【技术实现步骤摘要】
本专利技术涉及电力系统，具体涉及一种基于x-means算法的区域用电特征模型构建方法。
技术介绍
1、随着城市化进程的加快和人口数量的不断增长，电力需求量也在不断提高。电力作为经济发展先行官，是地方经济发展的基础，电力数据能够直接反映出区域经济发展活力与特征状态，如何更好地了解各个区域的用电特征，对于制定用电政策、优化供电计划以及提高供电效率等方面都显得尤为重要。
2、传统的区域用电特征分析停留在基础统计分析层面，如用电量和负荷率趋势分析、各区域用电量对比分析和行业用电分析等。传统方法缺乏对用电数据的多维度分析，仅仅关注用电量和负荷率等表面指标，并不能充分了解一个区域的用电特点和需求变化。其次，传统方法对于不同区域间的综合情况没有进行深入研究，仅仅通过简单的用电量对比分析，无法全面了解不同区域的用电特征以及它们之间的相互关系。最后，传统方法缺乏深度挖掘和分析的能力，并不能深入挖掘数据背后的规律和关联性，无法立体地反应一个区域的综合情况，因此需要引入更复杂的数据挖掘和机器学习技术，以提取出更有价值的信息和洞察。
技术实现思路
1、针对电力行业中传统用电特征分析方法存在的局限性，本专利技术提供一种基于x-means算法的区域用电特征模型构建方法，以解决上述问题。
2、本专利技术通过下述技术方案实现：
3、一种基于x-means算法的区域用电特征模型构建方法，包括：
4、s1、从多个维度选取需要进行用电分析的指标；
5、s2、采
6、s3、对所采集的不同区域的元素基于x-means算法进行分簇，使得不同区域的所述元素能够得到最佳的聚类结果；
7、s4、对于每一个聚类类别，求取该类别所有元素各指标的平均值，分别令每个聚类类别中的各指标的平均值为第一均值(即该类型元素的均值)，同时求取所有区域各指标的平均值，令所有区域各指标的平均值为第二均值(即整体元素的均值)；
8、s5、针对每个聚类类别，对同一指标的第一均值和第二均值进行比较，然后赋予该聚类结果标签，最终得到属于该聚类结果的区域所对应的用电经济类型。
9、作为优化，s1中，基于科学性、可得性、灵敏性和时效性选取的指标分别为人均生产总值、城镇率、全社会用电总计、平均线损率、农业用电占比和工业供电占比。
10、作为优化，s2中，预处理包括对各个指标进行数据清洗和标准化，其中，数据清洗具体为：
11、若某区域的指标存在缺失值，且缺失值的数量小于设定阈值，则通过历史值插值对该指标的缺失值进行填补；
12、若某区域的指标存在缺失值，且缺失值的数量不小于设定阈值，则直接删除该区域的所有指标，不对该区域进行评判分析。
13、作为优化，在对所有区域的指标进行数据清洗后，对所有区域的指标进行标准化，具体公式如下：
14、
15、其中，min value为所有区域中某一指标中的最小值，max value为所有区域中某一指标中的最大值，original value为所有区域中某一指标中的原始数值，normalized为原数值标准化后的数值。
16、作为优化，s3的具体步骤为：
17、s3.1、初始化参数，所述参数包括初始簇数、最大簇数以及距离度量方式；
18、s3.2、基于x-means算法先以初始簇数对所有元素进行聚类，得到初始簇数的簇；
19、s3.3、将某一个簇视为父簇，基于x-means算法分类将该父簇试分裂成两个子簇，并计算分裂前后一个所述父簇和两个所述子簇对应的bic值；
20、s3.4、基于所述bic值判断所述父簇是否适合分裂，若是，则将该父簇分裂得到的两个子簇视为新的父簇，返回s3.3，否则，保留该父簇，然后跳转至s3.5；
21、s3.5、判断簇的数量是否达到最大簇数，若是，则退出，得到最佳的聚类结果，否则，跳转至s3.6；
22、s3.6、判断是否还有簇未进行试分裂，若是，则跳转至s3.3，否则，退出，得到最佳的聚类结果。
23、作为优化，若所述父簇对应的bic值不大于两个子簇对应的bic值，则判断该父簇不适合分裂；若所述父簇对应的bic值小于两个子簇对应的bic值，则判断该父簇适合分裂。
24、作为优化，s3和s4之间，还包括：
25、使用pca降维算法，将六维数据的元素降成二维数据，以便对聚类结果进行可视化展示。
26、作为优化，s5中，对于某一聚类结果，若该聚类结果某一指标的第一均值或者某几个指标的第一均值高于对应指标的第二均值，则基于所有高于第二均值的第一均值对应的指标设置该聚类结果的标签。
27、作为优化，还包括s6、针对用电经济类型对应设计用电方案。
28、本专利技术还公开了一种基于x-means算法的区域用电特征模型构建系统，用于实施前述的一种基于x-means算法的区域用电特征模型构建方法，包括：
29、指标设计模块，用于从多个维度选取需要进行用电分析的指标；
30、采集模块，用于采集不同区域的所述指标并预处理，将同一区域的所有指标看作一个元素；
31、聚类模块，用于对所采集的不同区域的元素基于x-means算法进行分簇，使得不同区域的所述元素能够得到最佳的聚类结果；
