專利名稱：一種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電力系統(tǒng)負(fù)荷建模技術(shù)領(lǐng)域，特別涉及一種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合算法。
背景技術(shù)：
用戶用電負(fù)荷數(shù)據(jù)分析是供電企業(yè)了解用戶用電負(fù)荷模式特性的重要方法，對供電企業(yè)規(guī)劃負(fù)荷管理、變電站建設(shè)、電網(wǎng)運(yùn)行狀態(tài)評估等方面具有重要的作用。通過研究用戶的用電負(fù)荷模式特性，有助于供電企業(yè)更深刻地認(rèn)識用戶，并能夠根據(jù)不同的用戶群制訂相應(yīng)的市場策略、提供針對性的個性化服務(wù)?；谟脩粲秒娯?fù)荷數(shù)據(jù)的用戶群細(xì)分，目前主流的研究方式是依據(jù)用戶日用電負(fù)荷曲線的形態(tài)變化，使用聚類分析算法對用戶用電負(fù)荷數(shù)據(jù)進(jìn)行智能分群，從中尋找用戶用電行為的典型模式。應(yīng)用于用戶用電行為研究的聚類分析方法一般包括劃分的方法、層次的方法、基于密度的方法。國內(nèi)的研究大多根據(jù)用戶用電負(fù)荷數(shù)據(jù)的特性，選定以上某種聚類算法并加以改進(jìn)，再通過人工比對聚類效果，選取結(jié)果較好的聚類模型。由于用戶用電負(fù)荷數(shù)據(jù)是不平衡的時間序列數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)的時序特性嚴(yán)重地影響傳統(tǒng)聚類算法的效果。為得到較為可靠的聚類效果，需要根據(jù)不同的分析數(shù)據(jù)和先驗(yàn)知識，對聚類模型進(jìn)行頻繁的人工修整和改造，導(dǎo)致聚類模型適用性、魯棒性較差，分析結(jié)果依賴于人工操作，無法實(shí)現(xiàn)系統(tǒng)固化。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題，就是提供一種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，將不同聚類算法或者同一聚類算法下使用不同參數(shù)得到的結(jié)果進(jìn)行自動化合并，得到比單一算法更加符合數(shù)據(jù)特性的分析結(jié)果，減少人工處理環(huán)節(jié)，提高聚類分析模型的自適應(yīng)處理能力，滿足頻繁波動的用戶用電負(fù)荷數(shù)據(jù)的分析需求。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下:—種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，包括以下步驟:SI采集指定時刻t用戶用電正向有功讀數(shù)數(shù)據(jù)Wt和正向無功讀數(shù)數(shù)據(jù)Vart ；采集某段時間內(nèi)各指定時間點(diǎn)t的用戶用電正向有功讀數(shù)數(shù)據(jù)Wt和正向無功讀數(shù)數(shù)據(jù)Vart ；S2對采集的用戶用電讀數(shù)數(shù)據(jù)進(jìn)行規(guī)范性校對:先刪除采集的用戶用電讀數(shù)數(shù)據(jù)中的冗余數(shù)據(jù)，再查找用戶用電讀數(shù)數(shù)據(jù)中的缺失字段，選擇作為分析對象的用戶，對分析對象的用電讀數(shù)數(shù)據(jù)進(jìn)行修補(bǔ)缺失數(shù)據(jù)和剔除異常數(shù)據(jù)處理；S3根據(jù)用戶用電正向有功和正向無功讀數(shù)數(shù)據(jù)Wt、Vart，計(jì)算出各用戶在指定時刻t的用電負(fù)荷數(shù)據(jù)St，并列寫以用戶為行、時刻t用電負(fù)荷數(shù)據(jù)St為列的矩陣S [n] [t]，其中η為用戶數(shù)，t為時刻，如O點(diǎn)、I點(diǎn)等；
