王喜賓，文俊浩，廖 臣，趙瑞鋒

(1. 貴州理工學(xué)院 大數(shù)據(jù)學(xué)院, 貴陽 550003；2. 重慶大學(xué) 大數(shù)據(jù)與軟件學(xué)院, 重慶 401331；3. 貴州電網(wǎng)公司 信息中心, 貴陽 550005；4. 廣東電網(wǎng)公司 電力調(diào)度控制中心, 廣州 510600)

傳統(tǒng)電力系統(tǒng)采用垂直一體化結(jié)構(gòu)，嚴(yán)重依賴化石燃料。隨著全球能源短缺、氣候變化等問題日益嚴(yán)重，21世紀(jì)初提出“智能電網(wǎng)”的概念[1]，并在全球范圍得到快速發(fā)展。根據(jù)美國國家能源技術(shù)實(shí)驗(yàn)室定義[2]，智能電網(wǎng)具備一系列關(guān)鍵特征：健壯性與自愈性、低排放、新能源的廣泛接入、需求側(cè)的主動(dòng)響應(yīng)、運(yùn)行方式市場化等。中國于2009年制定“堅(jiān)強(qiáng)智能電網(wǎng)”戰(zhàn)略計(jì)劃[3]，發(fā)展智能電網(wǎng)技術(shù)。近年來，隨著通信與計(jì)算技術(shù)在電網(wǎng)中不斷深入，電網(wǎng)中的物理設(shè)施與信息設(shè)施不斷耦合，“能源互聯(lián)網(wǎng)”的概念被提出[4-5]。能源互聯(lián)網(wǎng)具有不同能源網(wǎng)絡(luò)的互聯(lián)、“即插即用”式能源資源的普及等特性，是對(duì)智能電網(wǎng)發(fā)展方向的深化與延伸。

當(dāng)前，隨著電網(wǎng)中信息技術(shù)的不斷滲透，面向終端用戶的電力服務(wù)已開始向電子商務(wù)模式轉(zhuǎn)變。例如：美國德克薩斯州建立了“Power Choose”電力零售套餐銷售平臺(tái)[9]，用戶可以通過平臺(tái)瀏覽、訂購由不同電力零售公司提供的上千種電力零售套餐。中國的各級(jí)電力公司也開發(fā)了許多應(yīng)用程序，使終端用戶可以實(shí)時(shí)跟蹤用電情況。在技術(shù)發(fā)展趨勢下，如何協(xié)助用戶過濾信息，向用戶有效推薦面向能源的產(chǎn)品/服務(wù)/建議方案，對(duì)提高需求側(cè)的能源效率和優(yōu)化配網(wǎng)系統(tǒng)運(yùn)行具有重要作用。在計(jì)算機(jī)科學(xué)與電子商務(wù)領(lǐng)域，個(gè)性化推薦技術(shù)為幫助用戶進(jìn)行商品/服務(wù)/信息過濾提供一種有力工具。過去，個(gè)性化推薦系統(tǒng)(PRS, personalized recommendation system)已被廣泛研究和應(yīng)用，并向用戶推薦不同的產(chǎn)品/服務(wù)，例如：網(wǎng)頁、好友、商品等[10-12]。

隨著電力服務(wù)信息化加速以及計(jì)算與通信技術(shù)在電網(wǎng)中不斷滲透，個(gè)性化推薦技術(shù)在智能電網(wǎng)領(lǐng)域有著巨大的應(yīng)用前景。電網(wǎng)用戶可通過個(gè)性化推薦技術(shù)進(jìn)行信息過濾，選擇與能源相關(guān)的產(chǎn)品、服務(wù)等。如圖1所示描述了個(gè)性化推薦技術(shù)在未來電網(wǎng)需求側(cè)中的應(yīng)用前景。

圖1 智能電網(wǎng)需求側(cè)中應(yīng)用個(gè)性化推薦技術(shù)的前景展望Fig. 1 Prospect of applying personalized recommendation technology in demand side of smart grid

1 相關(guān)原理

電力需求側(cè)管理是現(xiàn)代電力系統(tǒng)在電力市場條件下產(chǎn)生的用電管理模式，通過提高終端用電效率和優(yōu)化用電方式，在完成相同用電功能同時(shí)減少電力功率和電量消耗，實(shí)現(xiàn)低成本電力服務(wù)，達(dá)到節(jié)約能源和保護(hù)環(huán)境目的。突破了傳統(tǒng)的電力管理模式，改變依靠單純擴(kuò)大供應(yīng)能力滿足日益增長的電力需要方式，在更高層次上處理供應(yīng)側(cè)和需求側(cè)關(guān)系[13]。此外，先進(jìn)的計(jì)量、通信和控制手段對(duì)智能電網(wǎng)中需求側(cè)項(xiàng)目管理起到關(guān)鍵的作用[14]。

1.1 電力需求側(cè)管理技術(shù)

