[发明专利]用户用能的优化方法及装置

说明书

本发明公开了一种用户用能的优化方法及装置，其中，方法包括以下步骤：采集用户的初始用能数据；对初始用能数据进行过滤，以得到目标用能数据；对目标用能数据进行回归分析，并根据分析结果训练用能预测模型；通过用能预测模型预测在未来不同时间段内的用能信息，并根据用能信息推荐最优用能方案。该方法可以通过采集过滤分析用户数据训练用能预测模型，进而为用户提供合理的用能规划，在满足用户日常能源需求的情况下，避免能源浪费，从而可以有效提高用户能源的利用率，减少用户的用能量，降低用户用能成本。

技术领域

本发明涉及能源技术领域，特别涉及一种用户用能的优化方法及装置。

背景技术

目前，由于化石能源的不可再生性以及环境污染等因素的影响，天然气等可再生能源的用户数在逐日增多，用户的能源使用数据量也在大大增加。

然而，相关技术中并不能为用户提供最佳的用能计划，导致用户在使用天然气时能源利用率较低、不能合理的进行用能规划等问题，从而不仅造成能源浪费，而且造成用户用能量的增加，增加用能成本，亟待解决。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种用户用能的优化方法，该方法可以有效提高用户能源的利用率，减少用户的用能量，降低用户用能成本。

本发明的另一个目的在于提出一种用户用能的优化装置。

为达到上述目的，本发明一方面实施例提出了一种用户用能的优化方法，包括以下步骤：采集用户的初始用能数据；对所述初始用能数据进行过滤，以得到目标用能数据；对所述目标用能数据进行回归分析，并根据分析结果训练用能预测模型；通过所述用能预测模型预测在未来不同时间段内的用能信息，并根据所述用能信息推荐最优用能方案。

本发明实施例的用户用能的优化方法，可以通过采集过滤分析用户数据训练用能预测模型，并通过根据用能预测模型得到的用能信息推荐最优用能方案，从而可以为用户提供合理的用能规划，在满足用户日常能源需求的情况下，避免能源浪费，进而可以有效提高用户能源的利用率，减少用户的用能量，降低用户用能成本。

另外，根据本发明上述实施例的用户用能优化方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，通过改进自适应噪声完全集成经验模态分解算法CEEMDAN(Complete ensemble empirical mode decomposition with adaptivenoise，自适应噪声完全集成经验模态分解算法)对所述初始用能数据进行过滤，进一步包括：获取待分解信号；通过分别对M次高斯白噪声进行EMD(Empirical ModeDecomposition，经验模态分解)分解运算，获取第一模态分量与第一余项分量；通过分别对所述M次高斯白噪声进行EMD分解，获取第二模态分量，并根据所述第二IMF(Intrinsicmode function，本征模态函数)分量和所述第一余项分量得到第二余项分量；通过分别对所述M次高斯白噪声进行EMD分解，获取第三至第K模态分量，并根据所述第三至第K模态分量和前一个模态分量的余项分量分别得到第三至第K余项分量，其中，K为正整数；在余项分量无法分解时，获取所述待分解信号的分解信号。

进一步地，在本发明的一个实施例中，在得到所述目标用能数据之后，还包括：通过奇异值分解算法SVD(Singular value decomposition，奇异值分解算法)提取多个用能特征参数，并将所述多个用能特征参数输入至所述支持向量机SVM(Support vectormachine，支持向量机)，以通过所述支持向量机SVM进行回归分析。