基于智能水表的城市居民用水行為分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及城市用水技術(shù)領(lǐng)域，具體涉及一種基于智能水表的城市居民用水行為 分類方法。
【背景技術(shù)】
[0002] 水是人們生活的必需品，城市居民的用水行為與其家庭結(jié)構(gòu)、工作性質(zhì)、生活習(xí)慣 等因素密切相關(guān)。城市居民用水管理部門(mén)需要進(jìn)行用水規(guī)劃和供應(yīng)，前提是掌握各類用戶 的用水習(xí)慣，從而進(jìn)行精細(xì)化管理。然而，傳統(tǒng)的居民生活用水?dāng)?shù)據(jù)的采集主要是通過(guò)人工 抄表的方式來(lái)獲取，一般每月一次，數(shù)據(jù)獲取的效率和準(zhǔn)確率都偏低，且沒(méi)有合適的方法根 據(jù)大量的用水?dāng)?shù)據(jù)確定各類用戶的用水行為特征。

【發(fā)明內(nèi)容】

[0003] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種基于智能水表的城市居民用水 行為分類方法，以便為供水部門(mén)提供數(shù)據(jù)支持。
[0004] 為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案是：
[0005] -種基于智能水表的城市居民日用水行為分類方法，包括步驟：
[0006] 通過(guò)智能水表采集待分類區(qū)域內(nèi)的用戶兩天以上的用水?dāng)?shù)據(jù)；
[0007] 對(duì)用水?dāng)?shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理的過(guò)程包括：剔除全零用戶的數(shù)據(jù)；將同一用戶 每天同一時(shí)段的用水?dāng)?shù)據(jù)相加求平均；計(jì)算同一用戶各個(gè)時(shí)段的平均用水量占日均用水量 的比例，以用戶為行，各個(gè)時(shí)段的用水比例為列，構(gòu)建用戶日用水特征矩陣；
[0008] 根據(jù)預(yù)處理后得到的用戶日用水特征矩陣，對(duì)用戶的用水行為進(jìn)行基于模糊聚類 的分類，過(guò)程如下：
[0009] 計(jì)算用戶日用水特征矩陣的相關(guān)系數(shù)矩陣；
[0010] 將相關(guān)系數(shù)矩陣正值化，形成模糊矩陣；
[0011] 將模糊矩陣改造成模糊等價(jià)矩陣；
[0012] 計(jì)算模糊等價(jià)矩陣的截距陣，將最佳分類效果時(shí)的λ的經(jīng)驗(yàn)值作為截距陣的取 值，得到用戶用水行為的分類結(jié)果。
[0013] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：
[0014] 本發(fā)明以高精度智能水表采集的城市居民生活用水細(xì)節(jié)數(shù)據(jù)為基礎(chǔ)，以日為時(shí)間 尺度，研究基于用水細(xì)節(jié)數(shù)據(jù)的城市居民生活用水特征非監(jiān)督分類算法，按照用水特征對(duì) 小區(qū)居民的生活習(xí)慣、家庭結(jié)構(gòu)、工作性質(zhì)等進(jìn)行分類。通過(guò)用戶的精細(xì)化分類，為物業(yè)管 理公司以及供水企業(yè)提供決策依據(jù)，為供水管理部門(mén)科學(xué)規(guī)劃、按需供水、節(jié)能降耗與精細(xì) 化管理奠定基礎(chǔ)。
【附圖說(shuō)明】
[0015] 圖1為本發(fā)明基于智能水表的城市居民用水行為分類方法的流程示意圖；
[0016] 圖2為各時(shí)段日均用水比例圖；
[0017] 圖3為λ = 〇. 9時(shí)第1類用戶用水特征圖；
[0018] 圖4為λ = 〇. 9時(shí)第2類用戶用水特征圖；
