[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

说明书

本发明公开了企业复工监测领域的一种基于K‑means聚类算法的电力企业用户复工状况监测方法，包括步骤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。本发明能针对不同企业运行状况的不同精准监测企业复工复产的时间。

技术领域

本发明涉及企业复工监测领域，具体是一种基于K-means聚类算法的电力企业用户复工状况监测方法。

背景技术

目前通过电力数据开展企业复工复产识别的方案主要是通过与企业上年同期的用电情况做对比分析，通过设定复工复产电量阈值比来判断企业复工时间。

现有阈值比的方法没有考虑到企业由于发展的快慢而带来的企业用电量的年度增长或降低，例如有部分科技公司由于业务的扩大其用电量相交于去年呈现倍数的增长，但是由于其公司的特殊性，该类公司在停工期间其用电量仍然会保持在一定的水平并不是为0(主要由科技公司服务器等耗电装置产生)，且这类用电量会超过设置的阈值比，从而导致误判这类企业复工。同时，部分企业虽然复工，但是由于业务受到事件的影响，其公司产能或效益远不如去年同期，因此会导致此类企业复工用电量不满足设置的阈值比，导致这类企业被误判为未复工。

通过对比去年同期数据设置阈值比的方法类似“一刀切”，该方法没有考虑到企业由于发展的快慢而带来的企业用电量的年度增长或降低，同时该方法忽略了部分企业停工后又由于政策的改变又立马停工的情况，并且也没有考虑到不同企业用电特征的区别。

针对目前阈值比方法存在的问题，申请人提出了改进方案。

发明内容

本发明的目的在于提供一种基于K-means聚类算法的电力企业用户复工状况监测方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

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，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。

作为本发明的改进方案，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。