[發明專利]一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法

在審

• 申請號: 202111366207.7
• 申請日: 2021-11-17
• 公開（公告）號: CN114202012A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 鄧欣宇;王小璇;高強偉
• 申請（專利權）人: 國網天津市電力公司;國家電網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津盛理知識產權代理有限公司 12209
• 代理人: 王來佳

1.一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法，其特征在于：包括如下步驟：

S1、獲取高維負荷功率特征，該特征包含N個用戶的日負荷數據，每個日負荷數據包含M個數據點，形成大小為N×M的負荷功率特征庫；

S2、構建基于遞歸圖理論的高維負荷特征增強模型：以日為單位，將負荷功率特征庫中的一維日負荷特征轉換為二維遞歸圖特征，共形成N個負荷遞歸圖特征；

S3、構建基于卷積自編碼器的高維負荷特征提取模型，將步驟S2中得到的N個負荷遞歸圖特征輸入到卷積自編碼器中，對卷積自編碼器進行訓練，其中，卷積自編碼器中的特征提取維度設置為T，訓練完成后，再將N個負荷遞歸圖特征輸入到卷積自編碼器的編碼器中，得到高維負荷特征提取結果，即負荷關鍵特征；

S4、構建基于譜聚類的高維負荷聚類模型，采用“間隔統計法”確定最佳聚類數目，利用譜聚類算法對步驟S3中得到的負荷關鍵特征進行聚類，得到高維負荷的聚類結果。

2.根據權利要求1所述的一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法，其特征在于：所述步驟S3中的卷積自編碼器的構建及訓練均使用python編程語言中的tensorflow、keras深度學習工具包。

3.根據權利要求1所述的一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法，其特征在于：所述步驟S3中的卷積自編碼器由編碼器和解碼器構成，編碼器負責將負荷遞歸圖特征提取為一個特征向量，解碼器負責將特征向量還原為原始的負荷遞歸圖特征；卷積自編碼器的訓練方法為：將負荷遞歸圖特征既作為卷積自編碼器的輸入，又作為卷積自編碼器的輸出，使卷積自編碼器能夠學習到原始負荷遞歸圖中最關鍵的信息，從而實現對負荷遞歸圖的特征提取。

4.根據權利要求1所述的一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法，其特征在于：所述步驟S1-S3中的M和N均為自然數，M一般大于或等于48。

5.根據權利要求1所述的一種基于遞歸圖與卷積自編碼器的高維負荷聚類方法，其特征在于：所述步驟S3中的T為自然數，且T小于M。