一般地，需求側(cè)技術(shù)(DSM, demand side management)可分為兩類：直接負(fù)荷控制(DLC, direct load control)與間接負(fù)荷控制(IDLC, indirect load control)。在傳統(tǒng)的直接負(fù)荷技術(shù)中，電網(wǎng)通過遠(yuǎn)程控制器直接控制終端用戶的電力資源(如電器設(shè)備和電動(dòng)汽車充電樁等)來調(diào)整負(fù)荷曲線，以支持不同電網(wǎng)級(jí)應(yīng)用，例如：削峰填谷、頻率/電壓調(diào)節(jié)等。作為負(fù)荷控制補(bǔ)償，電網(wǎng)通常會(huì)對(duì)用戶提供一定的補(bǔ)貼和獎(jiǎng)勵(lì)。因此，這一類型的直接負(fù)荷控制技術(shù)被稱為基于激勵(lì)的需求側(cè)管理技術(shù)。近年來，作為一種新型的直接負(fù)荷控制技術(shù)，家庭能量管理系統(tǒng)(HEMS, home energy management system)[15-17]也受到許多關(guān)注。家庭能量管理系統(tǒng)作為一種用戶側(cè)決策支持系統(tǒng)，通過自動(dòng)控制設(shè)備控制居民建筑內(nèi)用電設(shè)備的開停與設(shè)置，以優(yōu)化用戶住宅的能耗和降低用戶用電成本為主要考量，兼顧電網(wǎng)的運(yùn)行指標(biāo)。

間接負(fù)荷控制主要基于電價(jià)信號(hào)，由電力公司設(shè)置可變電價(jià)信號(hào)，激勵(lì)終端用戶積極調(diào)整家電使用方式，調(diào)整負(fù)荷曲線，優(yōu)化電網(wǎng)運(yùn)行。例如：在價(jià)格差異的驅(qū)動(dòng)下，用戶可以選擇在低負(fù)荷期使用更多的電器，從而降低電網(wǎng)高峰負(fù)荷。常見的可變電價(jià)方案包括：實(shí)時(shí)電價(jià)和峰谷分時(shí)電價(jià)等。

1.2 個(gè)性化推薦技術(shù)

個(gè)性化推薦技術(shù)[16-17]可以分為基于內(nèi)容的推薦和基于協(xié)同過濾的推薦兩類。基于內(nèi)容的推薦根據(jù)項(xiàng)目內(nèi)容與用戶偏好間的相關(guān)性，向用戶生成推薦。該方法通常需要建立用戶特征，包括：用戶的偏好和需求等；同時(shí)，生成項(xiàng)目配置文件來表示項(xiàng)目特征。用戶特征可以顯式生成或隱式從用戶的歷史行為模式中獲取。項(xiàng)目配置文件通常用關(guān)鍵詞向量表示，通過計(jì)算用戶特征和項(xiàng)目配置文件的相似度，向用戶推薦項(xiàng)目。

與基于內(nèi)容的推薦不同，基于協(xié)同過濾的推薦是根據(jù)用戶間興趣相似度，運(yùn)用一定的算法尋找與目標(biāo)用戶最為相似的N個(gè)“同伴”，然后根據(jù)這N個(gè)“同伴”對(duì)其他項(xiàng)目的評(píng)價(jià)來預(yù)測目標(biāo)用戶對(duì)該項(xiàng)目的喜好程度。一般協(xié)同過濾推薦又可以分為基于內(nèi)存(memory based)的協(xié)同過濾和基于模型(model based)的協(xié)同過濾兩類[18]。前者主要采用啟發(fā)式算法直接從用戶的歷史數(shù)據(jù)中尋找相似推薦項(xiàng)目；后者則利用其他用戶的歷史數(shù)據(jù)訓(xùn)練一個(gè)推薦模型，然后利用該模型預(yù)測目標(biāo)用戶關(guān)于項(xiàng)目喜好程度的評(píng)分。近年來，為了克服這兩種算法各自缺點(diǎn)，學(xué)界結(jié)合兩者優(yōu)點(diǎn)提出了混合推薦方法[19]。

2 關(guān)鍵技術(shù)

先進(jìn)量測技術(shù)和雙向通信基礎(chǔ)設(shè)施是個(gè)性化推薦在電網(wǎng)中成功實(shí)施的基礎(chǔ)。通過先進(jìn)量測基礎(chǔ)設(shè)施和負(fù)荷監(jiān)測技術(shù)，電網(wǎng)可以獲取用戶的能耗信息；雙向通信基礎(chǔ)設(shè)施可以實(shí)現(xiàn)用戶與電力公司間信息共享。同時(shí)，由于電網(wǎng)終端用戶數(shù)量龐大，高性能計(jì)算技術(shù)則為需求側(cè)大數(shù)據(jù)的高效、安全和快速處理提供支持。

2.1 先進(jìn)量測設(shè)施

先進(jìn)量測設(shè)施(AMI, advanced metering infrastructure)在智能電網(wǎng)中至關(guān)重要。它是智能電表、通信網(wǎng)絡(luò)和數(shù)據(jù)管理系統(tǒng)的集成，可實(shí)現(xiàn)電網(wǎng)和用戶間雙向通信。用戶端通信設(shè)備包括：家庭顯示器、家庭區(qū)域網(wǎng)絡(luò)、能源管理系統(tǒng)和其他支持智能電網(wǎng)功能的客戶端設(shè)備。

