[发明专利]一种高维海量量测数据的用电模式分类方法

权利要求书

1.一种高维海量量测数据的用电模式分类方法，其特征在于，包括以下步骤：

步骤S1，对用户的日负荷曲线进行采样，形成用户特征样本集，对高维海量量测数据进行主成分分析，提取关键特征指标；

步骤S2，利用自适应遗传算法与BP算法对自动编码器进行训练，并利用完成训练的自动编码器对用户的用电数据样本集进行降维；

步骤S3，利用改进模糊C均值聚类算法对降维后的用户的用电数据样本集进行聚类，对用户用电模式进行分类。

2.如权利要求1所述的方法，其特征在于，在步骤S1中，所述对各用户日负荷曲线进行采样，形成用户特征样本集的具体过程为，将获取的带有时标的用户用电计量数据和配合非电计量数据和非计量数据匹配，形成用户特征样本集。

3.如权利要求2所述的方法，其特征在于，在步骤S1中，所述对高维海量量测数据进行主成分分析，提取关键特征指标具体过程为，

保存原始高维量测数据协方差结构的基础上根据以下公式计算低维表达：

其中，N_i是第i个类中样本的个数，S_T为总体离散矩阵，x_i和y_i分别为多维量测数据集合第i个样本，m为所有样本的质心；

根据以下公式对转换矩阵做尺度约束，转化为S_T的标准的特征值，最优转换矩阵为S_T的d个最大的特征值所对应的d个m维特征向量：

其中，I_d为d×d的单位矩阵。

4.如权利要求1所述的方法，其特征在于，在步骤S2中，所述利用自适应遗传算法对自动编码器进行训练的具体为，对自动编码器网络的权值与阈值进行实数编码，随机生成初始种群，计算种群中每个个体的适应度函数，通过对群体进行选择、复制、交叉及变异操作不断更新群体，并通过自适应交叉概率控制种群更新过程中保持种群多样性与保留优秀基因的平衡。当群体最大适应度不再发生变化或达到最大更新代数后，此时自动编码器网络的权值与阈值为最终获取的权值与阈值；

其中，自适应遗传算法的编码方式为实数编码，根据自动编码器输入层与隐含层之间的连接权值与隐含层与输出层的连接权值对称的特性，每个染色体表示为:

O＝{o₁,o₂…o_length}

length＝96×h+h+96

其中，第一项为自动编码器输入层与隐含层之间的连接权值数目；后两项分别为自动编码器隐含层与输出层的阈值数目；

根据以下公式计算自适应遗传算法的适应度函数：

其中，N为用户个数，s_k(i)(i＝1，2…96)表示第k个用户的第i维用电数据，为经过自动编码器重构的第k个用户的第i维用电数据；

根据以下公式计算自适应遗传算法的自适应交叉概率:

p_{c max}＝0.9

p_{c min}＝0.6

其中，f_max为个体的最大适应度，f_avg为种群平均适应度，f_high为父代中较高的适应度。