[发明专利]一种基于改进聚类算法的电动汽车充电负荷特征提取方法有效
申请号: | 201810534757.7 | 申请日: | 2018-05-30 |
公开(公告)号: | CN108776729B | 公开(公告)日: | 2019-04-09 |
发明(设计)人: | 向月;洪居华;刘俊勇;吕林 | 申请(专利权)人: | 四川大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06K9/62 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 何凡;李蕊 |
地址: | 610065 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于改进聚类算法的电动汽车充电负荷特征提取方法,能保持大部分形状信息,同时大大减少了维数。本发明采用的改进聚类算法根据数据特征本身来确定初始聚类数和初始聚类中心,减少了人工设置造成的不精确性,同时其采用的相异度度量方法可以更精确地计算混合数据之间的距离。本发明基于真实电动汽车充电负荷数据,而不是基于概率模型的数据,能够真实地反映家用电动车充电的特点,为电动汽车充电负荷分析提供了可靠的模板。 | ||
搜索关键词: | 电动汽车充电 聚类算法 负荷特征 初始聚类中心 改进 负荷分析 负荷数据 概率模型 混合数据 数据特征 形状信息 电动车 度量 聚类 维数 相异 充电 | ||
【主权项】:
1.一种基于改进聚类算法的电动汽车充电负荷特征提取方法,其特征在于,包括以下步骤:S1、对原始电动汽车充电负荷数据进行预处理,得到充电负荷曲线;S2、设置聚类数K和初始聚类中心Q;S3、根据聚类数K和初始聚类中心Q对充电负荷曲线进行聚类分析,提取出电动汽车充电负荷特征;所述步骤S3包括以下分步骤:S31、采用K‑prototypes聚类算法中的相异度测量方法计算充电负荷曲线与初始聚类中心Q的距离,并根据距离远近进行分类,得到聚类结果;S32、根据聚类结果对同一类的充电负荷曲线进行更新操作,得到该类充电负荷曲线新的聚类中心;S33、判断聚类中心是否发生改变,若是则返回步骤S31,否则进入步骤S34;S34、输出聚类结果作为电动汽车充电负荷特征提取结果;所述步骤S31中K‑prototypes聚类算法中的相异度测量方法的计算公式为:
其中,d(x,y)表示对象x和对象y之间的距离,ω为权重,A为属性集,δr(x,y)表示对象x和对象y在r属性上的距离,计算公式为:
其中,p、q表示r属性的不同取值,iδ(p,q)表示p、q的内部相似度,计算公式为:
其中iδr(cha)(p,q)表示字符型数据的内部相似度,iδr(num)(p,q)表示数值型数据的内部相似度,α与β为敏感因子;aeδ(p,q)表示p、q的平均外部相似度,计算公式为:
其中,eδr(p,q)表示p、q的外部相似度,上标f表示属性集A中的第f个属性,e表示不同于f的属性,eδr(p,q)的计算公式为:
其中
表示对象x的r属性的上近似,
表示对象y的r属性的上近似。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810534757.7/,转载请声明来源钻瓜专利网。