先進(jìn)量測設(shè)施可以向電網(wǎng)提供精確的住宅能耗數(shù)據(jù)。根據(jù)量測數(shù)據(jù)，電網(wǎng)運(yùn)行人員可分析住宅能耗特征(如日能耗、季節(jié)能耗特征和峰值負(fù)荷等)，并設(shè)計(jì)合理運(yùn)營策略。例如：根據(jù)AMI采集的數(shù)據(jù)，電力公司可以進(jìn)行負(fù)荷預(yù)測，制定零售電價(jià)定價(jià)策略、電網(wǎng)規(guī)劃、開發(fā)新型能量管理系統(tǒng)等。

2.2 負(fù)荷監(jiān)測技術(shù)

智能電表采集的能耗數(shù)據(jù)通常是住宅級(jí)的聚合能耗數(shù)據(jù)。負(fù)荷監(jiān)測技術(shù)旨在監(jiān)測和識(shí)別住戶中各個(gè)家用電器的使用情況(如開/關(guān)狀態(tài)和功率波形等)，它使電網(wǎng)能更精確分析用戶的用電行為模式。在實(shí)現(xiàn)手段上，負(fù)荷監(jiān)測技術(shù)可以分為侵入式和非侵入式監(jiān)測技術(shù)兩類。

侵入式負(fù)荷監(jiān)測技術(shù)通過在住宅用電器上安裝傳感器來記錄其使用情況。這種直接測量方法與物聯(lián)網(wǎng)技術(shù)相關(guān)，可以準(zhǔn)確監(jiān)測電器的狀態(tài)和能耗，但安裝過程較繁瑣，且傳感器的購置成本也不容忽視。1992年，Hart[20]提出非侵入式電器負(fù)荷監(jiān)測技術(shù)(NILM, non-intrusive appliance load monitoring)，其思想為負(fù)荷分解，即將電表采集的用戶總負(fù)荷數(shù)據(jù)分解為各電器的用電數(shù)據(jù)[21-22]。自NILM技術(shù)被提出以來，先后開發(fā)出多種不同的NILM方法，如：稀疏編碼方法[23]、隱馬爾可夫模型[24]、深度學(xué)習(xí)方法[25]等。

2.3 高性能計(jì)算技術(shù)

智能電網(wǎng)的終端用戶數(shù)量非常龐大，因此電網(wǎng)中的推薦系統(tǒng)需要高效處理相關(guān)大數(shù)據(jù)，而計(jì)算技術(shù)的發(fā)展為此提供了強(qiáng)有力的工具。云計(jì)算作為一種新的計(jì)算范式，被認(rèn)為是下一代能源系統(tǒng)的信息基礎(chǔ)設(shè)施[26-27]。云計(jì)算以數(shù)據(jù)中心為支撐，可以為電網(wǎng)的分析與計(jì)算提供多層次、彈性的服務(wù)。許多公有云平臺(tái)(如Amazon EC2，Microsoft Azure等)可用于承載各種計(jì)算密集型和數(shù)據(jù)密集型的智能電網(wǎng)應(yīng)用。此外，不同的電網(wǎng)參與者(如電力公司、零售商等)也可以建立自己的私有云平臺(tái)，為智能電網(wǎng)應(yīng)用提供數(shù)據(jù)中心級(jí)的網(wǎng)絡(luò)服務(wù)。

在應(yīng)用開發(fā)層，已經(jīng)有許多可用的工具和框架促進(jìn)高性能的數(shù)據(jù)處理。如：Apache Storm[28]提供強(qiáng)大的計(jì)算框架捕獲和處理智能電網(wǎng)的實(shí)時(shí)數(shù)據(jù)流；Apache Spark[29]提供高性能的編程框架，有效處理基于底層計(jì)算機(jī)集群的大數(shù)據(jù)。這些開發(fā)工具可以高效采集需求側(cè)的實(shí)時(shí)用電數(shù)據(jù)，集成到系統(tǒng)工作流加以分析和處理(如用戶相似度分析、推薦生成等)，從而為智能電網(wǎng)推薦系統(tǒng)的開發(fā)提供支持。

2.4 物聯(lián)網(wǎng)與邊緣計(jì)算技術(shù)

作為一種數(shù)據(jù)驅(qū)動(dòng)的專家系統(tǒng)，需求側(cè)推薦系統(tǒng)的核心在于收集需求側(cè)的各類數(shù)據(jù)，并在此基礎(chǔ)上進(jìn)行分析。物聯(lián)網(wǎng)技術(shù)為實(shí)現(xiàn)這一目標(biāo)提供了基礎(chǔ)服務(wù)。物聯(lián)網(wǎng)(IoT, internet of things)[30]是指借助傳感設(shè)施，包括：在各類物體上的電子標(biāo)簽(RFID, radio frequency identification)、紅外感應(yīng)器、全球定位系統(tǒng)(GPS, global positioning system)和二維碼等設(shè)備，通過接口與無線網(wǎng)絡(luò)相連，實(shí)現(xiàn)人與物體，物體與物體的溝通和對(duì)話，進(jìn)行數(shù)據(jù)與信息的交換和通信，實(shí)現(xiàn)對(duì)物品的識(shí)別、定位、跟蹤、監(jiān)控、管理等一系列智能化活動(dòng)[31]。目前，物聯(lián)網(wǎng)技術(shù)已成功應(yīng)用于工業(yè)、農(nóng)業(yè)、教育、醫(yī)療和交通等諸多領(lǐng)域。其中，智能電網(wǎng)也是物聯(lián)網(wǎng)的一個(gè)典型應(yīng)用領(lǐng)域?；趥鞲衅鞯呢?fù)荷監(jiān)測技術(shù)，以及智能電表、PMU等，都屬于物聯(lián)網(wǎng)在電網(wǎng)中的應(yīng)用。通過應(yīng)用物聯(lián)網(wǎng)技術(shù)，推薦系統(tǒng)可以精確收集需求側(cè)的各類數(shù)據(jù)，包括：用戶用電數(shù)據(jù)、電網(wǎng)實(shí)時(shí)數(shù)據(jù)和環(huán)境氣象數(shù)據(jù)等，為用戶提供面向能源的個(gè)性化推薦服務(wù)。

