[发明专利]一种低压台区kmeans聚类方法及系统

权利要求书

1.一种低压台区kmeans聚类方法，其特征在于，包括以下步骤：

步骤1：依托用电信息采集系统，采集若干台区的相关电气特征参数，建立样本数据集；

步骤2：采用主成分分析法对所述样本数据集进行特征提取，将高维数据集降维到低维数据集；

步骤3：基于改进布谷鸟搜索的kmeans聚类算法对所述低维数据集进行聚类；

步骤4：运用t-SNE方法对聚类结果进行降维三维分类结果显示。

2.根据权利要求1所述的一种低压台区kmeans聚类方法，其特征在于，所述步骤1中，首先将采集的相关电气特征参数中的异常数据剔除，经过异常数据处理后的用电采集系统提取的相关电气特征参数构成样本数据集D，D∈R^n×m用于表示实数矩阵的值域；

式中d_i，j为第i个台区的第j个电气特征参数，i＝1，2，…，n，j＝1，2，…，m，n为低压台区总个数，m为电气特征参数总个数；

对样本数据集D采用zscore标准化处理得到标准化数据集，其均值为0，标准差为1，转化公式为：

式中X_j为标准化后数据集X的第j列向量，X′_j为原数据集的第j列向量，为原数据集的第j列数据的均值，σ_j为原数据集的第j列数据的标准差。

3.根据权利要求2所述的一种低压台区kmeans聚类方法，其特征在于，所述步骤2运用pca主成分分析法将标准化数据集降维到n×p维：

(1)对所有样本进行中心化；

(2)计算中心化的样本的协方差矩阵XX^T；

(3)对协方差矩阵进行特征值分解；

(4)取最大的特征值对应的特征向量，得到特征向量矩阵W；

(5)对标准化数据X进行变换Z_l＝W^TX，得到向量Z_l，l＝1，2，…p；

(6)Z＝[Z₁ Z₂…Z_p]构成降维后的数据集。

4.根据权利要求1所述的一种低压台区kmeans聚类方法，其特征在于，所述步骤3基于改进布谷鸟搜索的kmeans聚类算法对所述低维数据集进行聚类分析的方法为：

(1)确定样本的聚类数目k，初始化改进布谷鸟算法各类参数，以k个随机聚类中心为1个鸟巢，对N个鸟巢初始化；

(2)依据初始化的鸟巢的聚类中心用kmeans算法进行划分聚类，以准则函数作为适应度函数，并更新聚类中心；

(3)开始迭代，对更新的鸟巢的聚类中心进行自适应步长的Levy飞行，产生新的鸟巢，计算新生成的鸟巢的适应度函数值；

(4)生成随机数，依据自适应鸟巢淘汰概率判断是否抛弃该鸟巢并重新初始化，是，抛弃该鸟巢并重新随机产生新的鸟巢，否则，不改变鸟巢；

(5)对新一代的鸟巢进行聚类划分并计算适应度函数值，选出最优鸟巢保存；

(6)如未达到最大迭代次数返回(3)继续执行，否则输出最优鸟巢代表的聚类中心点，以及所有样本数据的聚类划分。

5.根据权利要求1所述的一种低压台区kmeans聚类方法，其特征在于，所述步骤4运用t-SNE降维方法将聚类的数据样本转化为3D数据集，并显示其聚类中心及聚类结果。

6.一种低压台区kmeans聚类系统，其特征在于，包括：数据采集模块、降维模块、聚类模块和显示模块；

所述数据采集模块，用于依托用电信息采集系统，采集若干台区的相关电气特征参数，建立样本数据集；

所述降维模块，用于采用主成分分析法对所述样本数据集进行特征提取，将高维数据集降维到低维数据集；

所述聚类模块，用于使用基于改进布谷鸟搜索的kmeans聚类算法对所述低维数据集进行聚类；

所述显示模块，用于运用t-SNE方法对聚类结果进行降维三维分类结果显示。