本發(fā)明屬于電表監(jiān)控分析領(lǐng)域，涉及云計(jì)算技術(shù)，是一種基于Map-Reduce模型改進(jìn)的k-means數(shù)據(jù)挖掘算法和遺傳算法的智慧節(jié)電監(jiān)控與用電行為分析系統(tǒng)。

背景技術(shù)：

當(dāng)前我國經(jīng)濟(jì)逐步從注重經(jīng)濟(jì)增長逐步向注重經(jīng)濟(jì)增長方式轉(zhuǎn)變，節(jié)能減排和低碳經(jīng)濟(jì)逐步被人們所重視，大量節(jié)能產(chǎn)品順勢而生，但其節(jié)能效果并不能直觀的體現(xiàn)給用戶。

安裝智慧電表是解決智慧節(jié)電監(jiān)控的有效途徑。

智慧電表對電力數(shù)據(jù)的計(jì)量是雙向的，即用戶可以參與到電能管理的工作范圍之內(nèi)，積極調(diào)控與自己相關(guān)電表的數(shù)據(jù)信息，實(shí)現(xiàn)用戶做主計(jì)量調(diào)控電表數(shù)據(jù)，實(shí)現(xiàn)智慧節(jié)電監(jiān)控。

但是，傳統(tǒng)的智慧電表監(jiān)控智慧用電仍然存在以下幾點(diǎn)不足：

(1)智慧電表本身數(shù)據(jù)的展示有空間和時間的局限——必須由網(wǎng)線將數(shù)據(jù)采集器連至電腦才能展示，不便于人們隨時隨地的監(jiān)控用電數(shù)據(jù)。

(2)智慧電表只能儲存和監(jiān)控用戶數(shù)據(jù)，并不能根據(jù)用戶用電行為來進(jìn)行有效的分析，使用戶高效智能用電，節(jié)約能耗。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于云計(jì)算的智慧節(jié)電監(jiān)控與分析系統(tǒng)，該節(jié)電監(jiān)控與分析系統(tǒng)實(shí)現(xiàn)了用戶用電情況的可視化，并對用戶用電情況的分析，給出用戶用電策略，使用戶高效智能用電，節(jié)約能耗。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)要點(diǎn)是：一種基于云計(jì)算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，包括云端服務(wù)器，接收智慧電表采集用電器的用電數(shù)據(jù)，電數(shù)據(jù)分布式存儲于云端服務(wù)器中，并在云端服務(wù)器使用基于Map-Reduce模型改進(jìn)的k-means算法對所述用電數(shù)據(jù)進(jìn)行分析，以挖掘用戶的用電行為關(guān)聯(lián)規(guī)則，并對用戶的行為規(guī)則分析。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

本發(fā)明的智慧節(jié)電監(jiān)控與分析系統(tǒng)，由于采用電數(shù)據(jù)分布式存儲于云端服務(wù)器中，并在云端服務(wù)器使用基于Map-Reduce模型改進(jìn)的k-means算法對所述用電數(shù)據(jù)進(jìn)行分析，以挖掘用戶的用電行為關(guān)聯(lián)規(guī)則，并對用戶的行為規(guī)則分析。該技術(shù)方案，使得用戶可以了解自己的用電行為間的關(guān)聯(lián)規(guī)則，以及我們?yōu)橛脩粼O(shè)計(jì)的智能用電策略，可以有效的提高用戶的用電效率，減少能耗，實(shí)現(xiàn)經(jīng)濟(jì)用電的目的。

附圖說明

圖1基于云計(jì)算的智慧節(jié)電監(jiān)控與分析系統(tǒng)系統(tǒng)結(jié)構(gòu)圖；

圖2基于云計(jì)算的用戶用電行為分析流程；

圖3數(shù)據(jù)采集流程圖；

圖4智慧電表的整體組成架構(gòu)。

具體實(shí)施方式

下面將結(jié)合附圖以及具體的實(shí)施例來詳細(xì)說明本發(fā)明，為本發(fā)明的示意性實(shí)施及說明，用于解釋本發(fā)明，但并不作為對本發(fā)明的限定。

