- 文献综述（或调研报告）：
本文献综述主要从数据挖掘方法，综合用能评价体系，综合用能行为评价方法以及用户精准画像描绘等四个部分。
- 数据挖掘技术
数据挖掘(DataMining)，指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。数据挖掘的广义观点：从数据库中抽取隐含的、以前未知的、具有潜在应用价值的模型或规则等有用知识的复杂过程，是一类深层次的数据分析方法。[1]数据挖掘被认为是一门跨多知识领域和学科的新兴课题，它为我们使用数据从简单查询将变为在数据里挖掘与发现知识从而产生对决策行为提供支持。[2]具体来讲，现在的数据挖掘技术主要涉及神经网络、决策树、遗传算法、数理统计分析、关联规则和聚类分析等方法。
- 综合用能评价体系
本节从两个方面来介绍相关文献，首先是关于评价体系的建立方法，以及关于综合能源体系相关的体系中的指标选择和体系的构建。
指标体系是由一系列能全面反映被评价对象本质属性或特征的指标构成，是对研究对象进行评价的前提和基础。指标体系的合理性和全面性直接影响评价结果的准确性。[3]综合用能行为的评价过程涉及到许多的因素，而评价用户综合用能行为的模型也具有分层特性。根据AHP[6]原理分层建立指标体系，指标层从上至下分别为：Ｏ,Ａ,Ｂ,以及包含各单项指标的Ｐ层，按照指标对总体能效水平方向的影响，可将指标分为正向指标和逆向指标。指标值越大，能效水平越高，即为正向指标；指标值越大，能效水平越低，即为逆向指标。[3][4][5]采用层次分析法(AHP)将复杂的决策目标分级分类，对评价指标加以量化，通过计算各指标权重反应其特性，最终得到评价对象的相对优劣。[7]
在现有文献中有关于综合能源系统评价体系的构建过程中，已经有不少文献提供了一些思路与给出了一些指标选择方向，其中大都关于个别设备例如文献[8-9]中通过对于燃气轮机系统等进行了效益评价，选取了系统投资费，一次能源消耗量，氮氧化合物等作为评估综合能源系统经济，能耗，环境效益的评价指标。涵盖了该系统对于经济，社会，环境效益等多方面的效益情况，但是其中二级指标设定不足，因而不能全面深入地分析综合能源系统的效益情况。文献[10]中则是通过经济效益，社会效益，环境效益等来评价一个区域内的综合能源系统的能源环节，配网环节，装置环节和用户环节四个方面。从而得到一个区域的综合能源系统的效益情况。其考虑到了内部能源之间的耦合情况，并且较完整的评价了三方面的效益，但是该体系的指标选取尚不够细，因而还不够全面。而也有如文献[11]将指标分为外部性指标和内部性指标，有如反映供电频率电压等环境外部性指标，有如就业人数，用电收支等社会外部性指标，经济外部性指标以及能耗效率外部性指标。而内部性指标则包含如净现值，财务指标等，但是该文重点选取了关于电力相关的指标，对于其他能源如天然气，热力，；冷力等指标考虑并不足。而国外的情况有文献[12]以综合能源系统的技术经济指标如投资及运行成本、净现值（NPV）、内部收益率（IRR）、投资回收期(PP)等、气体减排指标如CO2、SO2、NOX 排放量和化石能源消耗量等指标来构建综合能源系统环境效益评级体系。Moradi 等人[13]建立了以费用年值最低为目标函数的冷、热、电三联供系统混合线性优化模型，并分析了日本一座生态校园的系统运行特性。Rezaie等人[14]选取技术、经济、节能以及环保指标作为优化目标，对某医院冷、热、电三联供系统进行装置容量优化。而关于判断综合能源系统设计是否合理，则需要有评价分析准则和评价方法。综合能源系统评价体系的最大特点在于能源的多样性以及地域的特异性。控制方式和运行特点等也与传统能源系统具有较大差异。[15-16]文献[15-16]则是将综合能源系统中的各独立能源设备单元和耦合型设备单元进行按照能源种类不同进行不同的分析。但对于大多数的文献都是针对于区域的综合能源系统的评价或是针对个别系统，对于用户的针对性分析相对较少。文献[17]中提到了一种应用了AHP和变异系数法够贱的以楼宇为用户单位的综合能源系统评价体系，设定了如综合能源系统利用率，㶲效率，节能率，清洁能源占比等为能耗指标，废水废气排放量，噪声等级，减排率等为环境指标，增量投资静态回收期，费用年值等为经济指标来衡量，是从多个不同维度来评价用户。而对于一般的用户而言，其中的不少指标数据的选择也具有一定意义。
- 综合用能行为评价方法
关于对于用户综合用能行为的评价方法设计中，国内外常用的有灰色关联TOPSIS法，AHP法，熵权法，神经网络方法，支持向量机算法以及其他智能优化算法。[18-19]无论是使用什么方法，在进行指标权重确定之前，都要对于指标进行归一化处理，就是要根据指标进行归一化处理，而在归一化处理中必然需要进行无量纲化处理。在进行处理时数据有极大型指标，极小型指标这样的定量指标，以及有一些定性化的分析指标例如某一指标为达标与否等。而后一般根据该项指标的最大最小值来确定一个相对的指标值使得该值一般处于0-1或0-100（也有其他处理方式）。而后再确定权重，权重确定方法有许多：
- 基于AHP的方法：
传统的层次分析法（AHP）是典型的确定指标权重的一种主观确定方法，其核心原理包括：将问题分解，构建一个多层次分析模型；比较各指标重要程度，并构建权重矩阵；排序做出决策。[17]这是一种由大量专家主观来确定权重的方法。因而AHP法相对而言比较主观，因而需要检验得到的最终的权重矩阵是否是合理的。文献[17]采用变异系数法，变异系数法（CV）是一种客观赋权方法，根据各项指标包含的信息，通过计算得到指标权重。其基本原理为：指标取值差异性越大，该指标包含的信息量越多，所占的权重越大。可将 CV 作为一
种验证方法，对 AHP 确定的评价体系进行合理性验证[20-21]。通过计算变异系数来确定客观权重的值，从而检验主观权重是否合理，剔除不合理的矩阵。文献[3]采用判断平均随机一致性指标[4]来确定.文献[7]采用了结合灰色关联度的方法[22]，能够处理信息不完全明确的灰色系统，对于小样本无规律指标的评价问题准确性较高。用层次分析法得到的指标权重赋权，运用灰色关联分析法计算评价对象的关联系数。根据各指标间的灰色关联度，定量分析2个指标之间的相互关联程度，通过比较各关联度的大小来判断待评价对象对研究对象的影响程度。
- TOPSIS方法：
TOPSIS法是根据有限个评价对象与理想化目标接近程度进行排序的方法，是在现有的对象中进行优劣的评价，又被称为优劣解距离法，通过检测评价对象与最优和最劣解的距离进行排序，若最为靠近最优解而最远离最劣解，则可以认为是最优，反之就可以认为不是最优。文献[23]中采用TOPSIS 集成评价法，运用多目标系统模糊优选理论，利用综合集成赋权法，建立具有方案、指标和时间三维的有时序多层次多目标评价的理想矩阵测度模型，先对天然气分布式能源系统某一时间段进行评价，然后再进行多个时间段评价。通过确定最优的上矩阵和最劣的下矩阵，而后通过考查评价对象与这两矩阵之间的距离来判断评价对象的优劣。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
