[发明专利]一种基于Getis-Ord Gi*的用电量多元空间聚类方法

权利要求书

1.一种基于Getis-Ord Gi*的用电量多元空间聚类方法，其特征在于包括以下步骤：

1)获取数据；

数据来源为电力行业数据，包括农、林、牧、渔业，工业，建筑业，交通运输、仓储和邮政业，信息传输、计算机服务和软件业，商业、住宿和餐饮业，金融、房地产、商务及居民服务业，公共事业及管理组织的电力数据；

2)对所在区域构建空间依赖关系，确定空间权重；

3)对每个变量进行空间自相关分析确定其存在空间依赖关系；

4)将属性变量转换为带有空间元素的Gi*统计变量；

Gi*公式为：

式中，x_j是要素j的属性值，w_i,j是要素i和j之间的空间权重，它是空间权重矩阵W的n×n元素，n为要素总数；将相邻规则形成的空间权重转换为距离权重参与G_i*测度，G_i*测度计算的是以第i个位置为中心其邻居的值与空间权重的乘积之和与所有数据值总和的比值；

对Gi*做最小优估计的z转换形式；公式如下：

其中，W_i^*＝∑_jw_ij

x_j是要素j的属性值，x_i是要素i的属性值，n为区域单元数,x为用电量，w_ij为空间权重；

通过Z(Gi*)重新构建多变量空间矩阵；

5)对多变量空间矩阵采用轮廓线系数方法来确定最优聚类数，然后采用k-means聚类方法来进行聚类；

6)可视化聚类地图，以识别哪些多产业用电区域为热点区域，哪些区域为冷点区域。

2.根据权利要求1所述的一种基于Getis-Ord Gi*的用电量多元空间聚类方法，其特征在于：在步骤5)中，包括以下步骤：

501)给定一个空间权重W，为每个变量计算标准的局部Getis-Ord统计指数计算第i个单元(i＝1，…，n)中第j个变量(j＝1，…，p)的值将这些值组合成(n×p)维度的矩阵Z，其中Z的每个列代表其中一个变量的局部空间自相关模式，Z的每一行描述了每一个局部单元的聚类属性构成；

502)将k均值聚类算法应用于这组空间结构化的变量矩阵Z，依据既包含空间属性又包含位置属性的多元空间属性来聚类观察单元；k均值聚类是将一组数据划分为预先设定好的k个簇，簇的质心是k均值聚类的关键；通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果；对于选择好k个质心后，接下来将数据中的每个点与距离它最近的质心联系起来，如果无数据点与质心相连，则质心计算结束，否则，将第一步生成的围绕质心的样本点求均值，作为新的质心，再计算与其最近的样本点的聚集情况，以此类推迭代，直到质心点不再发生变动为止，质心计算结束；

503)最优主题数的确定；k均值聚类的目标是最小化每一个类内部的差异，最大化类之间的差异；聚类最优数目采用silhouette方法来完成最优聚类数目的寻找。

3.根据权利要求2所述的一种基于Getis-Ord Gi*的用电量多元空间聚类方法，其特征在于：步骤5)中还包括步骤：

504)方差拟合优度比较两种聚类效果；

选择方差拟合优度GVF来评测空间聚类方法的效度，遵循聚类内部要素要越具相似性且聚类之间要越具差异性的原则，并将其与非空间的k-means聚类进行比较；方差拟合优度是评价聚类精度的有效方法，公式如下：

其中z_i，i＝1,...,N是观察值，且N为区域总数目；k为聚类数目，是聚类j中的观察值的均值，N_j是聚类j中的区域数目；反映了聚类之间的差异性，反映了聚类内部的要素的相似性；GVF越接近于1说明聚类内容越相近；判断GVF计算值是否超过设定的阈值，若是，则采用上述聚类方法，否则，重新选择聚类方式。