【摘要】：電力購售電市場放開后,購電方和售電方可以通過雙邊協(xié)商實現(xiàn)電能交易。但購電方,即電力大用戶如何從繁多的售電方(發(fā)電商)中找到適合的交易對象,是一個有待研究的課題。為促進電力市場的發(fā)展,電網(wǎng)營銷工作人員負有為購售電雙方積極牽線搭橋的責任,但在不掌握用戶明確購電喜好,且無法獲得足夠數(shù)量購售電行為歷史數(shù)據(jù)的前提下,要想做好這項牽線搭橋工作,必須充分利用大量的其他相關(guān)信息來進行。圍繞大用戶直購電過程中存在的信息過載情況下的購電推薦問題,本文對推薦算法的關(guān)鍵技術(shù)、基于用戶協(xié)同過濾的購電推薦算法及其應(yīng)用等展開研究,主要工作包括以下幾點。首先,詳細介紹了我國主流的3種大用戶直購電交易組織形式,并分析了推薦系統(tǒng)的構(gòu)建及評測方法,為后續(xù)研究奠定了理論基礎(chǔ)。定性分析了推薦系統(tǒng)中常用的用戶行為數(shù)據(jù),并詳細比較了各種推薦算法,應(yīng)用場景,優(yōu)缺點。分析表明,目前購電場景自主交易用戶少,用戶偏好不明顯,應(yīng)采用用戶隱性反饋數(shù)據(jù)集及相應(yīng)的推薦算法。隨后,針對大用戶直購電的交易對象推薦問題,提出了基于用戶協(xié)同過濾的購電推薦算法。就用戶隱性反饋數(shù)據(jù)集的選取進行了深入分析,確定了適用于基于用戶的協(xié)同過濾推薦算法的用戶行為數(shù)據(jù)。對數(shù)據(jù)集中的可變數(shù)據(jù),通過對比分析常用的相似性度量算法,提出以馬氏距離為核心度量方法,構(gòu)建基于用戶的推薦算法,同時對于其他不變數(shù)據(jù),也分別提出了相應(yīng)的處理方法,尤其是為考慮行業(yè)類別對購電行為的影響,將金字塔模型用于行業(yè)類別的處理。針對山東省大用戶直購電交易,對其用戶行為數(shù)據(jù)進行了細致的分析,提出將用戶行為數(shù)據(jù)分成四個維度,在此基礎(chǔ)上建立了可靈活適用不同算法的電力用戶模型。為驗證本文提出的基于用戶的協(xié)同過濾購電推薦算法,合理簡化可公開獲取的用戶行為數(shù)據(jù),進行了算例仿真,結(jié)果驗證了算法的可行性。將本文算法應(yīng)用于工程實際,設(shè)計并實現(xiàn)了推薦系統(tǒng),通過對系統(tǒng)需求分析,提出了四種對應(yīng)方案,并展示了基于用戶消費行為的購電推薦系統(tǒng)的應(yīng)用效果。
【圖文】：

下面介紹推薦系統(tǒng)的構(gòu)架及評測方法。逡逑２．２．１外圍構(gòu)架逡逑如圖２－１所示，在網(wǎng)站中，，用戶通過ＵＩ（Ｕｓｅｒ邋Ｉｎｔｅｒｆａｃｅ）用戶界面系統(tǒng)觀看網(wǎng)逡逑站展示頁面并與網(wǎng)站互動。用戶行為日志存儲系統(tǒng)通過日志系統(tǒng)提取用戶行為數(shù)逡逑據(jù)。推薦系統(tǒng)通過分析用戶行為日志存儲系統(tǒng)中的數(shù)據(jù)，得出推薦結(jié)果。用戶將逡逑通過ＵＩ系統(tǒng)看到推薦結(jié)果。逡逑推薦系統(tǒng)逡逑——逡逑５娽＿邐｜罐逡逑——，／逡逑曰志系統(tǒng)逡逑圖２－１推薦系統(tǒng)的外圍構(gòu)架逡逑Ｆｉｇ．邋２－１邋Ｐｅｒｉｐｈｅｒａｌ邋Ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋Ｔｈｅ邋Ｒｅｃｏｍｍｅｎｄｅｄ邋Ｓｙｓｔｅｍ逡逑２．２．２推薦系統(tǒng)構(gòu)架逡逑推薦系統(tǒng)通過一定的規(guī)則將用戶和物品聯(lián)系起來［６３］，如圖２－２所示。逡逑１２逡逑

逡逑２．２．３推薦引擎構(gòu)架逡逑推薦引擎構(gòu)架如圖２－３所示。包括以下幾個部分。逡逑＊邐Ａ：提取用戶行為，進而生成用戶特征向量。逡逑＊邐Ｂ：通過與特征項相關(guān)的變換矩陣將用戶的特征向量轉(zhuǎn)換為初始推薦項的列逡逑表。逡逑＊邐Ｃ：將初始推薦結(jié)果過濾和排序，最終生成推薦結(jié)果。逡逑１３逡逑
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM73;TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

2 張世東;;推薦算法概述[J];科技傳播;2019年04期

3 張艷紅;諶頏;;基于標簽的自助教育資源推薦算法研究[J];現(xiàn)代信息科技;2019年12期

4 李欣鞠;;個性化推薦算法下的“信息繭房”效應(yīng)研究——以“天天快報”為例[J];西部廣播電視;2019年13期

5 陳軍;謝衛(wèi)紅;陳揚森;;國內(nèi)外大數(shù)據(jù)推薦算法領(lǐng)域前沿動態(tài)研究[J];中國科技論壇;2018年01期

6 向洋樂;;大數(shù)據(jù)背景下互聯(lián)網(wǎng)購物推薦算法應(yīng)用研究[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年04期

7 喻國明;劉鈺菡;王暢穎;王丹敏;;推薦算法:信息推送的王者品性與進階重點[J];山東社會科學;2018年03期

8 劉順程;岳思穎;鐘瑞敏;;基于拉普拉斯噪聲的輕型推薦算法[J];中國戰(zhàn)略新興產(chǎn)業(yè);2018年20期

9 劉濤;劉佐;;一種面向新文章的個性化推薦算法研究[J];控制工程;2018年06期

10 汪海鵬;鄭揚飛;;基于特征值的律師推薦算法及改進方案[J];計算機與現(xiàn)代化;2018年10期

相關(guān)會議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評分的基于二部圖的推薦算法[A];第十七屆中國管理科學學術(shù)年會論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：2591465