[发明专利]一种用户用电行为确定方法和装置

权利要求书

1.一种用户用电行为确定方法，其特征在于，包括：

基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度；

基于最优聚类维度确定最优聚类种类数；

基于所述最优聚类维度和最优聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式；

所述基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度，包括：

采用主成分分析法对用户用电功率进行初步降维；

选取初步降维后不同维度对应的戴维森堡丁指数中最小的若干个戴维森堡丁指数所对应的维度；

选取最小的若干个戴维森堡丁指数所对应的维度对应的轮廓系数，最大的轮廓系数对应的维度作为最优聚类维度；

其中，所述聚类有效性指标包括戴维森堡丁指数和轮廓系数；

所述基于最优聚类维度确定最优聚类种类数，包括：

确定最优聚类维度下不同聚类种类数对应的戴维森堡丁指数和最优聚类维度下不同聚类种类数对应的轮廓系数；

选取最优聚类维度下不同聚类种类数对应的戴维森堡丁指数中最小的若干个戴维森堡丁指数所对应的聚类种类数；

选取最小的若干个戴维森堡丁指数所对应的聚类种类数所对应的聚类种类数对应的轮廓系数，最大的轮廓系数对应的聚类种类数作为最优聚类种类数；

所述基于所述最优聚类维度和聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式，包括：

基于预先选择的至少两种单一聚类算法，采取多数投票法对用户用电功率进行集成聚类，得到各类用户用电行为模式；

所述单一聚类算法包括：基于层次密度的空间聚类法、仿射传播聚类算法、高斯混合聚类算法和均值飘移聚类算法中的至少两种。

2.根据权利要求1所述的用户用电行为确定方法，其特征在于，所述聚类有效性指标的计算，包括：

基于初步降维后不同维度下用户用电功率，采用簇内点与质心距离计算的方法计算戴维森堡丁指数，并基于初步降维后不同维度下用户用电功率，采用簇内不相似度计算的方法计算轮廓系数。

3.一种用户用电行为确定装置，其特征在于，包括：

第一确定模块，用于基于用户用电功率以及预先确定的聚类有效性指标确定最优聚类维度；

第二确定模块，用于基于最优聚类维度确定最优聚类种类数；

集成聚类模块，用于基于所述最优聚类维度和最优聚类种类数，对用户用电功率进行集成聚类，得到各类用户用电行为模式；

所述第一确定模块具体用于：

采用主成分分析法对用户用电功率进行初步降维；

选取初步降维后不同维度对应的戴维森堡丁指数中最小的若干个戴维森堡丁指数所对应的维度；

选取最小的若干个戴维森堡丁指数所对应的维度对应的轮廓系数，最大的轮廓系数对应的维度作为最优聚类维度；

其中，所述聚类有效性指标包括戴维森堡丁指数和轮廓系数；

所述第二确定模块具体用于：

确定最优聚类维度下不同聚类种类数对应的戴维森堡丁指数和最优聚类维度下不同聚类种类数对应的轮廓系数；

选取最优聚类维度下不同聚类种类数对应的戴维森堡丁指数中最小的若干个戴维森堡丁指数所对应的聚类种类数；

选取最小的若干个戴维森堡丁指数所对应的聚类种类数对应的轮廓系数，最大的轮廓系数对应的聚类种类数作为最优聚类种类数；

所述集成聚类模块具体用于：

基于预先选择的至少两种单一聚类算法，采取多数投票法对用户用电功率进行集成聚类，得到各类用户用电行为模式；

所述单一聚类算法包括：基于层次密度的空间聚类法、仿射传播聚类算法、高斯混合聚类算法和均值飘移聚类算法中的至少两种。

4.根据权利要求3所述的用户用电行为确定装置，其特征在于，所述第一确定模块具体用于：

基于初步降维后不同维度下用户用电功率，采用簇内点与质心距离计算的方法计算戴维森堡丁指数，并基于初步降维后不同维度下用户用电功率，采用簇内不相似度计算的方法计算轮廓系数。