[發(fā)明專利]一種基于粒子群改進(jìn)K均值算法的負(fù)荷曲線聚類方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110695568.X
• 申請(qǐng)日: 2021-06-23
• 公開（公告）號(hào): CN113378954B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 覃日升;李勝男;姜訸
• 申請(qǐng)（專利權(quán)）人: 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院
• 主分類號(hào): G06F18/23213
• 分類號(hào): G06F18/23213;G06F18/241;G06N3/006;G06Q50/06
• 代理公司: 北京弘權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11363
• 代理人: 逯長(zhǎng)明;許偉群

1.一種基于粒子群改進(jìn)K均值算法的負(fù)荷曲線聚類方法，其特征在于，包括：

步驟1：獲取多個(gè)用戶原始負(fù)荷曲線的負(fù)荷數(shù)據(jù)，對(duì)原始負(fù)荷曲線的負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理，獲得負(fù)荷數(shù)據(jù)集，所述負(fù)荷數(shù)據(jù)集由多個(gè)數(shù)據(jù)對(duì)象組成，一個(gè)數(shù)據(jù)對(duì)象代表一條負(fù)荷曲線的負(fù)荷數(shù)據(jù)；

步驟2：基于負(fù)荷數(shù)據(jù)集預(yù)分類的類簇?cái)?shù)目確定聚類中心個(gè)數(shù)K，采用粒子群算法進(jìn)行多次迭代，獲得K均值算法的K個(gè)初始聚類中心；

步驟3：分別計(jì)算數(shù)據(jù)對(duì)象到所有初始聚類中心的距離，按照最接近原則，將數(shù)據(jù)對(duì)象分配到最近的聚類中心，直到所有數(shù)據(jù)對(duì)象分配完畢，獲得M個(gè)相應(yīng)的類簇；

步驟4：分別計(jì)算每個(gè)類簇中所有數(shù)據(jù)對(duì)象屬性值均值，獲得K個(gè)新聚類中心；

步驟5：判斷每個(gè)類簇的新聚類中心和初始聚類中心是否相同；若存在類簇的新聚類中心與初始聚類中心不相同，則用所有新聚類中心的編碼值更新所有初始聚類中心的編碼值，并跳轉(zhuǎn)至步驟3；若所有類簇的新聚類中心與初始聚類中心相同，則跳轉(zhuǎn)至步驟6；

步驟6：將新聚類中心作為K均值算法的最終聚類中心，對(duì)負(fù)荷數(shù)據(jù)集中所有的數(shù)據(jù)對(duì)象進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的一種基于粒子群改進(jìn)K均值算法的負(fù)荷曲線聚類方法，其特征在于，所述獲取多個(gè)用戶的原始負(fù)荷曲線負(fù)荷，對(duì)原始負(fù)荷曲線負(fù)荷進(jìn)行預(yù)處理，獲得負(fù)荷數(shù)據(jù)集的步驟，具體為：

查找每條原始負(fù)荷曲線負(fù)荷的缺失和異常數(shù)據(jù)，若原始負(fù)荷曲線的負(fù)荷異常數(shù)據(jù)大于采集量的10％，則將所述原始負(fù)荷曲線剔除，獲得第一備用負(fù)荷數(shù)據(jù)，所述異常數(shù)據(jù)包括驟降、暴增或?yàn)樨?fù)值等數(shù)據(jù)；

對(duì)第一備用負(fù)荷數(shù)據(jù)中缺失和異常數(shù)據(jù)進(jìn)行補(bǔ)充和修正，獲得第二備用負(fù)荷數(shù)據(jù)；

采用線性函數(shù)歸一化方法對(duì)第二備用負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理，獲得負(fù)荷數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的一種基于粒子群改進(jìn)K均值算法的負(fù)荷曲線聚類方法，其特征在于，所述基于負(fù)荷數(shù)據(jù)集預(yù)分類的類簇?cái)?shù)目確定聚類中心個(gè)數(shù)K，采用粒子群算法進(jìn)行多次迭代，獲得K均值算法的K個(gè)初始聚類中心的步驟，具體為：

步驟301：初始化粒子，基于負(fù)荷數(shù)據(jù)集預(yù)分類的類簇?cái)?shù)目隨機(jī)生成K個(gè)聚類中心作為初始粒子的位置編碼，隨機(jī)分配粒子速度；

步驟302：多次執(zhí)行步驟301，形成初始化粒子群，其中，每執(zhí)行一次步驟301生成一個(gè)初始化粒子；

步驟303：按照每個(gè)粒子的位置編碼，對(duì)數(shù)據(jù)對(duì)象進(jìn)行聚類劃分，選定適應(yīng)度函數(shù)，計(jì)算每個(gè)粒子的適應(yīng)度值；

步驟304：根據(jù)每個(gè)粒子的適應(yīng)度值和它經(jīng)歷過(guò)的適應(yīng)度值，確定每個(gè)粒子的個(gè)體極值；

步驟305：根據(jù)每個(gè)粒子的個(gè)體極值，確定整個(gè)粒子群的全局極值；

步驟306：按照粒子的更新速度和更新位置公式更新粒子的速度和位置，所述更新速度公式為：

V_i＝ωV_present+C₁×rand()×(P_best-X_present)+C₂×rand()×(G_best-X_present)；

所述更新位置公式為：

X_i＝X_present+V_i；

式中，V_i為第i個(gè)粒子更新后的速度，X_i為第i個(gè)粒子更新后的位置，V_present為第i個(gè)粒子當(dāng)前速度，X_present為第i個(gè)粒子當(dāng)前位置，ω為權(quán)重系數(shù)，C₁為個(gè)體學(xué)習(xí)因子，C₂為社會(huì)學(xué)習(xí)因子，rand()為0到1之間的隨機(jī)數(shù)，P_best為第i個(gè)粒子的個(gè)體極值，G_best為當(dāng)前粒子群的全局極值；

步驟307：設(shè)定適應(yīng)度方差函數(shù)和最大迭代次數(shù)，計(jì)算粒子群的適應(yīng)度方差值，判斷適應(yīng)度方差和設(shè)定閾值的大小，若適應(yīng)度方差小于閾值或迭代次數(shù)大于最大迭代次數(shù)，則執(zhí)行步驟308；若適應(yīng)度方差大于或等于閾值并且迭代次數(shù)小于或等于最大迭代次數(shù)，則執(zhí)行步驟303；

步驟308：選取整個(gè)粒子群的全局極值作為K均值算法K個(gè)初始聚類中心。