CN113159137A - 一种燃气负荷聚类方法及装置 - Google Patents
一种燃气负荷聚类方法及装置 Download PDFInfo
- Publication number
- CN113159137A CN113159137A CN202110354433.7A CN202110354433A CN113159137A CN 113159137 A CN113159137 A CN 113159137A CN 202110354433 A CN202110354433 A CN 202110354433A CN 113159137 A CN113159137 A CN 113159137A
- Authority
- CN
- China
- Prior art keywords
- data
- point
- class
- minority
- clustering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000000513 principal component analysis Methods 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 18
- 230000000694 effects Effects 0.000 abstract description 13
- 238000009826 distribution Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供了一种燃气负荷聚类方法及装置。所述方法包括:对燃气负荷数据进行聚类;以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。本发明通过改进SMOTE算法,将插值基点由原来的少数类数据点改为聚类中心,解决了SMOTE算法容易产生分布边缘化的问题,提高了聚类效果。本发明提出的聚类方法不仅适合于燃气负荷数据,还适合其它不平衡数据集。
Description
技术领域
本发明涉及燃气负荷数据聚类分类技术领域,具体涉及一种燃气负荷聚类方法及装置。
背景技术
燃气锅炉***的负荷聚类研究就是对燃气负荷进行科学有效的划分,用户负荷聚类就是通过聚类分析挖掘出不同种类、不同地区的负荷之间的关系及其构成。在对燃气锅炉***进行规划设计时,不论是估算项目的经济性还是确定燃气锅炉***的建设规模,燃气锅炉的负荷都是设计过程中的重要基础数据。负荷的聚类分析,是结合了数据挖掘技术和燃气锅炉***的应用,通过数据挖据进行燃气负荷特性的分析,在大量无序无规律的负荷中,挖掘出潜藏的负荷模式,并对其进行归类,通过得到的典型负荷曲线,解决燃气锅炉***中的存在问题,如燃气负荷预测、需求侧响应分析等。不同类型的用户,如民用、商业、工业、农业等,在燃气消费模式上存在很大的差异,即使是同一类型的用户,他们的用气模式也可能不一样。基于负荷数据分类挖据不同燃气用户的燃气消费模式不仅可以支持燃气公司进行有序供暖、错峰管理、分时用气等市场竞争策略和提供更个性化的供暖服务,也有助于提高对不同燃气用户的燃气消费模式的理解,从而进行更高效的需求侧管理。此外,用户还可以根据负荷分类所发现的问题,更经济地、最优地调整消费策略,这样不仅可以降低成本,而且提高能源使用效率。
实际的燃气负荷数据是一个不平衡的数据集。不平衡数据集中,两类数据之间的数据数量差距较大,少数类数据远远少于多数类数据,而少数类样本识别比多数类样本识别更为困难。通过采用过采样增加少数类样本,可用于不平衡燃气负荷数据的聚类。SMOTE(Synthetic Minority Oversampling Technique,合成少数类过采样技术)算法是目前常用的过采样方法,能很好地解决了随机向上抽样时过于随机性的问题。但是该算法容易产生分布边缘化的问题,使类边界模糊化,从而影响聚类效果。
发明内容
为了解决现有技术中存在的上述问题,本发明提供一种燃气负荷聚类方法及装置,对聚类后的数据点基于改进的SMOTE算法进行插值,改进了不平衡燃气负荷数据的聚类效果。
为了实现上述目的,本发明采用以下技术方案。
第一方面,本发明提供一种燃气负荷聚类方法,包括:
对燃气负荷数据进行聚类;
以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
进一步地,所述方法在聚类前还包括采用主成分分析法PCA(PrincipalComponent Analysis)对燃气负荷数据进行降维处理。
进一步地,所述方法采用FCM算法对燃气负荷数据进行聚类。
进一步地,在进行插值前还包括识别并剔除危险点步骤:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
