[發(fā)明專利]一種基于主元降維和間隙統(tǒng)計的負(fù)荷聚類裝置及方法

在審

• 申請?zhí)枺?/td>: 202011221327.3
• 申請日: 2020-11-05
• 公開（公告）號: CN112329850A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 王晞;胥威汀;張全明;陳博;張玉鴻;魏俊;劉瑩;呂學(xué)海
• 申請（專利權(quán)）人: 國網(wǎng)四川省電力公司經(jīng)濟技術(shù)研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/16
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 張超

1.一種基于主元降維和間隙統(tǒng)計的負(fù)荷聚類裝置，其特征在于，包括：

電力數(shù)據(jù)預(yù)處理裝置，其用于調(diào)取某個時間段匯入電網(wǎng)的原始電力負(fù)荷數(shù)據(jù)樣本A，并于所述時間段按等間隔提取原始電力負(fù)荷數(shù)據(jù)樣本A，并生成電力負(fù)荷數(shù)據(jù)B；

電力數(shù)據(jù)采集裝置，其用于接收所述電力數(shù)據(jù)預(yù)處理裝置生成的電力負(fù)荷數(shù)據(jù)B；

電力數(shù)據(jù)篩選裝置，其用于對所述電力負(fù)荷數(shù)據(jù)B做主成分篩選，得到K維特征數(shù)據(jù)C；

電力數(shù)據(jù)聚類處理裝置，其用于對K維特征數(shù)據(jù)C做聚類處理，得到n個子集、聚類中心點Ck和子集與聚類中心的距離平方和S_k，令聚類數(shù)n＝1和n＝2，得到聚類后的離散度ω(n)；對得到的離散度取自然對數(shù)，選取一個參考數(shù)據(jù)集r，得到間隙值G(n)，并記離散度ω(n)和間隙值G(n)為數(shù)據(jù)D；

電力數(shù)據(jù)聚類判定裝置，其通過數(shù)據(jù)集r、間隙值G(n)和離散度ω(n)得到參考數(shù)據(jù)集的離散度估計值，并計算數(shù)據(jù)集產(chǎn)生的分布誤差δ，通過表達式G(n)≥G(n+1)-δ_n+1，得到最佳聚類個數(shù)，對聚類個數(shù)做判定，若聚類個數(shù)≥2時，則進行聚類處理，獲取聚類結(jié)果；數(shù)據(jù)顯示裝置，其用于顯示聚類結(jié)果圖像。

2.使用權(quán)利要求1所述的一種基于主元降維和間隙統(tǒng)計的負(fù)荷聚類裝置的方法，其特征在于，包括以下步驟：

S1：獲取用戶原始電力負(fù)荷數(shù)據(jù)B；

S2：對數(shù)據(jù)B做主成分分析，得到K維特征數(shù)據(jù)C；

S3：對K維特征數(shù)據(jù)C做聚類處理，得到n個子集、聚類中心點Ck和子集與聚類中心的距離平方和S_k，令聚類數(shù)n＝1和n＝2，得到聚類后的離散度ω(n)；對得到的離散度取自然對數(shù)，選取一個參考數(shù)據(jù)集r，得到間隙值G(n)，將離散度ω(n)和間隙值G(n)記為數(shù)據(jù)D；

S4：根據(jù)數(shù)據(jù)D計算聚類個數(shù)，對所述聚類個數(shù)做判斷，若聚類個數(shù)≥2時，則帶入聚類算法進行聚類，獲得聚類結(jié)果，否則結(jié)束步驟。

3.根據(jù)權(quán)利要求2所述的一種基于主元降維和間隙統(tǒng)計的負(fù)荷聚類方法，其特征在于，步驟S2中包括：

S21：對數(shù)據(jù)A進行負(fù)荷數(shù)據(jù)歸一化處理，將數(shù)據(jù)投影到[0，1]區(qū)間，得到樣本數(shù)據(jù)A1，其表達式為；

S22：對樣本數(shù)據(jù)A1中每個特征序列做特征中心化處理，得到樣本特征A2數(shù)據(jù)，其表達式為；

S23：求樣本特征A2數(shù)據(jù)之間的協(xié)方差矩陣C；

S24：求樣本特征A2數(shù)據(jù)協(xié)方差陣列的特征值λ和特征向量μ；

Cu＝λu (4)

S25：選取前K個最大的特征值，其中λ取值大于0.85，記為降維后的K維特征數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的一種基于主元降維和間隙統(tǒng)計的負(fù)荷聚類方法，其特征在于，步驟S3中包括：

S31：對K維特征數(shù)據(jù)進行聚類處理，令聚類數(shù)n＝1和n＝2，分別計算聚類后的離散度；

其中，K維特征數(shù)據(jù)Q＝{x_i}聚類后得到n個子集，Q₁、Q₂...Q_n為K維特征數(shù)據(jù)聚類后的子集,Q_k為任一子集,S_k為子集內(nèi)每個樣本到聚類中心的距離平方和，Ck作為Qk的聚類中心點，ω(n)為對n類聚類結(jié)果的評價函數(shù)即離散度；

S32：將上述不同n值下得到的離散度取其自然對數(shù)，然后選取一個參考數(shù)據(jù)與之進行對比來判定最佳聚類個數(shù)，其表達式為：

G(n)＝E{ln[W_r(n)]}-ln[W(n)] (7)

其中，r表示參考數(shù)據(jù)集，E{ln[W_r(n)]}為參考數(shù)據(jù)集的離散度估計值，G(n)為間隙值。

對生成參考數(shù)據(jù)集產(chǎn)生的分布誤差做計算，其表達式為：