[发明专利]一种适用于电力大数据预处理的方法

权利要求书

1.一种适用于电力大数据预处理的方法，其特征是：包括：

电力数据挖掘以及改进FCM电力大数据预处理方法；

所述电力数据挖掘，是从海量的数据中通过均值漂移聚类算法搜索其中隐藏信息；

所述改进FCM电力大数据预处理方法，是通过均值漂移聚类与模糊c-均值聚类FCM相结合的算法，来进行数据预处理。

2.根据权利要求1所述的一种适用于电力大数据预处理的方法，其特征是：所述电力数据挖掘包括：

步骤1.将海量的原始数据通过采集选择得到源数据；

步骤2.将得到的源数据经过数据预处理得到目标数据；

步骤3.将目标数据通过数据开采得到模式；

步骤4.将模式通过解释评价得到知识。

3.根据权利要求1所述的一种适用于电力大数据预处理的方法，其特征是：

所述原始数据，是从电网运营过程中所存储的各种数据，未经过处理或简化的数据；

所述采集选择，是将原始数据是进行采集与选择所需数据；

所述源数据，是通过采集与选择的所需数据；

所述数据预处理，是指在对数据进行操作；

所述预处理，是对海量电力大数据中的异常值进行修正、删除等操作；

所述目标数据，是兴趣度，是企业所感兴趣的知识；

所述数据开采，是从海量电力大数据中获取事先不了解，但有用的信息；

所述模式，是根据想要获取知识的内容选择，包括：预测性或可视性；

所述解释评价，是根据模式所得来获得知识；

所述知识，是企业做得到的最终内容。

4.根据权利要求1所述的一种适用于电力大数据预处理的方法，其特征是：所述改进FCM电力大数据预处理方法，包括：

步骤1.利用均值漂移聚类算法获取海量原始电力大数据的聚类数目和中心；再使用模糊c-均值聚类FCM进行聚类；

步骤2.利用获得的聚类数目和中心作为模糊c-均值聚类FCM聚类算法的初始值；

步骤3.利用负荷曲线的横向特性判断初始化的聚类数目和中心是否存在异常数据。

5.根据权利要求4所述的一种适用于电力大数据预处理的方法，其特征是：所述均值漂移聚类算法，包括以下步骤：

步骤(1)设置聚类参数：包括漂移函数g(x)，漂移向量N_h(x)，样本点选取为n，半径为h，计算簇密度距离为s，聚类数目为x_k^*，聚类中心为i^*，数据密度的阈值为ε，聚类中心的均方差为

步骤(2)从均值漂移聚类得到的i个聚类中心里选出i^*个作为FCM的聚类中心；

步骤(3)计算隶属度μ_ij^(r)和目标函数J^(r)；

步骤(4)修正聚类中心V^(r-1)；

如果满足|J^(r-1)-J^(r)|ε，则输出结果；如果不满足，则返回至步骤(3)；

式中：J^(r-1)表示迭代目标函数的上一步计算结果。