[发明专利]基于社区和结构洞联合分析的大电网分割方法、存储介质

权利要求书

1.基于电网社区和结构洞联合分析的大电网分割方法，其特征在于，包括：

依据电网拓扑结构图，得到对应的邻接矩阵A和度矩阵D；

依据公式L＝D^-1A-I，代入所述邻接矩阵A和度矩阵D计算得到随机游走的正则化拉普拉斯矩阵L，所述I为单位矩阵；

依据所述随机游走的正则化拉普拉斯矩阵L进行迭代学习，获得特征指标矩阵；

依据所述特征指标矩阵的特征值得到结构洞节点；

依据所述结构洞节点进行电网分割；

所述依据所述随机游走的正则化拉普拉斯矩阵L进行迭代学习，获得特征指标矩阵，具体为：

S01：设F为所述电网拓扑结构图对应的表示节点与社区从属概率的n行m列的特征指标矩阵；

S02：设随机初始化后的矩阵F为F_t，t为迭代次数；

S03：将0赋值给t，得到F₀；

S04：随机初始化一个n*m的矩阵W，令F₀＝W*((W^T*W)^0.5)^-1，使F₀^TF₀＝I_m，I_m为m行m列单位矩阵；

S05：令P_t＝L*F_t，令Q_t＝Diag(1/(2*(||P_tⁱ||₂²+0.001)^0.5))；其中，所述Diag为求对角矩阵，||P_tⁱ||₂为P_tⁱ的2-范数，L为随机游走的正则化拉普拉斯矩阵；

S06：令R_t＝(I_n-D^-1A)^TQ_t(I_n-D^-1A)，I_n为n行n列单位矩阵；

S07：求R_t对应最小m个特征值的m个特征向量，并将其组成F_t+1；

S08：采用幂迭代法求邻接矩阵A的特征向量v，得到vⁱ⁺¹＝Avⁱ，当达到收敛后，基于公式得到对应的特征值；其中，v_j为特征向量v的第j个分量，λ为特征值；

S09：将t+1赋值给t；

S10：比较F_t和F_t+1，若不收敛，则返回执行所述S05，直至收敛，得到特征值。

2.如权利要求1所述的基于电网社区和结构洞联合分析的大电网分割方法，其特征在于，所述依据所述结构洞节点进行电网分割，包括：

移除所述特征指标矩阵中结构洞节点；

对移除结构洞节点后的特征指标矩阵进行PAM聚类，得到所述结构洞节点的数量K。

3.如权利要求2所述的基于电网社区和结构洞联合分析的大电网分割方法，其特征在于，得到所述数量K之后，进一步包括：

依据结构洞节点和各节点社区的关联度数，将各结构洞节点分配给关联度数最大的社区，得到节点社区；

依据所述节点社区对电网节点进行划分。

4.如权利要求1所述的基于电网社区和结构洞联合分析的大电网分割方法，其特征在于，所述依据所述特征指标矩阵的特征值得到结构洞节点，具体为：

S11：依据特征指标矩阵中各行的2-范数对每个节点进行排序，获取前K个最小值，得到结构洞节点。