基于大数据技术改进聚类算法的用户用电行为分析方法.pdf
猫巷****熙柔
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于大数据技术改进聚类算法的用户用电行为分析方法.pdf
一种基于大数据技术改进聚类算法的用户用电行为分析方法。其包括建立用户用电行为分析平台;提取用电用户一段时间内各类电器使用频率、用电时长、各时段用电量在内数据;将上述数据以行形式存储;任选1个数据片作为初始聚类中心,然后计算每个数据片到初始聚类中心的距离;判断计算的新的聚类中心与上一轮聚类中心间的距离,如果两者的差值大于给定阈值;建立用户用电评价指标体系,确定用户用电评价等级等步骤。本发明优点:利用大数据处理技术并发分析海量数据,可以通过电力企业提取3年以上的用电用电行为信息、各电器用电量数据,实现更大的数
基于用户画像与聚类算法的相似用户分析方法及系统.pdf
本发明提出了一种基于用户画像与聚类算法的相似用户分析方法及系统,将用户画像相似度较高的用户聚类为多个簇,降低相似用户检索过程所产生的时间复杂度,由RV‑UP‑MSC方法,按照用户画像被归类为多个簇,并且每个簇的中心点将簇内所有用户的画像特征整合,以虚拟用户的形式进行表示,目标用户在检索过程中,仅需对每个簇所对应的中心点进行用户画像相似度比对,判断出与自己的兴趣爱好可能相似的簇。
一种基于遗传算法改进的K-means算法的用电用户聚类方法.pdf
本发明公开了一种基于遗传算法改进的K‑means算法的用电用户聚类方法,包括:对数据进行预处理并生成初始群体;计算数据的差异度,并随机选取k个点作为聚类中心并聚类;计算每个聚类的差异度;分别取每个聚类中心的坐标,聚类点平均值坐标点的个数作为特征,对K个聚类结果特征进行交叉变异,得到的新的子代作为候选的聚类结果的指标;计算聚类结果的适应度;由聚类适应度计算每个个体被选择的概率pi,筛选这一轮被选择的个体Xi并生成队列Yi;对队列Yi进行交叉运算形成新的群体X,若迭代次数满足300次则终止进化过程。本方法通过
基于聚类算法的电力用户用能特点分析方法.pdf
本发明涉及电力分析技术领域,具体涉及一种基于聚类算法的电力用户用能特点分析方法,该方法获取每个电力用户的用能序列,获取每个用能序列在不同尺度下的粗粒化序列;对于任意两个用能序列,计算同一尺度下的粗粒化序列之间的距离记为该尺度下的全局差异,通过分别在两个粗粒化序列中截取相同长度的部分序列计算距离,并结合对应的时间差异获取该尺度下的局部差异;依据全局差异、局部差异以及对应的尺度获取综合相似度,进而构建所有用能数据的相似度矩阵,通过对相似度矩阵进行模糊聚类得到所有用能数据的分类结果。本发明综合考虑了在不同尺度下
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
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