伴隨物聯(lián)網(wǎng)而興起的邊緣計(jì)算技術(shù)(EC, edge computing)[32]，作為一種分散式運(yùn)算架構(gòu)，將應(yīng)用程序、數(shù)據(jù)資料與服務(wù)的運(yùn)算，由網(wǎng)絡(luò)中心節(jié)點(diǎn)，移往網(wǎng)絡(luò)邏輯上的邊緣節(jié)點(diǎn)來處理。邊緣計(jì)算將原本完全由中心節(jié)點(diǎn)處理大型服務(wù)加以分解，切割成更小與更容易管理的部分，分散到邊緣節(jié)點(diǎn)去處理。在電網(wǎng)需求側(cè)中，將海量的需求側(cè)數(shù)據(jù)存放在集中式存儲(chǔ)設(shè)備或是云端，并不現(xiàn)實(shí)。因此，可利用邊緣計(jì)算技術(shù)，對(duì)數(shù)據(jù)首先進(jìn)行分布式處理，然后再由推薦系統(tǒng)進(jìn)行集中分析。

2.5 網(wǎng)絡(luò)安全技術(shù)

智能電網(wǎng)涉及海量終端用戶，在設(shè)計(jì)智能電網(wǎng)推薦系統(tǒng)時(shí)，系統(tǒng)需要通過雙向通信基礎(chǔ)設(shè)施實(shí)現(xiàn)對(duì)用戶信息的訪問，其中最基本的要求就是確保用戶數(shù)據(jù)的私密性、安全性和完整性。

智能電網(wǎng)采用的通信基礎(chǔ)設(shè)施也被其他工業(yè)系統(tǒng)所采用，為電網(wǎng)應(yīng)用提供安全的通信環(huán)境[33]。智能電網(wǎng)的無線通信可以采用802.11i和802.16e等標(biāo)準(zhǔn)實(shí)現(xiàn)；有線通信可以采用防火墻、VPN、IPSec等技術(shù)實(shí)現(xiàn)。一些密鑰和可信通信方案，如：公密鑰基礎(chǔ)設(shè)施(PKI, public-key infrastructure)，可以為智能電網(wǎng)推薦系統(tǒng)中涉及到的通信提供加密保護(hù)。還有一些新興的安全協(xié)同計(jì)算技術(shù)，可以為不同智能電網(wǎng)參與者之間的安全信息共享提供支持。例如：同態(tài)加密技術(shù)[34]允許加密數(shù)據(jù)由某些特定運(yùn)算符(加法、乘法等)處理，使其結(jié)果與處理普通數(shù)據(jù)的結(jié)果相同?；谕瑧B(tài)加密技術(shù)的安全多方計(jì)算技術(shù)(SMC, secure multi-party computation)[35]解決一組互不信任的參與方之間保護(hù)隱私的協(xié)同計(jì)算問題，為數(shù)據(jù)所有方及數(shù)據(jù)需求方提供不泄露原始數(shù)據(jù)前提下的多方協(xié)同計(jì)算能力。采用SMC技術(shù)[36]，可以使智能電網(wǎng)推薦系統(tǒng)在不暴露用戶隱私數(shù)據(jù)的情況下，對(duì)用戶數(shù)據(jù)進(jìn)行聚合分析(如用戶用電相似度分析、用戶用電行為聚類等)，從而安全有效地生成推薦方案。

3 應(yīng) 用

通過從需求側(cè)數(shù)據(jù)中提取知識(shí)，個(gè)性化推薦技術(shù)在智能電網(wǎng)中具有巨大應(yīng)用前景。

3.1 現(xiàn)有智能電網(wǎng)推薦系統(tǒng)

3.1.1 基于負(fù)荷監(jiān)測和內(nèi)容推薦技術(shù)的節(jié)能家電推薦系統(tǒng)