更进一步地,插值方法具体包括:
计算多数类数据点数与少数类数据点数的比值并取整得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
第二方面,本发明提供一种燃气负荷聚类装置,包括:
聚类模块,用于对燃气负荷数据进行聚类;
插值模块,用于以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
进一步地,所述装置还包括降维模块,用于采用主成分分析法PCA对燃气负荷数据进行降维处理。
进一步地,所述聚类模块采用FCM算法对燃气负荷数据进行聚类。
进一步地,所述装置还包括危险点剔除模块,用于在进行插值前按下述方法识别并剔除危险点:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
更进一步地,所述插值模块按照下述方法进行插值:
计算多数类数据点数量与少数类数据点数量的比值,取整后得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
与现有技术相比,本发明具有以下有益效果。
本发明通过对燃气负荷数据进行聚类,以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值,实现了对不平衡数据集的聚类。本发明通过改进SMOTE算法,将插值基点由原来的少数类数据点改为聚类中心,解决了SMOTE算法容易产生分布边缘化的问题,提高了聚类效果。另外,本发明提出的聚类方法不仅适合于燃气负荷数据,还适合其它不平衡数据集。
附图说明
图1为本发明实施例一种燃气负荷聚类方法的流程图。
图2为不平衡样本数据集的示意图,图中的圆为少数类数据点,五星为多数类数据点。
图3为聚类后的数据点经过采样后的示意图,图中空心圆为少数类数据点,实心圆为插值点,星号为聚类中心。
图4为本发明实施例一种燃气负荷聚类装置的方框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明白,以下结合附图及具体实施方式对本发明作进一步说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种燃气负荷聚类方法的流程图,包括以下步骤:
步骤101,对燃气负荷数据进行聚类;
步骤102,以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
本实施例中,步骤101主要用于对燃气负荷数据进行聚类。聚类是一种机器学习技术,它涉及到数据点的分组。给定一组数据点,可以使用聚类算法将每个数据点划分为一个特定的组。理论上,同一组中的数据点应该具有相似的属性和/或特征,而不同组中的数据点应该具有不同的属性和/或特征。聚类是一种无监督学习的方法,是许多领域中常用的统计数据分析技术。聚类算法很多,主要的聚类算法包括如下几类:划分方法,层次方法,基于密度的方法,基于网格的方法以及基于模型的方法。如划分方法中的k-means聚类算法,层次方法中的凝聚型层次聚类算法,基于模型方法中的神经网络聚类算法等。本实施例不对聚类算法进行具体限定。
本实施例中,步骤102主要用于针对少数类数据点进行插值。如前述,燃气负荷数据是一个不平衡的数据集,不平衡数据集中,两类数据之间的数据数量差距较大,少数类数据远远少于多数类数据。如图2所示,圆为少数类数据点,五星为多数类数据点,图中圆的数量明显少于五星的数量。由于用于分类的大多数机器学***衡数据集设计的,这导致模型对不平衡数据的预测性能较差,特别是针对样本较少类别的预测效果,因此少数类样本识别比多数类样本识别更为困难也更为重要。为此,本实施例主要针对少数类数据进行处理,具体地说是针对少数类数据点进行过采样(插值),使不平衡数据集趋于平衡。
现有技术多采用SMOTE算法实现插值。下面介绍一下SMOTE算法的原理。SMOTE算法的主要目的是通过增加少数类数据的数量来使不平衡数据集变为平衡数据集。假设某一不平衡数据集,对少数类数据中的每一个燃气负荷数据x,在其周围搜索最近邻K个少数类数据。假设数据集的向上采样倍率为n(近似等于多数类的数据量与少数类数据量的比值),则从K个最近邻数据中随机抽取n个数据y1,y2,...,yn。按下式计算插值得到n个插值点:
pi=x+rand(0,1)×(yi-x)
式中,rand(0,1)表示区间(0,1)内的一个随机数,i=1,2,...,n。
