[发明专利]一种基于K-means聚类算法的电力企业用户复工状况监测方法

权利要求书

1.一种基于K-means聚类算法的电力企业用户复工状况监测方法，其特征在于，包括步骤如下：

步骤1：通过电力系统获取事件发生所在年份企业的用电数据；

步骤2：对用电数据清洗处理，保留可用数据；

步骤3：通过K-means聚类算法对可用数据进行聚类并生成聚类中心，不断更新聚类中心直至终止；

步骤4：通过聚类中心形成的类簇判断企业是否停工，如果是，获取企业停工时间，转为步骤5；

步骤5：通过计算与停工前的用电量类簇最近距离的离群点，判断企业的复工时间；

步骤6：结合已获取的时间数据，综合得出企业的停工、复工信息。

2.根据权利要求1所述的一种基于K-means聚类算法的电力企业用户复工状况监测方法，其特征在于，所述步骤3包括步骤：

步骤3.1：选择初始化的两个样本作为初始的聚类中心并划分为两类，停工前类簇a_N和停工类簇a_S；

步骤3.2：针对每个样本x_i，计算样本到每个聚类中心的距离并将其分到距离最小的聚类中心所对应的类簇中；

步骤3.3：针对每个类簇a_j，重新计算它的聚类中心c_i表示与样本x距离最近的类簇；

步骤3.4：重复步骤3.2-3.3，直到聚类中心不再更新则终止。

3.根据权利要求2所述的一种基于K-means聚类算法的电力企业用户复工状况监测方法，其特征在于，步骤3.2中，任意一个样本x_a与任意一个类簇a_j对应的聚类中心之间的距离计算公式为

4.根据权利要求1所述的一种基于K-means聚类算法的电力企业用户复工状况监测方法，其特征在于，步骤4中，企业停工时，根据企业的用电数据聚类出停工类簇与停工前类簇，以停工类簇的第一个时间点为企业停工时间。

5.根据权利要求1所述的一种基于K-means聚类算法的电力企业用户复工状况监测方法，其特征在于，步骤4中，还可以绘制企业用电数据的曲线图，通过曲线图中企业停工前与停工期间的曲线特征区分企业是否停工。