家用電器的能耗等級(jí)對(duì)終端用戶的用電成本和配網(wǎng)系統(tǒng)的負(fù)荷有直接影響。對(duì)于給定類型的電器，不同型號(hào)有不同能耗。鼓勵(lì)用戶使用節(jié)能電器，一方面可降低用戶用電成本，提高家庭用電效率；也可以降低配網(wǎng)負(fù)荷，減少電網(wǎng)擴(kuò)建成本。文獻(xiàn)[37]提出一種基于非侵入式負(fù)荷監(jiān)測技術(shù)和內(nèi)容匹配推薦技術(shù)的居民用戶節(jié)能家電推薦系統(tǒng)。該系統(tǒng)首先利用電表監(jiān)測家庭的總能耗數(shù)據(jù)，然后用非侵入式負(fù)荷監(jiān)測技術(shù)將電表數(shù)據(jù)進(jìn)行分解，并識(shí)別用戶的單個(gè)家電使用軌跡。利用非侵入式負(fù)荷監(jiān)測技術(shù)得到的結(jié)果，推薦系統(tǒng)提取出電器使用特征(如最常使用的電器、日耗電量最多的電器、累積使用時(shí)間最長的電器等)，然后將這些特征與用戶關(guān)于節(jié)能型電器的興趣數(shù)據(jù)存儲(chǔ)到一個(gè)知識(shí)庫中。對(duì)于每個(gè)目標(biāo)用戶，推薦系統(tǒng)使用一個(gè)基于規(guī)則的選擇器，根據(jù)用戶對(duì)典型電器的使用特征來決定向用戶推薦的家電類別。隨后，推薦系統(tǒng)采用基于內(nèi)容的推薦算法和用戶關(guān)于節(jié)能電器的興趣數(shù)據(jù)，與節(jié)能電器廣告數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行匹配，篩選出用戶可能最感興趣的節(jié)能電器型號(hào)，并向目標(biāo)用戶推薦相關(guān)電器設(shè)備。

3.1.2 基于協(xié)同過濾技術(shù)的電力零售套餐推薦系統(tǒng)

在如美國德州電力零售市場這樣成熟的零售市場體制中，電力用戶需要從多個(gè)零售商發(fā)布的大量電力零售套餐中選購合適的套餐。文獻(xiàn)[38]提出一個(gè)基于協(xié)同過濾推薦技術(shù)的電力零售套餐推薦系統(tǒng)，用在一個(gè)成熟的零售市場體系中向用戶推薦個(gè)性化電力零售套餐。該系統(tǒng)通過電表收集大量用戶的住宅用電數(shù)據(jù)以及用戶訂購零售套餐的歷史紀(jì)錄，并存入到一個(gè)用戶知識(shí)庫中。對(duì)于每個(gè)用戶，推薦系統(tǒng)提取用戶的家庭用電特征，包括：月平均電費(fèi)、工作日日均用電量和非工作日日均用電量等。同時(shí)設(shè)計(jì)了零售套餐評(píng)分策略來隱式推測和評(píng)價(jià)用戶對(duì)每個(gè)零售套餐的偏好程度。在此基礎(chǔ)上，對(duì)于每個(gè)目標(biāo)用戶，系統(tǒng)根據(jù)提取的用戶用電特征，計(jì)算與其他每個(gè)用戶的用電相似度，對(duì)相似用戶的零售套餐偏好數(shù)據(jù)進(jìn)行加權(quán)聚合，估計(jì)目標(biāo)用戶對(duì)每個(gè)零售套餐的偏好程度，最終將偏好分值最高的前n個(gè)零售套餐推薦給目標(biāo)用戶。

3.2 未來潛在的需求側(cè)推薦系統(tǒng)

3.2.1 家庭用電行為推薦系統(tǒng)

需求側(cè)響應(yīng)已成為當(dāng)代電力系統(tǒng)運(yùn)行中一個(gè)重要方面。通過可變電價(jià)激勵(lì)，使用戶主動(dòng)調(diào)整其用電行為，在降低用戶電費(fèi)開銷同時(shí)配合電網(wǎng)完成電網(wǎng)負(fù)荷的削峰填谷。目前，世界上大多數(shù)國家實(shí)現(xiàn)了分時(shí)電價(jià)，部分國家開始實(shí)施實(shí)時(shí)電價(jià)和尖峰電價(jià)。用戶對(duì)可變電價(jià)的響應(yīng)率在很大程度上依賴于其主觀意愿。目前仍有大量用戶缺乏需求側(cè)響應(yīng)意識(shí)，對(duì)可變電價(jià)響應(yīng)遲緩，在發(fā)展中國家尤為明顯。筆者提出一種家庭用電行為推薦系統(tǒng)的概念原型(如圖2所示)，旨在從大量用戶中學(xué)習(xí)用電行為經(jīng)驗(yàn)，推薦給目標(biāo)用戶，對(duì)用戶的用電行為提供建議，引導(dǎo)和提高用戶的需求側(cè)響應(yīng)意識(shí)。

圖2 家庭用電行為推薦系統(tǒng)的概念模型Fig. 2 Conceptual model of household electricity behavior recommendation system

