值。 0083 所述消费习惯标签LC， 可以通过5维数据进行体现， 即L10至L14， 可通过公式获得综 合标签值LC； 0084 0085 其中，k表示为各维数据对应权值。 0086 通过以上计算， 可以得到用电特性标签、 消费习惯标签的综合标签值。 00。

34、87 其中， 所述用户分类单元2还包括聚类单元22， 用于根据所述特征标签， 利用K- means聚类算法进行聚类分析， 以将具有相似用户特征的用户划分为一类； 其中用户的类别 包括高能耗、 中高能耗、 中能耗、 中低能耗和低能耗。 0088 具体而言， 根据用电特性标签、 消费习惯标签的综合标签值进行聚类， 基于轮廓系 数得出的最优类内容。 将所获得的数据转变为可以直观反映本质的两维数据， 即LE(i),LC 说明书 6/11 页 9 CN 111932070 A 9 (i)， 在该数据中i表示第i个用户， 在改进过程中需要以LE(i)为基础， 结合欧氏距离理论， 获得各类别中心点LE(k)。

35、， 0089 0090 需要以LC(k)为基础， 结合欧氏距离理论， 获得各类别中心点LC(j)， 得出(LE(k),LE (j)， 得出多个平面中心点， 结合曼哈顿距离公式， 对各用户类别加以分析： 0091 min(abs(LE(i),LE(k)k1,2,3, 0092 abs(LC(i),LC(j)j1,2,3, 0093 基于以上描述， 可以得到用户的分类。 0094 可选地， 所述权重计算单元3包括指标值计算单元31、 熵值计算单元32、 差异性计 算单元33和权重单元34。 0095 所述指标值计算单元31用于根据所述多个用户信息计算多个用户的各指标值； 0096 具体而言， 如图。

36、3所示， 本实施例提供了一种居民用户能效指标体系， 其根据家庭 电力用户的家庭基本属性信息、 家庭用电能耗信息、 家庭新能源信息进行构建， 其中， 所述 指标包括家庭人均能耗A1、 家庭单位面积能耗A2、 万元收入能耗A3、 照明能耗及使用时间段 B1、 冰箱能耗及使用时间段B2、 热水器能耗及使用时间短B3、 洗衣机能耗及使用时间短B4、 空调能耗及使用时间短B5、 分布式电源用能比重C1、 新能源汽车C2； 0097 示例性地， 对于指标A1A3， 其指标分别为对应的家庭人均能耗、 家庭单位面积能 耗、 万元收入能耗， 对于指标B1B3， 其指标为家庭电力用户的多个相同类型用电器的总能 耗。

37、， 例如多个照明用电器的用电能耗之和， 多个冰箱的用电能耗之和， 对于指标C1， 其指标 为分布式电源用能占家庭总用电能耗的比重， 其中分布式电源包括风力发电和光伏发电两 种， 装设分布式电需要到电力公司进行备案， 因此相关数据较易于获取； 对于指标C2， 其指 标指的是插电动汽车的用电能耗。 0098 本实施例中考虑了新能源对电力用户的影响， 全面反映了家庭的用能情况。 通过 将可控常规负荷与各种新能源储能元件和需求侧响应手段相结合， 可以适应电力系统日益 增长的调节需求。 0099 所述熵值计算单元32用于根据所述多个用户的各指标值计算各指标的熵值； 0100 首先将数据进行预处理， 删除。

38、异常和无效数据。 家庭中， 照明、 空调等电器数量可 能不止一个， 需要进行统一处理， 按下式进行合并处理， 以便评估分析。 0101 0102 其中， Pi为第i类用电器功率， Pj为同类型用电器的功率。 0103 新能源的使用可能不会节省能耗， 但对家庭支出、 保护环境等方面都是最佳的电 源选择。 本实施例通过新能源用能比来量化新能源的使用情况， 采用家庭新能源出力能耗 与家庭总用电能耗的比值来计算新能源用能比， 如下式所示。 0104 0105 其中Pk为新能源供能系统(光伏、 风力等)发电出力能耗， 当k0时表示该家庭没 说明书 7/11 页 10 CN 111932070 A 10 。

