【技术实现步骤摘要】
本专利技术属于，涉及一种基于自适应谱聚类的居民峰谷用电特性分类方法及系统。
技术介绍
1、聚类算法又称为群分析法，大数据聚类是一种无监督的机器学习技术，旨在将一组数据对象(即数据点)依据某种规则划分为一定数量具有相似性质的簇，可以发现其中模式相似的对象，并归类整合。在过去的几十年里，研究者们利用各种技术开发了大量的聚类算法，并将其运用于电力用户的划分中。常见的聚类划分方式包括：基于划分式的聚类方法、基于层次化的聚类方法、基于密度的聚类方法、基于网格的聚类方法、基于核的聚类方法、基于谱的聚类方法等。对于特定的数据集，不同的算法可能会导致聚类性能产生巨大差异。基于电力用户负荷曲线和用电行为特征值，利用聚类算法进行电力用户划分，其划分结果更接近用户真实的用电行为，且具有负荷曲线刻画详细、准确率高、分析速度快等优点。
2、目前负荷分类方式多为距离计算方式的改进，多是根据k-means聚类方法进行分类。距离的计算方式有弗雷歇距离、皮尔逊距离等。
3、k-means是一种划分式聚类方法，它试图将数据点分成k个簇，每个簇由一个...
【技术保护点】
1.一种基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，所述基于多尺度相似性参数自适应谱聚类方法如下：
3.根据权利要求2所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，序列数据xi与xk之间的欧氏距离由以下公式计算：
4.根据权利要求3所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，所述的综合距离d(i，k)通过以下的公式计算：
5.根据权利要求4所述的基于自适应谱聚类的居民峰谷用电特性分类方法，...
【技术特征摘要】
1.一种基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，所述基于多尺度相似性参数自适应谱聚类方法如下：
3.根据权利要求2所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，序列数据xi与xk之间的欧氏距离由以下公式计算：
4.根据权利要求3所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，所述的综合距离d(i，k)通过以下的公式计算：
5.根据权利要求4所述的基于自适应谱聚类的居民峰谷用电特性分类方法，其特征在于，多尺度相似性矩阵d的计算公式如下：
6.根据权利要求5...
【专利技术属性】
技术研发人员：陆春光，吕几凡，严华江，王佳颖，黄荣国，姜驰，俞佳莉，倪琳娜，韩鑫泽，
申请(专利权)人：国网浙江省电力有限公司营销服务中心，
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。