通過量測設(shè)備和負(fù)荷監(jiān)測技術(shù)，收集用戶的家用電器能耗數(shù)據(jù)。推薦系統(tǒng)將家用電器分為兩類：不可轉(zhuǎn)移與可轉(zhuǎn)移電器。不可轉(zhuǎn)移電器是指與用戶的日常生活方式緊密相關(guān)，用戶不會(huì)根據(jù)電價(jià)信號(hào)來調(diào)整其使用的電器，例如：電腦、電視、抽油煙機(jī)、音響等。可轉(zhuǎn)移電器是指用戶通常有意愿根據(jù)電價(jià)信號(hào)來調(diào)整其運(yùn)行時(shí)間的電器，例如：洗衣機(jī)、洗碗機(jī)、干衣機(jī)等。同時(shí)，推薦系統(tǒng)采用機(jī)器學(xué)習(xí)方法，將用戶分為“高響應(yīng)度用戶”與“低響應(yīng)度用戶”兩類。對(duì)于每個(gè)低響應(yīng)度用戶，即目標(biāo)用戶，推薦系統(tǒng)首先分析其不可轉(zhuǎn)移家電的使用軌跡，來學(xué)習(xí)其生活方式。推薦系統(tǒng)進(jìn)行生活方式相似度計(jì)算；在高響應(yīng)度用戶群體中篩選出與目標(biāo)用戶具有相似生活方式的用戶?；诖耍扑]系統(tǒng)對(duì)相似度高的響應(yīng)用戶的可轉(zhuǎn)移家電使用經(jīng)驗(yàn)進(jìn)行加權(quán)聚合，過濾出最適合目標(biāo)用戶生活方式的可轉(zhuǎn)移家電節(jié)能使用方案，并推薦給目標(biāo)用戶。

3.2.2 分時(shí)電價(jià)計(jì)劃推薦系統(tǒng)

中國正處于電力系統(tǒng)市場化的改革期，電力零售市場對(duì)促進(jìn)配電側(cè)的電能經(jīng)濟(jì)具有重要作用。如文獻(xiàn)[36]所述，在足夠成熟的電力零售市場中，將出現(xiàn)大量的獨(dú)立電力零售商，各自發(fā)布不同的電力零售套餐。當(dāng)前最廣泛采用的零售定價(jià)為分時(shí)電價(jià)(time-of-use pricing)，其定價(jià)結(jié)構(gòu)通常分為2段式或3段式。隨著電力市場改革的深入，未來將出現(xiàn)更復(fù)雜、多段式的分時(shí)電價(jià)結(jié)構(gòu)。在此背景下，用戶如何選擇合適的分時(shí)電價(jià)計(jì)劃，將是典型的信息過濾問題。因此，設(shè)計(jì)合適的個(gè)性化推薦系統(tǒng)，為用戶推薦適合其用電行為的分時(shí)電價(jià)計(jì)劃，具有現(xiàn)實(shí)意義。

在進(jìn)行分時(shí)電價(jià)計(jì)劃推薦時(shí)，最基本的問題是：如何評(píng)估用戶在選用了某個(gè)分時(shí)電價(jià)后，用電行為的轉(zhuǎn)移方式。即對(duì)于分時(shí)電價(jià)a，用戶在選用了它之后有多大程度會(huì)按照a的電價(jià)結(jié)構(gòu)調(diào)整其用電方式。協(xié)同過濾技術(shù)為這一問題提供了可行途徑。提出分時(shí)電價(jià)計(jì)劃個(gè)性化推薦系統(tǒng)，該系統(tǒng)通過對(duì)與目標(biāo)用戶具有相似生活習(xí)慣的同類用戶分時(shí)電價(jià)計(jì)劃選擇經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)，向目標(biāo)用戶推薦合適的分時(shí)電價(jià)計(jì)劃。推薦系統(tǒng)的概念模型如圖3所示。系統(tǒng)通過量測基礎(chǔ)設(shè)施采集多個(gè)用戶的電器級(jí)用電數(shù)據(jù)，并存放在云端的用戶知識(shí)庫中。對(duì)于每個(gè)用戶，系統(tǒng)通過機(jī)器學(xué)習(xí)算法從用戶的用電數(shù)據(jù)中學(xué)習(xí)其生活方式，并生成相應(yīng)的生活方式配置文件(profile)。對(duì)于特定目標(biāo)用戶，系統(tǒng)通過生活方式相似度計(jì)算，得到數(shù)據(jù)庫中每個(gè)用戶與目標(biāo)用戶的生活方式相似度。

圖3 分時(shí)電價(jià)計(jì)劃個(gè)性化推薦系統(tǒng)的概念模型Fig. 3 Conceptual model of the personalized recommendation system for time-of-use electricity price plan

然后，對(duì)于數(shù)據(jù)庫中的每個(gè)用戶，系統(tǒng)評(píng)估對(duì)市場中每個(gè)分時(shí)電價(jià)套餐的偏好程度。用戶對(duì)某個(gè)給定分時(shí)電價(jià)計(jì)劃的偏好評(píng)分由2部分構(gòu)成：選擇傾向與成本效益。選擇傾向因素是指僅有目前被該用戶使用的分時(shí)電價(jià)計(jì)劃被賦值分值，其他的電價(jià)計(jì)劃均被賦值為0分；成本效益是指將該分時(shí)電價(jià)計(jì)劃應(yīng)用到該用戶的用電行為后，所產(chǎn)生的電費(fèi)開支。綜合2個(gè)因素，對(duì)于數(shù)據(jù)庫中的用戶u，關(guān)于分時(shí)電價(jià)計(jì)劃i的偏好程度可根據(jù)式(1)計(jì)算得到。

