[发明专利]一种基于时间序列聚类的电能表设备类别识别方法

权利要求书

1.一种基于时间序列聚类的电能表设备类别识别方法，其特征在于，包括以下步骤：步骤S1：数据准备及预处理，电能表安装的数据字段，包括设备码、设备类别、安装时间、安装类型，重塑安装时间字段，以年-月为粒度构建特征“安装年月”，同时以安装时间、安装类型、设备类别聚合数据，形成数据输入表，所述字段包括安装类型、设备类别、安装年月、数量；步骤S2：电能表安装序列分解，通过确定趋势成分及其表示T、确定季节成分及其表示S和确定循环波动及其表示C，通过产生的T、S、C三个特征构建电能表安装时间序列数据集D；步骤S3：电能表安装序列分解特征聚类，按照电能表设备类别分簇，得到各个簇内的电能表即是具有相互替代关系目标设备码列表，包括以下具体步骤：步骤（1）：从电能表安装时间序列数据集D中随机选择k个样本作为初始的k个质心向量：；步骤（2）对于n=1，2，……，N，将电能表设备类别簇C初始化为，t=1，2……，k；对于i=1，2……m，计算样本x_i和各个质心向量u_j的距离

，

将x_i标记最小的d_ij所对应的类别λ_i，此时更新

，

对于j=1,2,……k，对C_j中所有样本点重新计算新的质心

,

若所有的k个质心向量都没有发生变化则转到步骤（3）；

步骤（3）：输出簇划分，其中各个簇内的电能表即是具有相互替代关系目标设备码列表。

2.根据权利要求1所述的基于时间序列聚类的电能表类别识别方法，其特征在于，所述电能表安装时间序列是长期趋势、季节变动、循环波动、不规则波动的叠加或耦合，其中不规则波动为噪声。

3.根据权利要求1所述的基于时间序列聚类的电能表类别识别方法，其特征在于通过线性回归的方式及最小二乘法的求解方法构建特征T，包括以下步骤：步骤（1）：预设回归方程为，b₀表示趋势线在Y轴上的截距；b₁表示趋势线的斜率；t为某一时刻电能表的安装量；步骤（2）：根据最小二乘法获取两个待定系数：

在α=0.05的显著性水平下检验回归方程，同时利用R²综合检验线性关系是否显著，利用回归系数b₁作为T的特征表示。

4.根据权利要求1所述的基于时间序列聚类的电能表类别识别方法，其特征在于利用中心化移动平均值计算季节指数从而构造特征S，包括以下步骤：步骤（1）：计算移动平均值，并对其结果采取中心化处理得出中心化移动平均值：

，

其中，i为年标记，j为季度标记，j=4；

步骤（2）：计算移动平均的比值即季节比率，将序列的各观察值除以相应的中心化移动平均值，再计算出各比值的月度平均值：

，

R为季节比率；

步骤（3）：将步骤（2）计算的比率平均值除以总平均值

，

S即为季节指数。

5.根据权利要求3所述的基于时间序列聚类的电能表类别识别方法，其特征在于利用移动平均及T分解循环波动从而构造特征C，通过以及T值来分解循环波动

，

其中，MA为移动平均值，C即为循环波动。

6.根据权利要求1所述的基于时间序列聚类的电能表类别识别方法，其特征在于，利用T，S，C构建特征集D，即

。

7.根据权利要求6所述的基于时间序列聚类的电能表类别识别方法，其特征在于利用特征集D，运用K-means聚类判断具有相互替代关系的电能表安装序列。