[发明专利]一种用户用电模式分类方法

权利要求书

1.一种用户用电模式分类方法，其特征在于，包括：

获取高维量测数据，所述高维量测数据包括多个用户的用电数据；

对所述高维量测数据进行主成分分析，并进行特征提取获得相应的特征值；

利用预先训练好的自动编码器对所述特征值进行降维处理得到低维用户用电数据；

利用模糊C均值聚类算法对所述低维用户用电数据进行聚类分析获得每一用户的用电数据所隶属的类别，所述类别为用户的用电模式。

2.如权利要求1所述的用户用电模式分类方法，其特征在于，所述获取高维量测数据，包括：

周期性地对多个用户的日负荷曲线进行采样获得多个用户的用电数据。

3.如权利要求1所述的用户用电模式分类方法，其特征在于，所述自动编码器的自动编码器输入层与隐含层之间的连接权值以及隐含层与输出层的阈值参数训练，包括：

利用自适应遗传算法对自动编码器网络的权值与阈值进行训练，得到初始权值与初始阈值；

利用BP算法对所述初始权值与初始阈值进行优化得到自动编码器的自动编码器输入层与隐含层之间的连接权值以及隐含层与输出层的阈值参数。

4.如权利要求3所述的用户用电模式分类方法，其特征在于，所述利用自适应遗传算法对自动编码器网络的权值与阈值进行训练，得到初始权值与初始阈值，包括：

对自动编码器网络的权值与阈值进行实数编码，随机生成初始种群，计算种群中每个个体的适应度函数，通过对群体进行选择、复制、交叉及变异的操作不断更新群体，并通过自适应交叉概率控制种群更新过程中保持种群多样性与保留优秀基因的平衡，当群体最大适应度不再发生变化或达到最大更新代数后，将当前的自动编码器网络的权值与阈值输出为初始权值与初始阈值。

5.如权利要求4所述的用户用电模式分类方法，其特征在于，所述利用BP算法对所述初始权值与初始阈值进行优化得到自动编码器的自动编码器输入层与隐含层之间的连接权值以及隐含层与输出层的阈值参数，包括：

根据所述初始权值与所述初始阈值，对种群中个体进行非均匀变异操作，设个体O中的基因o_g(g＝1,2…length)是一个被变异的基因，该被变异的基因为：

其中：

式中：o_max与o_min分别为历代种群中基因o_g的最大值与最小值，r₁与r₂分别为[0,1]内均匀分布的随机数，G与G_max分别为当前迭代次数与最大迭代次数；

其中，自适应变异概率为：

p_m＝0.001+cof·NG

式中：NG为自上次进化以来至当前代为止未进化的代数，cof为变异率提高系数，取值为0.005；

将所述初始权值与初始阈值作为BP算法权值与阈值训练的初始值，然后利用BP算法对权值与阈值进行训练，直至达到训练要求。