通过上述插值操作,可以平衡多数类和少数类的数据点的数量,从而提高不平衡数据集分类的准确率。但是,由于该算法中以少数类数据为基点进行插值,少数类数据的分布决定了其可选择的近邻,如果一个少数类数据处在该类的分布边缘,则在此数据点和其近邻样数据点之间的插值也会处在这个边缘附近,且会越来越边缘化,从而模糊了少数类和多数类的边界,而且使边界变得越来越模糊。这种边界模糊性虽然使数据集的平衡性得到了改善,但却加大了聚类算法的难度且影响了聚类效果。为此,本实施例对SMOTE算法进行了改进:以少数类的聚类中心为基点,在基点与每个数据点之间插值,这样就避免了位于边界的少数类数据点的插值点仍然在边界附近,从而消除了边界模糊问题。
图3是采用本实施改进的插值方法得到的插值结果的示意图,图中空心圆为少数类数据点,实心圆为插值点,星号为聚类中心。由图可知,插值点几乎均落在了边界之内,没有产生边界模糊。
作为一可选实施例,所述方法在聚类前还包括采用主成分分析法PCA对燃气负荷数据进行降维处理。
在本实施例中,在聚类前对燃气负荷数据进行降维处理,目的是通过降低数据维数和数据的数量,降低数据集的不平衡程度和聚类运算的计算量,从而提高聚类速度和效果。降维算法有很多,常用的有PCA、Sammon映射、特性指标降维。
PCA在机器学习中经常用到,是数据预处理的步骤之一。PCA在对数据进行简化和降维的时候,主要基于以下两个因素:第一,高维特征空间中含有很多不必要的冗余信息,特征之间相互存在着相关性;第二,高维数据计算较复杂。PCA的目标是在有损的情况下,尽量保持原数据集的信息,将高维数据进行简化。PCA通过选取其中对数据样本信息量贡献最多的几个变量,最大限度地降低成本函数的方差。保留下来的主成分有以下特点:保留的主成分需要小于原数据集的维数;每个主成分是原来变量的线性组合,但是主成分之间无相关性;尽量减小损失的情况下保留原始数据样本的尽可能高的信息。
Sammon映射是一种距离保存技术。Sammon映射只有一个特定的目的,即减少有限数量点的维数。这种技术被认为是PCA的一种变体。Sammon算法的目标是最小化误差函数。使用这种技术的优点是它计算简单,即使对于非线性的数据集也能得到结果,只要数据集不太复杂。Sammon算法也适合非线性数据集。
特性指标降维,也是针对高维负荷数据的一种处理方式。常用的负荷特性指标包含平均负荷、峰谷差、负荷率以及负载率等指标。负荷曲线由于受时间、气温、季节、生活***期负载率,谷期负载率。从全天不同时期、不同负载率较全面地刻画用户的负荷模式。
实验表明,在数据降维方面,PCA算法运算效率高,降维效果好,得到的聚类结果基本与未降维的聚类结果一致;Sammon算法的缺点在于运算时间长;特征选取的降维算法得到的聚类效果偏差较大。为此,本实施例采用PCA算法对燃气负荷数据进行降维处理。
作为一可选实施例,所述方法采用FCM算法对燃气负荷数据进行聚类。
本实施例给出了一种具体的聚类算法,即模糊C均值聚类算法FCM。FCM是基于目标函数的聚类算法中应用非常广泛的算法之一。FCM由传统的硬聚类算法优化而来,硬聚类采用隶属度要么为0要么为1的原则,运用均方逼近方法来构造条件型非线性规划问题,并借助目标函数求解聚类问题。FCM算法是一种无监督学习方法,它首先随机地选取样本中c个对象作为初始的聚类中心,初始化模糊划分矩阵的值在[0,1]之间;计算模糊划分矩阵和类中心,计算目标函数值;不断地更新、重复以上过程,直到目标函数值最小或者迭代次数大于最大停止迭代次数,然后根据模糊划分矩阵大小将样本划分到每个类中去。FCM采用的是欧氏距离度量样本与聚类中心的距离的,距离越小对象之间相似度就越高,越容易被划分到同一个类中去。FCM是较成熟的现有技术,这里不再给出详细的算法流程。
作为一可选实施例,在进行插值前还包括识别并剔除危险点步骤:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
本实施例给出了一种消除危险点的技术方案。“危险点”是一种形象的叫法,也可称为“干扰点”,由于它的存在会对聚类算法产生较大的影响或干扰。因此,为了提高聚类效果,必须识别并删除危险点,然后重新进行聚类。本实施例中的危险点满足以下条件:是少数类的边界点;其K个近邻全是多数类数据点;其到聚类中心的距离比K个近邻中某个多数类数据点与聚类中心的距离还要近。也就是说,危险点几乎被多数类数据点包围,它的存在当然会对聚类算法构成危险或干扰,使聚类算法的难度大大增加,从而影响聚类效果。根据危险点的上述特征,本实施例识别危险点的方法是:首先确定少数类边界点,然后判断每个边界点是否满足后两个条件。当然,也对少数类边界点的数量进行了限定,即必须大于等于1,否则,如果只有一个边界点且被判定为危险点,删除后就没有边界点了(或对少数类的整体分布造成很大影响)。确定边界点方法是求每个少数类数据点的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点。
作为一可选实施例,插值方法具体包括:
计算多数类数据点数量与少数类数据点数量的比值,取整后得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
