钟华赞，包新晔，杜 杰

(1.中国南方电网有限责任公司 生产技术部，广东 广州 510623；2.天津大学 电气工程学院，天津 300011)

0 引 言

随着智能电网的发展，居民用户可以通过需求响应(DR)重新安排家用电器的运行时间[1-4]，减少关键高峰时段的负荷[5,6]，或转移到现场分布式发电机[7,8]等手段，将电力支出最小化。但由于客户担忧使用DR后会造成舒适度的丧失，生活模式的改变，以及隐私泄露等。这些问题阻碍了DR在住宅中的广泛应用。目前，已经开发了一些工具来帮助客户选择具有成本效益的电力计划。但这些方法都存在着：考虑因素不全面导致估计总用电量时不准确，需要用户手动添加特定电价，以及无法针对每一个用户制定独有方案等缺点，造成推荐方案不可靠。

近年来，协同过滤推荐(collaborative filtering recommender，CFR)已广泛应用在历史交易记录丰富的商品的推荐系统中[9,10]。其核心是通过相似用户在购买活动中表现出相似偏好的实际经验，从该客户和其他客户的历史交易数据中得出客户对未购买商品的潜在偏好。由于电力客户有着相似的用电模式，并可能喜欢同样的成本效益零售计划。因此，本文提出了一种基于CFR的智能电力计划推荐算法(electricity plan recommender，EPR)。为了提高精确度，利用一种适合EPR的加权相似性度量，通过比较一些容易获得的用电特征结合Jaccard加权欧几里德度量来评估两个用户之间的相似性。在给定相似度值的前提下，将相似客户作为目标客户的邻居进行检索。然后从邻居的偏好中得出目标客户对不同计划的潜在偏好。……