基于精准模糊聚类算法的居民电力数据聚类方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113919449A(43)申请公布日2022.01.11(21)申请号202111526678.X(51)Int.Cl.(22)申请日2021.12.15G06K9/62(2022.01)G06Q30/02(2012.01)(71)申请人国网江西省电力有限公司供电服务G06Q50/06(2012.01)管理中心地址330100江西省南昌市南昌经济技术开发区芙蓉路999号申请人国网江西省电力有限公司国家电网有限公司(72)发明人俞林刚樊友杰刘明张志立江峰刘强饶员良舒骁骁卢婕李昊翔刘向向祝君剑熊茹刘丽蕴(74)专利代理机构北京众合诚成知识产权代理有限公司11246代理人王焕巧权利要求书7页说明书15页附图2页(54)发明名称基于精准模糊聚类算法的居民电力数据聚类方法及装置(57)摘要本发明公开了基于精准模糊聚类算法的居民电力数据聚类方法及装置，该方法包括：步骤1：推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2：根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。本发明提高了聚类算法的准确度和精度，聚类算法的可维护性和响度指标值也得到优化。CN113919449ACN113919449A权利要求书1/7页1.基于精准模糊聚类算法的居民电力数据聚类方法，其特征在于：包括以下步骤：步骤1、使用传统模糊C聚类算法确定数据集聚类中心，推导精准模糊聚类算法的目标函数，并定义精准模糊聚类中心，计算隶属矩阵，控制精准模糊聚类算法的误差，使得精准模糊聚类算法的目标函数最小；步骤2、根据评价数据集聚类方法的度量指标，选取与居民电力数据可维护性和响度指标值影响最大的每类加权方法、低耦合度方法、对每个类的响应度方法这三个度量指标算得的度量值重新组合运算，得到一个影响精准模糊隶属矩阵精度的隶属系数，从而确定精准模糊聚类算法的聚类中心，并运用精准模糊聚类算法对数据聚类。2.根据权利要求1所述的基于精准模糊聚类算法的居民电力数据聚类方法，其特征在于：所述步骤1的具体实现方法如下：步骤1.1，对目标台区居民用户同一时间段内用电负荷进行负荷特性普查，通过对目标台区的HPLC智能电表进行数据读取，获得用户的用电数据，得到负荷特性数据；步骤1.2，设S=(s1,s2,s3,s4,s5,...,sn)表示数量为n的电力数据集，D=(d1,d2,d3,d4,d5,...dn)表示数据集与其聚类中心的距离；从D中选择的任一dw(w=1,2,...,n)表示从数据集S中选择的sw与其聚类中心的距离；设k为聚类簇数；通过模糊聚类方法将数据集划分为聚类中心群C=(c1,c2,c3,...,ck)；步骤1.3，提出精准模糊聚类算法，其目标函数设为，其隶属度区间为[0,1]；使用式（1）表示，(1)式中为模糊指数，用来计算与聚类中心之间的欧氏距离，表示隶属矩阵，表示与聚类中心的隶属度；步骤1.4，聚类误差控制函数如公式（2）；(2)公式（2）的目的是使聚类误差之和最小，n为电力数据集数量，Error()表示聚类标签的误差函数，表示聚类标签；步骤1.5，下述公式（3）用来初始化隶属度；2CN113919449A权利要求书2/7页(3)式中，dw(w=1,2,...,n)表示从数据集S中选择的sw与其聚类中心的距离；步骤1.6，通过公式（4）计算精准模糊聚类中心，然后迭代计算公式（2）和（3），直到使目标函数的值最小化：(4)。3.根据权利要求2所述的基于精准模糊聚类算法的居民电力数据聚类方法，其特征在于：所述步骤2的具体实现方法如下：步骤2.1，评价数据集聚类方法有如下度量指标：wmc表示每类加权方法，dit表示继承度，noc表示子类的数量、cbo表示对象耦合度、rfc表示对每个类的响应度，lcom表示低耦合度，ca表示输出耦合度，ce表示传入耦合度，npm表示基于公共方法的数量的方法，loc表示聚类算法代码行，dam表示数据访问量，moa表示数据放大值，mfa表示功能抽象化衡量标准，cam表示类方法内聚力指数，ic表示继承性耦合度指标，cbm表示方法之间的耦合评判指标，amc表示平均方法复杂度，maxcc表示最大的类耦合度，avgcc表示平均类耦合度，各度量指标的度量值用MS=(ms1,ms2,ms3,ms4,ms5,...,mst)表示，t为度量指标的个数；度量值的和用于归一化分析，