(1)

式中：ru,i為所估計(jì)的用戶u關(guān)于分時(shí)電價(jià)計(jì)劃i的偏好程度值；Su,i為用戶u關(guān)于分時(shí)電價(jià)計(jì)劃i的選擇傾向值；Cu,i為分時(shí)電價(jià)計(jì)劃i對(duì)用戶u的成本效益值；k為權(quán)重因子。根據(jù)式(1)計(jì)算出的結(jié)果，再結(jié)合計(jì)算出的每個(gè)用戶與目標(biāo)用戶的生活方式相似度，則可根據(jù)式(2)進(jìn)行加權(quán)聚合，預(yù)測出目標(biāo)用戶(記為v)對(duì)每個(gè)分時(shí)電價(jià)計(jì)劃的偏好程度。最后，根據(jù)預(yù)測的偏好程度從高到低排序，將最有最高偏好評(píng)分值的前n個(gè)分時(shí)電價(jià)計(jì)劃推薦給目標(biāo)用戶。

(2)

式中：rv,i為所預(yù)測的目標(biāo)用戶v對(duì)于分時(shí)電價(jià)計(jì)劃i的興趣度值；U為用戶集合；sim(u,v)為目標(biāo)用戶v與用戶n的相似度；η為正則化因子。

3.2.3 居民側(cè)新能源電源購置推薦系統(tǒng)

隨著分布式發(fā)電的日益普及，在居民側(cè)安裝新能源電源(如樓宇屋頂太陽能板、小容量風(fēng)機(jī)等)已成為大勢所趨。從用戶側(cè)來說，居民側(cè)新能源電源可以提高終端用戶側(cè)的能源效率，節(jié)省用戶購電成本，并在停電時(shí)為用戶提供電源支持；從電網(wǎng)角度來說，分布式新能源的廣泛部署能有效減少網(wǎng)損，節(jié)省電網(wǎng)建設(shè)成本。而新能源電源的購置成本及其帶來的長期回報(bào)，是許多用戶首要考慮的因素。筆者提出一種面向終端用戶的新能源購置系統(tǒng)，概念模型如圖4所示。

圖4 居民側(cè)新能源電源個(gè)性化推薦系統(tǒng)的概念模型Fig. 4 Conceptual model of the personalized recommendation system for new energy sources on the residential side

該推薦系統(tǒng)收集的數(shù)據(jù)有：

1)用戶數(shù)據(jù)，主要包括：用戶的基本信息(如家庭構(gòu)成、職業(yè)、年齡等)、日用電曲線以及地理位置；

2)市場上不同新能源的電源信息，主要包括：品牌、容量、價(jià)格和效率等。推薦系統(tǒng)同時(shí)可訪問第三方氣象數(shù)據(jù)庫，對(duì)用戶所在位置的新能源資源進(jìn)行評(píng)估。

對(duì)于每個(gè)未安裝新能源電源的目標(biāo)用戶，系統(tǒng)評(píng)估其對(duì)市面上每款新能源電源產(chǎn)品的潛在興趣度，然后向其推薦最感興趣的產(chǎn)品。興趣度計(jì)算由2個(gè)評(píng)價(jià)指標(biāo)構(gòu)成：1)長期收益；2)同類用戶選擇傾向。對(duì)于長期收益指標(biāo)，推薦系統(tǒng)首先根據(jù)用戶的地理位置，對(duì)其所在位置的新能源資源(如風(fēng)速、風(fēng)向、太陽能輻射強(qiáng)度、日照時(shí)間等)進(jìn)行評(píng)估，然后對(duì)于每一個(gè)新能源電源產(chǎn)品，推薦系統(tǒng)根據(jù)其容量和發(fā)電效率，結(jié)合目標(biāo)用戶的日常用電曲線和電網(wǎng)零售電價(jià)，計(jì)算該產(chǎn)品給目標(biāo)用戶帶來的年電費(fèi)節(jié)省量。對(duì)于同類用戶選擇傾向指標(biāo)，推薦系統(tǒng)計(jì)算目標(biāo)用戶與每個(gè)已選購該產(chǎn)品的用戶的相似度。該相似度值包括3方面考量：1)用戶基本信息相似性；2)用戶新能源資源相似性；以及3)用戶用電曲線相似性。最后，將這3個(gè)指標(biāo)加權(quán)求和，得出目標(biāo)用戶對(duì)該產(chǎn)品的潛在興趣度值。最后，推薦系統(tǒng)根據(jù)所計(jì)算得出的預(yù)測興趣度值對(duì)所有產(chǎn)品進(jìn)行排序，并將排在前n個(gè)的新能源產(chǎn)品推薦給目標(biāo)用戶。

3.2.4 更多智能電網(wǎng)推薦系統(tǒng)

