基于K-Means聚类算法的台区户变关系识别方法和装置制造方法及图纸

本发明专利技术提供了一种基于K

【技术实现步骤摘要】
基于K
‑
Means聚类算法的台区户变关系识别方法和装置


[0001]本专利技术涉及电网管理
，具体涉及一种基于K
‑
Means聚类算法的台区户变关系识别方法和一种基于K
‑
Means聚类算法的台区户变关系识别装置。

技术介绍

[0002]随着智能电能表的普及应用和用电信息采集系统的全覆盖，信息采集技术的成熟发展，尤其是HPLC通信技术的推广应用，实现了居民用户电能表的高频数据采集功能，然而供电公司的业务需求也在不断提升，例如用户电能表的台区归属关系，公变负载不平衡的原因分析，线损分析要求更加精细化，对线路安全隐患提前预警，故障抢修的及时性等。
[0003]目前基于HPLC的台区识别技术仍旧不够成熟，尤其是在共零台区之间，台区识别的可靠性不高，远不能满足供电公司的刚性业务需求。

技术实现思路

[0004]本专利技术为解决上述技术问题，提供了一种基于K
‑
Means聚类算法的台区户变关系识别方法，能够有效识别台区户变关系，从而能够在提升台区线损管理水平的同时，节约现场排查梳理的人力成本，并能够满足供电公司的业务需求。
[0005]本专利技术采用的技术方案如下：
[0006]一种基于K
‑
Means聚类算法的台区户变关系识别方法，包括以下步骤：获取相邻台区的所有总表及所有用户电能表在预设时间段内的电压曲线数据；根据所述电压曲线数据构建初始样本集；对所述初始样本集进行有效性过滤得到有效样本集；基于K
‑
Means聚类算法聚类所述有效样本集；根据聚类结果得到每个所述用户电能表与每个所述台区总表之间的归属关系。
[0007]根据本专利技术的一个实施例，根据所述电压曲线数据构建初始样本集，具体包括以下步骤：将所述预设时间段分为N个时刻点；选取所述电压曲线数据中第n个时刻点的所述相邻台区所有总表的电压数据，并提取其特征以得到第n个时刻点的总表子样本，其中，n∈N；选取所述电压曲线数据中第n个时刻点的所述相邻台区所有用户电能表的电压数据，并提取其特征以得到第n个时刻点的用户电能表子样本；根据所述第n个时刻点的总表子样本和用户电能表子样本构成所述第n个时刻点的初始样本子集；遍历所述N个时刻点得到N组初始样本子集；根据所述N组初始样本子集构建初始样本集。
[0008]根据本专利技术的一个实施例，对所述初始样本集进行有效性过滤得到有效样本集，具体包括以下步骤：判断每组所述初始样本子集中总表子样本是否满足聚类要求；若是，则判定所述初始样本子集有效以得到有效样本子集；根据所有有效样本子集构建有效样本集。
[0009]根据本专利技术的一个实施例，基于K
‑
Means聚类算法聚类所述有效样本集，具体包括以下步骤：计算每组所述有效样本子集的初始质心，其中，所述初始质心包括第一初始质心和第二初始质心；利用所述K
‑
Means聚类算法将每组所述有效样本子集围绕所述第一初始
质心和所述第二初始质心分别聚类为第一簇和第二簇；利用所述K
‑
Means聚类算法计算所述第一簇的簇内质心和所述第二簇的簇内质心；判断所述第一簇的簇内质心与所述第一初始质心是否相同、以及所述第二簇的簇内质心与所述第二初始质心是否相同；若否，则采用所述第一簇的簇内质心和所述第二簇的簇内质心分别对应更新所述第一初始质心和所述第二初始质心，并将每组所述有效样本子集重新聚类，直至聚类得到的簇内质心与聚类采用的初始质心相同。
[0010]根据本专利技术的一个实施例，基于K
‑
Means聚类算法聚类所述有效样本集，还包括以下步骤：判断每组所述有效样本子集中的所有总表子样本是否同时存在于所述第一簇或所述第二簇中；若是，则聚类得到的第一簇和第二簇无效；若否，则聚类得到的第一簇和第二簇有效。
[0011]一种基于K
‑
Means聚类算法的台区户变关系识别装置，包括：获取模块，所述获取模块用于获取相邻台区的所有总表及所有用户电能表在预设时间段内的电压曲线数据；第一处理模块，所述第一处理模块用于根据所述电压曲线数据构建初始样本集；有效过滤模块，所述有效过滤模块用于对所述初始样本集进行有效性过滤得到有效样本集；第二处理模块，所述第二处理模块用于基于K
‑
