[发明专利]基于供电可靠性多维大数据的终端用户划分方法及系统

权利要求书

1.一种基于供电可靠性多维大数据的终端用户划分方法，其特征在于，包括以下内容：

1)获取各待分类终端用户预先构建的多维供电可靠性分析模型中各特征的历史数据；

2)采用灰色关联度方法，根据预先设定的参考特征和获取的历史数据进行供电可靠性因素相关性分析，提取出多维供电可靠性分析模型中影响待分类终端用户供电可靠性的特征；

3)根据提取出的影响待分类终端用户供电可靠性的特征，获取各待分类终端用户的对应数据；

4)采用DBSCAN算法，对获取的各待分类终端用户的数据分别进行初步聚类，得到各待分类终端用户的聚类簇数与聚类中心；

5)采用K-means算法，将各待分类终端用户的聚类簇数与聚类中心分别作为簇数与质心，确定各待分类终端用户的分类。

2.如权利要求1所述的一种基于供电可靠性多维大数据的终端用户划分方法，其特征在于，所述步骤2)的具体过程为：

2.1)根据预先构建的多维供电可靠性分析模型，建立由m个对象、n个特征构成的原始矩阵X：

式中，X_i为第i个对象的特征向量；X_ij为第i个对象的第j个特征；

2.2)对多维供电可靠性分析模型中的特征数据进行归一化处理，得到归一化处理后的特征Y_ij：

式中，Y_ij为归一化处理后第i个对象的第j个特征；X_{min j}为矩阵X中同列特征的最小值；X_{max j}为矩阵X中同列特征的最大值，则归一化后的矩阵Y为：

式中，Y_j为第j个特征的不同对象归一化后组成的向量；

2.3)依次选取归一化后的矩阵Y中每类特征的一列作为参考数列Y₀：

Y₀＝(Y₁₀，...，Y_i0，...，Y_m0)^T

式中，Y_m0为不同对象的某一个影响供电可靠性因素的特征；

2.4)将归一化后的矩阵Y中的每列向量与参考数列Y₀做差并取绝对值，得到绝对差矩阵[Δ_k]：

[Δ_k]＝|Y_k-Y₀|，k＝1，2，...n

式中，Y_k为第k列的不同对象的各类特征；

2.5)根据绝对差矩阵[Δ_k]，计算各特征的关联系数ξ_j(i)：

式中，ξ_j(i)为第i个对象第j个特征的关联系数；Δ_ij为绝对差矩阵[Δ_k]中的第i行第j个特征；ρ为分辨系数；

2.6)根据各特征的关联系数ξ_j(i)，计算各特征的灰色关联度值r_j：

式中，r_j为第j特征与参考特征的灰色关联度值；

2.7)按照各特征的灰色关联度值r_j的大小对多维供电可靠性分析模型中的各特征进行排序，并提取出灰色关联度值r_j大于预先设定的阈值的影响终端用户供电可靠性的特征。

3.如权利要求1所述的一种基于供电可靠性多维大数据的终端用户划分方法，其特征在于，所述步骤4)的具体过程为：

4.1)分别设定获取的各待分类终端用户的数据的样本数据集D＝{x₁，x₂，...，x_w}，并将样本数据集D分为η个簇；

4.2)确定各样本数据集D的∈-邻域以及各∈-邻域内核心对象的邻域数量的最小值MinPts；

4.3)根据各样本数据集D中每一数据的∈-邻域以及各∈-邻域内核心对象的邻域数量的最小值MinPts，确定各待分类终端用户的样本数据集D的聚类中心。