[發(fā)明專利]一種對負(fù)荷數(shù)據(jù)進(jìn)行處理的優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201711225255.8
• 申請日: 2017-11-29
• 公開（公告）號(hào): CN107918810A
• 公開（公告）日: 2018-04-17
• 發(fā)明（設(shè)計(jì)）人: 李朝暉;楊海晶;石光;馬瑞;滕衛(wèi)軍;韓偉;王驊;龔人杰;孫亮
• 申請（專利權(quán)）人: 國網(wǎng)河南省電力公司電力科學(xué)研究院;長沙理工大學(xué);國家電網(wǎng)公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 鄭州聯(lián)科專利事務(wù)所(普通合伙)41104
• 代理人: 劉建芳

1.一種對負(fù)荷數(shù)據(jù)進(jìn)行處理的優(yōu)化方法，其特征在于：包括以下步驟：

A：建立檢驗(yàn)聚類結(jié)果有效性的模型，得到歷史負(fù)荷數(shù)據(jù)的最佳聚類結(jié)果；

A1：建立檢驗(yàn)聚類結(jié)果有效性的模型：

假設(shè)數(shù)據(jù)集樣本總數(shù)為N，則聚類數(shù)的有效搜索范圍為內(nèi)的整數(shù)，選擇偽F-統(tǒng)計(jì)指標(biāo)，即PFS指標(biāo)，作為不同聚類結(jié)果的評(píng)價(jià)指標(biāo)；PFS指標(biāo)是來自方差分析的一個(gè)統(tǒng)計(jì)量，對于一個(gè)不為零的P維變量樣本，其定義如下：

PFS=tr(sBp)/(k-1)tr(sWp)/(N-k)---(1)]]>

其中，k為需要確定聚類中心的樣本個(gè)數(shù)，tr(s_W^p)為樣本類內(nèi)散布矩陣的跡，tr(s_B^p)為樣本類間散布矩陣的跡，隨著k值的增大，tr(s_B^p)隨之上升，tr(s_W^p)隨之下降，PFS有效性指標(biāo)在某一個(gè)k處達(dá)到最優(yōu)，PFS值最大時(shí)對應(yīng)最佳聚類結(jié)果；

即當(dāng)PFS值最大，對應(yīng)的聚類數(shù)k達(dá)到最優(yōu)，則選取k類輸出，即對歷史負(fù)荷數(shù)據(jù)分成k類處理；

B：建立基于改進(jìn)的差分進(jìn)化的k-means聚類的模型；

B1：初始化種群

從樣本數(shù)據(jù)中隨機(jī)選取k個(gè)樣本作為一組聚類中心，k的選擇由步驟A中確定的最優(yōu)k值為準(zhǔn)，重復(fù)執(zhí)行N_p次，選取N_p組聚類中心；N_p為種群規(guī)模，代表N_p個(gè)個(gè)體，并且每個(gè)N_p個(gè)體中包含k個(gè)樣本組成的一組聚類中心；

定義一個(gè)N_p×D的矩陣X來保存種群的數(shù)據(jù)，并采用實(shí)數(shù)編碼方式，構(gòu)造初始種群；其中，D用來表示優(yōu)化問題的維數(shù)，也被稱作每個(gè)個(gè)體的基因位，一組聚類中心相當(dāng)于一個(gè)基因位；

初始化種群時(shí)，取進(jìn)化代數(shù)g＝0，具體實(shí)數(shù)編碼方式如下：

X_j(0)＝(x_j1,x_j2,...,x_jk)(2)

其中，j＝1,2,...,N_p，X_j(0)表示初始種群的第j個(gè)個(gè)體，x_ji(i＝1,2,...,k)表示第j個(gè)個(gè)體的第k個(gè)基因；假設(shè)樣本數(shù)據(jù)為d維，那么種群的每個(gè)個(gè)體是k×d＝D維向量；

B2：變異操作

按照個(gè)體的基因位D進(jìn)行變異操作，從當(dāng)前種群X_j(g)中隨機(jī)選取三個(gè)個(gè)體，分別為X_a(g),X_b(g),X_c(g),且a≠b≠c≠j,并根據(jù)公式(3)求得變異個(gè)體V_j(g')＝(v_j1(g'),v_j2(g'),...v_jD(g'))，且g‘＝g+1；

種群中的每個(gè)個(gè)體的基因位如公式(3)：

v_ji(g+1)＝x_ai(g)+α(x_bi(g)-x_ci(g))(3)

其中，i＝1,2,...,k，α∈[0,1]為縮放系數(shù)；

B3：交叉操作

經(jīng)過變異后的個(gè)體v_ji(g+1)和當(dāng)前個(gè)體X_j(g)進(jìn)行交叉操作，得到中間個(gè)體M_j(g+1)＝(m_j1(g+1),m_j2(g+1),...,m_jk(g+1))，那么該中間個(gè)體的第i個(gè)分量如公式(4)表示：

mj1(g+1)=vji(g+1)ifβ≤CRor i=γxji(g)else---(4)]]>

其中C_R為交叉概率，且C_R∈[0,1]，β為0-1間滿足均勻分布且隨機(jī)產(chǎn)生的一個(gè)數(shù)，γ為[1,k]之間隨機(jī)產(chǎn)生的一個(gè)整數(shù)；

B4：選擇操作

比較當(dāng)前進(jìn)化個(gè)體X_j(g)與其對應(yīng)的中間試驗(yàn)個(gè)體M_j(g+1)的適度值，并采用貪婪算法擇優(yōu)選取一個(gè)個(gè)體進(jìn)入下一代種群；

Xj(g+1)=Xj(g)if f(Xj(g))>f(Mj(g+1))Mj(g+1)else---(5)]]>

擇優(yōu)選取的個(gè)體產(chǎn)生的新一代的種群X(g+1)，即為改進(jìn)的差分進(jìn)化的k-means聚類的模型；

C：步驟B中改進(jìn)的k-means聚類算法在聚類數(shù)的搜索范圍內(nèi)，對各聚類結(jié)果進(jìn)行聚類有效性指標(biāo)的計(jì)算且聚類中心穩(wěn)定，選擇對應(yīng)的PFS指標(biāo)數(shù)值最大的聚類數(shù)作為最佳聚類個(gè)數(shù)，從而得到最佳負(fù)荷歷史數(shù)據(jù)的處理方法。