分布式资源数据聚类方法和系统技术方案

本发明专利技术公开了一种分布式资源数据聚类方法和系统，所述方法包括：获取分布式资源的各类功率曲线数据，将功率曲线数据转化为张量形式的输入数据；将所述输入数据输入到CNN模型中进行特征提取，所述CNN模型包括ResNet、细节特征提取模块和空间注意力模块；在编码阶段采用细节特征提取模块捕获功率曲线数据中的细节信息；在解码阶段采用空间注意力模块动态调整不同位置的特征权重并进行重建，并通过全连接层输出；利用谱聚类算法对全连接层的输出进行聚类分析，得到每个样本所属的聚类簇。本发明专利技术能够对功率曲线数据进行有效处理，为分布式资源的智能聚类提供了高效、精准的解决方案。

【技术实现步骤摘要】

本专利技术属于电力工程，具体涉及一种分布式资源数据聚类方法和系统。

技术介绍

1、随着分布式资源在各行业中的广泛应用，如能源管理、智能制造等，对于分布式资源的智能聚类成为了一个备受关注的研究方向。分布式资源包括了各种设备的功率曲线数据，这些曲线记录了设备在不同时间段内的能量消耗模式，反映了设备的工作特性和行为模式。通过对这些功率曲线数据进行合理的聚类，可以实现对设备的分类管理、异常检测、能耗分析等应用，从而为分布式资源的合理利用和智能化管理提供了有力的支持。

2、然而，传统的聚类方法在处理分布式资源时面临着一些挑战。首先，由于分布式资源数据通常呈现出大规模、高维度的特点，传统的聚类方法难以有效地捕捉到数据的内在结构。其次，分布式资源的数据通常分布在不同的位置或节点上，需要考虑如何在分布式计算环境下进行聚类分析，以保证计算的高效性和准确性。随着分布式资源的日益增多和复杂化，如何高效地对这些资源进行聚类以便进行智能管理和优化配置成为了一项重要的研究课题。

技术实现思路

1、本专利技术的目的是克服上述背本文档来自技高网...

【技术保护点】

1.一种分布式资源数据聚类方法，其特征在于，包括：

2.根据权利要求1所述分布式资源数据聚类方法，其特征在于，所述在编码阶段采用细节特征提取模块捕获功率曲线数据中的细节信息，包括：

3.根据权利要求2所述分布式资源数据聚类方法，其特征在于，所述细节特征提取模块的处理过程的计算公式如下：

4.根据权利要求1所述分布式资源数据聚类方法，其特征在于，所述在解码阶段采用空间注意力模块动态调整不同位置的特征权重并进行重建，包括：

5.根据权利要求4所述分布式资源数据聚类方法，其特征在于，所述空间注意力模块的处理过程的计算公式如下：

6.根...

【技术特征摘要】

1.一种分布式资源数据聚类方法，其特征在于，包括：

2.根据权利要求1所述分布式资源数据聚类方法，其特征在于，所述在编码阶段采用细节特征提取模块捕获功率曲线数据中的细节信息，包括：

3.根据权利要求2所述分布式资源数据聚类方法，其特征在于，所述细节特征提取模块的处理过程的计算公式如下：

4.根据权利要求1所述分布式资源数据聚类方法，其特征在于，所述在解码阶段采用空间注意力模块动态调整不同位置的特征权重并进行重建，包括：

5.根据权利要求4所述分布式资源数据聚类方法，其特征在于，所述空间注意力模块的处理过程的计算公式如下：

6.根据权利要求1所述分布式资源数据聚类方法，其特征在于，所述利用...

【专利技术属性】
技术研发人员：邓星，朱红，朱克东，张明，潘小辉，李峰，严嘉豪，徐鹏，夏秋，王刚，杨胜春，李亚平，田伟，刘俊，吕建虎，于韶源，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：