根據(jù)處理后的數(shù)據(jù)，計(jì)算各用戶在各指定時間點(diǎn)t的用電負(fù)荷數(shù)據(jù)St，并形成以用戶為行，指定時間點(diǎn)的用電負(fù)荷數(shù)據(jù)St為列的矩陣S[N] [t]，其中，N表示用戶數(shù)，t表示各指定的時間點(diǎn)，如O點(diǎn)、I點(diǎn)等；S4對用戶用電負(fù)荷數(shù)據(jù)St進(jìn)行標(biāo)準(zhǔn)化處理，以提取負(fù)荷形態(tài)；S5選擇一種以上的通用聚類算法構(gòu)造預(yù)處理聚類算法集，根據(jù)先驗(yàn)知識設(shè)定兩組以上運(yùn)行參數(shù)，計(jì)算各通用聚類算法在各組運(yùn)行參數(shù)下的用戶用電負(fù)荷數(shù)據(jù)細(xì)分結(jié)果從而得到用戶用電負(fù)荷數(shù)據(jù)細(xì)分結(jié)果集合，集合中對應(yīng)同一組運(yùn)行參數(shù)和同一通用聚類算法的結(jié)果為一個聚類成員，每一個聚類成員中根據(jù)各組運(yùn)行參數(shù)的設(shè)定情況不同分為若干個簇，用戶用電負(fù)荷細(xì)分結(jié)果最終歸屬于各簇，每個簇為一個以該簇為列、用戶為行的單列“O” “I”矩陣，“I”表示某用戶屬于該簇，“O”表示某用戶不屬于該簇，簇是某一聚類成員對用戶用電負(fù)荷數(shù)據(jù)細(xì)分結(jié)果的分類標(biāo)識；S6根據(jù)聚類成員構(gòu)建共識矩陣，其元素為兩兩用戶屬于同一簇的概率；S7隨即選取m個用戶作為典型用戶，計(jì)算其對應(yīng)的距離準(zhǔn)則函數(shù)值，遍歷所有典型用戶組合，并選擇對應(yīng)最小距離準(zhǔn)則函數(shù)值的典型用戶組合，計(jì)算其它各個用戶與這組典型用戶中的各個用戶屬于同一簇的概率；S8設(shè)定概率閥值，以對應(yīng)最小距離準(zhǔn)則函數(shù)值的典型用戶組合為簇中心歸集其他用戶，得到最終的聚類結(jié)果。作為本發(fā)明的優(yōu)選實(shí)施例，上述步驟S2可通過如下步驟實(shí)現(xiàn):S2-1刪除采集的用戶用電正向有功、正向無功讀數(shù)數(shù)據(jù)Wt、Vart中重復(fù)采集或重復(fù)記錄的冗余數(shù)據(jù)；S2-2查找用戶用電正向有功、正向無功讀數(shù)數(shù)據(jù)Wt、Vart中的缺失字段，選擇數(shù)據(jù)缺失量小于20%的用戶作為分析對象，查找分析對象用電讀數(shù)數(shù)據(jù)中的缺失字段，用平滑修正函數(shù)的計(jì)算結(jié)果替代，查找分析對象用電讀數(shù)數(shù)據(jù)中不符合用電特性的異常數(shù)據(jù)，用平滑修正函數(shù)的計(jì)算結(jié)果替代；平滑修正函數(shù)的表達(dá)式為:
權(quán)利要求
1.種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，包括以下步驟: Si采集某段時間內(nèi)各指定時間點(diǎn)t的用戶用電正向有功讀數(shù)數(shù)據(jù)Wt和正向無功讀數(shù)數(shù)據(jù)Vart ； S2對采集的用戶用電讀數(shù)數(shù)據(jù)進(jìn)行規(guī)范性校對:先刪除采集的用戶用電讀數(shù)數(shù)據(jù)中的冗余數(shù)據(jù)，再查找用戶用電讀數(shù)數(shù)據(jù)中的缺失字段，選擇作為分析對象的用戶，對分析對象的用電讀數(shù)數(shù)據(jù)進(jìn)行修補(bǔ)缺失數(shù)據(jù)和剔除異常數(shù)據(jù)處理； S3根據(jù)處理后的數(shù)據(jù)，計(jì)算各用戶在各指定時間點(diǎn)t的用電負(fù)荷數(shù)據(jù)St，并形成以用戶為行，指定時間點(diǎn)的用電負(fù)荷數(shù)據(jù)St為列的矩陣S[N] [t]，其中，N表示用戶數(shù)，t表示各指定的時間點(diǎn)； S4對用戶用電負(fù)荷數(shù)據(jù)St進(jìn)行標(biāo)準(zhǔn)化處理，以提取負(fù)荷形態(tài)； S5選擇一種以上的通用聚類算法構(gòu)造預(yù)處理聚類算法集，根據(jù)先驗(yàn)知識設(shè)定兩組以上運(yùn)行參數(shù)，計(jì)算各通用聚類算法在各組運(yùn)行參數(shù)下的用戶用電負(fù)荷數(shù)據(jù)細(xì)分結(jié)果從而得到用戶用電負(fù)荷數(shù)據(jù)細(xì)分結(jié)果集合，集合中對應(yīng)同一組運(yùn)行參數(shù)和同一通用聚類算法的