(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111552838.8 (22)申请日 2021.12.17 (71)申请人 国网江西省电力有限公司南昌供电 分公司 地址 330000 江西省南昌市昌东大道70 07 号 申请人 国家电网有限公司 (72)发明人 李卿鹏　杨琴　李勇平　陈真　 王煜晗　刘宝宏　王刚　傅丽丽　 (74)专利代理 机构 南昌丰择知识产权代理事务 所(普通合伙) 36137 代理人 吴称生 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 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 (57)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。 权利要求书2页 说明书7页 附图3页 CN 114417970 A 2022.04.29 CN 114417970 A 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。 2.根据权利要求1所述的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3中D PC‑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S(i,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； (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D PC算法的分配策略进行分配； (10)输出最终聚类结果。 3.根据权利要求2所述的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： ρi的计算公式为 式中S(i,j)为样本Xi的共享近邻相似 度。 4.根据权利要求2或3所述的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： S(i,j)共享近邻相似度计算方法为， 将样 本i的K个最近样 本组成 集合KNN(i)， 样本j的K个最近样本组成集合KNN(j)， KNN(i)与KNN(j)的交集为样本i与 样本 j的共享近邻SNN(i,j)； 再根据样本i的K近邻集合KNN(i)分布特征与样本j的K近邻集合KNN (j)分布特征， 对样本i与样本j的共享近邻SNN(i,j)进行加权， 得到样本i与样本j的共享近 邻相似度S(i,j)。 5.根据权利要求4所述的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： 共享近邻SNN(i,j)的计算公式为SNN(i,j)＝KNN(i)∩KNN(j)； 共享近权　利　要　求　书 1/2 页 2 CN 114417970 A 2邻相似度S(i,j)的计算公式为 ， 式中 表征样本i的K近邻样本对样本j的隶属度， 表征样本j的K近邻样本 对样本i的隶属度， 将 两隶属度之和为权值对共享近邻SNN(i,j)进 行加权， 得到两样 本的共 享近邻相似度。 6.根据权利要求1所述的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4中用户用电行为分析根据每日用电时间节点和淡旺季进 行归纳 分类， 根据不同类型用户的用电负荷曲线峰值建议分配 配电额。 7.根据权利要求1所述的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1中对缺失数据进行插补， 为均值补差法， 即使用前后3个时间点 的数据均值进行插补； 其无效数据即未用电用户数据。 8.根据权利要求2所述的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： γi的定义如式γi＝ρi·δi所示。权　利　要　求　书 2/2 页 3 CN 114417970 A 3