推荐算法及其在电力营销中的应用

发布时间：2020-03-20 07:31

【摘要】：电力购售电市场放开后,购电方和售电方可以通过双边协商实现电能交易。但购电方,即电力大用户如何从繁多的售电方(发电商)中找到适合的交易对象,是一个有待研究的课题。为促进电力市场的发展,电网营销工作人员负有为购售电双方积极牵线搭桥的责任,但在不掌握用户明确购电喜好,且无法获得足够数量购售电行为历史数据的前提下,要想做好这项牵线搭桥工作,必须充分利用大量的其他相关信息来进行。围绕大用户直购电过程中存在的信息过载情况下的购电推荐问题,本文对推荐算法的关键技术、基于用户协同过滤的购电推荐算法及其应用等展开研究,主要工作包括以下几点。首先,详细介绍了我国主流的3种大用户直购电交易组织形式,并分析了推荐系统的构建及评测方法,为后续研究奠定了理论基础。定性分析了推荐系统中常用的用户行为数据,并详细比较了各种推荐算法,应用场景,优缺点。分析表明,目前购电场景自主交易用户少,用户偏好不明显,应采用用户隐性反馈数据集及相应的推荐算法。随后,针对大用户直购电的交易对象推荐问题,提出了基于用户协同过滤的购电推荐算法。就用户隐性反馈数据集的选取进行了深入分析,确定了适用于基于用户的协同过滤推荐算法的用户行为数据。对数据集中的可变数据,通过对比分析常用的相似性度量算法,提出以马氏距离为核心度量方法,构建基于用户的推荐算法,同时对于其他不变数据,也分别提出了相应的处理方法,尤其是为考虑行业类别对购电行为的影响,将金字塔模型用于行业类别的处理。针对山东省大用户直购电交易,对其用户行为数据进行了细致的分析,提出将用户行为数据分成四个维度,在此基础上建立了可灵活适用不同算法的电力用户模型。为验证本文提出的基于用户的协同过滤购电推荐算法,合理简化可公开获取的用户行为数据,进行了算例仿真,结果验证了算法的可行性。将本文算法应用于工程实际,设计并实现了推荐系统,通过对系统需求分析,提出了四种对应方案,并展示了基于用户消费行为的购电推荐系统的应用效果。
【图文】：

推荐系统,用户行为

下面介绍推荐系统的构架及评测方法。逡逑２．２．１外围构架逡逑如图２－１所示，在网站中，，用户通过ＵＩ（Ｕｓｅｒ邋Ｉｎｔｅｒｆａｃｅ）用户界面系统观看网逡逑站展示页面并与网站互动。用户行为日志存储系统通过日志系统提取用户行为数逡逑据。推荐系统通过分析用户行为日志存储系统中的数据，得出推荐结果。用户将逡逑通过ＵＩ系统看到推荐结果。逡逑推荐系统逡逑——逡逑５娽＿逦｜罐逡逑——，／逡逑曰志系统逡逑图２－１推荐系统的外围构架逡逑Ｆｉｇ．邋２－１邋Ｐｅｒｉｐｈｅｒａｌ邋Ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋Ｔｈｅ邋Ｒｅｃｏｍｍｅｎｄｅｄ邋Ｓｙｓｔｅｍ逡逑２．２．２推荐系统构架逡逑推荐系统通过一定的规则将用户和物品联系起来［６３］，如图２－２所示。逡逑１２逡逑

推荐系统,物品,推荐引擎,用户特征

逡逑２．２．３推荐引擎构架逡逑推荐引擎构架如图２－３所示。包括以下几个部分。逡逑＊逦Ａ：提取用户行为，进而生成用户特征向量。逡逑＊逦Ｂ：通过与特征项相关的变换矩阵将用户的特征向量转换为初始推荐项的列逡逑表。逡逑＊逦Ｃ：将初始推荐结果过滤和排序，最终生成推荐结果。逡逑１３逡逑
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM73;TP391.3

【相似文献】