[发明专利]基于AP聚类的网络流量分类方法及装置

说明书

本发明提供了一种基于AP聚类的网络流量分类方法及装置，涉及电力的技术领域，包括先针对各目标小区，获取目标小区设定时间范围内的原始负荷数据，并基于原始负荷数据生成目标小区的典型日负荷曲线；然后针对各目标小区的典型日负荷曲线，基于典型日负荷曲线提取预设日负荷指标的特征值；最后基于各目标小区的典型日负荷曲线的特征值，采用负荷聚类算法，对各目标小区的典型日负荷曲线进行聚类分析，得到典型日负荷曲线聚类结果。由于该负荷聚类算法自身具有无需人工指定分类结果数量、质心存在于实际样本中的特点，因此本发明能够基于具有上述特点的负荷聚类算法得到精准、有效的典型日负荷曲线聚类结果。

技术领域

本发明涉及电力技术领域，尤其是涉及一种基于AP聚类的网络流量分类方法及装置。

背景技术

在各种节能方案中，负荷聚类和用电规律研究是进行精细化负荷预测的前提。现有方案经常使用的负荷聚类方法（例如K-shape、改进的K-means聚类算法等）都离不开人为操作，也就是说，现有的负荷聚类方法需要人为指定类别的数目并且具有初值敏感性的特点，进而存在人工参与决策、分类效果不理想的技术问题。

发明内容

本发明的目的在于提供一种基于AP聚类的网络流量分类方法及装置，以缓解现有技术中存在的人工参与决策、分类结果准确性差的技术问题。

第一方面，本发明提供的一种基于AP聚类的网络流量分类方法，其中，包括：针对各目标小区，获取所述目标小区设定时间范围内的原始负荷数据，并基于所述原始负荷数据生成目标小区的典型日负荷曲线；针对各目标小区的典型日负荷曲线，基于所述典型日负荷曲线提取预设日负荷指标的特征值；基于各所述目标小区的典型日负荷曲线的特征值，采用负荷聚类算法，对各所述目标小区的典型日负荷曲线进行聚类分析，得到典型日负荷曲线聚类结果。

进一步的，所述特征值为多个，所述基于各所述目标小区的典型日负荷曲线的特征值，采用负荷聚类算法，对各所述目标小区的典型日负荷曲线进行聚类分析，得到典型日负荷曲线聚类结果，包括：初始化所述负荷聚类算法的参数；针对各所述目标小区的典型日负荷曲线，将所述目标小区的典型日负荷曲线的所有特征值构成的向量确定为所述目标小区的典型日负荷曲线的特征向量；将所有所述目标小区的典型日负荷曲线的特征向量作为输入，运行所述负荷聚类算法；在运行所述负荷聚类算法的过程中反复调整所述参数，得到典型日负荷曲线聚类结果；其中，所述典型日负荷曲线聚类结果包括类别数量和归属各个类别的所有所述目标小区的典型日负荷曲线。

进一步的，所述参数包括偏向参数，所述在运行所述负荷聚类算法的过程中反复调整所述参数，得到典型日负荷曲线聚类结果，包括：在运行所述负荷聚类算法时，选取一个初始偏向参数，基于所述初始偏向参数确定分类结果的第一类别数量和第一轮廓系数；基于所述第一类别数量和所述第一轮廓系数，计算第一目标函数值；按照预设步长减小所述初始偏向参数，并基于减小后的偏向参数确定分类结果的第二类别数量和第二轮廓系数；基于所述第二类别数量和所述第二轮廓系数，计算第二目标函数值；确定所述第二目标函数值不大于所述第一目标函数值时，将所述第一类别数量以及归属各个类别的所有所述目标小区的典型日负荷曲线确定为典型日负荷曲线聚类结果。

进一步的，所述基于所述原始负荷数据生成目标小区的典型日负荷曲线，包括：对所述原始负荷数据中的异常数据进行剔除处理，得到中间负荷数据；基于所述中间负荷数据和预设的核密度估计模型生成目标小区的典型日负荷曲线。

进一步的，所述基于所述中间负荷数据和预设的核密度估计模型生成目标小区的典型日负荷曲线，包括：针对设定时间范围内的各时间节点，从所述中间负荷数据中获取所述目标小区在所述时间节点的特征数据；针对各所述目标小区在各所述时间节点的特征数据，将所述特征数据输入至预设的核密度估计模型，输出所述目标小区在各所述时间节点的典型负荷值；针对各所述目标小区，基于所述目标小区在各所述时间节点的典型负荷值生成目标小区的典型日负荷曲线。