實(shí)施例1：一種基于云計(jì)算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，包括云端服務(wù)器，接收智慧電表采集用電器的用電數(shù)據(jù)，電數(shù)據(jù)分布式存儲于云端服務(wù)器中，并在云端服務(wù)器使用基于Map-Reduce模型改進(jìn)的k-means算法對所述用電數(shù)據(jù)進(jìn)行分析，以挖掘用戶的用電行為關(guān)聯(lián)規(guī)則，并對用戶的行為規(guī)則分析。

如圖1所示：采集器DLL通過USB接口與電腦連接，在電腦上進(jìn)行相應(yīng)配置，使DLL正常工作，通過設(shè)置DLL采集器，將采集到的數(shù)據(jù)定時存于PC上的指定目錄中，之后利用JAVA語言編程，將文件以表格的形式存放在服務(wù)器上的數(shù)據(jù)庫中。利用PHP技術(shù)將服務(wù)器上數(shù)據(jù)庫中的數(shù)據(jù)以圖表形式在網(wǎng)頁中呈現(xiàn)，達(dá)到數(shù)據(jù)可視化。

本實(shí)施例的數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)如下：

如圖2所示：用戶根據(jù)自己的需要安裝智慧電表，一個用戶可以安裝多個智慧電表，例如，一個大型用電工廠，由于機(jī)器電能消耗過大，可以在每個大型用電器上裝一個智慧電表來監(jiān)測耗能情況；一個家庭可以整體一家只裝一個智慧電表，也可以選擇他們需要具體監(jiān)測的電器另外單獨(dú)安裝電表監(jiān)測電器耗能情況。智慧電表采集相應(yīng)的用電器的用電數(shù)據(jù)，將智慧電表采集到數(shù)據(jù)進(jìn)行分布式儲存，在云計(jì)算處理過程中采用基于Map-Reduce模型改進(jìn)的k-means算法進(jìn)行數(shù)據(jù)挖掘，k-means算法是一種屬于劃分方法的聚類算法，通常采用歐氏距離作為2個樣本相似程度的評價指標(biāo)，其基本思想是：隨機(jī)選取數(shù)據(jù)集中的k個點(diǎn)作為初始聚類中心，根據(jù)數(shù)據(jù)集中的各個樣本到k個中心的距離將其歸到距離最小的類中，然后計(jì)算所有歸到各個類中的樣本的平均值，更新每個類中心，直到平方誤差準(zhǔn)則函數(shù)穩(wěn)定在最小值。

用電數(shù)據(jù)進(jìn)行分析的方法是：

S1.智慧電表獲取的用電數(shù)據(jù)以表格形式，csv文件類型傳輸?shù)皆品?wù)器端，用電數(shù)據(jù)以分布式數(shù)據(jù)存儲的形式按照行列一個個數(shù)據(jù)集合，進(jìn)行預(yù)處理，將其轉(zhuǎn)換為標(biāo)準(zhǔn)數(shù)據(jù)格式<ID，time，quantity>，其中ID為智慧電表編號，time為數(shù)據(jù)采集時間，quantity為用電量；

S2.從所述數(shù)據(jù)集合中，任意選出k個數(shù)據(jù)集合對象作為聚類中心，并將其發(fā)送到空閑的Map任務(wù)點(diǎn)；

S3.在Map任務(wù)點(diǎn)中，Map函數(shù)對標(biāo)準(zhǔn)用電數(shù)據(jù)格式<ID，time，quantity>進(jìn)行逐一檢測，計(jì)算出標(biāo)準(zhǔn)用電數(shù)據(jù)與k聚類中心點(diǎn)之間的距離，獲得最小距離，其中這個距離叫做歐式距離，最小距離記為Kmin；

S4.獲得最小距離Kmin后，重新對所述數(shù)據(jù)集合進(jìn)行整理，Map函數(shù)產(chǎn)生新格式<Kmin，all>，其中最小距離Kmin是智慧電表聚類標(biāo)志(在這里意思是指歐氏距離最小值是智慧代表的聚類標(biāo)志)，all中包含智慧電表編號，數(shù)據(jù)采集時間，用電量；

