基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法

现有基于用户评价信息的售电套餐推荐方法因忽略了差异化用户评价信息的多样性,且仅考虑了用户擅长评价售电套餐所有属性的情形,给推荐结果带来较大偏差。为此,提出了一种基于双层邻近传播(BLAP)聚类和多粒度犹豫模糊语言评价集的售电套餐推荐方法。首先,提出了基于用户画像标签体系和BLAP聚类的样本用户集划分方法,以辨别用电特性相似的用户;然后,考虑多粒度犹豫模糊语言评价集和权重不完整信息,提出了样本用户集对售电套餐选择的模糊评价方法;接着,提出了基于样本用户集评价信息的新用户满意度评估方法和售电套餐的全排序推荐方法,以实现售电公司对售电套餐的精准推荐。最后,以中国某地区用户为对象进行算例分析,结果表明基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法能够帮助售电公司提高推荐质量,进而提升用户满意度,增强用户黏性。     

基于套餐隐式评分与用户画像的电力套餐推荐方法

面向售电公司提供差异化售电服务、提高用户黏性的市场需求,提出基于套餐隐式评分与用户画像的电力套餐推荐方法。首先,提取电力套餐属性标签,以用户的套餐历史购买行为作为其对电力套餐的隐式评分,构建计及偏好衰减的用户-套餐标签画像模型。然后,以皮尔逊相关系数和欧氏距离分别表征用户的分时负荷与总负荷水平的相似性,提出基于双尺度负荷聚类和轮廓系数的套餐标签赋权方法。在此基础上,构建基于加权欧氏距离的用户画像相似度评估模型,提出电力套餐协同过滤推荐方法,为目标用户筛选并推荐最经济的电力套餐。对不同负荷水平和用电习惯的用户进行电力套餐推荐仿真,结果表明,所提套餐推荐方法可根据用户的套餐历史购买信息发掘其消费偏好,提高售电公司的电力套餐推荐准确率。     

考虑电动汽车用户有限理性的定制化电价套餐设计

考虑到售电公司对提高市场占有率和收益的需求,电动汽车用户对经济和舒适的追求,以及电动汽车保有量基数大且还在持续快速上升的情况,提出了一种考虑电动汽车用户有限理性的定制化电价套餐设计方法。首先,利用蒙特卡洛方法模拟生成一些电动汽车用户的充电需求以增加充电负荷数据,并采用k-medoids聚类算法对电动汽车用户按其充电负荷聚类出典型电动汽车用户的充电需求曲线。然后,通过熵权法计算电动汽车用户效用,并在此基础上应用演化博弈论分析电动汽车用户在有限理性情况下的电价套餐选择情况。最后,建立考虑电动汽车用户有限理性的电价套餐双层优化模型,上层模型优化目标为售电公司购售电收益最大,下层模型优化目标为电动汽车用户效用最大。算例结果表明该定制化电价套餐不但能够有效地提高售电公司的营业利润,而且能够降低用户用电成本。     

基于电力交易用户最优特征子集的售电套餐推荐方法

针对电力市场用户群庞大,交易过程中售电套餐选择困难的问题,提出一种基于电力交易用户最优特征子集的售电套餐推荐方法。首先,定义了电力交易用户最优特征子集,并设计基于加权递增项目覆盖率最优子集的发现算法,合理地从海量交易用户中筛选出最优用户特征子集。然后,提出一种基于属性相关的售电套餐相似性计算方法,通过聚类和确定套餐属性权重的方式计算套餐相似度,得到套餐项目的相似度矩阵。最后,基于最优特征子集和相似度矩阵实现了售电套餐的精准推荐。实验验证表明了电力交易用户最优特征子集的有效性和所提推荐算法的准确性。     

售电市场环境下基于数据驱动的用户用电行为分析

智能电能表能够实时采集用户的用电数据,在未来数字化配用电系统中将得到广泛普及。在我国售电市场进一步放开并逐步繁荣的背景下,售电商能够通过分析海量用户用电数据,掌握用户用电行为,从而实现更好的服务。探讨了面向售电市场用户行为分析的特征提取方法,采用了k-means、模糊聚类、层次聚类等不同的聚类算法实现典型用户用电行为的模式提取,分析了不同用户用电行为的基本特征。对爱尔兰地区6 445名用户的公开用电数据进行实证分析,结果表明,该方法能够有效提取用户的用电行为模式,分辨用户用电行为异同。     

