[发明专利]一种基于改进AP和K‑means聚类的电力大用户细分方法

权利要求书

1.一种基于改进AP和K-means聚类的电力大用户细分方法，其特征在于，包括以下步骤：

步骤001：输入经过预处理以后的用电量、信用得分、用电增长率等数据；

步骤002：将步骤001得到的数据代入改进后的AP算法，求得聚类数目K以及聚类中心；

步骤003：将AP聚类所得的聚类数目K和初始聚类中心作为K-means聚类的初始值；

步骤004：根据距离最近的原则确定第一次的聚类结果，即依次计算各个点距初始聚类中心的距离，并基于距离重新分配簇；

步骤005：重新确定聚类中心，重新计算每个聚类的均值并确定新的聚类中心点；

步骤006：根据终止条件判断是否终止聚类，若终止则输出结果，否则转向第四步重新迭代计算；

步骤007：输出K个聚类集合。

2.根据权利要求1所述的基于改进AP和K-means聚类的电力大用户细分方法，其特征在于：所述步骤001中，预处理的过程包括在进行聚类之前首先对于所有数据进行规范化化处理，对于数据集x₁,x₂,...,x_n进行变换：

则y₁,y₂,...,y_n∈[0,1]且无量纲。

3.根据权利要求1所述的基于改进AP和K-means聚类的电力大用户细分方法，其特征在于：所述步骤001中，输入经过预处理后的电力大用户的月用电量总量、客户历史信用得分以及用电量增长率，其中用电量分增长率包含两个内容：分别为环比增长率和同比增长率；

电力大用户信用采用大用户信用得分来进行表征，信用得分是供电企业运用数理统计方法以及数据挖掘技术，首先通过对大用户的基础信息，通过对大用户的用电情况、合同履约情况、安全用电情况以及电费缴纳这四个指标的大量历史碎片化数据进行系统性地清洗与分析，挖掘数据中蕴藏的行为模式以及信用特征，捕捉历史信息和信用表现之间的关系，通过对规范化后的数据进行加权平均处理，最后得到一个总的信用得分值，以该信用得分来综合评估大用户历史行为上的信用表现，在一定程度上可以作为对用户当前价值的判断，也可以作为大用户未来信用表现的预测；

月平均用电量＝功率*运行时间/12

信用得分＝a1*用电情况+a2*合同履约情况+a3*安全履约情况+a4*电费缴纳情况；

其中，a1、a2、a3、a4为各项信息的比重；

环比增长率：大用户用电量环比＝(大用户本月用电量-大用户上个月用电量)/大用户上个月用电量*100％；

同比增长率：大用户用电量同比＝(大用户本月用电量-大用户去年同期用电量)/大用户去年同期用电量*100％。