[0019] 圖5為λ = 〇. 9時(shí)其他7類用戶用水特征圖；
[0020] 圖6第3個(gè)和第7個(gè)用戶用水特征圖；
[0021] 圖7為λ =〇· 8時(shí)第1類用戶用水特征圖；
[0022] 圖8為λ =〇· 8時(shí)第3類用戶用水特征圖；
[0023] 圖9為λ =〇· 8時(shí)第4類用戶用水特征圖；
[0024] 圖10為λ =〇· 8時(shí)第5類用戶用水特征圖。
【具體實(shí)施方式】
[0025] 隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，智能水表已逐步推廣應(yīng)用，使我們可以獲得比過(guò)去更為 精確的居民生活用水?dāng)?shù)據(jù)。傳統(tǒng)的抄表方式獲得的用水?dāng)?shù)據(jù)精度一般為〇. lm3,采集周期一 般為30-60天。而通過(guò)智能水表采集的數(shù)據(jù)精度高達(dá)0. 001m3,采集頻率為15分鐘/次。 如此高精度的用水?dāng)?shù)據(jù)，為研究居民的用水習(xí)慣、用水特征以及研究用水行為與家庭結(jié)構(gòu)、 工作性質(zhì)、生活習(xí)慣之間的關(guān)系提供基礎(chǔ)數(shù)據(jù)的支持，從而對(duì)居民小區(qū)的管理以及城市居 民用水的規(guī)劃、供應(yīng)以及研究應(yīng)用等帶來(lái)深入的影響。因此，本發(fā)明將智能水表作為數(shù)據(jù)來(lái) 源，下面結(jié)合【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
[0026] 本發(fā)明基于智能水表的城市居民日用水行為分類方法，如圖1所示，包括以下步 驟：
[0027] 步驟SlOU通過(guò)智能水表采集待分類區(qū)域內(nèi)的用戶兩天以上的用水?dāng)?shù)據(jù)。
[0028] 步驟S102、對(duì)用水?dāng)?shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理的過(guò)程包括：剔除全零用戶的數(shù)據(jù)；將 同一用戶每天同一時(shí)段的用水?dāng)?shù)據(jù)相加求平均；計(jì)算同一用戶各個(gè)時(shí)段的平均用水量占日 均用水量的比例，以用戶為行，各個(gè)時(shí)段的用水比例為列，構(gòu)建用戶日用水特征矩陣。
[0029] 步驟S103、根據(jù)預(yù)處理后得到的用戶日用水特征矩陣，對(duì)用戶的用水行為進(jìn)行基 于模糊聚類的分類，過(guò)程如下：
[0030] 計(jì)算用戶日用水特征矩陣的相關(guān)系數(shù)矩陣；
[0031] 將相關(guān)系數(shù)矩陣正值化，形成模糊矩陣；
[0032] 將模糊矩陣改造成模糊等價(jià)矩陣；
[0033] 計(jì)算模糊等價(jià)矩陣的截距陣，將最佳分類效果時(shí)的λ的經(jīng)驗(yàn)值作為截距陣的取 值，得到用戶用水行為的分類結(jié)果。
[0034] 下面詳細(xì)解釋上述預(yù)處理和模糊聚類的具體過(guò)程。
[0035] (1)剔除無(wú)效數(shù)據(jù)
[0036] 由于無(wú)用水?dāng)?shù)據(jù)的用戶（各時(shí)段用水?dāng)?shù)據(jù)都為零的用戶）會(huì)使得模型后續(xù)運(yùn)算出 現(xiàn)無(wú)效值，因此，首先排除全為零值的用戶數(shù)據(jù)，即房屋空置用戶。然后，取一段時(shí)間內(nèi)各用 戶在每日96個(gè)時(shí)間段內(nèi)的用水量平均數(shù)（每15分鐘采集數(shù)據(jù)一次，每日采集96次用水?dāng)?shù) 據(jù)），得到原始數(shù)據(jù)矩陣，其中行數(shù)即為用戶數(shù)，列數(shù)為96,代表96個(gè)時(shí)段用水平均值。 [0037] (2)數(shù)據(jù)合并