本实施例给出了改进的SMOTE算法的一种技术方案。主要改进的地方是将原来以少数类数据点为基点进行插值,改为以聚类中心为基点进行插值。插值点计算方法如上式,与SMOTE算法的插值公式相比,除了将基点由x改为u外,还将1改为了H。H是所有少数类数据点与聚类中心u的欧氏距离的最大值D,与由于少数类数据点x与u的欧氏距离d的比值D/d,取整后的值。由于H大于或等于1,这样处理后使插值点的范围拓宽了,可避免因插值范围小而导致过拟合。这样处理有可能使某些边界点的插值点“过界”,但因这种情况毕竟是少数,少数点过界对聚类影响不大。当然,可对上面的插值公式做进一步改进:当x为边界点时,仍然将H改为1;只在x为非边界点时用H。这样会使“过界”概率更小。
图4为本发明实施例一种燃气负荷聚类装置的组成示意图,所述装置包括:
聚类模块11,用于对燃气负荷数据进行聚类;
插值模块22,用于以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
本实施例的装置,可以用于执行图1所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。后面的实施例也是如此,均不再展开说明。
作为一可选实施例,所述装置还包括降维模块,用于采用主成分分析法PCA对燃气负荷数据进行降维处理。
作为一可选实施例,所述聚类模块11采用FCM算法对燃气负荷数据进行聚类。
作为一可选实施例,所述装置还包括危险点剔除模块,用于在进行插值前按下述方法识别并剔除危险点:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
作为一可选实施例,所述插值模块22按照下述方法进行插值:
计算多数类数据点数量与少数类数据点数量的比值,取整后得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种燃气负荷聚类方法,其特征在于,包括以下步骤:
对燃气负荷数据进行聚类;
以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
2.如权利要求1所述的燃气负荷聚类方法,其特征在于,所述方法在聚类前还包括采用主成分分析法PCA对燃气负荷数据进行降维处理。
3.如权利要求1所述的燃气负荷聚类方法,其特征在于,所述方法采用FCM算法对燃气负荷数据进行聚类。
4.如权利要求1所述的燃气负荷聚类方法,其特征在于,在进行插值前还包括识别并剔除危险点步骤:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
5.如权利要求4所述的燃气负荷聚类方法,其特征在于,插值方法具体包括:
计算多数类数据点数与少数类数据点数的比值并取整得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
6.一种燃气负荷聚类装置,包括:
聚类模块,用于对燃气负荷数据进行聚类;
插值模块,用于以少数类的聚类中心为基点,在所述基点与该类的每个数据点的连线或其延长线上进行插值。
7.如权利要求6所述的燃气负荷聚类方法,其特征在于,所述装置还包括降维模块,用于采用主成分分析法PCA对燃气负荷数据进行降维处理。
8.如权利要求6所述的燃气负荷聚类方法,其特征在于,所述聚类模块采用FCM算法对燃气负荷数据进行聚类。
9.如权利要求6所述的燃气负荷聚类方法,其特征在于,所述装置还包括危险点剔除模块,用于在进行插值前按下述方法识别并剔除危险点:
确定少数类边界点:对每个少数类数据点,求它的K个近邻,若所述K个近邻中包含多数类数据点,则所述少数类数据点为少数类边界点;
统计少数类边界点的数量,如果大于1,分别计算每个少数类边界点及其K个近邻中的多数类数据点与聚类中心的欧氏距离d1、d2;
如果某个少数类边界点的d1大于d2的最小值,且其K个近邻都是多数类数据点,则所述少数类边界点为危险点;
删除所有危险点,并重新进行聚类。
10.如权利要求9所述的燃气负荷聚类方法,其特征在于,所述插值模块按照下述方法进行插值:
计算多数类数据点数量与少数类数据点数量的比值,取整后得到插值倍率n;
计算少数类聚类中心u到该类所有数据点的欧氏距离的最大值D;
计算u与该类每个数据点x的欧氏距离d,对D/d取整得到H;
按下式计算针对每个数据点x的n-1个插值点xnew:
xnew=u+rand(0,H)×(x-u)
