初始化隸屬矩陣U，使其滿足式(10)的
[0091] 約束條件，即滿足隸屬度和為1的約束；
[0092](1Q) 1=1
[0093] 上式中1?表示第j個(gè)向量屬于第i類的隸屬度。
[0094]②由已知的η個(gè)向量Xi(i = l，2，···，n)及隸屬矩陣U，由式計(jì)算每類的聚類中心Ci。
[0095]
(U)
[0096] Uij為第j個(gè)向量屬于第i類的隸屬度，值介于[0,1]間;me [1，00)是一個(gè)加權(quán)指數(shù)； 為第j個(gè)用戶的日負(fù)荷曲線向量，Cl為第i類模糊集合的聚類中心。
[0097] ③由隸屬矩陣U、每類的聚類中心ci及已知的η個(gè)向量xi(i = l，2,…，η)，根據(jù)式 (12)計(jì)算目標(biāo)函數(shù)值。
[0098] (12)
[00"]上九十叫73弟_]，丨、丨〇」重屑丁弟1失的求屑度，值介于[0，1]間；111[[1，00)是一個(gè)加 權(quán)指數(shù);Ci為第i類模糊集合的聚類中心，是一個(gè)與日負(fù)荷曲線同維度的向量，dij = ||ci_xj|| 為第i個(gè)聚類中心與第j個(gè)向量間的歐幾里德距離，^表示第j個(gè)日負(fù)荷曲線向量，h代表第i 類模糊集合的價(jià)值函數(shù)，J表示k個(gè)模糊集合的價(jià)值函數(shù)之和。
[0100] ④將目標(biāo)函數(shù)值與給定閾值比較，判斷目標(biāo)函數(shù)值與給定閾值的大小關(guān)系，若目 標(biāo)函數(shù)值大于給定閾值，則返回步驟②，重復(fù)上述步驟，否則進(jìn)入步驟⑤。
[0101] ⑤對(duì)分類數(shù)目進(jìn)行有效性檢驗(yàn)。根據(jù)式（13)、（14)、（15)分別計(jì)算同類離散度 (ω、中心離散度(12)和平均隸屬度(1 3)，并判斷這三個(gè)指標(biāo)值是否在合理范圍，若是，則進(jìn) 入步驟⑥，否則，返回步驟①，重新設(shè)定分類數(shù)目，重復(fù)上述步驟。
[0102]
(1.3)
[0103] d(Ci，Xj) = ||ci-Xj||，表示第j個(gè)向量Xj與第i個(gè)聚類中心Ci的距離。
[0104]
.(14)
[0?05] (1((^，(^) = ||(^-(^||表示第」個(gè)聚類中心(^與第;[個(gè)聚類中心(^的距離。
[0106]
(:1_5)
[0107] Umax,P表示第p個(gè)用戶隸屬度矩陣的最大值。
[0108] ⑥根據(jù)同類型用戶篩選模型篩選典型用戶。將日負(fù)荷曲線特征心和電量水平特征 Qj視為用戶j的位置和重量，用加權(quán)重心的思想，求出同類用戶的重心1。相比廣義聚類中心 Cl，用戶重心1能更好的反映同類用戶整體負(fù)荷的時(shí)段分布情況;根據(jù)式(16)從重量Qj不小 于該類平均重量的用戶中，搜索出離用戶重心I最近的一個(gè)用戶作為典型用戶。
[0109]
[0110]
[0111]
[0112] 其中f為日負(fù)荷曲線向量X」與第i類用戶的重心I的歐幾里德距離，心為屬于第i類 模糊集合的日負(fù)荷曲線向量，1^為1類用戶個(gè)數(shù)。
[0113] 以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng) 視為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:根據(jù)用戶的電力、電 量數(shù)據(jù)提取特征量進(jìn)而得到對(duì)應(yīng)用戶的日負(fù)荷曲線向量和電量水平特征，采用模糊C-均值 聚類算法對(duì)同種行業(yè)內(nèi)的用戶以日負(fù)荷曲線為特征量進(jìn)行聚類獲得日負(fù)荷曲線相似的同 類型用戶及分類數(shù)目；根據(jù)日負(fù)荷曲線向量和電量水平特征以及分類數(shù)目采用加權(quán)重心的 思想建立同類型用戶中的典型用戶篩選模型，進(jìn)而通過該篩選模型從同類型用戶中篩選出 典型用戶。2. 根據(jù)權(quán)利要求1所述的基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:包 括以下步驟： 步驟1，根據(jù)用戶的電力、電量數(shù)據(jù)提取特征量進(jìn)而得到對(duì)應(yīng)用戶的日負(fù)荷曲線向量和 電量水平特征； 步驟2,根據(jù)日負(fù)荷曲線向量初步確定待分類用戶類型及分類數(shù)目；然后根據(jù)用戶類型 得到的用戶日負(fù)荷曲線向量的隸屬矩陣，同時(shí)用值在[〇，1]間的隨機(jī)數(shù)初始化隸屬矩陣U， 使其滿足約束條件：其中，1?