S5.對產(chǎn)生的新數(shù)據(jù)集合按照最小距離Kmin(歐式距離最小值)，利用Partitioner函數(shù)進(jìn)行處理，進(jìn)而區(qū)分為r個區(qū)域，將所有區(qū)域發(fā)送到Reduce任務(wù)點(diǎn)；

S6.利用Reduce函數(shù)不斷計(jì)算最小距離Kmin(歐式距離最小值)的均值，從而獲取最穩(wěn)定的最小距離Kmin(歐式距離最小值)聚類均值中心點(diǎn)；

S7.根據(jù)平方誤差準(zhǔn)則函數(shù)計(jì)算，當(dāng)函數(shù)處于收斂狀態(tài)時，中止上述算法并輸出k個集合的數(shù)據(jù)，否則不斷重復(fù)上述算法。

而作為另一種實(shí)施例：

所述用電數(shù)據(jù)進(jìn)行分析的方法是：

S1.用電信息數(shù)據(jù)集以行形式存儲在分布式文件系統(tǒng)中，使得待處理的用電數(shù)據(jù)集能夠按行分片形成用電數(shù)據(jù)子集，任務(wù)管理按照k-means算法確定聚類個數(shù)k，并初始化k個聚類中心，發(fā)送到m個待執(zhí)行Map任務(wù)的節(jié)點(diǎn)，Map是任務(wù)數(shù)；

S2.對分布式文件系統(tǒng)中的用電數(shù)據(jù)子集進(jìn)行格式化，產(chǎn)生<keyl，valuel>鍵值對，具體格式化為<UserlD，info>，其中：UserlD表示家庭用戶ID，info為家庭用戶信息，所述的家庭用戶信息包括房屋面積、家庭成員數(shù)、用電量；

S3.Map函數(shù)對輸入的家庭用戶用電數(shù)據(jù)子集的每個記錄<UserlD，info>進(jìn)行掃描，分別計(jì)算其與k個中心點(diǎn)的歐式距離，記錄距離最小的中心點(diǎn)kmin；Map函數(shù)生成并輸出中間結(jié)果<key₂，value₂>對，其被定義為<kmin，info₁>對，kmin表示該用戶所屬簇的標(biāo)識，info₁.包括家庭用戶ID、房屋面積、家庭成員數(shù)、用電量信息；

S4.分區(qū)函數(shù)Partitioner將中間結(jié)果按照kmin進(jìn)行哈希，劃分成r個不同的分區(qū)，將每個分區(qū)分配到指定的Reduce函數(shù)；

S5.被分配了Reduce任務(wù)的節(jié)點(diǎn)從m個Map任務(wù)處讀取相應(yīng)的中間結(jié)果<kmin，list<(inf0₁<userlD₁…>)，(inf0₁<userlD₂…>)，...>>并按照kmin對數(shù)據(jù)進(jìn)行排序，使得具有相同kmin的數(shù)據(jù)聚集在一起，節(jié)點(diǎn)遍歷排序后的中間數(shù)據(jù)，將<kmin，list>傳遞給Reduce函數(shù)，然后Reduce函數(shù)根據(jù)list值，計(jì)算具有相同kmin數(shù)據(jù)的均值向量，更新kmin對應(yīng)簇的中心點(diǎn)；

S6.重復(fù)步驟S2-S5，直至平方誤差準(zhǔn)則函數(shù)穩(wěn)定在最小值，分別輸出k個簇的數(shù)據(jù)；

S7.對于第i個簇的數(shù)據(jù)集，重新進(jìn)行格式化，產(chǎn)生key-value對<EC，list₁>，其中EC為用戶用電量，list₁為用戶其他信息，例如：用電時間，用電空間坐標(biāo)信息，用戶名等，劃分?jǐn)?shù)據(jù)集為數(shù)據(jù)子集，交由m個執(zhí)行Map任務(wù)的節(jié)點(diǎn)處理：