式中,rand(0,H)为0与H之间的一个随机数,执行n-1次得到n-1个插值点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110354433.7A CN113159137A (zh) | 2021-04-01 | 2021-04-01 | 一种燃气负荷聚类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110354433.7A CN113159137A (zh) | 2021-04-01 | 2021-04-01 | 一种燃气负荷聚类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159137A true CN113159137A (zh) | 2021-07-23 |
Family
ID=76885963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110354433.7A Pending CN113159137A (zh) | 2021-04-01 | 2021-04-01 | 一种燃气负荷聚类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159137A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456315A (zh) * | 2022-11-11 | 2022-12-09 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的燃气管网预设管理方法和物联网*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930856A (zh) * | 2016-03-23 | 2016-09-07 | 深圳市颐通科技有限公司 | 基于改进dbscan-smote算法的分类方法 |
CN107194803A (zh) * | 2017-05-19 | 2017-09-22 | 南京工业大学 | 一种p2p网***人信用风险评估的装置 |
KR20190048119A (ko) * | 2017-10-30 | 2019-05-09 | 부산대학교 산학협력단 | Fcm과 smote를 이용한 클래스 불균형 문제 해결을 위한 장치 및 방법 |
CN110275910A (zh) * | 2019-06-20 | 2019-09-24 | 东北大学 | 一种不平衡数据集的过采样方法 |
CN110852388A (zh) * | 2019-11-13 | 2020-02-28 | 吉林大学 | 基于K-means改进的SMOTE算法 |
CN111782904A (zh) * | 2019-12-10 | 2020-10-16 | 国网天津市电力公司电力科学研究院 | 一种基于改进smote算法的非平衡数据集处理方法及*** |
-
2021
- 2021-04-01 CN CN202110354433.7A patent/CN113159137A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930856A (zh) * | 2016-03-23 | 2016-09-07 | 深圳市颐通科技有限公司 | 基于改进dbscan-smote算法的分类方法 |
CN107194803A (zh) * | 2017-05-19 | 2017-09-22 | 南京工业大学 | 一种p2p网***人信用风险评估的装置 |
KR20190048119A (ko) * | 2017-10-30 | 2019-05-09 | 부산대학교 산학협력단 | Fcm과 smote를 이용한 클래스 불균형 문제 해결을 위한 장치 및 방법 |
CN110275910A (zh) * | 2019-06-20 | 2019-09-24 | 东北大学 | 一种不平衡数据集的过采样方法 |
CN110852388A (zh) * | 2019-11-13 | 2020-02-28 | 吉林大学 | 基于K-means改进的SMOTE算法 |
CN111782904A (zh) * | 2019-12-10 | 2020-10-16 | 国网天津市电力公司电力科学研究院 | 一种基于改进smote算法的非平衡数据集处理方法及*** |
Non-Patent Citations (3)
Title |
---|
周大镯: "《对变量时间序列研究》", 31 December 2012, 石家庄:河北人民出版社 * |
王海: "过采样与集成学习方法在软件缺陷预测中的对比研究", 《计算机与现代化》 * |
邱静 等: "基于优化模糊C均值聚类选取相似日的燃气负荷预测", 《上海师范大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456315A (zh) * | 2022-11-11 | 2022-12-09 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的燃气管网预设管理方法和物联网*** |
