(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111526678.X (22)申请日 2021.12.15 (65)同一申请的已公布的文献号 申请公布号 CN 113919449 A (43)申请公布日 2022.01.11 (73)专利权人 国网江西省电力有限公司供电服 务管理中心 地址 330100 江西省南昌市南昌经济技 术 开发区芙蓉 路999号 专利权人 国网江西省电力有限公司 　 国家电网有限公司 (72)发明人 俞林刚　樊友杰　刘明　张志立　 江峰　刘强　饶员良　舒骁骁　 卢婕　李昊翔　刘向向　祝君剑　 熊茹　刘丽蕴　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 代理人 王焕巧(51)Int.Cl. G06K 9/62(2022.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 10713 3176 A,2017.09.0 5 CN 111782512 A,2020.10.16 US 2021081827 A1,2021.0 3.18 WO 2015001416 A1,2015.01.08 CN 104268402 A,2015.01.07 (续) 审查员 张玲 (54)发明名称 基于精准模糊聚类算法的居民电力数据聚 类方法及装置 (57)摘要 本发明公开了基于精准模糊聚类算法的居 民电力数据聚类方法及装置， 该方法包括： 步骤 1： 推导精准模糊聚类算法的目标函数， 并定义精 准模糊聚类中心， 计算隶属矩阵， 控制精准模糊 聚类算法的误差， 使 得精准模糊聚类算法的目标 函数最小； 步骤2： 根据评价数据集聚类方法的度 量指标， 选取与居民电力数据可维护性和响度指 标值影响最大的每类加权方法、 低耦合度方法、 对每个类的响应度方法这三个度量指标算得的 度量值重新组合运算， 得到一个影 响精准模糊隶 属矩阵精度的隶属系数， 从而确定精 准模糊聚类 算法的聚类中心， 并运用精准模糊聚类算法对数 据聚类。 本发明提高了聚类算法的准确度和精 度， 聚类算法的可维护性和响度指标值也得到优化。 [转续页] 权利要求书6页 说明书14页 附图2页 CN 113919449 B 2022.03.15 CN 113919449 B (56)对比文件 周开乐等.基于改进模糊C均值 算法的电力 负荷特性分类. 《电力系统保护与控制》 .2012,第 40卷(第2 2期), Robinson Crusoe ´da Cruz et al.Usi ng a cluster analy sis method for groupi ng classes according to their i nferred testability: an i nvestigation of CK metrics, code covera ge and mutati on score. 《2017 3 6th Internati onal Conference of the C hilean Computer Science Society (SCCC)》 .2018,2/2 页 2[接上页] CN 113919449 B1.基于精准模糊聚类算法的居民电力数据聚类方法， 其特 征在于： 包括以下步骤： 步骤1、 使用传统模糊C聚类算法确定数据集聚类中心， 推导精准模糊聚类算法的目标 函数， 并定义精准模糊聚类中心， 计算隶属矩阵， 控制精准模糊聚类算法的误差， 使得精准 模糊聚类算法的目标函数最小； 步骤2、 根据评价数据集聚类方法的度量指标， 选取与居民电力数据 可维护性和响度指 标值影响最大 的每类加权方法、 低耦合度方法、 对每个类的响应度方法这三个度量指标算 得的度量值重新组合运算， 得到一个影响精准模糊隶属矩阵精度的隶属系 数， 从而确定精 准模糊聚类算法的聚类中心， 并运用精准模糊聚类算法对数据聚类； 所述步骤1的具体实现方法如下： 步骤1.1， 对目标台区居民用户同一时间段内用电负荷进行负荷特性普查， 通过对目标 台区的HPLC智能电表进行 数据读取， 获得用户的用电数据， 得到负荷特性数据； 步骤1.2， 设 S = (s1,s2,s3,s4,s5, ...,sn)表示数量为 n的电力数据集， D = (d1,d2,d3, d4,d5, ...dn)表示数据集与其聚类中心的距离； 从 D中选择的任一 dw表示从数据集 S中选择 的sw与其聚类中心的距离， w=1,2,...,n ； 设k为聚类簇数； 通过模糊聚类方法将 数据集划分 为聚类中心群 C = (c1,c2,c3,...,ck)； 步骤1.3， 提出精准模糊聚类算法， 其目标函数设为 ， 其隶属度区间为[0,1]； 使用式 （1） 表示 ，       (1) 式中 为模糊指数 ， 用来计算 与聚类中心 之间的欧氏 距离 ， ， ， 表示隶属矩阵， 表示 与聚类中心 的隶属度； 步骤1.4， 聚类误差控制函数如公式 （2） ；      (2) 公式 （2） 的目的是使聚类误差 之和最小， n为电力数据集数量， Error()表示聚类标签的 误差函数， 表示聚类标签； 步骤1.5， 下述公式 （3） 用来初始化隶属度 ；      (3) 式中，dw表示从数据集 S中选择的 sw与其聚类中心的距离； 步骤1.6， 通过公式 （4） 计算精准模糊聚类 中心 ， 然后迭代计算公式 （2） 和 （3） ， 直到使权　利　要　求　书 1/6 页 2 CN 113919449 B 3