基于奇异值分解和改进FCM的日负荷聚类方法

随着电力体制改革的不断深入,为争夺市场份额、吸引潜在用户购电并提高自身收益,售电公司愈发重视用户的用电体验.对用户日负荷曲线的聚类分析能够有效挖掘用户的用电行为特性,进而为售电公司提供决策依据.针对FCM算法运行时间较长、对初始数据敏感、容易陷入局部最优、需要人为给定类簇数以及聚类结果不稳定等问题,提出了一种基于奇异值...     

面向产消用户的售电公司发-用电多元电力套餐优化EI北大核心CSCD

新型电力系统背景下的产消用户不断发展,这给售电公司在设计多元化套餐吸引产消用户以及利用发电资源方面带来挑战。充分考虑产消用户的发用电特点,提出售电公司面向产消用户的发-用电多元电力套餐优化策略。设计2种发电套餐、3种用电套餐和2种发用电捆绑套餐;分别以考虑风险的售电公司综合收益最大和产消用户的综合满意度最高为目标函数,构建主方的购售电决策模型和从方的套餐选择模型,阐述售电公司和产消用户的主从博弈互动过程;提出博弈过程中的套餐组合策略,以提高套餐的多样性;采用粒子群优化算法和CPLEX优化软件求解模型的纳什均衡解。算例分析结果表明,博弈模型具有较好的收敛性,所提多元发-用电套餐和套餐组合策略能够适应不同类型的产消用户,提高产消用户的综合满意度。     

售电商参与现货市场下的售电套餐优化设计

随着中国电力现货市场的快速发展,售电商可以通过设计售电套餐来引导电力用户参与电力需求响应,以此提高双方利益。文中引入避峰响应系数,在分时电价的基础上制定售电套餐激励以吸引电力用户积极转移用电负荷。首先,根据设计的售电套餐计算出电力用户选择售电套餐后的负荷转移情况;其次,考虑电费支出的变化与用电方式的变化对电力用户效用产生的影响,基于效用函数构建售电套餐决策模型来计算出电力用户对售电套餐的选择情况;然后,文中基于售电商参与现货市场交易转移负荷,以售电商利益驱动量最大化为目标优化设计出4种售电套餐;最后,通过算例分析,验证了优化后的售电套餐符合双方的利益要求。     

澳大利亚零售市场电价套餐的经验及启示

零售电价套餐的制定在售电侧市场放开过程中占据着核心地位。借鉴国外售电侧市场改革经验,研究其零售市场电价套餐,将为我国售电主体在售电侧改革进程中制定电价套餐提供参考。分析了澳大利亚零售市场改革进程,研究澳大利亚零售商运营模式及典型电价套餐,并运用雷达图分析各电价套餐之间的竞争力。对我国售电主体在售电侧放开过程中有如下启示:售电公司应基于不同用户的差异化需求,提出品种多样化的、可选择的零售电价套餐,吸引用户并提高用户可选择性,同时在时间上依据售电侧市场放开的不同阶段设计不同的零售电价体系。     

基于有限理性用户选择行为的定制化电价套餐设计

利用电力需求响应机制,通过引导用户主动参与电网调峰,能够提高用户和电网互动的积极性、减轻电网峰时供电压力。针对各电力用户因其用电差异性而需要不同的电价套餐,且电力用户选择电价套餐的决策行为普遍是有限理性而非完全理性的,该决策行为存在演化博弈过程的特点,提出了一种考虑有限理性用户选择行为的定制化电价套餐设计方法。首先,采用K-means算法对电力用户的日负荷曲线的负荷特征指标对其进行聚类分析,并生成聚类后的每一类用户的典型负荷曲线,利用模糊理论根据各典型负荷曲线确定各套餐的用电曲线;其次,通过熵权法计算用户效用,并在此基础上应用演化博弈理论计算用户在有限理性情况下的套餐选择比例;然后,建立售电公司和供电公司之间的双边协商购电合同模型;最后,在保障售电公司市场占有率和用户满意度的前提下,以实现售电公司和用户的双赢为目标,建立面向有限理性用户的定制化电价套餐模型。算例结果证明了所提方法及模型的合理性和可行性。     

