基于粗糙集貝葉斯分類算法的綜合能耗特征識別研究

羅 婷，劉瑩瑩

（廣東電網有限責任公司東莞供電局，廣東東莞 523000）

0 引言

目前，電、水、熱、氣等能源供應企業在進行能源供應的過程中皆實行“一戶一表”政策。然而，其在能源信息的收集和業務處理方面卻是彼此獨立的[1]，相關的公用基礎設施沒有進行資源重用和共享，從而導致資源被重復投資和運用，同時還存在著維護管理效率低、智能業務發展水平不夠的問題[2]。基于這種情況，開發一個不僅可以實現多個能源供應網絡的互聯、協調和運行，同時還可以進行能源計量、收集、監測和分析的綜合能源系統是非常有必要的，因為其可以有效地降低全社會的能源消耗以及提高能源的利用效率。

綜合能源系統的作用是在降低能源消耗和排放的同時可以有效提高能源利用效率，其應用的關鍵是建立一個功能齊全的綜合能源系統信息采集、監測和能耗分析平臺[3]，而此平臺的運行對于相關數據信息的分類精度有著很高的要求。因此本文提出了一項基于粗糙集貝葉斯分類算法的綜合能耗特征識別研究，該研究旨在提供一種可以滿足高精度需求的綜合能耗特征識別方法，從而保證通過較高的分類精度來對各類能源消耗數據進行分析，以此找到影響用戶能源消耗的相關因素，進而提出與其相適應的能耗優化策略，為綜合能源系統能源監測與分析功能的實現提供理論支撐。

1 能源消耗系統

智能電網的出現將電力系統從傳統的供電側、單向供電、基本依靠人工管理的運行模式轉變為用戶全員參與、雙向流動以及高度自動化的新型模式[4]。該模式下的電網公司可以通過對電能服務管理平臺的統一部署來獲得豐富的用戶端信息，而且可以對各類用戶能耗數據進行實時掌握，從而實現對典型場景下的用戶能耗行為進行更細致地分析，為針對能源消耗的研究提供了理論和數據支持。

電能服務管理平臺的正常運行需要以合理的數據采集系統作為支撐[5]。目前，全國大部分地區已基本覆蓋智能電能表，電力信息采集系統的建設也已具有一定規模。相比之下，雖然中國住房和城鄉建設部發布了“家庭數據傳輸技術條件”，但是水、氣、熱等行業仍還沒有形成一個統一的標準，其相關制造商只能按照自己行業內的要求進行遠程抄表。也就是說，傳統的“一戶一表”已經不能滿足使用要求，需要對電、水、熱、氣等能耗進行綜合性的用戶能耗監測。

在進行綜合性的用戶能耗監測過程中，需要對用戶能耗行為特征進行分析。在對用電客戶綜合能耗數據進行獲取的基礎上研究水、熱、氣的變化規律，從而提取出相似的能耗行為特征是分析用戶能耗行為特征的一種便捷的方法[6]。通過對這些特征進行有目的地篩選對比，能夠充分反映出不同類型用戶能耗行為之間的差異[7]。但是由于目前缺乏對于客戶用能行為的準確定義，導致缺乏與客戶[8]用能行為相關的理論研究和技術手段。研究客戶能源消耗行為，可以合理引導用戶對供能網絡進行有層次地調用，有效提高不同區域供能網絡的運行效率和經濟性，從而實現用戶側和供能側的節能減排。

基于以上介紹，本文將采用模糊集綜合評價法（AHP-FCE）對用戶能耗進行評價，且結合此評價法對基于粗糙集的貝葉斯分類算法進行概述。作為一種比較成熟的綜合評價方法，該方法在統計分析和各領域的綜合指標體系評價中得到了廣泛的應用。而且該方法綜合考慮了影響評價結果的各種因素，既減少了個人主觀假設帶來的弊端，又充分體現了評價因素和評價過程的模糊性，從而有效提高了評價的有效性和可靠性。

2 基于粗糙集的貝葉斯分類算法

為了有效滿足多因素狀態下相關能耗數據分析的準確性，需要研究典型能耗情景下的用戶綜合能耗模型，并且對典型用戶能耗影響分析模型進行構建。其中典型的能耗情景是指由綜合能耗構成，并以季節、有序用電安排等能夠引發能耗變化的各種影響因素組成的能耗環境。由于不同用戶的綜合能耗具有不同的能耗模式特征，所以同一用戶在不同的能耗場景下也可能會產生不同的能耗行為。研究用戶綜合能耗行為的影響因素和影響機制，主要是挖掘這些綜合能耗行為之間的內在聯系，在挖掘過程中通常可以采用的分類方法有貝葉斯分類、決策樹分類以及人工神經網絡算法等。其中貝葉斯分類法可以提取用戶行為模式的主要影響因素，并分析其影響機制。其具體的提取分析步驟如下：