39、有新能源设备， P为家庭总用电能耗。 0106 其中， 第j项指标的熵值ej计算如下公式： 0107 0108 其中， b0， ej0， n为用户总数， pi,j为第i个用户的第j项指标的指标值； 0109 所述差异性计算单元33用于根据所述各指标的熵值计算各指标的差异性系数比； 0110 gj1-ej 0111 其中， gj为第j项指标的差异性系数比， gj越大则表示该指标越重要， 反之则越不重 要。 0112 所述权重单元34用于根据所述各指标的差异性系数比计算各指标的权重； 0113 0114 其中， m为指标总数， wj为第j项指标的权重。 0115 可选地， 所述能效评分计算单元4包。

40、括： 0116 第一分值计算单元41， 用于根据所述多个用户的各指标的指标值， 采用TOPSIS算 法对所述多个用户的进行各指标评分得到各指标评分值； 0117 第二分值计算单元42， 用于根据多个用户的各指标评分值以及指标权重进行计算 得到多个用户的能效评分。 0118 具体而言， 本实施例采用TOPSIS算法求解各用户的相对接近度， 得出各用户指标 评估分数。 采用多属性的决策分析法， 对有限评价指标和理想目标之间的相近度进行排序， 对当前分析对象进行相对优劣的评价。 0119 示例性地， 采用优劣解距离法， 评价过程首先计算各方案到正(负)理想解的距离， 然后计算各指标评分值， 具体如下。

41、： 0120 a)计算各指标值到正(负)理想解的距离： 0121 0122 0123其中， 为正理想解， 为负理想解， cij为第i个用户的第j个指标值。 0124 b)计算指标评分值： 0125 0126 其中， 所述第二分值计算单元42具体用于： 将用户的各指标评分值分布乘以其对 应的指标权重， 相加得到用户的能效评分。 0127 可选地， 所述用能分析单元5包括： 0128 排序单元51， 用于将不同分类的用户的能效评分进行排序， 并选取每一分类中能 效评分最高的用户作为用能分析用户； 说明书 8/11 页 11 CN 111932070 A 11 0129 分析单元52， 用于将不同类。

42、型的用能分析用户的家庭基本属性信息进行对比分 析， 确定不同类型用户之间的用能差异， 并根据所述用能差异生成分析结果。 0130 可选地， 所述用能分析单元5还包括： 0131 用电建议生成单元53， 用于获取电价方案， 并根据所述电价方案以及所述分析结 果生成用于节约用户用能成本的用电建议。 0132 具体而言， 售电公司基于自身的信息分析， 给出用能情况报告及家庭用电方案建 议。 现货市场竞争中， 用电套餐科学化， 将更有利于电网公司或售电公司平滑电力供给曲 线， 实现节约电网投资， 减少网损等收益； 用户基于电网公司或售电公司的电价方案， 可以 基于自身的用电行为调整， 获得节约用能成本。

43、的收益。 根据供电区域、 计费方式(固定费率、 可变费率、 阶梯电价、 单一电价、 分时电价)和支付方式的不同组合形成不同的套餐。 0133 本实施例基于家庭信息指标提高了具体问题具体分析的能力， 区分不同类型用户 之间的差异， 可根据用户具体情况给出相关的用能建议。 基于非侵入式信息数据提高了评 估的精度， 可信度， 进一步提升用户采纳用能建议的可能性， 可大幅降低不必要的能耗， 从 而提高能效， 同时也给电力公司的需求侧管理提供了有效帮助。 基于新能源信息指标对提 高用户清洁能源的使用率有一定帮助， 通过横纵对比用户将会考虑使用更多的清洁能源， 能源效率也会大大提高。 0134 为验证本实。

44、施例装置的技术效果， 下面结合实验算例数据进行说明。 0135 基于现有实验数据为某20个用户30天内的日用电数据， 其中包括由NILM获得的约 46个不同电器设备的用电信息。 家庭人口， 收入， 面积等信息在文中则采用模拟的装置随机 获取， 人口的范围在1,5人， 家庭收入在10000,30000元， 家庭面积在70,120平方米。 在实际运用中可通过用户调查来获取相关家庭信息。 本实施例分析装置为在线运行模式， 分析的时间间隔通常为730天， 验数据以15min为采样周期对应一天中的96点负荷数据。 目前NILM设备可检测出51种不同用电器的使用情况， 设备的安装尚处于试点阶段， 故选取 。