在智能電網(wǎng)領(lǐng)域還可以開發(fā)更多的推薦系統(tǒng)?？紤]電動(dòng)汽車用戶的需求以及配電網(wǎng)的條件和運(yùn)行指標(biāo)，為電動(dòng)汽車用戶推薦行駛路線。此外，智能電網(wǎng)中個(gè)性化推薦系統(tǒng)也不僅限于需求側(cè)。結(jié)合預(yù)算、網(wǎng)絡(luò)中已有的其他相關(guān)設(shè)備型號(hào)和容量、網(wǎng)絡(luò)拓?fù)涞纫蛩?，開發(fā)推薦系統(tǒng)，向電力公司推薦合適的電力電子設(shè)備和產(chǎn)品；或者開發(fā)推薦系統(tǒng)學(xué)習(xí)電網(wǎng)在極端天氣下的早期預(yù)警經(jīng)驗(yàn)，在相似的極端天氣下，推薦適用于該目標(biāo)電網(wǎng)的預(yù)警方案。

4 挑 戰(zhàn)

盡管在智能電網(wǎng)中運(yùn)用個(gè)性化推薦技術(shù)具有巨大的潛力，但智能電網(wǎng)推薦系統(tǒng)的實(shí)際開發(fā)和部署中也面臨著一些挑戰(zhàn)。

4.1 傳感基礎(chǔ)設(shè)施普及

個(gè)性化推薦系統(tǒng)本質(zhì)上是一種數(shù)據(jù)驅(qū)動(dòng)的決策支持系統(tǒng)，因此智能電網(wǎng)范疇下的推薦系統(tǒng)廣泛依賴于傳感基礎(chǔ)設(shè)施采集的數(shù)據(jù)。目前，盡管AMI已廣泛應(yīng)用于許多發(fā)達(dá)國家，但在發(fā)展中國家AMI的普及依然十分有限。此外，對(duì)于某些傳感設(shè)備，例如：相量測量單元(PMU, phasor measurement unit)等，由于投資成本高，部署也受到了一定的限制。因此，傳感基礎(chǔ)設(shè)施的有效部署直接決定著智能電網(wǎng)中個(gè)性化推薦系統(tǒng)的實(shí)際實(shí)現(xiàn)。

4.2 技術(shù)障礙

在現(xiàn)階段，除了傳感基礎(chǔ)設(shè)施的普及，終端用戶與電網(wǎng)之間實(shí)現(xiàn)細(xì)粒度的雙向信息共享和協(xié)作還存在一些技術(shù)障礙。例如：隨著電器數(shù)量的增加，NILM方法的計(jì)算成本通常會(huì)迅速增加，識(shí)別精度降低；對(duì)于SMC技術(shù)，雖然它被認(rèn)為是在智能電網(wǎng)中建立安全協(xié)同環(huán)境的一個(gè)較好的解決方案，但也存在一些技術(shù)挑戰(zhàn)。SMC目前只支持一部分的代數(shù)運(yùn)算，對(duì)于復(fù)雜的代數(shù)運(yùn)算不能實(shí)現(xiàn)同態(tài)加密；當(dāng)協(xié)作者數(shù)量增加時(shí)，SMC將會(huì)導(dǎo)致巨大的計(jì)算開銷。因此，關(guān)鍵技術(shù)改進(jìn)有助于推薦技術(shù)應(yīng)用到實(shí)際的電網(wǎng)中。

4.3 數(shù)據(jù)隱私和安全

4.4 個(gè)性化推薦本身的技術(shù)挑戰(zhàn)

個(gè)性化推薦技術(shù)雖然得到了廣泛應(yīng)用，但也存在一些不可忽視的挑戰(zhàn)，包括：

1)冷啟動(dòng)問題。這是一個(gè)普遍問題，當(dāng)某些項(xiàng)目沒有得到任何用戶評(píng)價(jià)或者某些用戶沒有對(duì)任何項(xiàng)目做出評(píng)價(jià)時(shí)，系統(tǒng)無法推薦該項(xiàng)目或者預(yù)測該用戶的偏好。

2)推薦的多樣性和準(zhǔn)確性困境。通常情況下，鼓勵(lì)推薦項(xiàng)目的多樣性，但是推薦一個(gè)用戶不熟悉的項(xiàng)目可能會(huì)引起該用戶的反感。

3)數(shù)據(jù)稀疏性問題。當(dāng)系統(tǒng)的項(xiàng)目和用戶數(shù)量特別龐大時(shí)，用戶對(duì)項(xiàng)目的評(píng)價(jià)一般都非常稀少，難以找到相似用戶集，大大影響了推薦系統(tǒng)的效率。

4)在使用集成/混合方法時(shí)，如何解決沖突問題。推薦涉及到豐富的元數(shù)據(jù)和用戶數(shù)據(jù)，如何將這些數(shù)據(jù)組合起來是一個(gè)不小的挑戰(zhàn)。

5)大數(shù)據(jù)環(huán)境。隨著數(shù)據(jù)的爆炸性增長，時(shí)間和空間復(fù)雜度是推薦算法適應(yīng)大數(shù)據(jù)環(huán)境的關(guān)鍵因素。

5 結(jié)束語

首先對(duì)個(gè)性化推薦技術(shù)在智能電網(wǎng)需求側(cè)中的應(yīng)用進(jìn)行展望，介紹了支撐需求側(cè)個(gè)性化推薦系統(tǒng)實(shí)際部署的一些關(guān)鍵技術(shù)，討論需求側(cè)推薦系統(tǒng)的概念模型，分析潛在的挑戰(zhàn)。