[發(fā)明專利]一種基于負(fù)荷特性指標(biāo)加權(quán)聚類算法的電網(wǎng)用戶分類方法

有效

• 申請?zhí)枺?/td>: 201810072661.3
• 申請日: 2018-01-25
• 公開（公告）號: CN108280479B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 李春燕;蔡文悅;陳驍;余長青;趙溶生;張謙
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 重慶博凱知識產(chǎn)權(quán)代理有限公司 50212
• 代理人: 黃河

本申請公開了一種基于負(fù)荷特性指標(biāo)加權(quán)聚類算法的電網(wǎng)用戶分類方法，引入負(fù)荷曲線聚類，針對現(xiàn)有算法復(fù)雜度較高的問題，構(gòu)建負(fù)荷特性指標(biāo)并對傳統(tǒng)AP算法進(jìn)行降維，以提高算法效率；利用權(quán)重改進(jìn)相似度計(jì)算，并以DB指標(biāo)進(jìn)行收斂判斷。面對主觀賦權(quán)的不足，設(shè)計(jì)特性指標(biāo)貢獻(xiàn)度的評價(jià)規(guī)則，采用熵權(quán)法客觀自適應(yīng)地確定負(fù)荷特性指標(biāo)的權(quán)重，以衡量各特性指標(biāo)對聚類結(jié)果的區(qū)分度大小，提升了權(quán)重賦值的合理性，最終提高了用戶分類結(jié)果的精準(zhǔn)度。

技術(shù)領(lǐng)域

本申請涉及用電數(shù)據(jù)分析技術(shù)領(lǐng)域，尤其涉及一種基于負(fù)荷特性指標(biāo)加權(quán)聚類算法的電網(wǎng)用戶分類方法。

背景技術(shù)

根據(jù)用戶的用電情況對用戶進(jìn)行分類，對電力公司具有重大的意義，電力公司可以根據(jù)用戶的類型對不同類型的用戶的用電情況進(jìn)行具體分析，并為用戶提供更優(yōu)質(zhì)的服務(wù)，現(xiàn)有技術(shù)中，常使用聚類算法對用戶進(jìn)行分類。許多學(xué)者對不同聚類算法展開研究，探討對負(fù)荷曲線的聚類效果，不同算法根據(jù)其處理目標(biāo)、數(shù)據(jù)類型的不同而有所區(qū)別，通常分為直接聚類和間接聚類兩種。直接聚類是對負(fù)荷數(shù)據(jù)直接進(jìn)行處理的一種技術(shù)，包括Kmeans、FCM、DBSCAN、CFSFDP等，以及針對這些聚類算法的改進(jìn)。直接聚類的優(yōu)勢是簡單快捷，能夠充分利用數(shù)據(jù)自身的特征，但是當(dāng)面對大量高維數(shù)據(jù)時(shí)在運(yùn)行效率上不占優(yōu)勢。間接聚類則是先將負(fù)荷原始數(shù)據(jù)進(jìn)行降維或者特征提取，再對數(shù)據(jù)進(jìn)行處理的一種技術(shù)。常用方法是利用降維算法進(jìn)行數(shù)據(jù)變換，產(chǎn)生或提取數(shù)據(jù)特征，如SVD、PCA、SOM等。采用該類方法能夠?qū)?shù)據(jù)進(jìn)行非線性降維，但提取的特征物理意義不明顯，不能為聚類結(jié)果提供進(jìn)一步服務(wù)。

AP聚類算法(Affinity propagation Clustering Algorithm，吸引子傳播算法)于2007年在Science上發(fā)表，該算法具有不需要指定聚類數(shù)目和選取初值、聚類結(jié)果誤差平方和小等優(yōu)勢，在圖像、文本及信號處理等領(lǐng)域應(yīng)用廣泛。但算法本身復(fù)雜度較高，當(dāng)處理多維大量數(shù)據(jù)時(shí)，AP聚類算法往往需要長時(shí)間計(jì)算。并且，常將用戶的用電數(shù)據(jù)加權(quán)后再進(jìn)行聚類，但現(xiàn)有技術(shù)中的權(quán)重賦值方法是專家評判法，具有主觀性且效率較低。

因此如何降低采用聚類算法對用戶進(jìn)行分類時(shí)的運(yùn)算時(shí)間，提升權(quán)重賦值的合理性，進(jìn)而提升用戶分類結(jié)果的精準(zhǔn)度成為了本領(lǐng)域技術(shù)人員急需解決的問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的上述不足，本申請要解決的技術(shù)問題是：如何降低采用聚類算法對用戶進(jìn)行分類時(shí)的運(yùn)算時(shí)間，提升權(quán)重賦值的合理性，進(jìn)而提升用戶分類結(jié)果的精準(zhǔn)度。

為解決上述技術(shù)問題，本申請采用了如下的技術(shù)方案：

一種基于負(fù)荷特性指標(biāo)加權(quán)聚類算法的電網(wǎng)用戶分類方法，包括：

步驟A：獲取待分類用戶的負(fù)荷曲線d_l，l表示不同的待分類用戶，l為正整數(shù)，執(zhí)行步驟B；

步驟B：基于所述負(fù)荷曲線d_l計(jì)算負(fù)荷特性指標(biāo)集合D_l＝[V_l1,V_l2,...,V_ln]，V_l1至V_ln表示不同的負(fù)荷特性指標(biāo)，n表示所述負(fù)荷特性指標(biāo)集合內(nèi)負(fù)荷特性指標(biāo)種類的個(gè)數(shù)，n為正整數(shù)，執(zhí)行步驟C；

步驟C：基于所述負(fù)荷特性指標(biāo)集合D_l＝[V_l1,V_l2,...,V_ln]設(shè)置初始權(quán)重集合λ＝[λ₁,λ₂,...,λ_n]，并以所述初始權(quán)重集合為負(fù)荷特性指標(biāo)權(quán)重集合，所述負(fù)荷特性指標(biāo)權(quán)重集合中的每個(gè)權(quán)重即為所述負(fù)荷特性指標(biāo)集合中每種負(fù)荷特性指標(biāo)的權(quán)重，設(shè)第一迭代次數(shù)i為1，設(shè)第二迭代次數(shù)j為1，設(shè)置吸引信息矩陣R和歸屬信息矩陣A為零，設(shè)置DB指標(biāo)，執(zhí)行步驟D；