[发明专利]能源消费者的预测性细分

说明书

计算机系统接收列出消费者属性和消费者采用状态的消费者记录，诸如所述消费者是否已经参与特定能源效率计划。诸如根据决策树，在所述消费者记录中识别初始模式集合。修整所述初始集合以获得满足最小支持度和有效性以及最大重叠要求的模式集合。根据寻求使每个分段的所述最小有效性最大化的优化算法将所述模式分配给分段，其中有效性指示符合每个分段的模式的、具有正采用状态的大量消费者。所述优化算法可以是二分算法，其评估线性分式整数规划(LFIP‑F)以迭代地逼近模式的最优分布。

技术领域

本申请要求于2015年12月18日提交的标题为“Predictive Segmentation ofEnergy Consumers”的美国临时申请序列号62/269,793的权益，其全部内容通过引用特此并入。

技术领域

本发明涉及一种用于分析能源消费者的计算机算法。

背景技术

近年来，能源设施公司越来越热衷于改善传统上与电力供应商脱节的消费者群的关系。过去，能源设施公司和他们的消费者都理解电力公司的作用是“让灯保持亮着”。然而，当前的技术趋势和消费者态度转变(特别是由擅长理解和预测其消费者的偏好的面向消费者的互联网公司的增长所推动的)已经导致设施公司增加了与其消费者接洽的兴趣。

这些趋势的综合带来了数据可用性(通过诸如智能仪表等感测基础设施收集的高粒度消费数据以及消费者本身的其他“元数据”)和处理这类数据的计算方法(例如Li和Yang(2015)，Liu和Nielsen(2015))的增加。因此，能源设施公司越来越依赖分析技术，这些技术可能为他们提供增加消费者满意度和参与度以及参与其消费者群内的环境友好计划的方式。消费者细分作为了解消费者和识别对该了解做出行动的方式的技巧是不论大型还是小型组织的营销工具箱的基石。它被广泛用于市场营销(Association(2014)中提供综合评述)、在线广告(例如，Yan(2009)等)或电子零售(例如，Bhatnagar和Ghose(2004))，仅举几个应用。

随着设施公司努力与其消费者建立更加个性化和现代化的关系，他们热衷于将细分作为一种手段来量身定制他们有关效率测量和其他计划的沟通，从而提高参与和接洽。实践中采用的大多数市场细分技术都集中在固定规则集合的应用上。例如，将居住在大家庭和有孩子的消费者分配到“高消费”类别，而将订阅环保主义杂志的那些归入“绿色倡导者”群组。通常，这些规则来自反事实或传闻经验、行为研究或小规模心理学实验，并在实践中被视为“公认的事实”。作为凝聚的领域知识的结晶，这样的细分策略当然是有价值的，且应当为理论和实践提供信息。

本文描述的方法提供了用于细分能源消费者的改进方法。

附图说明

为了容易理解本发明的优点，将通过参考附图中图示的具体实施方式来呈现以上简要描述的本发明的更具体描述。应该理解这些附图仅描述了本发明的典型实施方式，并且因此不应认为是对其范围的限制，本发明将通过使用附图以附加特征和细节来描述和解释，其中：

图1是根据本发明实施方式的用于实现消费者的预测性细分的部件的示意性框图；

图2是计算设备的示意性框图；

图3是根据本发明实施方式的用于执行预测性细分的方法的过程流程图；

图4是图示从消费者数据提取的决策树的示意图；

图5是模式有效性对比规则数量的图；

图6是示出用于解释能源消费者的参与的预测性变量的图表；

图7是分配给消费者分段的模式的可行性矩阵；

图8是示出模式间重叠的分布的图；

图9是与两个分段相关联的模式的示例；

图10是关于迭代次数的分段有效性的下限和上限的图；