[0038] 為在保證數(shù)據(jù)代表性的同時(shí)，減少數(shù)據(jù)量。本模型將相鄰時(shí)間段的用水量合 并，將用水時(shí)間分為 23:00-2:00、2:00-5:00、5:00-8:00、8:00-11:00、11:00-14:00、 14:00-17:00、17:00-20:00、20:00-23:OO共8個(gè)時(shí)間段進(jìn)行分析。表1為各時(shí)間段代表的 時(shí)間類型。
[0039] 表1時(shí)間段類型表
[0041] (3)數(shù)據(jù)標(biāo)準(zhǔn)化
[0042] 為排除原始用水?dāng)?shù)據(jù)之間的不同度量對(duì)分類的影響，應(yīng)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處 理，將原始用水?dāng)?shù)據(jù)變換為各時(shí)段所占的日用水比例數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化（所有數(shù)據(jù) 分布在0與1之間），通過(guò)標(biāo)準(zhǔn)化變換得到用水比例數(shù)據(jù)矩陣，使其以相同的量級(jí)參與分類。 計(jì)算方式如下：
[0044] Xl]代表第i個(gè)用戶在j時(shí)刻的日用水比例。X' u代表第i個(gè)用戶在j時(shí)刻的真實(shí) 用水量。以此得到標(biāo)準(zhǔn)化后的用戶用水特征矩陣Xl]。矩陣中行代表用戶，列代表用水比例。 [0045] (4)計(jì)算相關(guān)系數(shù)矩陣
[0046] 相關(guān)系數(shù)矩陣是由矩陣各列間的相關(guān)系數(shù)構(gòu)成的，相關(guān)矩陣第i行第j列的元素 是原矩陣第i列和第j列的相關(guān)系數(shù)。相關(guān)系數(shù)Γι]計(jì)算公式如下：
[0049] 其中Xu為標(biāo)準(zhǔn)化后的原始矩陣，Dx ;為方差，cov (X ;，x_j)為協(xié)方差。觀測(cè)數(shù)據(jù)矩陣 計(jì)算變量間的相關(guān)系數(shù)(1彡i、j彡s)，m，η為原始矩陣行列數(shù)，s = max (m, η)，形成相 關(guān)系數(shù)矩陣r' = (ri])sXs。
[0050] (5)計(jì)算模糊矩陣
[0051] 相似系數(shù)矩陣r'中的元素壓縮到0與1之間，形成模糊矩陣R。
[0053] (6)模糊矩陣R改造成為模糊等價(jià)矩陣
[0054] 上述模糊矩陣不具有等價(jià)性，因此需將其轉(zhuǎn)化為模糊等價(jià)陣。具體步驟是： R - R2- R4-…一Ra- Rk，將 R 自乘 R · R = R2,再自乘 R2 · R2= R4，…直至Ij R2k= RkS 止，Rk即為模糊等價(jià)矩陣。
[0055] (7) λ截矩陣完成模糊分類
[0056] Ra為一個(gè) sXs 的矩陣，當(dāng) Rkij彡 λ 時(shí)，R λ。= 1，當(dāng) Rki^ λ 時(shí)，Rxij= 〇,得到 Rk相應(yīng)的λ截陣Ra是一個(gè)值為〇與1的矩陣，其中值完全相同的行歸為一類。閾值λ 的確定會(huì)對(duì)結(jié)果產(chǎn)生重要影響，閾值λ往往是根據(jù)實(shí)際的需要，其最佳值取決于經(jīng)驗(yàn)。經(jīng) 過(guò)實(shí)驗(yàn)與比較，在λ = 〇. 8時(shí)取得最佳分類效果。
[0057] 截矩陣的最佳取值取決于經(jīng)驗(yàn)。本次實(shí)驗(yàn)的模糊等價(jià)矩陣數(shù)值分布于[0. 51，1] 之間，因