葉 寧；高曦瑩；關(guān) 艷

(1.沈陽理工大學(xué)，遼寧 沈陽 110159；2.國網(wǎng)遼寧營銷服務(wù)中心， 遼寧 沈陽 110171)

2015年，《關(guān)于進(jìn)一步深化電力體制改革的若干意見》正式公布，新一輪電力改革拉開帷幕，售電市場化交易成為改革的重點(diǎn)。隨之而來的是眾多售電公司的誕生，售電公司從電力市場上統(tǒng)一購買電力，通過增值服務(wù)，再零售給廣大的用電客戶。在用電客戶群體中，建筑用能是除了工業(yè)以外的第二大用能行業(yè)，對售電公司來說是必須爭奪的潛在客戶。隨著售電市場未來競爭逐漸加劇，售電公司在包含售電套餐、綜合能源提供和管理及節(jié)能服務(wù)等方面的增值服務(wù)領(lǐng)域需要持續(xù)深耕，而售電套餐則是競爭重點(diǎn)。售電套餐將會成為售電公司獲得市場競爭力的最強(qiáng)有力工具，這點(diǎn)已在國外市場得到充分證明。在德國電力終端市場有大約9000種套餐[1]，美國德州也有著1800多種用電套餐[2]，與用電套餐相關(guān)的是電力套餐推薦工具。推薦工具大體分為2種，一種是直接推薦工具，例如EME，iSelect，Check24等電力套餐推薦平臺[3]。直接推薦工具一般是依據(jù)建筑面積或建筑內(nèi)人數(shù)來估計用能情況，該方法缺少許多對用能具有重要影響的關(guān)鍵因素，所以結(jié)果并不準(zhǔn)確。另一種為間接推薦方法，該方法將客戶預(yù)定義分類，然后將該分類中客戶優(yōu)先選擇的套餐推薦給目標(biāo)客戶[4]。這種推薦方法的缺點(diǎn)是隨著季節(jié)變化估計出的用能特征存在過優(yōu)化現(xiàn)象從而缺少準(zhǔn)確性。

聯(lián)合濾波推薦方法源于電商平臺的商品推薦而廣泛應(yīng)用于亞馬遜、奈非等平臺，該方法通過客戶購買書籍、電影等豐富的歷史記錄從而推斷出客戶的購買喜好[5]。在電力套餐領(lǐng)域，Zhang[3]等通過對澳大利亞電力居民客戶的用電特征分析，采用聯(lián)合濾波方式推薦電力套餐取得良好的使用效果，但在商業(yè)建筑領(lǐng)域卻未見相應(yīng)的研究。

本文通過聯(lián)合濾波推薦方法的使用，針對智能建筑客戶的用能特征進(jìn)行電力套餐推薦。一方面優(yōu)化協(xié)同濾波推薦的參數(shù)使用，可使該方法在推薦用電套餐時取得更高的準(zhǔn)確率，另一方面推薦套餐時考慮智能建筑用能實(shí)際情況，從而達(dá)到較理想的效能費(fèi)用比。

1 售電套餐推薦方法

(1)

均方根誤差(RMSE)定義為

(2)

(3)

2 推薦算法設(shè)計

推薦算法就是在眾多套餐中選擇最為合適客戶的套餐。本文通過基于鄰域的協(xié)同濾波方法設(shè)計專門的相似度函數(shù)。符號Utr和Ute表示為客戶的訓(xùn)練和測試集，通過簡單易獲取的用電特征即可使用推薦算法獲得可靠的套餐推薦。推薦算法的總體框架如圖1，由圖1可知，該結(jié)構(gòu)為雙階段框架，即離線數(shù)據(jù)提取階段和在線推薦階段。圖1中可以看到在第一階段離線提取階段，通過使用總體歷史用能數(shù)據(jù)和用能設(shè)備歷史數(shù)據(jù)進(jìn)行訓(xùn)練，從而提取用能分檔和用能特征。第二階段的離線推薦階段，基于訓(xùn)練客戶和測試客戶的相似度函數(shù)，測試客戶的估計用能特征，并估計測試客戶的潛在分檔，根據(jù)分檔可以決定哪些套餐更加值得推薦。

圖1 雙階段框架推薦算法

2.1 數(shù)據(jù)提取

訓(xùn)練客戶的歷史數(shù)據(jù)形成2種數(shù)據(jù)集，即訓(xùn)練分檔數(shù)據(jù)集和特征數(shù)據(jù)集。套餐費(fèi)用表示為cn，則分檔數(shù)據(jù)可以表示為

(4)

理想情況下，客戶可以計算所有套餐的花銷，并最終選擇最便宜的套餐但是這種情況并不現(xiàn)實(shí)。將用能設(shè)備的核密度估計(KDE)方法來進(jìn)行特征數(shù)據(jù)的提取。

