[发明专利]一种低压台区kmeans聚类方法及系统

说明书

本发明提出了一种低压台区kmeans聚类方法及系统。包括以下步骤：首先，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；其次，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；然后，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；最后，运用t‑SNE方法对聚类结果进行降维三维分类结果显示。本发明相较于传统的kmeans聚类算法，减少了对于初始值的依赖，提高了低压台区聚类的准确性，为下一步进行典型台区的线损计算分析提供了技术支撑。

技术领域

本发明涉及一种数据挖掘聚类方法，具体涉及一种低压台区kmeans聚类方法及系统。

背景技术

低压台区线损是反映电力公司经营管理水平的一项重要指标。目前对于台区线损的评价主要依靠专家经验，管理缺乏针对性。传统方式计算的台区理论线损是基于线路参数得到的纯技术线损，但计算过程依赖于台区拓扑、供电半径、线路老化情况、线路长度等一系列参数数据，而实际计算中缺少分支线路参数等拓扑数据，导致不能直接沿用这种在中高压线路线损中比较成熟的算法，因此难以准确计算台区理论线损值。

台区线损分析是实现台区精益化管理的最重要途径，当前台区理论线损值存在计算难度大及台区线损评价主观化、分布式电源的接入等问题。

发明内容

本发明提出了一种低压台区kmeans聚类方法，相较于传统的kmeans聚类方法，减少了对于初始值的依赖，提高了低压台区聚类的准确性，为下一步进行典型台区的线损计算分析提供了技术支撑。

为实现上述目的，本发明实施方式的一方面提供一种低压台区kmeans聚类方法，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。

进一步的，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。

进一步的，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；