考虑用户有限理性的售电公司峰谷组合电力套餐设计

中国电力零售侧市场化程度逐步加深,售电公司须为电力用户提供有针对性的电力套餐以保障其市场占有率和持续盈利能力.为此,提出售电公司峰谷组合电力套餐零售模式并构建了考虑用户有限理性的电力套餐设计双层优化模型.在上层模型中,售电公司以购售电收益最大化为目标优化峰谷电力套餐参数及其在电力市场中的购电策略;在下层模型中,用户以购电综合效用最大化为目标进行峰谷组合套餐定制,考虑了裕度电量价值及从众心理对有限理性用户决策的影响,同时基于锚定效应模拟了用户在选购电力套餐后的用电行为.以某地居民用户为对象进行仿真分析,结果表明售电公司可通过设计峰谷组合电力套餐激励有限理性用户主动调整用电行为,提高购售电收益.     

基于协同滤波的智能楼宇售电套餐推荐方法研究

建筑用能是位列工业用能之后的第二大耗能行业,随着电力市场快速发展,售电套餐业务逐步增长.针对建筑行业智能楼宇客户选择售电套餐困难的问题,提出一种智能楼宇客户的售电套餐推荐方法(CEPRS).该方法采用基于协同滤波的人工智能技术,根据易获取的用电设备用能数据,为客户将不同套餐进行分档并预估推荐,从而有效辅助客户选择套餐.数据试验采用公共数据集,并依据不同套餐定价方法和不同推荐方法进行对比,试验结果证明该方法的有效性和推荐算法的准确性.     

基于多目标聚类的用电集群特征属性计算

提出售电市场中用电集群与分析维度概念.确定集群特征变量后,采用自组织映射神经网络与k-均值混合可视化聚类技术对售电空间进行自定义目标划分.基于负荷与经济指标,设计熵权改进的多指标属性测度算法对多目标划分下用电集群特性进行精细化定量综合计算,以分析各对象属性整体相对优劣.采集某电网317个用户数据进行算例分析,结果表明该算法能区别于传统负荷特性分析方法,在扩大售电市场研究对象基础上实现更多有效信息挖掘与多目标售电对象特征精细分析.     

基于KL变换和KL散度的电网数据特征提取与分类

智能电网用户行为特征的分析在电力营销策略中扮演者重要的角色。文中结合KL变换和KL散度的方法,提取与分类用电数据信息的特征,实现不同类型的用电数据划分。同时通过综合分析所有用户的日负荷曲线,提取不同类型用户的典型日负荷曲线。研究结果表明:基于KL变换的方法,通过对原始数据的压缩和主要特征的保留,大大降低了智能电网数据提取与分类的计算量,提高了时间效率;基于KL散度的方法,通过对k-means算法中的k值和初始聚类中心的选择进行优化,提高了聚类效果的准确率;实例中电网用户正常数据为38组,可分为3类典型用户,迎峰用电型、错峰用电型、部分迎峰用电型。该研究结果可以更加有效地对电网用户用电行为进行分类,从而为售电公司进行业务拓展提供技术基础。     

基于数据挖掘与需求响应的个性化智能用电套餐研究

在电力体制改革的背景下,有必要精细化挖掘用户用电特性,同时考虑售电商偏差考核控制的问题,制定套餐优化需求响应策略。首先基于自编码神经网络和模糊C均值聚类的方法对用户用电曲线进行模式分类,然后基于消费者心理学用户响应模型,对用户不同用电模式建立峰谷分时电价优化模型,在此基础上,对不同用电模式建立峰平时段叠加电价模型。研究表明,套餐制定可以有效引导用户调整用电行为,降低用电模式间差异,从偏差考核的角度看,有助于制定月购电策略。     

基于数据特征提取与自适应K-means聚类算法的用户用电画像*

随着大数据研究的不断深入与配电自动化建设的逐步完善,电网的态势感知功能正在发挥越来越大的作用,也越来越受到电力公司的重视,其中实现用户用电特征的画像是最重要与基础的一部分.首先对现有用电数据进行特征提取,通过这种方式实现了初步的用电特征提取,同时大大降低了后续算法运行所需的计算资源,随后通过自适应K-means聚类算法对用电特征进行自适应聚类.最后,将得到的结果与常规方法进行准确率比对,验证了该方法的有效性.     