結(jié)果為一個聚類成員，每一個聚類成員中根據(jù)各組運(yùn)行參數(shù)的設(shè)定情況不同分為若干個簇，每個簇為一個以該簇為列、用戶為行的單列矩陣，“I”表示某用戶屬于該簇，“O”表示某用戶不屬于該簇； S6根據(jù)聚類成員構(gòu)建共識矩陣，其元素為兩兩用戶屬于同一簇的概率； S7隨即選取m個用戶作為典型用戶，計(jì)算其對應(yīng)的距離準(zhǔn)則函數(shù)值，遍歷所有典型用戶組合，并選擇對應(yīng)最小距離準(zhǔn)則函數(shù)值的典型用戶組合，計(jì)算其它各個用戶與這組典型用戶中的各個用戶屬于同一簇的概率； S8設(shè)定概率閥值，以對應(yīng)最小距離準(zhǔn)則函數(shù)值的典型用戶組合為簇中心歸集其他用戶，得到最終的聚類結(jié)果。
2.據(jù)權(quán)利要求1所述的基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，上述步驟S2通過如下步驟實(shí)現(xiàn): S2-1刪除采集的用戶用電正向有功、正向無功讀數(shù)數(shù)據(jù)Wt、Vart中重復(fù)采集或重復(fù)記錄的冗余數(shù)據(jù)； S2-2查找用戶用電正向有功、正向無功讀數(shù)數(shù)據(jù)Wt、Vart中的缺失字段，選擇數(shù)據(jù)缺失量小于20%的用戶作為分析對象，查找分析對象用電讀數(shù)數(shù)據(jù)中的缺失字段，用平滑修正函數(shù)的計(jì)算結(jié)果替代，查找分析對象用電讀數(shù)數(shù)據(jù)中不符合用電特性的異常數(shù)據(jù)，用平滑修正函數(shù)的計(jì)算結(jié)果替代； 平滑修正函數(shù)的表達(dá)式為:
3.據(jù)權(quán)利要求1所述的基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，上述步驟S4中通過如下標(biāo)準(zhǔn)化公式對各用戶的用電負(fù)荷數(shù)據(jù)S [N] [t]進(jìn)行標(biāo)準(zhǔn)化處理:
4.據(jù)權(quán)利要求1所述的基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，上述步驟S5中所述預(yù)處理聚類算法集包括SKMEANS、CCFKMS、FCM三種通用聚類算法。
5.據(jù)權(quán)利要求1所述的基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，上述步驟S6中的共識矩陣通過如下步驟構(gòu)建: S6-1將各聚類成員進(jìn)行矩陣合并，得到矩陣H ； 56-2通過矩陣H構(gòu)建共識矩陣A，依據(jù)公式:
6.據(jù)權(quán)利要求1所述的基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，其特征在于，上述步驟S7具體通過下述步驟實(shí)現(xiàn): 57-1隨機(jī)選取m個用戶作為典型用戶；S7-2計(jì)算其他用戶與典型用戶中的每個用戶屬于同一簇的概率pru，依據(jù)公式:
全文摘要
一種基于用戶用電負(fù)荷數(shù)據(jù)細(xì)分的聚類融合方法，包括以下步驟1)采集數(shù)據(jù)；2)修正數(shù)據(jù)；3)轉(zhuǎn)換數(shù)據(jù)；4)標(biāo)準(zhǔn)化數(shù)據(jù)；5)構(gòu)造預(yù)處理聚類算法集；6)構(gòu)建共識矩陣；7)運(yùn)行聚類融合方法；8)歸集用戶。本發(fā)明將不同聚類算法或者同一聚類算法下使用不同參數(shù)得到的結(jié)果進(jìn)行自動化合并，通過聚類融合可自動判別并生成最優(yōu)的聚類結(jié)果，提高了聚類分析模型的自適應(yīng)處理能力，降低用戶用電負(fù)荷數(shù)據(jù)聚類分析過程中對先驗(yàn)知識的依賴度，減少人工操作，提高了方法的自動化程度。
文檔編號G06Q50/06GK103093394SQ20131002552
公開日2013年5月8日 申請日期2013年1月23日 優(yōu)先權(quán)日2013年1月23日
發(fā)明者黃劍文, 陳軍, 蘇凱, 嚴(yán)宇平, 吳廣財(cái), 莫玉純, 陳非, 張世良, 蔡嘉榮 申請人:廣東電網(wǎng)公司信息中心