CN118364316B 一種考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方法及系統(tǒng) （浙江大學(xué)）

US2012054184A1,2012.03.01US2021056647A1,2021.一種考慮自適應(yīng)快速搜索密度峰值的電力本發(fā)明公開了一種考慮自適應(yīng)快速搜索密用基于局部離群因子和輪廓系數(shù)的電力用戶自2戶自適應(yīng)CFSFDP負(fù)荷曲線聚類方法，得到標(biāo)準(zhǔn)量化下用電負(fù)荷數(shù)據(jù)集的局部最優(yōu)聚類中利用局部密度ρ和相對距離δ的計(jì)算結(jié)果，采用基于局部離群因基于已計(jì)算獲得的用電負(fù)荷數(shù)據(jù)集中樣本i的局部密度ρi和相對距離δi計(jì)算負(fù)荷數(shù)據(jù)樣本i的局部離群因子，其為負(fù)荷樣本i的第k距離鄰域Nk(i)內(nèi)所有負(fù)荷樣本與樣本i局部根據(jù)歸一化局部離群因子結(jié)果，確定被選為聚類中心的負(fù)荷樣本再基于輪廓系數(shù)的局部最優(yōu)截?cái)嗑嚯x自適應(yīng)求解對初步聚類結(jié)果進(jìn)行其中，通過歸一化局部離群因子計(jì)算結(jié)果對應(yīng)局部密度ρ和相對距離δ,得到被選為聚閾值的歸一化局部離群因子，將這些對應(yīng)所篩選樣本的局部密度ρ和相對距離δ,得到其在2.根據(jù)權(quán)利要求1所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方3.根據(jù)權(quán)利要求2所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方4.根據(jù)權(quán)利要求1所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方3k負(fù)荷樣本i的局部可達(dá)密度，其表示在負(fù)荷樣本i的第k距離鄰域內(nèi)所有負(fù)荷樣本的可達(dá)距(i)為所有樣本的局部離群因子中的最大5.根據(jù)權(quán)利要求1所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方4行時實(shí)現(xiàn)如權(quán)利要求1_5任一項(xiàng)所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線現(xiàn)如權(quán)利要求1_5任一項(xiàng)所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方5[0004]本發(fā)明主要解決的技術(shù)問題是通過構(gòu)建負(fù)荷樣本數(shù)據(jù)集的局部最優(yōu)聚類中心和6xi[0019]基于已計(jì)算獲得的用電負(fù)荷數(shù)據(jù)集中樣本i的局部密度ρi和相對距離δi計(jì)算負(fù)荷數(shù)據(jù)樣本i的局部離群因子，其為負(fù)荷樣本i的第k距離鄰域Nk(i)內(nèi)所有負(fù)荷樣本與樣本i[0021]再基于輪廓系數(shù)的局部最優(yōu)截?cái)嗑嚯x自適應(yīng)求解對初步聚類結(jié)果進(jìn)行進(jìn)一步優(yōu)7k為負(fù)荷樣本i的局部可達(dá)密度，其表示在負(fù)荷樣本i的第k距離鄰域內(nèi)所有負(fù)荷樣本的可達(dá)內(nèi)所有負(fù)荷樣本與i局部可達(dá)密度比值的平均值；LOFn(i)為歸一化局部離群因子結(jié)果，[0031]進(jìn)一步地，通過歸一化局部離群因子計(jì)算結(jié)果對應(yīng)局部密度ρ和選超過該閾值的歸一化局部離群因子，將這些對應(yīng)所篩選樣本的局部密度ρ和相對距離δ,器執(zhí)行時實(shí)現(xiàn)如上任一項(xiàng)所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類8[0040]本發(fā)明還提供一種考慮自適應(yīng)快速搜索密度峰值的電力器實(shí)現(xiàn)如上任一項(xiàng)所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶[0055](4)計(jì)算用電負(fù)荷數(shù)據(jù)集中樣本i的局部密度ρi和相對距離δi，可被表示為下9荷樣本i的局部離群因子，表示為負(fù)荷樣本i的第k距離鄰域Nk(i)內(nèi)所有負(fù)荷樣本與i局部[0078]為驗(yàn)證所提出的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方法的[0080]為進(jìn)一步驗(yàn)證所提出的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線聚類方法的相比其他聚類方法的優(yōu)越性，以上述用戶[0083]利用聚類指標(biāo)CHI(Calinski_Harabaszindex)和DBI(Davies_Bouldinindex)的結(jié)果對四種方法的聚類結(jié)果進(jìn)行評價(jià)。其中，CHI利用聚類簇內(nèi)離差矩陣來度量簇內(nèi)緊密處理器執(zhí)行時實(shí)現(xiàn)如上任一項(xiàng)所述的考慮自適應(yīng)快速搜索密度峰值的電力用戶負(fù)荷曲線[0085]本發(fā)明還提供一種考慮自適應(yīng)快速搜索密度峰值的電力器實(shí)現(xiàn)上述任一種考慮自適應(yīng)快速搜索密度峰值的電力用戶