[发明专利]一种基于数据驱动的居民用电能效评估方法

权利要求书

1.一种基于数据驱动的居民用电能效评估方法，其特征在于，包括以下步骤：

步骤1：检测并统计相关数据；

步骤2：搭建云存储及云计算平台，对数据进行业务处理；

步骤3：构建居民用户横向评分标准，实时评估单个居民用户在一定范围内的用能行为，并且给出横向评分；

步骤4：构建居民用户纵向评分标准，实时评估每个居民用户目前用能行为是否符合其历史行为习惯，并且给出纵向评分；

步骤5：结合所述横向评分和所述纵向评分建立居民用户用能行为综合评分标准；

步骤6：将评分结果反馈给居民用户。

2.根据权利要求1所述的基于数据驱动的居民用电能效评估方法，其特征在于，在步骤1中，安装感知硬件设备以统计相关数据，数据来源包括:居民用户通过双向互动智能可视化电量显示屏进行功率数据传输、预安装于每层居民用户的传感器实时上传数据、与外部气象数据库进行数据对接以调取相关数据以及对居民用户进行家庭数据调研。

3.根据权利要求1所述的基于数据驱动的居民用电能效评估方法，其特征在于，在步骤2中，搭建云存储及云计算平台，获取步骤1中的数据，利用ETL技术对数据进行整合及预处理，然后进行数据清洗，构建统一标准的数据仓库。

4.根据权利要求1所述的基于数据驱动的居民用电能效评估方法，其特征在于，在步骤3中，所述居民用户横向评分标准为：

其中，S_1j为第j个用户的横向评分；为第j个用户在第i个时段内的用电量；α_j为第j个用户的折合系数，折合系数主要受建筑面积S_area、人口数量N_people影响；

公式具体含义为：将单个居民用户一天内总用电量折合成单位人口以及单位面积的用电量，用于定性衡量单个居民用户在一定区域内的用电能力。

5.根据权利要求1所述的基于数据驱动的居民用电能效评估方法，其特征在于，基于LSTM的用户用电量预测模型，构建居民用户纵向评分标准，实时评估每个居民用户目前用能行为是否符合其历史行为习惯，汇总根据区域内所有居民用户的纵向评分，并对结果进行排序。

6.根据权利要求4所述的基于数据驱动的居民用电能效评估方法，其特征在于，所述LSTM的用户用电量预测模型为长短期记忆网络(Long Short-Term Memory)的用户用电量预测模型；包括输入层、LSTM层和输出层的长短期记忆神经网络；LSTM输入层为多特征滚动窗口形式，考虑单个用户纵向24小时以及8种数据特征：季节、星期、天气、温度、湿度、分贝、光照和用电量，滚动窗口大小为24×8的形式；其中季节、星期和天气是离散数据，使用嵌入层学习离散型数据后，生成特征向量并与连续数据进行特征联合，形成LSTM输入向量；LSTM输出层为第25小时内的用户用电量。

7.根据权利要求4所述的基于数据驱动的居民用电能效评估方法，其特征在于，所述居民用户纵向评分标准为：

其中，S_2j为第j个用户的纵向评分；为第j个用户在第i个时段内预测的用电量；为第j个用户在第i个时段内的实际用电量；

公式具体含义为：将基于单个用户的用电行为习惯预测的用电量与该时段内实际用电量对比，若则用户用能比预测用电量少，此时S_2j0；若则用户用能符合习惯，此时S_2j＝0；若则用户用能存在过多的现象，此时S_2j0；其中，因S_2j存在负数的情况，故对纵向评分S_2j进行数值归一化处理。将S_2j转换为百分制，便于用户直观了解其自身用能行为。