黎煒敏

（南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東廣州 510700）

智能電網(wǎng)終端大部分架構(gòu)在智能通信設(shè)備中，用戶可以根據(jù)自身的需求在智能電網(wǎng)終端自主進(jìn)行查詢與調(diào)節(jié)，獲取相應(yīng)的數(shù)據(jù)信息。智能電網(wǎng)終端不但能夠讓用戶查詢個(gè)人電網(wǎng)信息，還能提供自助服務(wù)，自行完成各項(xiàng)任務(wù)，但由于用戶的需求不同，偏好的項(xiàng)目也就不同。為準(zhǔn)確分析電網(wǎng)用戶的基本需求，許多學(xué)者都研究了活躍用戶數(shù)量預(yù)測(cè)方法。

文獻(xiàn)[1]研究了基于數(shù)據(jù)挖掘的電網(wǎng)用戶行為分析方法，該方法主要采用主成分分析方法對(duì)負(fù)荷數(shù)據(jù)進(jìn)行降維，采用聚類方法對(duì)數(shù)據(jù)聚類分析，分析了用戶不同類別的用電行為模式；文獻(xiàn)[2]研究了基于樸素貝葉斯的電網(wǎng)用戶行為分析方法，該方法采用模糊均值聚類方法對(duì)用電模式建模，然后提取出主要的用電模式。上述方法完成了用電模式的識(shí)別和分析，但是忽略了影響用戶數(shù)量的一些因素，導(dǎo)致預(yù)測(cè)終端活躍用戶時(shí)存在預(yù)測(cè)效果不佳的問題。

信任度計(jì)算是利用協(xié)同相似度算法，其能夠找出用戶之間的關(guān)聯(lián)性與親密度，得到用戶的瀏覽記錄，通過單一的用戶喜好來找到與其相似的活躍用戶，從而預(yù)測(cè)出具有相同喜好用戶的具體數(shù)量。為此，該文在信任度計(jì)算的基礎(chǔ)上對(duì)智能電網(wǎng)終端活躍用戶的數(shù)量進(jìn)行預(yù)測(cè)，以獲取用戶最為關(guān)注的項(xiàng)目，為智能電網(wǎng)業(yè)務(wù)開展提供數(shù)據(jù)支撐。

1 智能電網(wǎng)終端硬件結(jié)構(gòu)分析

在完成基于信任度計(jì)算的智能電網(wǎng)終端活躍用戶數(shù)量預(yù)測(cè)方法設(shè)計(jì)前，首先分析智能電網(wǎng)終端硬件結(jié)構(gòu)，如圖1 所示。

圖1 智能電網(wǎng)終端硬件結(jié)構(gòu)

1.1 數(shù)據(jù)處理器結(jié)構(gòu)分析

智能電網(wǎng)終端的數(shù)據(jù)處理器芯片選用TMX320 C6472CZTZ，該芯片具有較強(qiáng)的采集能力，數(shù)據(jù)處理器外圍不需要擴(kuò)展外圍電路，以此提高數(shù)據(jù)處理器的集成度和可靠性，簡(jiǎn)化數(shù)據(jù)處理器采集數(shù)據(jù)操作次數(shù)，數(shù)據(jù)處理器結(jié)構(gòu)如圖2 所示。

圖2 數(shù)據(jù)處理器結(jié)構(gòu)

由圖2 可知，數(shù)據(jù)處理器具有單獨(dú)的電源電路，可以采集智能電網(wǎng)終端中的活躍用戶數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，芯片引腳需要接8 Ω的電阻，數(shù)據(jù)處理器內(nèi)部配置復(fù)位按鍵，可對(duì)評(píng)估系統(tǒng)進(jìn)行下載調(diào)試，定時(shí)器與數(shù)據(jù)處理器互聯(lián)的USB連接線為雙層保護(hù)線，可以有效保護(hù)數(shù)據(jù)處理器與其他配件不受到破壞和干擾。

1.2 微處理器結(jié)構(gòu)分析

智能電網(wǎng)終端的微處理芯片采用SD公司最新開發(fā)的SD63C84 微處理芯片，其總線部分由8 Byte 的輸入/輸出接口和8 位的存儲(chǔ)器組成，控制單元由32 位的UART 接口和8 位的通用寄存器組成。同時(shí)微控制模塊中還具有單獨(dú)的微控制器，其可以控制微處理器對(duì)活躍用戶數(shù)據(jù)進(jìn)行處理，保證活躍用戶數(shù)據(jù)的完整性和準(zhǔn)確性。微處理器結(jié)構(gòu)如圖3 所示。

圖3 微處理器結(jié)構(gòu)

由圖3 可知，外圍電路和電源電路可以同時(shí)使用，以此提高智能電網(wǎng)終端的數(shù)據(jù)處理便捷性，微處理器芯片具有多個(gè)基礎(chǔ)寄存器，可保持微處理器的處理狀態(tài)，其他多用途寄存器可存儲(chǔ)基礎(chǔ)變量，控制單元不與處理器總線直接連接，其可向智能電網(wǎng)終端發(fā)送讀、寫請(qǐng)求。

