基于粗糙集贝叶斯分类算法的综合能耗特征识别研究

罗 婷，刘莹莹

（广东电网有限责任公司东莞供电局，广东东莞 523000）

0 引言

目前，电、水、热、气等能源供应企业在进行能源供应的过程中皆实行“一户一表”政策。然而，其在能源信息的收集和业务处理方面却是彼此独立的[1]，相关的公用基础设施没有进行资源重用和共享，从而导致资源被重复投资和运用，同时还存在着维护管理效率低、智能业务发展水平不够的问题[2]。基于这种情况，开发一个不仅可以实现多个能源供应网络的互联、协调和运行，同时还可以进行能源计量、收集、监测和分析的综合能源系统是非常有必要的，因为其可以有效地降低全社会的能源消耗以及提高能源的利用效率。

综合能源系统的作用是在降低能源消耗和排放的同时可以有效提高能源利用效率，其应用的关键是建立一个功能齐全的综合能源系统信息采集、监测和能耗分析平台[3]，而此平台的运行对于相关数据信息的分类精度有着很高的要求。因此本文提出了一项基于粗糙集贝叶斯分类算法的综合能耗特征识别研究，该研究旨在提供一种可以满足高精度需求的综合能耗特征识别方法，从而保证通过较高的分类精度来对各类能源消耗数据进行分析，以此找到影响用户能源消耗的相关因素，进而提出与其相适应的能耗优化策略，为综合能源系统能源监测与分析功能的实现提供理论支撑。

1 能源消耗系统

智能电网的出现将电力系统从传统的供电侧、单向供电、基本依靠人工管理的运行模式转变为用户全员参与、双向流动以及高度自动化的新型模式[4]。该模式下的电网公司可以通过对电能服务管理平台的统一部署来获得丰富的用户端信息，而且可以对各类用户能耗数据进行实时掌握，从而实现对典型场景下的用户能耗行为进行更细致地分析，为针对能源消耗的研究提供了理论和数据支持。

电能服务管理平台的正常运行需要以合理的数据采集系统作为支撑[5]。目前，全国大部分地区已基本覆盖智能电能表，电力信息采集系统的建设也已具有一定规模。相比之下，虽然中国住房和城乡建设部发布了“家庭数据传输技术条件”，但是水、气、热等行业仍还没有形成一个统一的标准，其相关制造商只能按照自己行业内的要求进行远程抄表。也就是说，传统的“一户一表”已经不能满足使用要求，需要对电、水、热、气等能耗进行综合性的用户能耗监测。

在进行综合性的用户能耗监测过程中，需要对用户能耗行为特征进行分析。在对用电客户综合能耗数据进行获取的基础上研究水、热、气的变化规律，从而提取出相似的能耗行为特征是分析用户能耗行为特征的一种便捷的方法[6]。通过对这些特征进行有目的地筛选对比，能够充分反映出不同类型用户能耗行为之间的差异[7]。但是由于目前缺乏对于客户用能行为的准确定义，导致缺乏与客户[8]用能行为相关的理论研究和技术手段。研究客户能源消耗行为，可以合理引导用户对供能网络进行有层次地调用，有效提高不同区域供能网络的运行效率和经济性，从而实现用户侧和供能侧的节能减排。

基于以上介绍，本文将采用模糊集综合评价法（AHP-FCE）对用户能耗进行评价，且结合此评价法对基于粗糙集的贝叶斯分类算法进行概述。作为一种比较成熟的综合评价方法，该方法在统计分析和各领域的综合指标体系评价中得到了广泛的应用。而且该方法综合考虑了影响评价结果的各种因素，既减少了个人主观假设带来的弊端，又充分体现了评价因素和评价过程的模糊性，从而有效提高了评价的有效性和可靠性。

2 基于粗糙集的贝叶斯分类算法

为了有效满足多因素状态下相关能耗数据分析的准确性，需要研究典型能耗情景下的用户综合能耗模型，并且对典型用户能耗影响分析模型进行构建。其中典型的能耗情景是指由综合能耗构成，并以季节、有序用电安排等能够引发能耗变化的各种影响因素组成的能耗环境。由于不同用户的综合能耗具有不同的能耗模式特征，所以同一用户在不同的能耗场景下也可能会产生不同的能耗行为。研究用户综合能耗行为的影响因素和影响机制，主要是挖掘这些综合能耗行为之间的内在联系，在挖掘过程中通常可以采用的分类方法有贝叶斯分类、决策树分类以及人工神经网络算法等。其中贝叶斯分类法可以提取用户行为模式的主要影响因素，并分析其影响机制。其具体的提取分析步骤如下：