45、20个记录了一年以上的用户用电数据， 选取其中30天的数据作为实验数据。 能效评估可看 作电网公司提供的 “增值服务” ， 为了确保用户调查数据的完整性， 试点用户需要在电网公 司的指导下填写用户调查报告。 0136 在本实施例中所使用的用户用电数据均由NILM设备提供， 故采样周期均为15min， 用户的个人信息由用户填写并录入数据库中， 主要采用Excel的方式存储， 并进行分析。 实 验数据中51种用电器包括了家庭中常用的家电， 包括空调， 冰箱， 电视， 热水器， 洗衣机等大 型电器。 0137 对原始数据进行数据筛选， 把全为0的数据进行删除， 经过删除后可用数据有20位 用户用。 。

46、此外通过蒙特卡洛模拟的装置来模拟普通用户的用电数据， 以此扩展原有用电数 据， 将原有的20个用户数据扩展为400个。 主成分分析(principal component analysis， PCA)和聚类分析(cluster analysis)是现代多元统计分析学科中处理多变量、 高维度系统 最方便快捷的装置之一。 在本发明中， 由于评估指标中的电器信息过多， 故需要通过主成分 降维， 然后采用聚类分析把用户进行分类， 以便做进一步的评估分析。 0138 经过PCA降维并分析其累计方差贡献率后， 前3个主成分包含原始数据集的大部分 信息， 因此可以使用较少的主成分来表示原始数据集， 从而实现。

47、降维。 降维后采用k-means 对主成分进行聚类得到如图6的用户聚类结果。 经过PCA降维后用户通过k-means分为五类 说明书 9/11 页 12 CN 111932070 A 12 用户。 ， 第一类、 第二类和第三类用户相似， 第五类用户一部分与一、 二、 三类用户相似， 但有 一部分与其他类型用户差异较大； 第四类用户相较其他类用户差异都较大， 且用户数最少。 0139 如图4所示， 为五类用户各电器用电数据聚类中心曲线。 从曲线的趋势来看各类用 户电器的用能情况大致相同， 如在电器编号3， 编号13， 编号24都有一个上升的趋势， 而在编 号25到编号36都同为功耗较低的电器。 。

48、值得注意的是第2类用户电器编号6至编号8的用电 量比其他两类用户都较高， 在后面的能效分析中可对此进行分析， 并给出相应用电建议。 电 器编号46号以后的电器分别为波动负荷、 常在负荷、 其他负荷、 未知负荷和自定义负荷。 因 此在46号电器以后所有类型用户电器能耗有一个明显的上升， 且用电量都较大。 第1类用户 用电量主要在电器13， 电器24， 和电器49有应该明显的上升过程。 第5类用户在常规电器中 相较其他类型用户用电量较高。 第2类和第4类用户在常规用电器中用电特征相似， 常在负 荷和其他负荷的用电量较为突出， 在后续的能效分析中可着重分析次两类用户的用电是否 合理， 并给出相应的用。

49、电建议。 与其他类型用户相比， 第3类用户包括常在负荷和其他负荷 用电量都较低。 0140 表1中显示了各种用户的具体特征， 其中具有不同的电能消耗， 家庭人口， 家庭收 入等。 可以看出第3类用户电器平均电耗量最低， 第2类第5类用户的功耗相对较高， 可以分 析两类用户的能耗水平， 并给出相应的用能建议。 由于第3类用户的电器能耗平均值较低， 且人口和面积都在同等水平下， 因此可定义该类用户为 “出差族” 类型。 五类用户的聚类中 心差距较小， 主要差异在于用户能耗。 第1类和第4类用户的能源消耗相似， 但第4类用户的 家庭收入较低， 而第1类用户的家庭收入较低， 人口收入水平较低。 014。

50、1 表1-聚类结果中各类型用户特征 0142 0143 用户的类别可划分为高能耗， 中高能耗， 中能耗， 中低能耗， 低能耗五类用户， 其中 第一类用户用电量在一个较为可观的水平， 故把第一类用户定义为中高能耗用户； 第二类 用户用电量较高， 定义为高能耗用户； 第三类用户用电量最低， 定义为低能耗用户； 第四类 用户定义为中能耗用户； 第五类用户定义为中低能耗用户。 0144 根据公式求出权重系数， 以此来确定指标的权重。 由公式得到最终TOPSIS评价的 得分情况， 各类别的TOPSIS评价分数如图5所示。 0145 根据图6对各类用户进行能效分析。 从整体上看各家庭的评价分数都较低， 可。