[发明专利]基于复合聚类算法的电力居民用户日负荷曲线聚类方法

权利要求书

1.基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于包括以下步骤：

步骤1：获取电力居民用户日负荷数据，该数据包含有P个样本，每个样本有Q个时间点属性的数据集矩阵；

步骤2：对电力居民用户日负荷数据进行预处理，获得初始群集；

步骤3：对初始群集进行降维处理，获得降维群集；

步骤4：采用聚类算法1对降维群集进行初步聚类，得到初始聚类中心；

步骤5：采用聚类算法2对聚类算法1得到的初始聚类中心进行聚类，并使用聚类有效性指标，对聚类结果进行评估，最终得到M个聚类中心；

步骤6：采用步骤5得到的M个聚类中心，作为聚类算法2的初始聚类中心，对数据进行聚类，获得行为相似的用户群。

2.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤1中，对于P个样本，每个样本有Q个时间点属性的电力居民用户日负荷数据集，包括：P个样本为居民用户样本，居民生活主要受季节变化、气温变化、收人水平、空调、电炊拥有率等因素影响，不用的因素会导致不同的日负荷曲线；Q为每日各个时间点由智能电表采集的该时间点的用电功率，Q的值根据智能电表采集数据的时间间隔而定。

3.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤2中，预处理包括缺失值处理、数据标准化、数据正则化处理；

缺失值处理，对含有较多缺失值的数据进行删除，对含有较少缺失值的数据进行补全；

数据标准化，将原始数据线性化的方法转换到[0，1]的范围；

数据正则化处理，将每个属性减去该属性对应的均值，然后，再除以该属性对应方差。

4.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤3中，降维处理采用PCA(Principal Component Analysis)，即主成分分析方法；获取的降维集群为p个样本、每个样本有q个属性的数据集矩阵。

5.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤4中，采用聚类算法1对降维群集做初步聚类，获得行为相似的用户群，具体包括，采用Mean-shift算法，将数据集中的p个样本聚成N类，其中，N为正整数。

6.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤5中，采用聚类算法2对聚类算法1得到的聚类中心进行聚类，采用聚类有效性指标评估聚类结果，具体包括：采用K-means算法对Mean-shift算法得到的N个聚类中心进行聚类，在聚类数目N范围内，对[2，N]分别聚类，其中，N为正整数，并使用Calinski-Harabasz(CH)指标对聚类结果进行评估，选取CH值最大的结果，最终得到M个聚类中心，其中，M为[2，N]中的正整数。

7.根据权利要求1所述基于复合聚类算法的电力居民用户日负荷曲线聚类方法，其特征在于：所述步骤6中，采用得到的M个聚类中心作为K-means算法的初始聚类中心，对数据集中的每个样本，即每个用户或每条记录进行聚类，最后得到M个类的用户。