S8.Map函數(shù)對輸入的數(shù)據(jù)子集進(jìn)行掃描，生成中間結(jié)果<EC，list₁>，每個Map任務(wù)產(chǎn)生的中間結(jié)果將按照分區(qū)函數(shù)Partitioner按EC值劃分為r個分區(qū)p₁，p₂，...，p_r。同時Map任務(wù)分別對每個分區(qū)p₁(1≤i≤r)按EC值進(jìn)行排序，r個Reduce任務(wù)分別獲取相應(yīng)的中間結(jié)果，進(jìn)而進(jìn)行Reduce階段的數(shù)據(jù)處理，分區(qū)函數(shù)Partitioner采用范圍劃分原則，使得每個Reduce任務(wù)處理一個EC區(qū)間段內(nèi)的中間結(jié)果[EC_i，EC_j]。

在該方法處理之后，可以進(jìn)行挖掘，挖掘出該用戶的用電行為關(guān)聯(lián)規(guī)則，再對用戶的行為規(guī)則進(jìn)行分析，分析該家庭在用電過程中可能存在的潛在用電行為蹤跡。通過使用遺傳算法對家用電器的啟動時間進(jìn)行優(yōu)化,達(dá)到經(jīng)濟(jì)用電的目標(biāo)。

用戶用電行為的啟動時間看作遺傳算法的決策變量。對用電時間問題的規(guī)劃采用把1h劃分為5個單位時段,每個單位時段時長為12min,即一天的24h劃分為120個時間段,用u代表各時段,u∈U＝{1,2,3,…,120},因此遺傳算法編碼采用七位二進(jìn)制數(shù)表示。在一天的時段區(qū)域U內(nèi)以目標(biāo)函數(shù)的倒數(shù)為適應(yīng)度函數(shù),如式f(u)＝1Σ120u＝1[Pday(u)prc(u)]中:Pday為日總電能消耗；prc(u)為u時段的電價。給定種群規(guī)模Ns,交叉率Pc和變異率Pm,代數(shù)T。遺傳算法的實(shí)現(xiàn)過程如下。首先,在實(shí)際啟動時間的范圍隨機(jī)產(chǎn)生一定數(shù)量的初始種群個體,將這些種群視為第一代。然后計(jì)算每個個體的適應(yīng)度值,再依次完成選擇、交叉、變異,然后得到實(shí)際啟動時間的一種新的種群個體,然后判斷是否達(dá)到循環(huán)結(jié)束要求,在選擇過程中采用輪盤賭的方式選擇適應(yīng)度較大的個體進(jìn)入下一步。綜合以上兩個算法,完成對家庭智能用戶用電行為的數(shù)據(jù)挖掘,同時結(jié)合實(shí)時電價在合適的電價時段開啟家用電器,以此生成智能用電策略達(dá)到高效用電的目的。

作為一種方案，用戶可以隨時隨地的用電腦、手機(jī)、平板登錄我們系統(tǒng)選擇喜歡的用電數(shù)據(jù)展示形式查看，并查看推薦的用電策略。

如圖3所示：根據(jù)日常用電情況，用戶可以設(shè)置用電境界線，當(dāng)通過對電力參數(shù)的實(shí)時分析，在實(shí)時監(jiān)視過程中及時發(fā)現(xiàn)電能消耗異?，F(xiàn)象如發(fā)生諧波問題或功率因數(shù)過低的問題，可以及時采取有效措施進(jìn)行設(shè)備改造或補(bǔ)償。以避免電能損耗和設(shè)備老化的問題。通過對電力參數(shù)的實(shí)時分析，可以及時發(fā)現(xiàn)潛在故障，如通過錄波數(shù)據(jù)可以捕捉到一些嚴(yán)重的瞬態(tài)故障。使監(jiān)控人員能夠及時干預(yù)解決問題，避免嚴(yán)重故障的發(fā)生，從而減少設(shè)備維護(hù)費(fèi)用，延長設(shè)備使用壽命。為減少不必要的電能花費(fèi)，可以優(yōu)化配電系統(tǒng)運(yùn)行模式，如對定時用電設(shè)備進(jìn)行集中控制。通過對各用電單位電能消耗數(shù)據(jù)分析(可按柱狀圖和餅狀圖等方式)，可對配電系統(tǒng)內(nèi)部的各用電單位進(jìn)行電能分配、計(jì)量和監(jiān)控，以避免電能浪費(fèi)。

