一种用户负荷双层聚类方法.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CN114139650A(43)申请公布日2022.03.04(21)申请号202111502036.6(22)申请日2021.12.09(71)申请人青海大学地址810016青海省西宁市宁大路251号(72)发明人陈来军薛小代马恒瑞陈辰(74)专利代理机构西安铭泽知识产权代理事务所(普通合伙)61223代理人韩晓娟(51)Int.Cl.G06K9/62(2022.01)权利要求书3页说明书9页附图5页(54)发明名称一种用户负荷双层聚类方法(57)摘要本发明涉及负荷数据聚类分析技术领域，公开了一种用户负荷双层聚类方法，使用短时互相关系数聚类算法，对用户负荷进行形态相似聚类，得到多个第一聚类簇；使用欧氏距离聚类算法，对多个第一聚类簇依据幅度进行聚类；采用短时互相关系数对负荷曲线进行形态相似聚类，保留了样本间的不相似程度，避免了互相关系数过度位移致使聚类效果不佳。因为限制了序列的位移区间，相较于DTW和k‑shape两种考虑时序特性的形态聚类算法相比，算法运行时间更短，并且在聚类效果和有效性指标上表现更优，利用基于欧氏距离的聚类算法对形态相似聚类的结果进行二次聚类，将互相关系数和欧氏距离各自的优势相结合，实现了对负荷曲线的精细划分。CN114139650ACN114139650A权利要求书1/3页1.一种用户负荷双层聚类方法，其特征在于，包括以下步骤：S1、使用短时互相关系数聚类算法，对用户负荷进行形态相似聚类，得到多个第一聚类簇；S2、使用欧氏距离聚类算法，对多个第一聚类簇依据幅度进行聚类。2.如权利要求1所述的用户负荷双层聚类方法，其特征在于，所述步骤S1进行形态相似聚类的过程包括：S11、对用户负荷原始数据集进行Z标准化；S12、基于短时互相关系数聚类算法，确定形态最佳聚类数；S13、根据形态最佳聚类数获得对应的多个第一聚类簇。3.如权利要求2所述的用户负荷双层聚类方法，其特征在于，所述步骤S2依据幅度进行聚类的过程包括：S21、根据多个第一聚类簇使用欧氏距离聚类算法，确定幅度最佳聚类数；S22、根据幅度最佳聚类数，输出对应的多个第二聚类簇。4.如权利要求3所述的用户负荷双层聚类方法，其特征在于，短时互相关系数的具体计算过程如下：首先，对用户负荷原始数据集序列和序列进行Z标准化，对序列进行Z标准化如式(1)所示：式(1)中，为标准化后的序列；Z标准化后，每个序列都满足均值为0，标准差为1，消除负荷曲线幅度特征对计算形态相似度的影响；然后，将序列固定，序列在序列的时间轴上滑动，序列的移位表示如式(2)所示：式(2)中，表示序列移位s的所有情况，s∈[‑1，1]；当s＝0时，表示序列无位移；当s＝1时，表示序列在时间轴上向右位移1；当s＝‑1时，表示序列在时间轴上向左位移1；由此得到长度为3的短时互相关序列定义如式(3)所示：式(3)中，利用式(4)依次计算：2CN114139650A权利要求书2/3页式(4)中，k＝ω‑2；最后，将短时互相关序列系数归一化为如式(5)所示，使其取值范围为[‑1，1]，式(5)中，为序列的自相关；依据式(5)，计算出使其取最大的ω值，为方便表征距离，推导出DNSCC作为时间序列的形态相似性度量方式，如式(6)所示：式(6)中，的取值范围[0，2]，0代表序列和完全相似。5.如权利要求4所述的用户负荷双层聚类方法，其特征在于，所述步骤S12中确定形态最佳聚类数的过程包括：S121、选取初始质心使用轮盘法选取初始质心，设聚类数为k，初始化质心的方法如下：S1211、从n个样本中随机选取一个样本作为第一个质心，记为定义一个长度为n的距离序列D(i)＝(d1，d2，...di)，并初始化序列中每一个元素为无穷大；S1212、对样本集中的每个样本分别计算与的距离更新距离序列D(i)＝(d1，d2，...di)，更新规则如下：S1213、选择距离序列D(i)中最大的元素di，其对应的样本作为下一个质心S1214、重复步骤S1212和S1213，直到选出k个质心为止；S122、最佳聚类数的选取因DNSCC不同于欧氏距离，故对聚类评价指标中的SSE进行适当调整，作为外层形态聚类数k的确定依据，如式(8)所示：式(8)中，为类j中的负荷样本；为类j的质心；nj为类j中包含的样本个数，随着聚类数k增加，SSE会逐步下降，当下降趋势突然变缓时，所对应的k值即为最佳聚类数，称为“肘部”；居民用户的负荷曲线特征较复杂，实际应用中可能出现无法在损失函数的图像上找到明显“肘部”的情况，同时参考轮廓系数和损失函数图像共同确定聚类数k，单个样本的轮廓系数定义如式(9)所示：3CN114139650A权利要求书3/3页式(9)中，a(i)为样本i和同类其他