[发明专利]一种基于K-means建模的个人用电设备状态识别方法

权利要求书

1.一种基于K-means建模的个人用电设备状态识别方法，其特征在于它包括如下步骤：

步骤一：通过与用电设备相连的电力计量装置获取待监测用电设备的功率信息；

步骤二：将步骤一获取的功率信息进行解析处理，并将所述处理后的功率信息保存；

步骤三：读取已保存的功率信息，并通过K-means算法进行聚类分析，建立对应的功耗模型；

步骤四：获取待监测用电设备的实时功率信息，通过步骤三所述的功耗模型进行功耗状态识别；所述功耗状态包括关机状态、启动待机状态、开机且无人操作状态、正常使用状态和全速运行状态；

步骤五：根据获取的待监测用电设备的状态，对闲置状态的待监测用电设备进行处理。

2.根据权利要求1所述的一种基于K-means建模的个人用电设备状态识别方法，其特征在于步骤一中所述获取待监测用电设备的功率信息的频率为1次/5-10min。

3.根据权利要求2所述的一种基于K-means建模的个人用电设备状态识别方法，其特征在于步骤一中所述保存的信息的数量为八百至一千条信息。

4.根据权利要求4所述的一种基于K-means建模的个人用电设备状态识别方法，其特征在于所述步骤三：读取已保存的功率信息，并通过K-means算法进行聚类分析，建立对应的功耗模型的过程为：

步骤三A：选取聚类的初始中心；

获取n个待监测用电设备的功率信息：x₁，x₂，……，x_n，并将n个数据聚成k个类，所述选取聚类的初始中心的过程为在n个数据中随机地选取k个对象作为初始的聚类中心c₁，c₂，……，c_k，进行初始分类和迭代，其中n＞k；

步骤三B：根据步骤三A所述聚类的初始中心进行数据归类；

计算步骤三A中所述n个数据与各个聚类中心的距离d(x_i，c_m)：

d(xi,cm)=(xi-cm)2]]>

对每一个x_i进行所述的距离计算，获得最小值d(x_i，c_m)即x_i距离c_m最近，则把x_i归到c_m所在的第m个类，直至将n个数据全部归类；

步骤三C：将步骤三B计算获得的每一个类中的全部元素求平均值，令这个平均值为这个类的新中心点求平均值公式如下所示：

cm‾=1lΣp=1ixp]]>

设x_p为属于第m个聚类中的对象，第m个聚类包含的对象个数为l，则表示第m个聚类的中心点；

步骤三D：采用均方差作为标准测度函数，对标准测度函数进行收敛性判断：

Eq=Σm=1kΣp=1l|xp-cm‾|2]]>

其中，表示第m个聚类的中心点，第m个聚类中共有l个对象x_p，则E_q表示所有对象的均方差之和；

步骤三E：判断均方差之和E_q+1与前次计算的均方差之和E_q的差值的绝对值是否小于设定值，若小于设定值则完成聚类分析，否则返回步骤三C；

步骤三F：将聚类的结果作为建立的功耗模型，即聚类产生的k个中心值c₁，c₂，……，c_k分别作为k种用电状态的参考值。