(国网淄博供电公司山东淄博255000)
摘要：随着云计算的不断发展，在家庭智能用电中开始加强对云计算的应用，在家庭用电中可以根据相关的算法进行时间分布的合理规划，进而达到经济用电的目的，进而使居民高效智能用电，节约家庭能耗。本文分析了基于云计算的用户用电行为分析流程，并对基于云计算的关联规则算法进行了分析，提出了家庭智能用电系统的用电策略，为今后各家庭更好的进行智能用电提供一定的帮助。
关键词：云计算；家庭；智能用电；策略
一、基于云计算的用户用电行为分析流程
以每家每户的用电行为为基础，由于每家每户的用电数据汇聚到一起的数量级很大，本文设计了一个由供电局使用的基于云计算的用户用电行为分析流程。将智能电表采集的用电数据生成的用户用电行为序列进行分布式数据存储，在云数据处理过程中采用并行Apriori算法进行数据挖掘，挖掘出用户行为间的关联规则。对用户的行为进行分析，分析该家庭在用电过程中可能存在的潜在用电行为踪迹。结合分时电价采用遗传算法对用电分布进行优化，从而根据用户的用电习惯设计出用户个性化的用电策略，据此建立用户的家庭用电策略库。通过短信、显示屏等方式将适合该家庭的用电策略传送给家庭用户。
二、基于云计算的关联规则算法
（一）传统Apriori算法步骤
关联规则是描述事物之间关联性和依存关系的规则，Apriori算法是挖掘布尔关联规则频繁项集的最经典算法之一。Apriori算法是一种宽度优先的关联规则算法，采用逐层搜索策略，先重复扫描数据库，统计所有含一个元素项集出现的频率，找出满足最小支持度minsup的频繁项集，即一维最大频繁项集。然后迭代循环过滤直至没有最大频繁项集生成。最后利用频繁项集生成满足最小置信度minconf的强关联规则。支持度和置信度计算公式分别如式（1）和式（2）所示。
式中：Pr（A∪B）为Ａ和Ｂ这两个项集在事务集Ｄ中同时出现的概率。Pr（B│A）为项集Ａ出现在事务集Ｄ中，项集Ｂ也同时出现的概率。Apriori算法隐含了一条最基本的性质，频繁项集的子集一定是频繁集，非频繁项集的超集必为非频繁集。这条性质在一定程度上可以提高生成频繁项集的效率。但Apriori算法存在两大缺点，一是需要多次扫描数据库，若数据库较大会造成很大的I／O负载。除此之外，Apriori算法会产生大量候选集，因此本文采用基于云平台的并行Apriori算法。
（二）并行Apriori算法
基于Hadoop平台的Apriori算法在Hadoop集群中当其中正在进行计算的计算机出现故障时，可以将停止的计算任务转移到其他空闲的计算机上，解决了节点失效的问题。并且通过修改配置文件来决定每个Map数据块的大小，达到数据分块数远大于计算节点数的目的，有效解决了负载不易均衡的难题。随着智能电网的建设，智能电表采集的数据频率越来越高、数据量越来越大。电力大数据具有体量大、种类多、速度快的特点，这些特点更适合使用基于云计算的并行Apriori挖掘算法来挖掘出家庭的智能用电策略。
基于云计算的并行Apriori算法的实现方法：算法以键值对<key，value>的形式进行，结果也以<key，value>对形式输出。首先定义键值对：当输入为<key，value>对时，Map函数的key值为数据的行号，value代表一行记录，Reduce函数的key代表频繁项集，value值为１。当输出为<key，value>对时，Map函数的key值是频繁项集，value值为１，Reduce函数的key代表候选项集合，value值为计算出的支持度。
（三）遗传算法