32、指标均值求取模块，用于对于每一个聚类类别，求取该类别所有元素各指标的平均值，分别令每个聚类类别中的各指标的平均值为第一均值，同时求取所有区域各指标的平均值，令所有区域各指标的平均值为第二均值；
33、比较模块，用于针对每个聚类类别，对同一指标的第一均值和第二均值进行比较，然后赋予该聚类结果标签，最终得到属于该聚类结果的区域所对应的用电经济类型。
34、本专利技术与现有技术相比，具有如下的优点和有益效果：
35、本专利技术采用x-means算法，相较于传统的用电特征分析方法，
36、能够自动确定最优聚类数量，能够更有效地处理和分析大量的多维度电力数据，有效地解决了传统用电特征分析方法中因预设聚类数量带来的局限性和偏差。
37、本专利技术在指标选择上进行了创新，不仅考虑了传统的用电量和负荷率等指标，还融入了人均生产总值、城镇率等社会经济指标，使得模型的分析结果更加全面和深入，利用本专利技术的方法，可以深入挖掘并综合分析多维度的用电数据，包括人均生产总值、城镇率、全社会用电总计等，从而提供比传统单一维度分析更为全面和精准的区域用电特征认识。
38、本专利技术通过将各区域间的不同维度的指标进行聚类分析，使得本专利技术有助于揭示不同区域间的用电特征和经济发展状态的内在联系和差异，为电力公司制定更合理的供电策略和优化电力资源配置提供了科学依据。
39、本专利技术的应用不仅提高了电力数据分析的效率和准确性，也为电力本文档来自技高网...
【技术保护点】
1.一种基于X-means算法的区域用电特征模型构建方法，其特征在于，包括：
2.根据权利要求1所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，S1中，基于科学性、可得性、灵敏性和时效性选取的指标分别为人均生产总值、城镇率、全社会用电总计、平均线损率、农业用电占比和工业供电占比。
3.根据权利要求1所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，S2中，预处理包括对各个指标进行数据清洗和标准化，其中，数据清洗具体为：
4.根据权利要求3所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，在对所有区域的指标进行数据清洗后，对所有区域的指标进行标准化，具体公式如下：
5.根据权利要求2所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，S3的具体步骤为：
6.根据权利要求5所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，若所述父簇对应的BIC值不大于两个子簇对应的BIC值，则判断该父簇不适合分裂；若所述父簇对应的B
7.根据权利要求6所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，S3和S4之间，还包括：
8.根据权利要求1所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，S5中，对于某一聚类结果，若该聚类结果某一指标的第一均值或者某几个指标的第一均值高于对应指标的第二均值，则基于所有高于第二均值的第一均值对应的指标设置该聚类结果的标签。
9.根据权利要求1所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，还包括S6、针对用电经济类型对应设计用电方案。
10.一种基于X-means算法的区域用电特征模型构建系统，用于实施权利要求1-9任一所述的一种基于X-means算法的区域用电特征模型构建方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于x-means算法的区域用电特征模型构建方法，其特征在于，包括：
2.根据权利要求1所述的一种基于x-means算法的区域用电特征模型构建方法，其特征在于，s1中，基于科学性、可得性、灵敏性和时效性选取的指标分别为人均生产总值、城镇率、全社会用电总计、平均线损率、农业用电占比和工业供电占比。
3.根据权利要求1所述的一种基于x-means算法的区域用电特征模型构建方法，其特征在于，s2中，预处理包括对各个指标进行数据清洗和标准化，其中，数据清洗具体为：
4.根据权利要求3所述的一种基于x-means算法的区域用电特征模型构建方法，其特征在于，在对所有区域的指标进行数据清洗后，对所有区域的指标进行标准化，具体公式如下：
5.根据权利要求2所述的一种基于x-means算法的区域用电特征模型构建方法，其特征在于，s3的具体步骤为：
6.根据权利要求5所述的一种基于x-means算法的区域用电特征模型构建方法，其特...
【专利技术属性】
技术研发人员：王海燕，汪伟，马瑞光，邓盈盈，叶强，
申请(专利权)人：国网四川省电力公司经济技术研究院，
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。