2.2 相似性評估

用電客戶的用能設(shè)備不能保證一直運(yùn)行，所以一些用能特征難免會缺失，為了克服這一困難將相似度函數(shù)定義為

(5)

式中：fma和fna表示為客戶m和n用能設(shè)備的周標(biāo)準(zhǔn)運(yùn)行持久度；wa定義為用能設(shè)備的機(jī)密權(quán)重，該參數(shù)用以量化用能設(shè)備持續(xù)運(yùn)行的結(jié)果，該結(jié)果影響總用電量并影響套餐推薦結(jié)果。

2.3 分檔預(yù)測和套餐推薦

CEPRS推薦方法采用基于鄰域的協(xié)同濾波算法，用以預(yù)測套餐分檔并尋找最劃算套餐?；谑?5)，該方法計算測試客戶與每個訓(xùn)練客戶之間的相似度，并選擇具有前k個最大相似度的訓(xùn)練客戶作為測試客戶的最近鄰域。使用式(1)將基于k個最鄰近域的分檔數(shù)據(jù)來估計測試客戶對套餐的可能分檔。根據(jù)式(4)可知，較低的分檔意味著較低的套餐費(fèi)用，這將使客戶更偏愛套餐。因此，推薦方法將優(yōu)先推薦更低分檔。在實(shí)際使用中推薦最優(yōu)的N個套餐，而且優(yōu)先推薦最低分檔的套餐，而最終客戶可以在推薦的N個套餐中選擇，除了套餐費(fèi)用外，售電公司的服務(wù)、信譽(yù)等其他因素也是客戶選擇套餐的因素。

為了更好地評價售電套餐的推薦結(jié)果本文將使用式(2)的均方根誤差(RMSE)來評估所有套餐的分檔值，采用式(3)的準(zhǔn)確率來評估售電套餐推薦的準(zhǔn)確程度。

3 推薦試驗(yàn)

3.1 試驗(yàn)設(shè)計

為了檢驗(yàn)方法的有效性，試驗(yàn)采用3種機(jī)制電價套餐。第1種為單一價格(SG)，第2種為分時價格(TOU)，第3種為前兩者混合價格套餐。

測試數(shù)據(jù)被分為2部分，第一部分為客戶和用能數(shù)據(jù)，使用的是能源分解參考數(shù)據(jù)集(REDD)，包含了6棟美國建筑的獨(dú)立用能數(shù)據(jù)，監(jiān)測數(shù)據(jù)周期在數(shù)月，監(jiān)測了線路的電壓和電流等數(shù)據(jù)值，用能設(shè)備低頻功率測量時間間隔在3～4 s。本文中選擇了空調(diào)、洗碗機(jī)、垃圾處理器、電熱器、電烤箱、排風(fēng)扇、照明、微波爐、冰箱、電爐、洗衣機(jī)共11類負(fù)載，日用電功率96點(diǎn)信息，如圖2所示。

圖2 空調(diào)和照明用電模式

第二部分為對應(yīng)年份的10種套餐，這些套餐中一半為固定電價的SG價格套餐，另一半為分時電價的TOU幾個套餐。

3.2 算法的有效性試驗(yàn)

該試驗(yàn)采用SG、TOU和混合3種價格機(jī)制，按照不同的相似度進(jìn)行對比推薦可在表1中得到結(jié)果。

表1 算法在3種價格機(jī)制下的RMSE對比值

表1中，EUC表示歐式距離相似度；COS表示余弦相似度，J-EUC為Jaccrad-Euclidean的混合相似度。由表1可知，在使用協(xié)同濾波方法后的推薦方法在考慮不同客戶對相似度的變化情況，依舊可以取得良好的推薦準(zhǔn)確性。表1中數(shù)值為RMSE值，從中可以看出SG價格的RMSE值最小，混合價格的RMSE值最大。EUC與COS相似度值近似，J-EUC誤差數(shù)值最小。

3.3 CERPS與其他方法比較

CERPS與文獻(xiàn)[6]的EME分簇推薦方法相比較，與10種套餐相比較，見表2。

表2 10種套餐的準(zhǔn)確率比較(比值)

由表2可知，該方法的準(zhǔn)確度在10種套餐中均優(yōu)于分簇推薦法EME。

4 結(jié)束語

本文將雙階段的協(xié)同濾波法應(yīng)用于建筑用能套餐推薦業(yè)務(wù)中。該方法只需用能客戶具有簡單易得的用能設(shè)備數(shù)據(jù)即可估計出智能建筑的用能特征，在提高推薦準(zhǔn)確性的同時可以向用能客戶宣傳不同套餐的可能分檔情況，從而輔助客戶選擇合適的套餐。該方法增強(qiáng)了用電套餐與智能建筑客戶需求的匹配性，同時降低了電力增值服務(wù)的分析維度，雖然目前售電套餐尚未全面推廣，但本研究對售電套餐的制定和推廣均具有一定的參考意義。