[发明专利]基于改进狼群优化K-means的用户投诉聚类分析方法

权利要求书

1.一种基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于，所述的分析方法包括如下步骤：

步骤S11：收集电力用户用电信息数据；

步骤S12：通过数据预处理方法补全用户用电信息数据；

步骤S13：基于改进狼群优化K-means的聚类算法，将电力用户用电信息数据降维；

步骤S14：选取电力用户用电信息数据特性向量；

步骤S15：对电力用户用电信息数据浓度因子分子判断。

2.根据权利要求1所述的基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于，基于改进狼群优化K-means的聚类算法，包括如下步骤：

步骤S21：初始化狼群，设置人工狼位置X_i，迭代次数k，探狼比例因子α，游走次数T_max，以及聚类个数N，计算狼群的适应度函数并选出当前最优解X_best，除头狼外最佳的S匹人工狼为探狼；

步骤S22：执行交互游走行为，直到某匹探狼i侦察到的猎物气味浓度Y_i大于头狼所感知的猎物气味浓度Y_lead或达到最大游走次数T_max；

步骤S23：猛狼根据交互召唤行为向猎物奔袭，若途中感知的猎物气味浓度Y_i＞Y_lead，则Y_lead＝Y_i，取代头狼发起召唤行为；

步骤S24：对猛狼位置进行更新，执行围攻行为；

步骤S25：按“胜者为王”的头狼产生规则对头狼位置进行更新，再按照“强者生存”的狼群更新机制进行群体更新，根据改进狼群寻优的最新位置计算新的簇中心；

步骤S26：达到结束条件时结束；否则，返回步骤S23。

3.根据权利要求1所述的基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于：所述步骤S11中，采用最大值规范化来对数据进行范数化处理，将数值归一化到[0,1]区间；

数据归一化的公式所示：

其中，X代表用户的用电信息数据；X_min和X_max分别某用户信息数据符合的最小值、最大值。

4.根据权利要求1所述的基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于：所述步骤S12中，对于缺失率大于30％的数据，进行简单的删除处理；对于缺失率小于等于30％的数据，采用插补法进行用电信息数据填充，根据已有的数据求得多项式函数L(x)，其拉格朗日插值多项式为：

之后将缺失值对应的点带入插值多项式得到缺失值的近似值L(x)，进而补全数据。

5.根据权利要求1所述的基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于：所述步骤S13中，在进行聚类分析之前，采用主成分分析法对影响电力客户的影响因素进行降维，对用电量、电压等级、投诉次数、年龄、性别、总用电量、违规用电量进行主成分分析，其中：

第i个主成分的方差贡献率为:

前i个主成分的累计方差贡献率为:

其中，主成分的方差贡献率α_i的值越大，与样本的相关性越强。

6.根据权利要求1所述的基于改进狼群优化K-means的用户投诉聚类分析方法，其特征在于，所述步骤S14中，对电力用户数据集进行特征提取：用相关系数来表示它们之间的属性相关度，可得相关系数R_a：

其中，σ_x、σ_y表示X、Y的方差，E(X)、E(Y)表示X、Y的期望值，R_a表示每个用电信息数据相应的相关度，相关性系数R_a越大，对投诉风险的影响因素越大；所述步骤S15中，在显著性水平为0.05的前提下剔除零假设，初始KMO检验值满足并超过临界值0.5，模型数据符合因子分析方法。