家庭智能用电策略还包括对家庭用电规划的问题，通过使用遗传算法对家用电器的启动时间进行优化，达到经济用电的目标。用户用电行为的启动时间看作遗传算法的决策变量。对用电时间问题的规划采用把1h划分为５个单位时段，每个单位时段时长为12min，即一天的24h划分为120个时间段，用ｕ代表各时段，u∈U={1，2，3…，120}，因此遗传算法编码采用七位二进制数表示。
遗传算法的实现过程如下：首先，在实际启动时间的范围随机产生一定数量的初始种群个体，将这些种群视为第一代。然后计算每个个体的适应度值，再依次完成选择、交叉、变异，然后得到实际启动时间的一种新的种群个体，然后判断是否达到循环结束要求，在选择过程中采用轮盘赌的方式选择适应度较大的个体进入下一步。综合以上两个算法，完成对家庭智能用户用电行为的数据挖掘，同时结合实时电价在合适的电价时段开启家用电器，以此生成智能用电策略达到高效用电的目的。
三、家庭智能用电系统的用电策略
（一）家庭分布式发电模型
为了确保家庭智能用电系统供电的稳定性，必须安装与之相匹配的蓄电池来对电能进行存储调节。在外界条件良好、阳光充足时，可将分布式发电系统发出的多余电量储存在蓄电池中。当突然停电或气候恶劣、缺乏光照时间的时候，则可由蓄电池将其存储电量提供给用户，实现用户用电的稳定性，将家庭分布式发电与电网分时电价或实时电价相结合，当电网发布的电价更为实惠的时候，居民可选择将分布式发电发出的电能馈送给电网，即居民出售电力给电网，体现了家庭居民用电的经济性和智能性。
（二）建立蓄电池模型
由于季节和天气条件的变化使得分布式发电量的输出随其波动，这种波动就会对电网频率和电压稳定性产生不好的影响，而储能设备的介入就可以有效弥补这种发电与供电间的时间差，使自然条件对其的影响降到最低，即可确保供电的连续稳定性。蓄电池作为一种储能设备，能够储存分布式发电系统发出的电能，方便家庭在供用电窝峰期或者环境特殊条件下使用，将剩余的电量回馈给电网，即其运行策略为:当分布式发电产生的电量超过负荷用电需求时，则可将剩余的电量储存起来，当分布式发电产生的电量不能满足负荷用电需求时，可将设备储存起来的电量释放来满足负荷的用电需求。
（三）家庭用电设备用电策略建模
由于家庭采用智能用电系统，故模型考虑智能家居设备，即是通过物联网技术将家中的各种设备(如洗衣机、照明系统、空调器、冰箱、洗碗机、网络家电及H表抄送等)连接到一起，通过一些可编程定时控制等功能结合最优用电方式实现对家庭用电负荷的智能操控。本文可将家庭用电负荷按照与输出功率及环境参数的关系分为以下3类。
1、开关型负荷
开关型负荷如白巧灯、电视机等，只有开启和关闭两种工作状态，当负荷开关状态为关时，实际用电功率为0;当负荷工作状态为开时，实际用电功率为其额定率。
2、分档型负荷
分档型负荷如洗衣机、电饭锅等，包括了可进行开关控制的开关型负荷和可进行档位设置的多级分段负荷。
3、调节型负荷
调节性负荷如电冰箱、室内空调等，能在不同的工作状态下工作，并且负荷的工作状态与环境参数(如温度、湿度、光照度)信息有关。
结语
总之，家庭智能用电的目的是要在保证用户正常用电的前提条件下，能够最大限度的减少家庭用电的消耗，提高电的利用率，因此，在家庭中应当加强对云计算的充分应用，加强对云计算的了解，找到合适的家庭智能用电的策略，进而切实保证家庭用电的高效性。
参考文献:
[1]郭晓利，于阳.基于云计算的家庭智能用电策略[J].电力系统自动化,2015(17).
[2]张素香，刘建明，赵丙镇，曹津平.基于云计算的居民用电行为分析模型研究[J].电网技术,2013(06).
[3]李东东，崔龙龙，林顺富，刘庆强，覃子珊，任婧玮.家庭智能用电系统研究及智能控制器开发[J].电力系统保护与控制,2013(04).