买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江西省电力有限公司南昌供电分公司;国家电网有限公司

摘要：本发明公开了一种基于共享近邻与吸引度的密度峰值聚类的用户用电行为分析方法，对用户的用电负荷数据进行预处理，对缺失数据进行插补，剔除无效数据；采用PCA技术对负荷数据进行降维，计算特征矩阵，提取其主成分；以降维后的数据作为输入，利用DPC‑SNA算法的共享近邻的局部密度和吸引度的分配策略进行聚类；对聚类结果进行分析，重构用户的用电负荷曲线，并进行用户用电行为分析。本发明构造了共享近邻相似度的样本相似性度量准则定义局部密度，摈弃了截断距离阈值对局部密度的影响；并依靠吸引度矩阵对剩余样本进行分配，有效区分不同用户的用电行为特征并给出相应类型用户的负荷峰值时间段，并对不同用户用电行为特征给出了合理的智能电网规划建议。

主权项：1.一种基于共享近邻与吸引度的密度峰值聚类的用户用电行为分析方法，其特征是，步骤如下：步骤1：对用户的用电负荷数据进行预处理，对缺失数据进行插补，剔除无效数据；步骤2：采用PCA技术对负荷数据进行降维，计算特征矩阵，提取其主成分；步骤3：以降维后的数据作为输入，利用DPC-SNA算法的共享近邻的局部密度和吸引度的分配策略进行聚类；步骤4：对聚类结果进行分析，重构用户的用电负荷曲线，并进行用户用电行为分析；步骤3中DPC-SNA算法的流程如下：1输入降维后的数据集data，样本近邻个数K；2将数据归一化处理；3计算样本间的欧氏距离dij；4以共享近邻的局部密度的方式，将样本Xi的共享近邻相似度Si,j累加，得到样本Xi的局部密度ρi值，依据局部密度ρi，取局部密度大于样本i的ρi且距其最近点的距离，作为样本Xi的相对距离δi；再将全体样本的密度降序排列后，把密度最高样本的相对距离设定为最大值，即样本的δi值；ρi的计算公式为式中Si,j为样本Xi的共享近邻相似度，N为样本数量；5计算出所有样本的ρi和δi值后，以ρi作为横坐标，δi作为纵坐标，建立决策图，选取ρi和δi都较大的点作为密度峰值即类簇中心或者通过γi选取密度峰值；6将样本视作质点，数据集内的样本间均具有吸引力将样本间的共享近邻相似度引入样本的吸引度计算，得到样本的吸引度矩阵；7在吸引度矩阵中找到与已分配样本吸引度最大的核心样本，将其分配给已分配样本所在类簇；8当所有已分配样本与未分配样本吸引度达到零时，转至步骤9，否则，转至步骤7再次寻找吸引度最大的样本，继续进行分配；9剩余样本使用DPC算法的分配策略进行分配；10输出最终聚类结果。

全文数据：

权利要求：

百度查询： 国网江西省电力有限公司南昌供电分公司 国家电网有限公司 一种基于共享近邻与吸引度的密度峰值聚类的用户用电行为分析方法