表示第j個(gè)日負(fù)荷曲線向量屬于第i類用戶的隸屬度； 步驟3,根據(jù)步驟1得到的用戶日負(fù)荷曲線向量及步驟2得到的隸屬矩陣建立每類用戶 類型的聚類中心； 步驟4,根據(jù)步驟1得到的日負(fù)荷曲線向量、步驟2得到的隸屬矩陣、步驟3建立的聚類中 心建立日負(fù)荷曲線向量的聚類目標(biāo)函數(shù)，進(jìn)而得到日負(fù)荷曲線向量的聚類目標(biāo)函數(shù)值： 步驟5,給定聚類目標(biāo)閾值，將步驟4得到的聚類目標(biāo)函數(shù)值與給定閾值比較，判斷目標(biāo) 函數(shù)值與給定閾值的大小關(guān)系，若目標(biāo)函數(shù)值大于給定閾值，則返回步驟3重新求解每類的 聚類中心； 步驟6,根據(jù)步驟1得到的日負(fù)荷曲線向量，步驟2得到的分類用戶類型、分類數(shù)目、隸屬 矩陣以及步驟5得到確定的聚類中心建立分類數(shù)目的有效性進(jìn)行檢驗(yàn)?zāi)Ｐ?；給定有效性檢 驗(yàn)閾值，當(dāng)有效性檢驗(yàn)均在有效性檢驗(yàn)閾值范圍內(nèi)時(shí)，分類數(shù)目有效，若分類數(shù)目無效，返 回步驟2重新確定分類數(shù)目； 步驟7,將根據(jù)步驟1得到的用戶的日負(fù)荷曲線向量和電量水平特征作為其對(duì)應(yīng)用戶的 位置和重量，然后通過步驟6檢驗(yàn)?zāi)Ｐ蜋z驗(yàn)有效的分類數(shù)目通過加權(quán)重心的思想建立典型 用戶的篩選模型，進(jìn)而從同類型用戶中篩選出典型用戶。3. 根據(jù)權(quán)利要求1所述的基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:所 述步驟3建立每類用戶類型的聚類中心：其中，Cl為第i類用戶類型A的聚類中心，Ulj表示第j個(gè)日負(fù)荷曲線向量屬于第i類用戶 的隸屬度，xj表示第j個(gè)日負(fù)荷曲線向量，me [1，％)是一個(gè)加權(quán)指數(shù)。4. 根據(jù)權(quán)利要求1所述的基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:所 述步驟4建立的聚類目標(biāo)函數(shù)：該目標(biāo)函數(shù)達(dá)到最小的必要條件為：其中，J表示k類價(jià)值函數(shù)之和，U為隸屬矩陣，Cl為第i類用戶類型A的聚類中心，心代表 第i類的價(jià)值函數(shù)，表示第j個(gè)日負(fù)荷曲線向量屬于第i類用戶的隸屬度，me [1，~）是一 個(gè)加權(quán)指數(shù)，c^=| |Cl-Xj| |為第i個(gè)聚類中心與第j個(gè)向量間的歐幾里德距離，幻表示第j個(gè) 日負(fù)荷曲線向量。5. 根據(jù)權(quán)利要求1所述的基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:所 述步驟6建立分類數(shù)目的有效性進(jìn)行檢驗(yàn)?zāi)Ｐ桶ㄍ愲x散度檢驗(yàn)?zāi)Ｐ?、中心離散度檢驗(yàn) 模型、平均隸屬度檢驗(yàn)?zāi)Ｐ?，其中：式中，k為聚類數(shù)目，Cl(i = l，2,…，k)為第i類的聚類中心，X諫示第j個(gè)用戶的日負(fù)荷 曲線向量，d(ci，xj)= | |ci_xj| |，表示第j個(gè)日負(fù)荷曲線向量Xj與第i個(gè)聚類中心Ci的距離， Umax,p表示第P個(gè)用戶隸屬度矩陣的最大值。6. 根據(jù)權(quán)利要求1所述的基于模糊C聚類的典型需求側(cè)用戶篩選方法，其特征在于:所 述步驟7建立的典型用戶篩選模型： minf = | | Xj-ffi I I ；其中，f為日負(fù)荷曲線向量Xj與第i類用戶的重心I的歐幾里德距離，X」為屬于第i類模 糊集合的日負(fù)荷曲線向量，Wi為同類用戶的重心，Qj為電量水平特征，1^為1類用戶個(gè)數(shù)。
【專利摘要】本發(fā)明公開了一種基于模糊C聚類的典型需求側(cè)用戶篩選方法，根據(jù)用戶的電力、電量數(shù)據(jù)提取特征量進(jìn)而得到對(duì)應(yīng)用戶的日負(fù)荷曲線向量和電量水平特征，采用模糊C-均值聚類算法對(duì)同種行業(yè)內(nèi)的用戶以日負(fù)荷曲線為特征量進(jìn)行聚類獲得日負(fù)荷曲線相似的同類型用戶及分類數(shù)目；根據(jù)日負(fù)荷曲線向量和電量水平特征以及分類數(shù)目采用加權(quán)重心的思想建立同類型用戶中的典型用戶篩選模型，進(jìn)而通過該篩選模型從同類型用戶中篩選出典型用戶。本發(fā)明不僅能夠?qū)ν袠I(yè)電力用戶進(jìn)行分類，而且能從同類型用戶中篩選出典型用戶。
【IPC分類】G06K9/62
【公開號(hào)】CN105678314
【申請(qǐng)?zhí)枴?br>【發(fā)明人】徐青山, 祝明樂, 許曉慧, 汪春, 劉海璇, 張祥文, 丁茂生, 馬軍, 田炯, 丁皓, 張倩
【申請(qǐng)人】東南大學(xué), 中國電力科學(xué)研究院, 國網(wǎng)寧夏電力公司
【公開日】2016年6月15日
【申請(qǐng)日】2015年10月15日