（1）建立待分析的n 個觀察樣本矩陣，對矩陣各變量的變換進行規格化約束；

（2）找到相關矩陣來解決相關特征方程的特征根；

（3）對頂部q因素進行分析，也就是說，首先需要對影響用戶綜合能耗行為的主要因素進行提取，然后通過使用基于發散特征加權的簡單貝葉斯分類算法來選取一定數量的用戶綜合能耗特征量作為訓練樣本，從而挖掘這些特征向量的內部聯系，并對其用戶能耗行為的最近依賴關系進行分析。

模糊集綜合評價法是對受多種因素影響的事物進行綜合評價的一種有效且合理的多因素決策方法。在模糊集綜合決策中，需要令X={x1,x2,…,xn}為決策所考慮的n 種因子，且令Y={y1,y2,…,ym}為對應存在的m 種判斷。由于各因素所對應的結構層次不同，因此其相關作用和權重也并不相同，故綜合判斷應該為X的模糊子集。

式中：F(y)為定義域y 上所有模糊集子集的集合，Dj=（1,2,…,m）為yj對于模糊集D的隸屬度。D的綜合評價取決于各因素的權重，即權重是X的模糊子集。

由于模糊集綜合評價是在模糊數學隸屬度理論的基礎上將定性評價轉化為定量評價，即運用模糊數學對受各種因素制約的事物進行綜合評價。因此可用下式來表示：

為保證吊運材料安全，需用鋼筋做1個籠子。籠子的底面制作為可拆裝式，便于裝卸材料。最大起吊質量200 kg，卷揚機選用3 t的，鋼絲繩選用左交互捻Ф 10(6×19)纖維芯，公稱抗拉強度1 570 MPa。

式中：wi為第i個因子的權值，其可以通過給定權重w來得到綜合評價。

基于以上介紹，可以通過結合現場實際研究和用戶能耗影響因素來建立用戶能耗影響因素分析系統。在這個過程中，需要對相關一級指標進行設置，如節能設備應用X1、新技術應用X2、智能家居系統X3以及新能源技術X4等能效因子。

基于此，便可得出關于模糊集的公式為：

然后，其相關的模糊集映射便可以導出一種模糊關系，該關系可用模糊矩陣表示為：

式中：rnm為第n個能效因子集對第m個評價集的隸屬度，其可以通過隸屬度函數來進行確定。

式中：fnm為第n 個判斷因子un被評為第m 個判斷集vm的次數，即相關因子的階次關系。

在對階次關系進行確定后，便可以得到能源效率因子濃度的重要度Sk，可用下式表示：

然后通過對用戶能耗特征進行層次綜合評價，便可以得到各子集的綜合評價結果。

進而可以得到關于用戶能耗估計子集的綜合評價體系：

由此可得，基于粗糙集貝葉斯分類算法的用戶綜合能耗影響分析具體步驟如下：

（1）準備階段。通過使用相關分析來確定兩個給定的統計相關特征量的關系，在消除冗余信息的前提下，獲取相關預測用戶的特性測量值，從而形成訓練集。

（2）訓練階段。計算每個特征項的權重以及每個類別中相關特征量的概率密度P的先驗概率，并進行訓練；

（3）應用階段。對實時采集的數據進行快速計算分析，從而確定相關概率密度值，并根據最大值確定用戶的綜合能耗影響。

3 實驗結果驗證

通過分析得出的實驗結果來對基于粗糙集貝葉斯分類算法的綜合能耗特征識別，可以有效提高分類精度進行驗證。

在系統實驗中，通過一定的研究對比后可知相關的評價集適用于各個評價因子，其相關評價集的建立不會對用戶的能耗評價造成影響。將用戶能耗評價等級分為6個等級，具體如表1所示。

表1 能耗評價集

基于表1 所示的用戶能耗評價等級，通過識別用戶綜合能耗特征發現，其分類精度較以往而言有很大地提高，且對應的能源綜合利用率可有效提高12%。

4 結束語

在對用戶綜合能耗進行分析的過程中，為了準確分析用戶的綜合能耗影響，不同類型的用戶在不同的時間節點內應該有不同的影響分析模型。但是由于傳統的貝葉斯分類算法沒有根據不同的特征項來對其相關重要性進行劃分，因此其分類精度較低。為了解決這個問題，引入了粗糙集，且構建提出了基于粗糙集貝葉斯分類算法的綜合能耗特征識別方法。同時本文通過直接的實驗結果說明驗證了基于粗糙集貝葉斯分類算法的綜合能耗特征識別可以在很大程度上提高分類精度。