Means聚类算法聚类所述有效样本集；第三处理模块，所述第三处理模块用于根据聚类结果得到每个所述用户电能表与每个所述台区总表之间的归属关系。
[0012]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现上述的基于K
‑
Means聚类算法的台区户变关系识别方法。
[0013]一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述的基于K
‑
Means聚类算法的台区户变关系识别方法。
[0014]本专利技术的有益效果：
[0015]本专利技术能够有效识别台区户变关系，从而能够在提升台区线损管理水平的同时，节约现场排查梳理的人力成本，并能够满足供电公司的业务需求。
附图说明
[0016]图1为本专利技术实施例的基于K
‑
Means聚类算法的台区户变关系识别方法的流程图；
[0017]图2为本专利技术一个实施例的K
‑
Means聚类算法的流程图；
[0018]图3为本专利技术实施例的基于K
‑
Means聚类算法的台区户变关系识别装置的方框示意图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]图1为本专利技术实施例的基于K
‑
Means聚类算法的台区户变关系识别方法的流程图。
[0021]如图1所示，本专利技术实施例的基于K
‑
Means聚类算法的台区户变关系识别方法，包
括以下步骤：
[0022]S1，获取相邻台区的所有总表及所有用户电能表在预设时间段内的电压曲线数据。
[0023]具体地，可获取相邻两个台区的总表，即第一总表和第二总表，以及相邻两个台区的所有用户电能表在预设时间端，例如15分钟内的电源采样曲线数据。
[0024]S2，根据电压曲线数据构建初始样本集。
[0025]具体地，可将将预设时间段分为N个时刻点；选取电压曲线数据中第n个时刻点的相邻台区所有总表的电压数据，并提取其特征以得到第n个时刻点的总表子样本，其中，n∈N；选取电压曲线数据中第n个时刻点的相邻台区所有用户电能表的电压数据，并提取其特征以得到第n本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K
‑
Means聚类算法的台区户变关系识别方法，其特征在于，包括以下步骤：获取相邻台区的所有总表及所有用户电能表在预设时间段内的电压曲线数据；根据所述电压曲线数据构建初始样本集；对所述初始样本集进行有效性过滤得到有效样本集；基于K
‑
Means聚类算法聚类所述有效样本集；根据聚类结果得到每个所述用户电能表与每个所述台区总表之间的归属关系。2.根据权利要求1所述的基于K
‑
Means聚类算法的台区户变关系识别方法，其特征在于，根据所述电压曲线数据构建初始样本集，具体包括以下步骤：将所述预设时间段分为N个时刻点；选取所述电压曲线数据中第n个时刻点的所述相邻台区所有总表的电压数据，并提取其特征以得到第n个时刻点的总表子样本，其中，n∈N；选取所述电压曲线数据中第n个时刻点的所述相邻台区所有用户电能表的电压数据，并提取其特征以得到第n个时刻点的用户电能表子样本；根据所述第n个时刻点的总表子样本和用户电能表子样本构成所述第n个时刻点的初始样本子集；遍历所述N个时刻点得到N组初始样本子集；根据所述N组初始样本子集构建初始样本集。3.根据权利要求2所述的基于K
‑
Means聚类算法的台区户变关系识别方法，其特征在于，对所述初始样本集进行有效性过滤得到有效样本集，具体包括以下步骤：判断每组所述初始样本子集中总表子样本是否满足聚类要求；若是，则判定所述初始样本子集有效以得到有效样本子集；根据所有有效样本子集构建有效样本集。4.根据权利要求3所述的基于K
‑
Means聚类算法的台区户变关系识别方法，其特征在于，基于K
‑
Means聚类算法聚类所述有效样本集，具体包括以下步骤：计算每组所述有效样本子集的初始质心，其中，所述初始质心包括第一初始质心和第二初始质心；利用所述K
‑
Means聚类算法将每组所述有效样本子集围绕所述第一初始质心和所述第二初始质心分别聚类为第一簇和第二簇；利用所述K
‑

【专利技术属性】
技术研发人员：高晓雷，陈霄，庄宇峰，孙宇，梅道珺，倪文沁，钱炜妍，
申请(专利权)人：国网江苏省电力有限公司国家电网有限公司，
类型：发明
国别省市：