[发明专利]一种基于二次聚类的用电行为模式分类方法

权利要求书

1.一种基于二次聚类的用电行为模式分类方法，其特征在于，包括以下具体步骤：

步骤一：读取负荷数据，采用横向处理、纵向处理和温度处理三个方法对非正常数据进行识别与处理；

步骤二：通过移动平均数法对数据进行平滑处理，减少噪音；

步骤三：采用极差归一化处理和加权处理解决量纲差别大的问题；

步骤四：使用不同聚类方法得到每种方法下的聚类树和聚类中心；

步骤五：通过Cophenetic相关系数选出最优聚类树和聚类中心；

步骤六：利用模糊C聚类法，以最优聚类法的聚类树和聚类中心进行聚类，选取效果最好的类别数作为最终确定的类别数；

步骤七：得到类别数后，重复步骤四到步骤六，进行模糊C聚类后还原数据并输出聚类后的结果。

2.根据权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤一所述的对非正常数据进行识别和处理三个方法：

横向处理认为短时间内数据横向相同，即样本日与附近同类日曲线相同，结合统计学原理，利用样本统计指标与设定阈值判断是否有非正常数据；

纵向处理认为短时间内数据纵向相同，即相隔15min的连续3个数据相对稳定，没有突变，结合统计学原理，利用样本统计指标与设定阈值判断是否有非正常数据；

温度处理认为某一温度下各日最大负荷数据是否小于30％的对应温度下的最大负荷数据的平均值，则认为此日为休息日或者限电日。

3.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤二进行平滑处理，具体为：移动平均法对数据进行平滑处理，即对任意奇数个连续的点，将它们最中间的点的值替换为其他点的平均值，操作时将所有负荷点附近连续5个数据平均化，形成平滑后负荷序列，去除采集数据时的毛刺数据。

4.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤三解决量纲差别大的问题时，以当前元素值与观测值中最小值的差，除以观测值中最大值与最小值的差，即为归一化变换，经过极差归一化变换后每个元素的取值均在0～1之间；加权处理考虑特征向量中各维度特征值对负荷分类的不同贡献，聚类时对各维度特征值进行加权处理。

5.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤四中不同聚类方法包括最短距离法、最长距离法、中间距离法、重心法、类平均法、离差平方和法和加权平均法。

6.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤五选出最优聚类树和聚类中心，通过Cophenetic相关系数反映了聚类效果的好坏，Cophenetic相关系数越接近于1，说明聚类效果越好。

7.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤六利用模糊C聚类法进行二次聚类，聚类中心由初次系统聚类提供，选择聚类效果最好的类别数作为最终确定的类别数。

8.根据如权利要求1所述的一种基于二次聚类的用电行为模式分类方法，其特征在于，步骤七根据类别数，重复系统聚类，选取最优聚类中心，模糊C均值二次聚类等步骤，并还原数据和输出聚类后的结果。