一种用于智能电表大数据的负荷曲线聚类方法技术

本申请提供一种用于智能电表大数据的负荷曲线聚类方法，涉及智能电网大数据应用领域，解决了现有的聚类方法结果不准确的技术问题。该聚类方法包括首先采用PCA对样本数据进行降维处理；然后采用自适应加权FCM算法对降维后的样本数据进行聚类；接着采用聚类有效性函数自适应确定最佳聚类数目，并基于最佳聚类数采用上述加权FCM算法得到最佳聚类结果。该聚类方法用于对用户的负荷曲线进行聚类。

【技术实现步骤摘要】

本申请涉及智能电网大数据应用领域，尤其涉及一种用于智能电表大数据的负荷曲线聚类方法。
技术介绍
随着智能电网的发展，越来越多的智能电表被安装到分布式网络中，智能电表收集的时变用电数据构成负荷曲线，不同的负荷曲线能够反应不同用户的用电习惯，因此，通过对用户的负荷曲线进行聚类可以获得用户典型负荷曲线，并据此将用户分类，对于一些应用开发(如负荷预测、异常用电信息检测、负荷控制、设计电价、需求响应策略等)具有重要意义。现有负荷曲线聚类方法主要包括基于划分聚类方法，如K均值法、FCM(Fuzzy C-Means，模糊C均值法)聚类方法，以及基于模型的聚类方法，如自组织映射(SOM)和支持向量机(SVM)，其中，FCM聚类方法因为聚类复杂度低且聚类性能较优被广泛应用，另外为了提高大规模数据聚类效率，。聚类前先对负荷数据做降维处理，常用降维方法包括PCA(Principle Component Analysis，主成分分析法)和Sammon映射等，其中PCA因为计算时间更小而更优。但是在传统的FCM聚类方法中，需要预先设定聚类数，而在实际负荷曲线进行聚类的过程中，聚类前没有办法确定聚类数；另外，FCM聚类方法考虑样本数据相似性时采用欧式距离计算，而欧式距离计算中假设样本数据各维属性重要度相同，但是实际负荷曲线中的各负荷数据每一维属性的重要度并不一样。因此，传统的FCM聚类方法所得的结果不准确。
技术实现思路
本专利技术的目的在于提供一种用于智能电表大数据的负荷曲线聚类方法，用于解决传统的FCM聚类方法所得的结果不准确的技术问题。为达到上述目的，本专利技术提供了一种用于智能电表大数据的负荷曲线聚类方法，包括以下步骤：步骤S1、采用PCA方法对样本数据进行降维处理；步骤S2、设定一个预设聚类数目，并基于预设聚类数目，采用加权FCM算法对降维处理后的样本数据进行聚类；步骤S3、通过聚类有效性函数自适应确定预设聚类数目是否为最佳聚类数目，若是，则执行步骤S4，若不是，则将预设聚类数目减1，并重新执行步骤S2；步骤S4、基于最佳聚类数，采用加权FCM算法得到最佳聚类结果。其中，所述步骤S1中具体包括：设X＝{xn本文档来自技高网...

【技术保护点】
一种用于智能电表大数据的负荷曲线聚类方法，其特征在于：包括以下步骤：步骤S1、采用PCA方法对样本数据进行降维处理；步骤S2、设定一个预设聚类数目，并基于预设聚类数目，采用加权FCM算法对降维处理后的样本数据进行聚类；步骤S3、通过聚类有效性函数自适应确定预设聚类数目是否为最佳聚类数目，若是，则执行步骤S4，若不是，则将预设聚类数目减1，并重新执行步骤S2；步骤S4、基于最佳聚类数，采用加权FCM算法得到最佳聚类结果。

【技术特征摘要】
1.一种用于智能电表大数据的负荷曲线聚类方法，其特征在于：包括以下步骤：步骤S1、采用PCA方法对样本数据进行降维处理；步骤S2、设定一个预设聚类数目，并基于预设聚类数目，采用加权FCM算法对降维处理后的样本数据进行聚类；步骤S3、通过聚类有效性函数自适应确定预设聚...

【专利技术属性】
技术研发人员：肖霖，鲁云，张天魁，
申请(专利权)人：南昌大学，北京邮电大学，
类型：发明
国别省市：江西;36