【技术实现步骤摘要】
本专利技术属于电力市场，具体涉及一种竞价出清数据特征提取分析方法、系统、芯片及设备。
技术介绍
1、k-medoids算法又叫k-中心点聚类算法与k-means有所不同的是：k-medoids算法不采用簇中对象的平均值作为参照点，而是选用簇中位置最中心的对象，即中心点作为参照点。具体来说：
2、首先为每个簇随意选择一个代表对象；剩余的对象根据其与代表对象的距离分配给最近的一个簇；然后反复地用非代表对象来替代代表对象，以改进聚类的质量；聚类结果的质量用一个代价函数来估算，该函数评估了对象与其参照对象之间的平均相异度。
3、k-medoids算法的步骤如下：
4、1)任意选取k个点作为代表对象；
5、2)按照与代表对象最近的原则，将剩余点分配到当前最佳的代表对象的簇中；
6、3)在每一类中，计算每个成员点对应的准则函数，选取准则函数最小时对应的点作为新的代表对象；其中准则函数为，一类中，某个成员点和其他成员点的距离之和；
7、4)重复2)-3)的过程，直到所有的代表对象...
【技术保护点】
1.一种竞价出清数据特征提取分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的竞价出清数据特征提取分析方法，其特征在于，电力市场历史交易数据预处理，具体为：
3.根据权利要求2所述的竞价出清数据特征提取分析方法，其特征在于，聚类分析的样本数量是簇数的两倍。
4.根据权利要求2所述的竞价出清数据特征提取分析方法，其特征在于，将报价曲线转换成n维向量具体为：
5.根据权利要求1所述的竞价出清数据特征提取分析方法，其特征在于，采用K-Medoids聚类算法提取n维向量形式电力市场历史交易数据的特征中，对K在1至15...
【技术特征摘要】
1.一种竞价出清数据特征提取分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的竞价出清数据特征提取分析方法，其特征在于，电力市场历史交易数据预处理，具体为：
3.根据权利要求2所述的竞价出清数据特征提取分析方法，其特征在于，聚类分析的样本数量是簇数的两倍。
4.根据权利要求2所述的竞价出清数据特征提取分析方法，其特征在于，将报价曲线转换成n维向量具体为：
5.根据权利要求1所述的竞价出清数据特征提取分析方法，其特征在于，采用k-medoids聚类算法提取n维向量形式电力市场历史交易数据的特征中，对k在1至15范围内各进行一次聚类。
6.根据权利要求5所述的竞价出清数据特征提取分析方法，其特征在于，选取db指数最小的k值作为最终聚类的k值。
7.根据权利要求5所述的竞价出清数据特征提取分析方法，其特征在于，典型报价曲线被选择的概率为其所在簇中样本点数量与所有样本点数量之比，采用轮盘赌选择法生成机组的报价曲线。
8...
【专利技术属性】
技术研发人员：袁沐琛，丁强，蔡帜，程雪婷，邹鹏，薄利明，陈丹阳，崔校瑞，刘新元，张超，郑惠萍，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。