（1）建立待分析的n 个观察样本矩阵，对矩阵各变量的变换进行规格化约束；

（2）找到相关矩阵来解决相关特征方程的特征根；

（3）对顶部q因素进行分析，也就是说，首先需要对影响用户综合能耗行为的主要因素进行提取，然后通过使用基于发散特征加权的简单贝叶斯分类算法来选取一定数量的用户综合能耗特征量作为训练样本，从而挖掘这些特征向量的内部联系，并对其用户能耗行为的最近依赖关系进行分析。

模糊集综合评价法是对受多种因素影响的事物进行综合评价的一种有效且合理的多因素决策方法。在模糊集综合决策中，需要令X={x1,x2,…,xn}为决策所考虑的n 种因子，且令Y={y1,y2,…,ym}为对应存在的m 种判断。由于各因素所对应的结构层次不同，因此其相关作用和权重也并不相同，故综合判断应该为X的模糊子集。

式中：F(y)为定义域y 上所有模糊集子集的集合，Dj=（1,2,…,m）为yj对于模糊集D的隶属度。D的综合评价取决于各因素的权重，即权重是X的模糊子集。

由于模糊集综合评价是在模糊数学隶属度理论的基础上将定性评价转化为定量评价，即运用模糊数学对受各种因素制约的事物进行综合评价。因此可用下式来表示：

为保证吊运材料安全，需用钢筋做1个笼子。笼子的底面制作为可拆装式，便于装卸材料。最大起吊质量200 kg，卷扬机选用3 t的，钢丝绳选用左交互捻Ф 10(6×19)纤维芯，公称抗拉强度1 570 MPa。

式中：wi为第i个因子的权值，其可以通过给定权重w来得到综合评价。

基于以上介绍，可以通过结合现场实际研究和用户能耗影响因素来建立用户能耗影响因素分析系统。在这个过程中，需要对相关一级指标进行设置，如节能设备应用X1、新技术应用X2、智能家居系统X3以及新能源技术X4等能效因子。

基于此，便可得出关于模糊集的公式为：

然后，其相关的模糊集映射便可以导出一种模糊关系，该关系可用模糊矩阵表示为：

式中：rnm为第n个能效因子集对第m个评价集的隶属度，其可以通过隶属度函数来进行确定。

式中：fnm为第n 个判断因子un被评为第m 个判断集vm的次数，即相关因子的阶次关系。

在对阶次关系进行确定后，便可以得到能源效率因子浓度的重要度Sk，可用下式表示：

然后通过对用户能耗特征进行层次综合评价，便可以得到各子集的综合评价结果。

进而可以得到关于用户能耗估计子集的综合评价体系：

由此可得，基于粗糙集贝叶斯分类算法的用户综合能耗影响分析具体步骤如下：

（1）准备阶段。通过使用相关分析来确定两个给定的统计相关特征量的关系，在消除冗余信息的前提下，获取相关预测用户的特性测量值，从而形成训练集。

（2）训练阶段。计算每个特征项的权重以及每个类别中相关特征量的概率密度P的先验概率，并进行训练；

（3）应用阶段。对实时采集的数据进行快速计算分析，从而确定相关概率密度值，并根据最大值确定用户的综合能耗影响。

3 实验结果验证

通过分析得出的实验结果来对基于粗糙集贝叶斯分类算法的综合能耗特征识别，可以有效提高分类精度进行验证。

在系统实验中，通过一定的研究对比后可知相关的评价集适用于各个评价因子，其相关评价集的建立不会对用户的能耗评价造成影响。将用户能耗评价等级分为6个等级，具体如表1所示。

表1 能耗评价集

基于表1 所示的用户能耗评价等级，通过识别用户综合能耗特征发现，其分类精度较以往而言有很大地提高，且对应的能源综合利用率可有效提高12%。

4 结束语

在对用户综合能耗进行分析的过程中，为了准确分析用户的综合能耗影响，不同类型的用户在不同的时间节点内应该有不同的影响分析模型。但是由于传统的贝叶斯分类算法没有根据不同的特征项来对其相关重要性进行划分，因此其分类精度较低。为了解决这个问题，引入了粗糙集，且构建提出了基于粗糙集贝叶斯分类算法的综合能耗特征识别方法。同时本文通过直接的实验结果说明验证了基于粗糙集贝叶斯分类算法的综合能耗特征识别可以在很大程度上提高分类精度。