2 智能電網(wǎng)終端活躍用戶數(shù)量預(yù)測(cè)

2.1 獲取智能電網(wǎng)終端數(shù)據(jù)

當(dāng)某些用戶沒有在智能電網(wǎng)終端對(duì)話框上回復(fù)時(shí)，需將智能電網(wǎng)終端的系統(tǒng)設(shè)置為保存用戶瀏覽信息[3]，首先將所有數(shù)據(jù)進(jìn)行保密處理，然后向用戶發(fā)出短信調(diào)查。由于用戶之間的信任關(guān)系保持不變[4]，假設(shè)發(fā)送短消息的數(shù)量為p，回答的數(shù)量為pu，用戶在系統(tǒng)中的活躍度可用公式表示為：

其中，Q代表用戶活躍度，n代表用戶總數(shù)量，u代表用戶，qu代表用戶有效通話次數(shù)，q代表發(fā)送通話數(shù)量，T代表用戶活躍時(shí)長(zhǎng)。

2.2 信任度計(jì)算

在信任網(wǎng)絡(luò)模型中，假設(shè)兩個(gè)用戶之間的信任度用C來表示，當(dāng)信任度為整數(shù)時(shí)，證明兩者存在緊密的聯(lián)系，可記為C(u1,u2)，而當(dāng)C為零時(shí)，代表用戶不存在信任關(guān)系[5]。進(jìn)行信任度計(jì)算之前，首先利用協(xié)同過濾算法對(duì)所有用戶進(jìn)行篩選，統(tǒng)計(jì)出使用智能電網(wǎng)終端次數(shù)最多的用戶數(shù)量，在此基礎(chǔ)上歸一化處理[6]，得到的信任度為：

式中，u′代表關(guān)聯(lián)用戶。為了準(zhǔn)確地描述節(jié)點(diǎn)與用戶之間的信任度關(guān)系，將其繪制成網(wǎng)格圖，如圖4所示。

圖4 雙層社交網(wǎng)絡(luò)示意圖

就智能電網(wǎng)終端而言，只要用戶之間存在信任，那么在終端中就屬于同一個(gè)集合，兩者的關(guān)聯(lián)程度用權(quán)重表示，權(quán)重越高，與其相關(guān)的用戶數(shù)量越多[7]。若幾個(gè)用戶同時(shí)參與智能電網(wǎng)終端對(duì)話，就會(huì)存在相應(yīng)的信任度。

將互聯(lián)網(wǎng)平臺(tái)用戶數(shù)量的預(yù)測(cè)方法映射到智能電網(wǎng)終端中可知，經(jīng)?；?dòng)的活躍用戶具有一定的引領(lǐng)性，會(huì)獲得部分其他用戶的信任[8]，可信度較高。為了過濾出活躍用戶，設(shè)定一個(gè)嚴(yán)格的標(biāo)準(zhǔn)，公式為：

其中，A(u)代表互動(dòng)頻繁的活躍用戶數(shù)量，E(u)代表相對(duì)專業(yè)的用戶數(shù)量，F(xiàn)(u)代表親密度較高的用戶，R(u)代表信任度較高的用戶，g代表過濾參數(shù)。其中，相對(duì)專業(yè)的用戶是具有代表性的活躍用戶，并且控制著信任度的評(píng)分[9]，將每個(gè)項(xiàng)目的專業(yè)性評(píng)分進(jìn)行統(tǒng)一處理。

考慮到用戶之間的信任度是單向不可逆的，如果用戶在智能電網(wǎng)終端進(jìn)行操作，其信任用戶會(huì)根據(jù)終端推薦同步操作[10]，這樣就可以成為活躍用戶，且互為信任度用戶，系統(tǒng)就會(huì)自動(dòng)生成一個(gè)預(yù)測(cè)數(shù)量[11]。得到預(yù)測(cè)數(shù)值之后，用戶對(duì)終端項(xiàng)目使用最頻繁的概率公式為：

其中，Iu代表用戶喜好最多的項(xiàng)目值。

2.3 構(gòu)建預(yù)測(cè)模型

為了進(jìn)一步提高智能電網(wǎng)終端活躍用戶數(shù)量的準(zhǔn)確性，在信任度可控的情況下[12]，建立一個(gè)完整的預(yù)測(cè)模型，獲取用戶之間的信任度后將其輸入模型之中，使兩者相互融合，完成活躍用戶數(shù)量預(yù)測(cè)。