電表數(shù)據(jù)超過平時水平急劇增長時，電表脈沖過大觸發(fā)警報(bào)器，警報(bào)器發(fā)出警報(bào)，同時，監(jiān)控系統(tǒng)也發(fā)出警報(bào)，提醒管理者用電器的不正常運(yùn)作行為，及時發(fā)現(xiàn)潛在故障，可以及時采取有效措施進(jìn)行設(shè)備改造或補(bǔ)償使監(jiān)控人員能夠及時干預(yù)解決問題，避免嚴(yán)重故障的發(fā)生，從而減少設(shè)備維護(hù)費(fèi)用，延長設(shè)備使用壽命。本發(fā)明的智慧電表監(jiān)控系統(tǒng)，用戶可以通過登錄系統(tǒng)查看最及時有效準(zhǔn)確的用電數(shù)據(jù)，通過圖表的展示更清楚明了的掌握最新電量數(shù)據(jù)動態(tài)，并對數(shù)據(jù)進(jìn)行自動的分析處理，給出優(yōu)化方案和策略，使用戶有效的采取節(jié)能措施，大大的提高了電能的利用率達(dá)到節(jié)能效果。

本實(shí)施例還設(shè)置了警報(bào)系統(tǒng)，及時的反饋緊急信息，使得用戶減少損失，進(jìn)一步的節(jié)能?；蛘咴O(shè)有用戶互動論壇，發(fā)表評論和建議，使用戶之間可以分享節(jié)能方法，通過交流使得節(jié)能更有樂趣。同時也可以針對我們的系統(tǒng)工作運(yùn)行提出改進(jìn)的建議，使得我們能更好的開發(fā)和改良用于需要的功能。

實(shí)施例2：本實(shí)施例提供一種基于云計(jì)算的智慧節(jié)電監(jiān)控與分析系統(tǒng)，是對實(shí)施例1中技術(shù)方案的補(bǔ)充，該系統(tǒng)包括：

數(shù)據(jù)可視模塊，所述的數(shù)據(jù)可視模塊包括用戶的用電統(tǒng)計(jì)、用戶的用電趨勢、用戶的用電比較。數(shù)據(jù)分析模塊，所述的數(shù)據(jù)分析模塊包括用戶的用電分析、用戶的用電優(yōu)化、用戶的用電策略。

用戶互動模塊，所述的用戶互動模塊包括用戶發(fā)布信息的上報(bào)、用戶及其他用戶發(fā)布評論的討論。

用戶管理模塊，所述用戶管理模塊包括注冊用戶信息的管理、用戶的認(rèn)證、用戶信息的儲存與管理。

信息審核模塊，所述內(nèi)容審核模塊用于判斷其他用戶發(fā)布的評論信息是否為有效信息，若不是有效信息則過濾該評論信息，若是有效信息則對討論信息進(jìn)一步判斷該信息是否為廣告信息，若不是則發(fā)布到用戶互動平臺。

用戶通過瀏覽器直接訪問智慧節(jié)電監(jiān)控與分析系統(tǒng)中的數(shù)據(jù)可視模塊、數(shù)據(jù)分析模塊、用戶互動模塊；管理人員通過瀏覽器直接訪問智慧節(jié)電監(jiān)控與分析系統(tǒng)中的用戶管理模塊、信息審核模塊；所述的智慧節(jié)電監(jiān)控與分析系統(tǒng)均可在PC、手機(jī)、PAD上通過瀏覽器訪問。

與現(xiàn)有技術(shù)相比，本實(shí)施例的有益效果在于：

本發(fā)明的智慧節(jié)電監(jiān)控與分析系統(tǒng)，其中用戶可以直接通過瀏覽器訪問數(shù)據(jù)可視模塊，可以直觀的看到自己的用電數(shù)據(jù)、經(jīng)過處理的用電數(shù)據(jù)柱形圖、各用電設(shè)備的用電分布情況以及相同設(shè)備不同時間段的用電分布情況；

通過訪問數(shù)據(jù)分析模塊，用戶可以了解自己的用電行為間的關(guān)聯(lián)規(guī)則，以及我們?yōu)橛脩粼O(shè)計(jì)的智能用電策略，可以有效的提高用戶的用電效率，減少能耗，實(shí)現(xiàn)經(jīng)濟(jì)用電的目的。

