[发明专利]一种用户用电实时测量方法

权利要求书

1.一种用户用电实时测量方法，其包括步骤如下：

步骤S1：对采集用户的用电实时数据进行预处理，获得完整的用电数据；

步骤S2：对完整的用电数据参数进行初始化，获得计算所需的初始化聚类类别数、概率上界参数、概率下界参数；

步骤S3：采用K-均值聚类算法对用电数据的初始化聚类类别数、概率上界参数、概率下界参数进行聚类，获取不同类别的用电数据；

步骤S4：对不同类别的用电数据进行统计计算，得到并对各用电类别的均值及概率处理与计算，获得剔除低概率类、保留高概率类符合实际用户用电的实时预测结果。

2.如权利要求1所述的用户用电实时测量方法，其特征在于，所述预处理是对用电实时数据进行筛选、剔除、补充的操作，用以改善数据质量，获取完整的用电数据。

3.如权利要求1所述的用户用电实时测量方法，其特征在于，所述用电实时数据为照明用电数据、插座用电数据以及空调用电数据。

4.如权利要求1所述的用户用电实时测量方法，其特征在于，根据用户的实际用电情况对所述聚类类别数、概率上界、概率下界参数的大小进行调整，以满足用电的实际需求。

5.如权利要求1所述的用户用电实时测量方法，其特征在于，所述K-均值聚类算法是典型的基于原型的目标函数聚类算法，所述典型的基于原型的目标函数聚类算法是以用电数据的数据点到K均值聚类算法中的聚类中心的样本x到第j个聚类中心的欧氏距离作为优化目标函数，利用函数求极值算法对优化目标函数进行迭代运算调整，获得优化目标函数最小函数值。

6.如权利要求5所述的用户用电实时测量方法，其特征在于，获得优化目标函数最小函数值的步骤如下：

步骤S31：初始化不同类别用电数据的聚类样本及聚类数目K；

步骤S32：为每个用电数据聚类确定一个初始用电数据聚类中心，得到K个初始用电数据聚类中心；

步骤S33：将用电数据样本集中的用电数据样本按照最小距离分配到最邻近用电数据聚类；

步骤S34：使用每个用电数据聚类中的用电数据样本均值作为新的用电数据聚类中心；

步骤S35：判断新的用电数据聚类中心是否变化，如果新的用电数据聚类中心变化，则返回步骤S33；如新的用电数据聚类中心不变化，则得到优化目标函数最小函数值的用电数据的K个聚类结果。

7.如权利要求1所述的用户用电实时测量方法，其特征在于，所述统计计算的具体步骤如下：

步骤S41：根据初始化参数，设定概率下界P_min和概率上界P_max；

步骤S42：剔除概率低于概率下界P_min的类别，并重新计算各类别的概率；

步骤S43：判断是否存在某一类别的概率高于概率上界P_max，如果存在某一类别的概率高于概率上界P_max，则以该类别的均值作为预测值，如果存在某一类别的概率没有高于概率上界P_max，则转到步骤S44；

步骤S44：取概率处于概率下界P_min和概率上界P_max之间的类别，计算各类别均值的加权平均作为预测值。