[發(fā)明專利]基于聚類的大數(shù)據(jù)相位識別方法

在審

• 申請?zhí)枺?/td>: 201810506899.2
• 申請日: 2018-05-24
• 公開（公告）號: CN108734603A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計）人: 陳紅梅;唐宇飛;劉楠嶓;張會娟
• 申請（專利權(quán)）人: 河南工業(yè)大學(xué)
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于聚類的大數(shù)據(jù)相位識別方法，由K-means聚類算法處理供電臺區(qū)內(nèi)用戶相位信息，其特征在于：采集電力系統(tǒng)運行的智能電表的電壓數(shù)據(jù)，通過PCA處理電壓數(shù)據(jù)，根據(jù)數(shù)據(jù)降維投射散點設(shè)定初始聚類中心，利用K-means算法對電壓所屬相位信息進(jìn)行聚類分組處理，實現(xiàn)對供電臺區(qū)內(nèi)用戶相位的分類識別。

2.根據(jù)權(quán)利1所述基于聚類的大數(shù)據(jù)相位識別方法，其技術(shù)特征在于：所述聚類算法處理供電臺區(qū)內(nèi)用戶相位信息具體為：

（1）對電壓數(shù)據(jù)進(jìn)行PCA降維處理；

（2）根據(jù)智能電表收集到的用戶臺區(qū)相位數(shù)據(jù)，同一臺區(qū)下用戶相位為A、B和C三相，設(shè)定聚類組別數(shù)K=3，根據(jù)PCA降維處理獲得散點圖，選定3個電壓數(shù)據(jù)為相位的初始聚類中心；

（3）調(diào)用K-means程序；

（4）返回聚類分類結(jié)果：用戶相位分類結(jié)果，聚類中心點坐標(biāo)，平方誤差函數(shù)值、迭代次數(shù)和各個聚類中點的個數(shù)；

（5）根據(jù)Kmeans算法的分類結(jié)果將數(shù)據(jù)投影到2維平面，用不同顏色表示臺區(qū)用戶相位分類，完成相位識別。

3.根據(jù)權(quán)利2所述基于聚類的大數(shù)據(jù)相位識別方法，其技術(shù)特征在于：調(diào)用K-means程序?qū)﹄妷核鶎傧辔恍畔⑦M(jìn)行聚類分組處理，具體步驟為：

（1）PCA降維處理用戶臺區(qū)電壓數(shù)據(jù)；

（2）輸入選定的PCA散點圖初始聚類中心，聚類組別數(shù)K=3和設(shè)置最大迭代次數(shù)、平方誤差閾值；

（3）聲明Kmeans數(shù)組和中間變量；

（4）利用歐幾里得距離公式計算聚類中心至各電壓點的距離；

（5）根據(jù)點到最近的聚類中心為一類更新分類結(jié)果，重新分配電壓數(shù)據(jù)至相關(guān)相位組別；

（6）根據(jù)每個聚類中各點坐標(biāo)的平均值更新聚類中心坐標(biāo)；

（7）更新平方誤差函數(shù)值；

（8）往復(fù)執(zhí)行3、4、5、6、7步，直至迭代次數(shù)達(dá)到最大迭代次數(shù)，或平方誤差小于閾值，返回分類結(jié)果, 聚類中心坐標(biāo), 平方誤差函數(shù)值, 迭代次數(shù), 各個聚類中的數(shù)據(jù)個數(shù)。

4.根據(jù)權(quán)利2或權(quán)利3所述基于聚類的大數(shù)據(jù)相位識別方法，其技術(shù)特征在于：通過兩次PCA處理電壓數(shù)據(jù)；首次PCA處理電壓數(shù)據(jù)選定3個相位初始聚類中心，具體步驟為通過PCA降維處理電壓數(shù)據(jù)，形成二維平面的用戶電壓數(shù)據(jù)散點圖，根據(jù)散點圖形狀選取初次初始聚類中心，可有效減少聚類結(jié)果的誤差；第二次PCA處理用戶電壓數(shù)據(jù)降至二維，以便把數(shù)據(jù)帶入K-means聚類算法。