[发明专利]一种供热管网流量及压力监测点优化布置方法

权利要求书

1.一种供热管网流量及压力监测点优化布置方法，其特征在于，它包括以下步骤：

步骤一、根据供热管网各管段阻力特性系数S对管段流量和节点压力的影响，获得阻力特性系数对管段流量的影响度矩阵X_G和阻力特性系数对节点压力的影响度矩阵X_P；

步骤二、根据矩阵X_G和矩阵X_P分别获得阻力特性系数相对变化对管段流量相对影响度矩阵Y_G和阻力特性系数相对变化对节点压力相对影响度矩阵Y_P；

步骤三、通过加权熵k均值聚类算法对相对影响度矩阵Y_G和Y_P进行聚类分析而分别获得k个聚类簇，其中，k表示需要布置监测点的数目；

步骤四、在每一个聚类簇中，将与簇中心距离最近的数据对象所对应的管段或节点作为布置监测点的最佳位置，从而实现供热管网流量及压力监测点的优化布置；

步骤三中，通过加权熵k均值聚类算法对相对影响度矩阵Y_G和Y_P进行聚类分析而分别获得k个聚类簇的具体过程为：

将相对影响度矩阵Y_G和Y_P作为聚类的数据对象集，相对影响度矩阵中的每一行表示一个数据对象，每一列表示一个属性，所有属性组成一个样本空间，相对影响度矩阵Y_G是b×b矩阵，所以，数据对象数目为b，样本空间维度为b；相对影响度矩阵Y_P是n×b矩阵，所以，数据对象数目为n，样本空间维度为b，将相对影响度矩阵Y_G和Y_P输入到加权熵k均值聚类算法中，分别获得k个聚类簇；

加权熵k均值聚类的具体流程为：

设定聚类簇的总数目k，从相对影响度矩阵中随机选择k个数据对象作为初始聚类簇中心，初始化维度权重矩阵Λ＝(λ_ur)_k×b，设权重矩阵Λ中每一个元λ_ur的取值均为1/b，

更新划分矩阵W：计算除k个数据对象以外剩下的每个数据对象与各个簇中心的距离，将除k个数据对象以外剩下的数据对象划入距离最近的簇中心所对应的聚类簇：

式中，w_ui为数据对象x_i关于簇C_u的隶属度，当w_ui的数值为1时，表示第i个数据对象在第u个聚类簇中，当w_ui的数值为0时，表示第i个数据对象不在第u个聚类簇中，λ_ur为簇C_u所对应的样本空间第r维的权重值，λ_vr为簇C_v所对应的样本空间第r维的权重值，x_ir为数据对象x_i在样本空间第r维的值，μ_ur为簇C_u的簇中心μ_u在样本空间第r维的值，μ_vr为簇C_v的簇中心μ_u在样本空间第r维的值，

更新聚类簇中心矩阵M：对于每个簇，使用上次划分入该簇的数据对象，重新计算新的均值，使用更新后的均值作为新的簇中心：

式中，m为数据对象的总数目，对于相对影响度矩阵Y_G，m＝b，对于相对影响度矩阵Y_P，m＝n，

更新维度权重矩阵Λ：对于每个簇，根据簇中的每个数据对象与簇中心在样本空间不同维度上的相异性的相对大小，计算样本空间每个维度的权重值：

式中，D_ut为簇C_u包含的所有数据对象与簇中心在样本空间第t维度上的相异性，γ为在更高维度聚类的激励指标，取γ＝1，

利用公式7至9循环迭代更新划分矩阵W、更新聚类簇中心矩阵M和更新维度权重矩阵Λ，直到获得加权熵k均值聚类的目标函数的最小值min DBI：

式中，avg(C)为簇C内数据对象间的平均距离，|C|为簇C包含的数据对象的数目，d_cen(C_u,C_v)为簇C_u与簇C_v中心点μ_u和μ_v间的距离，

停止加权熵k均值聚类，输出k个聚类簇。