基于相似度的關(guān)聯(lián)，可以將所要調(diào)查的用戶分為相似與不相似兩類[13]，而相似度可表示為：

式中，Str(A,N)代表直接相似度，Q與A代表具有相似度的兩個(gè)用戶，S。代表含有相似度的用戶數(shù)量，S1代表不具有相似度的數(shù)量，α代表權(quán)重因子，正常情況下，α=0.398 3。在用戶相似度處于穩(wěn)定時(shí)，權(quán)重的變化控制著信任度以及活躍度的變化[14]，因此可預(yù)測(cè)出活躍用戶數(shù)量的權(quán)重。

在權(quán)重不變的情況下，形成一個(gè)相似度模型，當(dāng)用戶收到終端發(fā)送的短信息時(shí)，系統(tǒng)就會(huì)根據(jù)回復(fù)速度來判斷是否為活躍用戶，然后進(jìn)行記錄，保證不錯(cuò)失每個(gè)用戶。當(dāng)模型中兩個(gè)節(jié)點(diǎn)交叉生成的夾角θ不為零時(shí)，證明節(jié)點(diǎn)中存在相似度用戶，由此衍生出一個(gè)矩陣模型，前提是用戶自主選擇項(xiàng)目，并完成智能電網(wǎng)終端對(duì)話。

根據(jù)相似度模型中每個(gè)向量的平均分布來預(yù)測(cè)出用戶的喜好項(xiàng)目與活躍用戶的數(shù)量，然后分別從向量上的主要特征得到具體的數(shù)值，最后完成活躍用戶評(píng)分。節(jié)點(diǎn)的活躍程度代表了用戶的喜好程度，并且在矩陣中代表用戶的數(shù)量[15-16]。基于上述的信任關(guān)系，將最后的預(yù)測(cè)公式表示為：

其中，Nt代表待測(cè)用戶數(shù)量，xu,i代表用戶活躍度，pre(u,i)代表實(shí)際用戶使用率。至此完成智能電網(wǎng)終端活躍用戶數(shù)量的預(yù)測(cè)。

3 實(shí)驗(yàn)對(duì)比

該實(shí)驗(yàn)主要驗(yàn)證提出的基于信任度計(jì)算的智能電網(wǎng)終端活躍用戶數(shù)量預(yù)測(cè)方法的有效性，并與文獻(xiàn)[1]基于數(shù)據(jù)挖掘的分析方法、文獻(xiàn)[2]基于樸素貝葉斯的分析方法進(jìn)行對(duì)比，將某地區(qū)居民用戶的基本行為作為實(shí)驗(yàn)數(shù)據(jù)，對(duì)比三種方法的預(yù)測(cè)效果。

3.1 不活躍用戶概率分布情況分析

選取24小時(shí)作為用戶活躍度測(cè)試的實(shí)驗(yàn)時(shí)長(zhǎng)，將表1所示的用戶基本情況作為三種方法的輸入，通過三種方法得到不活躍用戶概率分布情況，并將三種方法與實(shí)際的不活躍用戶分析結(jié)果進(jìn)行對(duì)比，結(jié)果如圖5所示。

圖5 不活躍用戶概率分布情況

通過圖5 可知，在2～8 h 之間活躍的用戶較少，該文預(yù)測(cè)方法獲得的結(jié)果與實(shí)際數(shù)量基本保持一致，在不活躍度概率分析上，較另兩種分析方法分析準(zhǔn)確度更高。

3.2 活躍用戶錯(cuò)誤估計(jì)情況分析

三種預(yù)測(cè)方法的預(yù)測(cè)結(jié)果如圖6 所示。

圖6 活躍用戶錯(cuò)誤估計(jì)情況

通過圖6 能夠看出，該文預(yù)測(cè)方法獲得的結(jié)果與實(shí)際數(shù)量基本保持一致，能夠較為準(zhǔn)確地估計(jì)出活躍用戶，較另兩種預(yù)測(cè)方法估計(jì)誤差更小。

3.3 智能電網(wǎng)終端日活躍用戶時(shí)序情況分析

將三種預(yù)測(cè)方法與實(shí)際的用戶活躍情況進(jìn)行對(duì)比，結(jié)果如圖7 所示。

圖7 智能電網(wǎng)終端日活躍用戶時(shí)序情況

該文預(yù)測(cè)方法能夠較為準(zhǔn)確地預(yù)測(cè)出用戶活躍的時(shí)序變化情況，其他兩種預(yù)測(cè)方法與實(shí)際的時(shí)序有較大差距，分析準(zhǔn)確性較差。

4 結(jié)束語

該文在信任度計(jì)算的基礎(chǔ)上，獲取智能電網(wǎng)終端用戶的喜好項(xiàng)目，預(yù)測(cè)出大致用戶數(shù)量，不但減少了后臺(tái)人員的負(fù)擔(dān)，還增加了智能電網(wǎng)的實(shí)用性。所提出的預(yù)測(cè)方法不但解決了智能電網(wǎng)終端活躍用戶預(yù)測(cè)效果較低的問題，還分析了信任用戶之間的數(shù)據(jù)關(guān)系，能夠準(zhǔn)確、快速地完成活躍用戶數(shù)量的預(yù)測(cè)。