基于云计算的家庭智能用电策略分解.ppt

基于云计算的家庭智能用电策略 东北电力大学信息工程学院 第 3 9 卷 　 第 1 7 期 　2 0 1 5 年 9 月 1 0 日 总纲 1.现状分析 2.挖掘用电行为规则——Ap r i o r i 算法 3.家庭用电规划——遗传算法 4.实验结果分析 5.总结 1 .背景 1)中国用电量增长； 2)智能电网建设； 3)电力数据存在海量、 高频、 分散等特点, 而且数据之间存在关联性和相似性。 4)存在问题：目前的电力设计没有相应的智能电网数据挖掘方案和电力优化方案。 解决问题： 1）采用基于云计算的并行 A p r i o r i 算法，完成对家庭智能用户用电行为的数据挖掘。 目的：发现用电行为直接的关联性和相似性； 2）结合实时电价采用“遗传算法”对用电时间进行优化。目的：达到在合适的电价时段开启家用电器, 以此生成智能用电策略达到高效用电的目的。 基于云计算的用户用电行为分析图 2 　 基于云计算的关联规则算法 2 . 1传统 A p r i o r i 算法 1) 优点：Ap r i o r i 算法隐含了一条最基本的性质, 频繁项集的子集一定是频繁集, 非频繁项集的超集必为非频繁集。这条性质在一定程度上可以提高生成频繁项集的效率。 2) 缺点：Ap r i o r i 算法存在两大缺点, 一是需要多次扫描数据库, 若数据库较大会造成很大的I/ O 负载; 另外, Ap r i o r i 算法会产生大量候选集, 因此本文采用基于云平台的并行 Ap r i o r i 算法。 2 . 2 　 并行 A p r i o r i 算法 并行 Ap r i o r i 数 据 挖 掘 算 法 就 是 将 传 统 的Ap r i o r i 算法移植到云计算模式下实现并行处理的过程。本文采用 Ha d o o p 云计算框架进行开发和并行处理大规模的用电数据。 Ha d o o p 平台包括分布式文件系统( HD F S ) 和 Ma p R e d u c e 计算模型两部分。 2.3 用电规划——遗传算法 家庭智能用电策略包括对家庭用电规划的问题, 通过使用遗传算法对家用电器的启动时间进行优化, 达到经济用电的目标。 遗传算法的实现过程： step1.在实际启动时间的范围随机产生一定数量的初始种群个体, 将这些种群视为第一代。 step2.计算每个个体的适应度值, 再依次完成选择、 交叉、变异, 然后得到实际启动时间的一种新的种群个体, step3.判断是否达到循环结束要求, 在选择过程中采用轮盘赌的方式选择适应度较大的个体进入下一步。 3 　 实验及分析结果 3 . 1 　 实验准备 初始数据格式如表 1 所示, 其中能源分户计量 1 号对应厨房主要电器是洗碗机、 烤箱和微波炉; 能源分户计量 2 对 应洗衣房, 电器是洗涤机、 一个滚筒式烘干机以一台冰箱; 能源分户计量 3 号主要测量电热水器和空调器的电力消耗。 家用电器基本耗电量 各用电行为的用电量区间 观察提取出来的用电行为序列, 有一些时间点很近的用电行为被重复提取, 这样会对最后的挖掘结果产生不良影响, 因此对已经提取的用电行为序列进行二次提炼,设定一个阈值, 阈值根据用电行为的性质具体设定。 实验1 算法效能分析 实验2 为了更方便并行 Ap r i o r i 程序的处理运行,首先把得到的用电行为序列用英文大写字母表示 该 家 庭 的 用 电 行 为 序 列 结合并行 Ap r i o r i 算法对海量用电行为序列进行数据挖掘, 输出关联规则, 结果如表 7 所示