考虑淡旺季用户效用的居民用电套餐模型

随着售电侧放开,居民对电力零售商有了更多的自主选择权,零售商需要根据实际用电需求设计适合居民的用电方案,为此文中设计了考虑淡旺季用户效用的居民用电套餐。首先,以家庭平均每月用电量计算用户效用函数,并以此获得用户选择各类用电套餐概率;然后,以零售商利润最大为目标,建立套餐的成本收益模型;最后,用粒子群算法对该模型进行求解。算例仿真结果表明,零售套餐的设置,给用户提供了更多的选择;不但提高了用户用电效用,而且有效地提高了零售商的期望利润,同时减少了居民用电峰谷负荷差。     

基于用户特征聚类的综合能源套餐推荐方法

针对庞大的综合能源用户群体在购买能源服务套餐时难以选择的问题,提出一种基于用户特征聚类的综合能源套餐推荐方法,以提高用户粘性。首先,将收集的综合能源用户信息进行知识图谱构建,对缺失的用户信息进行补充完善,同时分析用户之间的关系。然后,采用谱聚类的方法对构建好的用户知识图谱进行图谱分割聚类,进行用户之间的相似度计算,提取代表综合能源用户用能行为多样性的兴趣特征。最后,通过随机森林模型计算综合能源用户对各能源服务套餐的预测评分,将预测评分进行排序后,取评分最高的部分套餐通过线上平台为用户呈现套餐服务内容,实现对用户的精准推荐。将所提套餐推荐模型与传统推荐模型进行比较分析,结果表明基于用户特征聚类的综合能源套餐推荐方法能够为综合能源服务公司实现有效的用户精准化能源服务推荐,有利于提升能源服务公司的市场竞争力,同时为电力企业向综合能源服务提供商转型提供技术支撑。     

面向分布式电源就地消纳的园区分时电价定价方法

在能源互联网的背景下,园区运营商首先对内利用分布式电源满足园区用电需求,然后对外进行不平衡能量交换。园区运营商通过制定差异化分时电价套餐,挖掘园区用户的需求响应潜力,能够促进分布式电源就地消纳,优化园区内外交换负荷,对此提出一种园区分时电价定价方法。首先,综合考虑园区用户的用电负荷和需求响应特征,基于谱聚类算法形成园区用户群体;然后,根据园区用户群体的用电负荷特征,基于k-means聚类算法确定分时时段;最后,构建园区分时电价定价优化模型,形成面向不同园区用户群体的差异化分时电价套餐。根据算例分析可知,基于该方法制定园区分时电价,能够有效提高园区分布式电源的就地消纳率和综合利用效率、与外部电网的友好程度和整体经济性。     

基于主从博弈的售电商多元零售套餐设计与多级市场购电策略

随着电力市场改革的发展,如何制定吸引用户选择的多类型零售套餐成为提升售电商利润的研究重点。为此该文结合激励手段和价格信号为售电商设计了多类提升市场竞争力的零售套餐,并基于多时间尺度、多交易类型的市场背景为其提出购电策略。首先,搭建售电商与多元用户之间的主从博弈架构,分析售电商参与日前、月度、年度多级市场下与发电商、电力交易中心等主体之间的多种购电交易类型,设计峰谷分时电价、昼夜用电捆绑、峰谷惩罚补偿、阶梯递增电价、固定单一电价5种月度零售套餐。其次,分别以考虑风险因素的售电商效益最大化、多元用户自身综合满意度最大化为目标,构建主方购售电组合决策模型和从方零售套餐选择模型,并阐述主从博弈互动过程。接着,采用粒子群优化算法和CPLEX优化软件求解模型的纳什均衡解。最后,利用算例仿真验证主从博弈模型的迭代求解具有较好的收敛性,多级市场购电策略和多元零售套餐的提出有利于售电商提升自身利润的同时提高用户满意度,从而扩大市场份额。