一种综合能源服务的推荐方法、系统、电子设备及介质与流程

本发明涉及能源服务推荐，尤其涉及一种综合能源服务的推荐方法、系统、电子设备及介质。

背景技术：

1、在综合能源系统的不断发展中，参与互动的要素变得越来越繁杂。同时，在能源互联网、信息技术不断革新的背景下，能源服务信息、电力大数据等大量涌入。随着深度学习推荐系统的出现，基于神经网络的推荐模型已经成为综合能源服务处理个性化和差异化推荐任务的重要工具。利用大数据及推荐算法挖掘用户特征，提取用户感兴趣内容已经成为综合能源服务感兴趣的课题。

2、深度学习推荐模型相较于传统的机器学习推荐模型具有更强的表达能力，对于数据中隐藏的模式挖掘效果更好；同时，深度学习推荐模型具有非常灵活的结构，根据数据特点及不同的业务场景能够灵活调整模型结构，使模型更好地匹配应用场景。

技术实现思路

1、有鉴于此，本发明提供一种综合能源服务的推荐方法、系统、电子设备及介质。旨在提高能源利用率，使得在满足用户需求的同时达到节能的目的。

2、在本发明实施例的第一方面，提供了一种综合能源服务的推荐方法，所述方法包括：

3、通过对能源用户的原始数据集进行提取，获得目标数据集；

4、根据能源用户的目标数据集，对能源用户进行聚类，获得多个用户类别；

5、通过将属于同一用户类别的各个能源用户的目标数据集输入初始推荐模型，对所述初始推荐模型进行训练；

6、在所述初始推荐模型训练合格后，获得目标推荐模型；

7、通过将能源用户的目标数据集输入所述目标推荐模型，获得该能源用户对不同能源套餐的评分；

8、根据该能源用户对不同能源套餐的评分，对该能源用户进行能源套餐推荐。

9、可选的，所述通过对能源用户的原始数据集进行提取，获得目标数据集，包括：

10、从获取的能源用户的原始数据集中提取电属性数据集；

11、通过对提取的电属性数据集进行数据清洗和归一化处理，获得能源用户的目标数据集。

12、可选的，所述通过将属于同一用户类别的各个能源用户的目标数据集输入初始推荐模型，对所述初始推荐模型进行训练；在所述初始推荐模型训练合格后，获得目标推荐模型，包括：

13、将每种用户类别的能源用户的目标数据集以预设比例划分为训练集和测试集；

14、将同一用户类别的训练集输入初始推荐模型，对所述初始推荐模型进行训练；

15、在每轮训练完成后，将同一用户类别的测试集输入每轮训练完成后的初始推荐模型进行测试；

16、在对初始推荐模型测试训练合格后，获得目标推荐模型。

17、可选的，在同时对多个能源用户进行能源套餐推荐的情况下，所述通过将能源用户的目标数据集输入所述目标推荐模型，获得该能源用户对不同能源套餐的评分，包括：

18、通过对所述多个能源用户的原始数据集进行提取，获得所述多个能源用户各自对应的目标数据集；

19、根据所述多个能源用户各自对应的目标数据集，对所述多个能源用户进行聚类，获得多个用户类别；

20、通过将属于同一用户类别的能源用户群的目标数据集输入所述目标推荐模型，获得所述能源用户群对不同能源套餐的评分；

21、所述根据该能源用户对不同能源套餐的评分，对该能源用户进行能源套餐推荐，包括：根据所述能源用户群对不同能源套餐的评分，对所述能源用户群进行能源套餐推荐。

22、可选的，在对单个能源用户进行能源套餐推荐的情况下，所述通过将能源用户的目标数据集输入所述目标推荐模型，获得该能源用户对不同能源套餐的评分，包括：

23、通过对所述单个能源用户的原始数据集进行提取，获得所述单个能源用户的目标数据集；

24、通过将所述单个能源用户的目标数据集输入所述目标推荐模型，获得所述单个能源用户对不同能源套餐的评分；

25、所述根据该能源用户对不同能源套餐的评分，对该能源用户进行能源套餐推荐，包括：根据所述单个能源用户对不同能源套餐的评分，对所述单个能源用户进行能源套餐推荐。

26、可选的，所述根据所述能源用户群对不同能源套餐的评分，对所述能源用户群进行能源套餐推荐，包括：

27、通过对所述能源用户群中各个能源用户对不同能源套餐的评分进行反归一化，获得所述能源用户群中各个能源用户对不同能源套餐的目标评分；

28、将所述能源用户群中各个能源用户对同一能源套餐的目标评分进行合并，获得所述能源用户群对所述同一能源套餐的目标评分；

29、将具有所述能源用户群的目标评分的各个能源套餐进行排序，并按顺序生成推荐列表推荐给所述能源用户群。

30、可选的，所述方法还包括：

31、预设向能源用户进行推荐的能源套餐的目标数量；

32、将评分靠前的目标数量的能源套餐推荐给能源用户。

33、在本发明实施例的第二方面，提供了一种综合能源服务的推荐系统，所述系统包括：

34、数据集确定模块，用于通过对能源用户的原始数据集进行提取，获得目标数据集；

35、聚类模块，用于根据能源用户的目标数据集，对能源用户进行聚类，获得多个用户类别；

36、模型训练模块，用于通过将属于同一用户类别的各个能源用户的目标数据集输入初始推荐模型，对所述初始推荐模型进行训练；在所述初始推荐模型训练合格后，获得目标推荐模型；

37、模型应用模块，用于通过将能源用户的目标数据集输入所述目标推荐模型，获得该能源用户对不同能源套餐的评分；

38、能源套餐推荐模块，用于根据该能源用户对不同能源套餐的评分，对该能源用户进行能源套餐推荐。

39、在本发明实施例的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

40、存储器，用于存放计算机程序；

41、处理器，用于执行存储器上所存放的程序时，实现本发明第一方面提供的一种综合能源服务的推荐方法的步骤。

42、在本发明实施例的第四方面，还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面所述的一种综合能源服务的推荐方法。

43、针对在先技术，本发明具备如下优点：

44、本发明实施例提供的一种综合能源服务的推荐方法，通过对能源用户的原始数据集进行提取，获得目标数据集；根据能源用户的目标数据集，对能源用户进行聚类，获得多个用户类别；通过将属于同一用户类别的各个能源用户的目标数据集输入初始推荐模型，对所述初始推荐模型进行训练；在所述初始推荐模型训练合格后，获得目标推荐模型；通过将能源用户的目标数据集输入所述目标推荐模型，获得该能源用户对不同能源套餐的评分；根据该能源用户对不同能源套餐的评分，对该能源用户进行能源套餐推荐，由此提高综合能源服务的推荐准确率，进而提升了用户的采用率的同时提高了能源利用率，避免了能源的浪费，在满足用户需求的同时达到节能的目的。

45、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。