[发明专利]一种基于用电画像的智能优化方法

权利要求书

1.一种基于用电画像的智能优化方法，其特征在于，所述方法包括：

获取酒店用户信息与用户用电数据；根据酒店用户信息与用户用电数据构建用户画像；根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，具体包括：分析设备用电数据的用电误差，检查用电设备是否老化；利用节能用电组合模型检测异常用电，并分析异常用电类型；根据异常用电类型优化节能用电决策；根据用户用电数据分析用户不良用电行为，并更新用户画像；根据用户画像构建用户群体分类模型对用户进行分类；根据碳积分确定节能等级；根据用户画像与碳积分进行酒店权益推荐。

2.根据权利要求1所述的方法，其中，所述获取酒店用户信息与用户用电数据，包括:

获取酒店用户信息，所述酒店用户信息通过酒店用户管理平台获得，对所述酒店用户信息进行数据预处理，并存储于用户信息数据库；利用非侵入式负载监控(Non-intrusiveloadmonitoringNILM)技术获取酒店的总用户用电数据，并对所述总用户用电数据进行分解，分别得到所述酒店中每个用户的实际用电数据；将所述实际用电数据上传至分布式服务器，所述分布式服务器定时将所述实际用电数据转发至云计算平台，所述云计算平台用于对所述实际用电数据进行分析评估分别得到每个所述用户的用户用电数据，并将所述用户用电数据存放在用户用电数据库中；其中，所述用户用电数据包括用电设备名称，用电设备日用电量，用电设备使用时间，用电设备使用频率、用电高峰时段，异常断电次数与主动断电次数。

3.根据权利要求1所述的方法，其中，所述根据酒店用户信息与用户用电数据构建用户画像，包括:

通过所述用户信息数据库与所述用户用电数据库分别获取用户消费数据与用户用电数据，并对属于同一用户的用户消费数据和用户用电数据进行关联；利用深度神经网络DNN(DeepNeuralNetworks)模型分析所述用户消费数据与所述用户用电数据，并根据深度神经网络DNN模型输出用户标签，所述用户标签包括用电设备偏好，用电类型，用电高峰时段，常住房型，酒店入住率与入住酒店缘由；根据所述用户标签构建用户画像，并保存到用户画像数据库。

4.根据权利要求1所述的方法，其中，所述根据用户画像数据、实时用电数据与环境数据构建节能用电组合模型，并利用节能用电组合模型进行实时用电设备控制，包括:

所述节能用电组合模型包括数据获取模块，节能用电决策模块与预警模块；所述数据获取模块用于获取用户的实时用电数据、用户画像数据与实时环境数据，所述实时环境数据包括温度，湿度与光线强度；所述节能用电决策模块对所述数据获取模块获取的数据进行筛选分析，最终形成节能用电决策；通过所述云计算平台执行所述节能用电决策，所述云计算平台用于根据所述节能用电决策生成实时配电指令数据，通过智能用电控制设备控制所述用户相应的用电设备执行所述实时配电指令数据；所述预警模块用于对所述用电设备进行监控，根据所述实时用电数据获取设备用电数据，即APD＝{e,c,v,a,p},其中，APD表示设备用电数据，e表示用电设备名称，c表示用电设备电流，v,表示用电设备电压，a表示用电量，p表示用电设备功率；若所述设备用电数据大于预先设置的正常用电数据波动区间，则确定所述设备用电数据为异常用电数据，并将所述用电设备电路断开并发出警报进行预警；包括：分析设备用电数据的用电误差，检查用电设备是否老化；

所述分析设备用电数据的用电误差，检查用电设备是否老化，具体包括:

从官方数据接口获取用电设备使用的标准数据，计算指定周期内设备用电数据平均值与所述标准数据的误差，即E＝sqrt(((x1-S)^2+(x2-S)^2+......(xn-S)^2)/n)；其中，E表示用电误差，S表示用电设备使用的标准数据，xi表示用电设备第i次的用电数据，n表示检测周期；若所述用电误差超过阈值，则表明用电设备出现老化，并利用节能用电组合模型的预警模块发出预警，提醒管理人员检查设备。