通過訪問用戶管理模塊，可以使用戶和用戶之間得到更好的溝通，為了實(shí)現(xiàn)更好的用戶體驗(yàn)，幫助用戶系統(tǒng)使用及對不同節(jié)能電器的信息獲取，本發(fā)明還設(shè)置有服務(wù)評價模塊。

實(shí)施例3：一種基于云計(jì)算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，包括云端服務(wù)器，接收智慧電表采集用電器的用電數(shù)據(jù)，電數(shù)據(jù)分布式存儲于云端服務(wù)器中，并在云端服務(wù)器使用基于Map-Reduce模型改進(jìn)的k-means算法對所述用電數(shù)據(jù)進(jìn)行分析，以挖掘用戶的用電行為關(guān)聯(lián)規(guī)則，并對用戶的行為規(guī)則分析。所述基于Map-Reduce模型改進(jìn)的k-means算法是：隨機(jī)選取數(shù)據(jù)集中的k個點(diǎn)作為初始聚類中心，根據(jù)數(shù)據(jù)集中的各個樣本到k個中心的距離將其歸到距離最小的類中，然后計(jì)算所有歸到各個類中的樣本的平均值，更新每個類中心，直到平方誤差準(zhǔn)則函數(shù)穩(wěn)定在最小值。

所述用電數(shù)據(jù)進(jìn)行分析的方法是：

S1.智慧電表獲取的數(shù)據(jù)以表格形式，csv文件類型傳輸?shù)皆品?wù)器端，這些用電數(shù)據(jù)以分布式數(shù)據(jù)存儲的形式按照行列一個個數(shù)據(jù)集合，對這些數(shù)據(jù)進(jìn)行預(yù)處理，將其轉(zhuǎn)換為標(biāo)準(zhǔn)數(shù)據(jù)格式<ID，time，quantity>，其中ID為智慧電表編號，time為數(shù)據(jù)采集時間，quantity為用電數(shù)量；

S2.從這些數(shù)據(jù)集合中，任意選出k個數(shù)據(jù)集合對象做為聚類中心，并將其發(fā)送到空閑的Map任務(wù)點(diǎn)；

S3.在Map任務(wù)點(diǎn)中，Map函數(shù)對標(biāo)準(zhǔn)用電數(shù)據(jù)格式<ID，time，quantity>進(jìn)行逐一檢測，計(jì)算出他們與k聚類中心點(diǎn)之間的距離，獲得最小距離。其中這個距離叫做歐式距離，最小距離記為Kmin；

S4.獲得Kmin后，重新對數(shù)據(jù)集合進(jìn)行整體，Map函數(shù)產(chǎn)生新格式<Kmin，all>，其中Kmin是智慧電表聚類標(biāo)志，all中包含智慧電表編號，數(shù)據(jù)采集時間，用電數(shù)量；

S5.對產(chǎn)生的新數(shù)據(jù)集合按照Kmin利用Partitioner函數(shù)進(jìn)行處理，進(jìn)而區(qū)分為r個區(qū)域，將所有區(qū)域發(fā)送到Reduce任務(wù)點(diǎn)；

S6.利用Reduce函數(shù)不斷的計(jì)算Kmin的均值，從而獲取最穩(wěn)定的Kmin聚類均值中心點(diǎn)；

S7.根據(jù)平方誤差準(zhǔn)則函數(shù)計(jì)算，當(dāng)函數(shù)處于收斂狀態(tài)時，中止上述算法并輸出k個集合的數(shù)據(jù)，否則不斷重復(fù)上述算法。

對用戶的行為規(guī)則分析，以分析家庭在用電過程中存在的用電行為蹤跡，用戶用電行為的啟動時間為遺傳算法的決策變量，把1h劃分為5個單位時段，每個單位時段時長為12min，用u代表各時段,u∈U＝{1,2,3,…,120}；

