[發(fā)明專利]一種基于中心優(yōu)化的差分K-means負(fù)荷聚類方法

在審

• 申請?zhí)枺?/td>: 202110080653.5
• 申請日: 2021-01-21
• 公開（公告）號: CN112819299A
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計）人: 黃冬梅;葛書陽;胡安鐸;孫錦中;時帥;孫園;林孝鑲
• 申請（專利權(quán)）人: 上海電力大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06Q50/06
• 代理公司: 上海德昭知識產(chǎn)權(quán)代理有限公司 31204
• 代理人: 郁旦蓉

1.一種中心優(yōu)化的差分K-means負(fù)荷聚類方法，其特征在于，包括以下步驟：

步驟1，采集用戶用電的負(fù)荷數(shù)據(jù)，并對所述負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理；

步驟2，根據(jù)負(fù)荷數(shù)據(jù)曲線的局部密度得到聚類初始中心；

步驟3，通過計算所述負(fù)荷數(shù)據(jù)的差分序列的歐式距離得到差分歐氏距離，并將所述差分歐氏距離和所述負(fù)荷數(shù)據(jù)的歐氏距離組合作為所述負(fù)荷數(shù)據(jù)的相似性度量；

步驟4，對于所述負(fù)荷數(shù)據(jù)隨機(jī)選取K個所述聚類初始中心作為簇的聚類中心，根據(jù)所述相似性度量進(jìn)行聚類并更新所述聚類中心，在更新迭代完成后輸出劃分好的K個簇和每個簇的聚類標(biāo)簽；

步驟5，根據(jù)所述聚類標(biāo)簽對每個類別的簇中的所述負(fù)荷數(shù)據(jù)曲線求均值，得到每個類別的用戶典型負(fù)荷曲線，確定每類電力居民用戶用電類型。

2.根據(jù)權(quán)利要求1所述的一種中心優(yōu)化的差分K-means負(fù)荷聚類方法，其特征在于：

其中，步驟1中對數(shù)據(jù)進(jìn)行預(yù)處理包括以下子步驟：

步驟1-1，對所述負(fù)荷數(shù)據(jù)進(jìn)行個別缺失值處理，對于數(shù)據(jù)空缺，以多項式差值法進(jìn)行補(bǔ)全；

步驟1-2，采用最大最小值對所述個別缺失值處理后的所述負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理，具體公式如下：

公式(1)中，為極值歸一化后的第i點所述負(fù)荷數(shù)據(jù)，x_imin為預(yù)處理前的負(fù)荷數(shù)據(jù)序列的最小值，x_imax為預(yù)處理前的負(fù)荷數(shù)據(jù)序列的最大值，通過歸一化處理將所述負(fù)荷數(shù)據(jù)壓縮在區(qū)間[0，1]中。

3.根據(jù)權(quán)利要求1所述的一種中心優(yōu)化的差分K-means負(fù)荷聚類方法，其特征在于：

其中，步驟2中根據(jù)所述負(fù)荷數(shù)據(jù)曲線的局部密度得到所述聚類初始中心包括以下子步驟：

步驟2-1，定義所述負(fù)荷數(shù)據(jù)曲線間的鄰近元素平均距離：

步驟2-2，定義所述負(fù)荷數(shù)據(jù)曲線的密度參數(shù)，以任一所述負(fù)荷數(shù)據(jù)曲線x_p為中心線，與x_p的歐氏距離小于鄰近平均距離的所述負(fù)荷數(shù)據(jù)曲線的個數(shù)定義為局部密度參數(shù)，記為density(meandist，x_p)，

公式(2)中，d(x_i，x_j)為所述負(fù)荷數(shù)據(jù)之間的歐氏距離，

公式(3)中，density(meandist，x_p)越大代表該負(fù)荷數(shù)據(jù)曲線的局部密度越大，越適合作為聚類中心。

4.根據(jù)權(quán)利要求1所述的一種中心優(yōu)化的差分K-means負(fù)荷聚類方法，其特征在于：

其中，步驟3中具體過程如下：對于第i條所述負(fù)荷數(shù)據(jù)X_i＝[x_i1，x_i2，...，x_in]，將其轉(zhuǎn)換成一組長度為n-1的形態(tài)序列，即一階差分序列X_i＝(x′_i1，x′_i2，...，x′_in-1)，用于反映負(fù)荷數(shù)據(jù)曲線在各時間段的趨勢信息，描述曲線的局部動態(tài)特性，計算所述差分歐氏距離并和所述負(fù)荷數(shù)據(jù)的歐氏距離組合作為所述相似性度量，公式如下：

D_all(X_i，X_j)＝α×D_eu(X_i，X_j)+β×D_eu(X′_i，X′_j) (4)

公式(4)中，D_eu(X_i，X_j)表示兩條負(fù)荷數(shù)據(jù)曲線的歐氏距離，D_eu(X′_i，X′_j)表示兩個差分序列的歐式距離，D_all(X_i，X_j)值越小，表示兩條負(fù)荷數(shù)據(jù)曲線的相似度越高，α和β為兩者的權(quán)重。

5.根據(jù)權(quán)利要求1所述的一種中心優(yōu)化的差分K-means負(fù)荷聚類方法，其特征在于：

其中，步驟4包括以下子步驟：

步驟4-1，對于所述負(fù)荷數(shù)據(jù)隨機(jī)選取K個所述聚類初始中心作為簇的聚類中心；

步驟4-2，根據(jù)定義的所述相似性度量找到離所述聚類中心最近的樣本點，將其劃歸到最近的簇中，同時更新簇的所述聚類中心；

步驟4-3，迭代執(zhí)行步驟4-2的操作，直到達(dá)到最大迭代次數(shù)或者簇的所述聚類中心不再變化，此時輸出劃分好的K個簇C＝(C₁，C₂，...，C_k)和每個簇的聚類標(biāo)簽，且聚類的損失函數(shù)為：

公式(5)中，u_i是簇C_i的均值向量，其具體表示如下：