技術(shù)特征：

1.一種基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，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模型改進的k-means算法對所述用電數(shù)據(jù)進行分析，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。

2.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，所述基于Map-Reduce模型改進的k-means算法是：隨機選取數(shù)據(jù)集中的k個點作為初始聚類中心，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。

3.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，所述用電數(shù)據(jù)進行分析的方法是：

S1.智慧電表獲取的用電數(shù)據(jù)以表格形式，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；

S3.在Map任務(wù)點中，Map函數(shù)對標(biāo)準(zhǔn)用電數(shù)據(jù)格式<ID，time，quantity>進行逐一檢測，計算出標(biāo)準(zhǔn)用電數(shù)據(jù)與k聚類中心點之間的距離，獲得最小距離，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，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進行處理，進而區(qū)分為r個區(qū)域，將所有區(qū)域發(fā)送到Reduce任務(wù)點；

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

S7.根據(jù)平方誤差準(zhǔn)則函數(shù)計算，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。

4.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，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，遺傳算法的實現(xiàn)過程如下：

首先,在實際啟動時間的范圍隨機產(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)度較大的個體進入下一步。

5.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，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)，從而S達(dá)到數(shù)據(jù)可視化。

6.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，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)。

7.如權(quán)利要求1所述的基于云計算技術(shù)的智慧節(jié)能電表監(jiān)控系統(tǒng)，其特征在于，所述用電數(shù)據(jù)進行分析的方法是：

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，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>進行掃描，分別計算其與k個中心點的歐式距離，記錄距離最小的中心點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)進行排序，使得具有相同kmin的數(shù)據(jù)聚集在一起，節(jié)點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；

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，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)點處理：

S8.Map函數(shù)對輸入的數(shù)據(jù)子集進行掃描，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值進行排序，r個Reduce任務(wù)分別獲取相應(yīng)的中間結(jié)果，進而進行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]。