US11803173B2 (en) | 2022-11-11 | 2023-10-31 | Chengdu Qinchuan Iot Technology Co., Ltd. | Preset management methods of gas pipeline network for smart gas and internet of things systems thereof |
US11982994B2 (en) | 2022-11-11 | 2024-05-14 | Chengdu Qinchuan Iot Technology Co., Ltd. | Determining a regional gas pipeline operating scheme |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871860B (zh) | 一种基于核主成分分析的日负荷曲线降维聚类方法 | |
Isa et al. | Using the self organizing map for clustering of text documents | |
CN110266672B (zh) | 基于信息熵和置信度下采样的网络入侵检测方法 | |
Chen et al. | RAMOBoost: Ranked minority oversampling in boosting | |
Setnes et al. | Fuzzy modeling of client preference from large data sets: an application to target selection in direct marketing | |
CN109766950B (zh) | 一种基于形态聚类和LightGBM的工业用户短期负荷预测方法 | |
CN106203478A (zh) | 一种用于智能电表大数据的负荷曲线聚类方法 | |
CN110245783B (zh) | 一种基于c-均值聚类模糊粗糙集的短期负荷预测方法 | |
CN111556016B (zh) | 一种基于自动编码器的网络流量异常行为识别方法 | |
CN109871872A (zh) | 一种基于壳向量式svm增量学习模型的流量实时分类方法 | |
CN111582548A (zh) | 一种基于多元用户行为画像的用电负荷预测方法 | |
CN112330158A (zh) | 基于自回归差分移动平均-卷积神经网络的识别交通指数时间序列的方法 | |
CN111275127B (zh) | 基于条件互信息的动态特征选择方法 | |
CN114611738A (zh) | 一种基于用户用电行为分析的负荷预测方法 | |
Kumar et al. | Comparative analysis of SOM neural network with K-means clustering algorithm | |
CN115374851A (zh) | 一种燃气数据异常检测方法及装置 | |
CN113159137A (zh) | 一种燃气负荷聚类方法及装置 | |
Jain | A hybrid clustering algorithm for data mining | |
CN112215490B (zh) | 一种基于相关性系数改进K-means的电力负荷聚类分析方法 | |
Zhang et al. | A Density-Center-Based Automatic Clustering Algorithm for IoT Data Analysis | |
CN112270338A (zh) | 一种电力负荷曲线聚类方法 | |
Sexton et al. | Data mining using a genetic algorithm‐trained neural network | |
CN104408715A (zh) | 基于自适应模糊c均值聚类模糊化的sar图像分析方法 | |
CN114519605A (zh) | 广告点击欺诈检测方法、***、服务器和存储介质 | |
Yan et al. | A clustering method for power time series curves based on improved self-organizing mapping algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |