[发明专利]基于CLARA聚类的制造加工设备群能效状态评价方法

权利要求书

1.一种基于CLARA聚类的制造加工设备群能效状态评价方法，其特征在于，包括如下步骤：

(1)获取设备群E的能效状态训练数据集Ω和能效状态验证数据集Ω′：

(1a)采集制造加工设备群E＝{e₁,e₂,...,e_i,...,e_n}在时间区间Δ＝[T-2·N,T-N]内的运行电压U和运行功率P，以及在时间区间ψ＝[T-N,T]内的运行电压U′和运行功率P′，其中N表示历史采样间隔区间，24h≤N≤48h，T表示当前运行时刻，e_i表示第i个设备，n表示设备的总数，n≥2，和和分别表示e_i在时间区间Δ和ψ内对应的运行电压子集合和运行功率子集合，u_t和p_t分别表示e_i在时间点t处的电压值和功率值，u_g和p_g分别表示e_i在时间点g处的电压值和功率值；

(1b)计算和的峰值电压和谷值电压和峰谷电压差和以及和的峰值功率和谷值功率和峰谷功率差和上四分位数功率相对运行时间和下四分位数功率相对运行时间和停机时间和并构建e_i的历史运行特征数据和其中和的计算公式分别为：

其中，count表示取集合大小函数，sort表示升序排序函数，Num表示的集合大小；

(1c)将e_i的额定电压和额定功率组合成铭牌特征数据

(1d)将e_i的与组合成能效状态训练数据集将e_i的与组合成能效状态验证数据集和分别表示e_i对应的能效状态训练数据和能效状态验证数据，

(2)对能效状态训练数据集Ω和能效状态验证数据集Ω′进行预处理；

(2a)将Ω和Ω′转换成矩阵M₁和M′₁：

(2b)对M₁和M′₁中的元素进行缺失值检测，并对存在缺失值的元素进行平均数填充，得到包含完整参数数据的矩阵M₂和M′₂；

(2c)对M₂和M′₂进行归一化，得到矩阵M₃和M′₃；

(3)对CLARA聚类算法进行优化：

(3a)初始化参数，包括中心点个数为k，k≥2，k的选取间隔和选取步长分别为μ和T，1≤μ≤n，选样次数为v，v≥1，v的选取间隔和选取步长分别为ω和S，1≤ω≤100；

(3b)根据初始化参数，构建大小为(T+1)·(S+1)且第t行第s列元素为的聚类参数网格搜索矩阵其中1≤t≤T+1，1≤s≤S+1，并令t＝1，s＝1；

(3c)利用CLARA聚类算法，并通过对M₃进行聚类，得到包含个聚类簇的聚类簇集合和包括个聚类簇中心点的中心点集合C_u表示第u个聚类簇，σ_u表示C_u的中心点；

(3d)基于聚类间隔性计算公式，并通过计算的聚类准确度

(3e)设聚类准确度判断阈值为ρ，并判断是否成立，若是，则将和分别作为CLARA聚类算法的最优中心点个数和最优选样次数，得到优化后的CLARA聚类算法，否则，执行步骤(3f)；

(3f)判断t＝T+1是否成立，若是，执行步骤(3g)，否则，令t＝t+1，并执行步骤(3c)；

(3g)判断s＝S+1是否成立，若是，将和分别作为优化后CLARA聚类算法的最优中心点个数、最优选样次数，否则，令t＝1，s＝s+1，并执行步骤(3c)；

(4)获取设备群E在时间区间ψ内的能效状态评价结果：

(4a)采用优化后的CLARA聚类算法对M′₃进行聚类，得到包括K个聚类簇的聚类簇集合C＝[C₁,...,C_j,...C_k]和包括K个聚类簇中心点的中心点集合Γ＝[σ₁,...σ_j,...,σ_K]，C_j表示第j个聚类簇，表示C_j中第χ个设备，d表示C_j中的设备个数，d≤n，σ_j表示C_j的中心点；

(4b)基于Γ构建大小为K·K的中心点欧式距离矩阵D，表示为

其中，表示聚类簇C_r的中心点σ_r与聚类簇C_c的中心点σ_c之间的欧氏距离，1≤r≤K，1≤c≤K；

(4c)计算D每行的和S＝[S₁,...,S_r,...,S_K]，其中S_r表示D中第r行的元素之和；将S_r作为第r个聚类簇C_r中的设备群在时间区间ψ内的能效评价结果，其中S_r表示D中第r行的元素之和。