遺傳算法編碼采用七位二進(jìn)制數(shù)表示，在一天的時段區(qū)域U內(nèi)以目標(biāo)函數(shù)的倒數(shù)為適應(yīng)度函數(shù)：

f(u)＝1Σ120u＝1[Pday(u)prc(u)]；

其中:Pday為日總電能消耗，prc(u)為u時段的電價；

給定種群規(guī)模Ns,交叉率Pc和變異率Pm，代數(shù)T，遺傳算法的實(shí)現(xiàn)過程如下：

首先,在實(shí)際啟動時間的范圍隨機(jī)產(chǎn)生一定數(shù)量的初始種群個體,將這些種群視為第一代，然后計(jì)算每個個體的適應(yīng)度值,再依次完成選擇、交叉、變異,然后得到實(shí)際啟動時間的一種新的種群個體,再判斷是否達(dá)到循環(huán)結(jié)束要求,在選擇過程中采用輪盤賭的方式選擇適應(yīng)度較大的個體進(jìn)入下一步。

作為一種實(shí)施例，使用采集器DLL通過USB接口與電腦連接，將采集到的用電數(shù)據(jù)定時存于電腦上的指定目錄中，利用JAVA語言編程，將文件以表格的形式存放在服務(wù)器上的數(shù)據(jù)庫中，利用PHP技術(shù)將服務(wù)器上數(shù)據(jù)庫中的數(shù)據(jù)讀取出來，然后用JQuery以圖表形式在網(wǎng)頁中呈現(xiàn)，達(dá)到數(shù)據(jù)可視化。并且使用其構(gòu)建具有語義信息的移動電子商務(wù)應(yīng)用模型以及典型應(yīng)用開發(fā)。

本實(shí)施例中的所述系統(tǒng)，用于收集和分析智慧電表采集的電量數(shù)據(jù)，將電表收集的數(shù)據(jù)保存至云端，移動端根據(jù)需要通過無線網(wǎng)絡(luò)獲取云端數(shù)據(jù)，并在移動端以數(shù)字和圖形的方式呈現(xiàn)。利用基于Map-Reduce模型改進(jìn)的k-means算法算法對數(shù)據(jù)進(jìn)行分析挖掘出該用戶的用電行為關(guān)聯(lián)規(guī)則，對用戶的行為規(guī)則進(jìn)行分析，采用遺傳算法對用電分布進(jìn)行優(yōu)化，從而根據(jù)用戶的用電習(xí)慣設(shè)計(jì)出用戶個性化的用電策略。并設(shè)有警報(bào)功能和用戶互動平臺。該遠(yuǎn)程監(jiān)控系統(tǒng)還包括利用JAVA語言編程，將文件以表格的形式存放在服務(wù)器上的數(shù)據(jù)庫中。利用PHP技術(shù)將服務(wù)器上數(shù)據(jù)庫中的數(shù)據(jù)以圖表形式在網(wǎng)頁中呈現(xiàn)，達(dá)到數(shù)據(jù)可視化。通過基于Map-Reduce模型改進(jìn)的k-means算法進(jìn)行數(shù)據(jù)挖掘?qū)﹄娏?shù)的實(shí)時分析，在實(shí)時監(jiān)視過程中及時發(fā)現(xiàn)電能消耗異?，F(xiàn)象，可以及時發(fā)現(xiàn)潛在故障，對配電系統(tǒng)內(nèi)部的各用電單位進(jìn)行電能分配、計(jì)量和監(jiān)控，以避免電能浪費(fèi)。作為一種實(shí)施例，可以設(shè)置電量警告線，當(dāng)用電量超過警告線，或者當(dāng)在實(shí)時監(jiān)視過程中及時發(fā)現(xiàn)電能消耗異?，F(xiàn)象，警報(bào)器及系統(tǒng)都將給出警報(bào)，提醒管理者采取節(jié)能措施，達(dá)到節(jié)能效果。此外，構(gòu)建具有語義信息的移動電子商務(wù)應(yīng)用模型以及典型應(yīng)用開發(fā)。比如用戶可以一起談?wù)撃骋粡S家電器的耗電量、節(jié)能情況等，也可以上傳自己的圖片，將這兒的信息保留下來，方便別人到此能搜到信息而了解這里的一些情況，形成移動視覺檢索軟件。

以上所述，僅為本發(fā)明創(chuàng)造較佳的具體實(shí)施方式，但本發(fā)明創(chuàng)造的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明創(chuàng)造披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明創(chuàng)造的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明創(chuàng)造的保護(hù)范圍之內(nèi)。