(19)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 202211219324.5 (22)申请日 2022.10.08 (71)申请人 成都理工大 学 地址 610059 四川省成 都市二仙桥 东三路1 号 (72)发明人 肖玮　李松林　 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 雷正 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种电力数据聚类方法及电子设备 (57)摘要 本发明公开了一种电力数据聚类方法及电 子设备， 涉及电力数据处理领域， 包括步骤： S1、 获取已知类别的电力数据作为测试数据， 生成 n 个初始参数集， 初始化外循环参数； S2、 进行外循 环； S3、 通过内循环更新参数集； S4、 判断外循环 次数是否达到第二最大迭代次数， 若是则进入步 骤S5； 否则返回步骤S2； S5、 从当前时刻的 n个参 数集中选择最优参数更新FCM模型， 通过更新后 的FCM模型对待分类电力数据进行聚类。 本发明 可实现电力数据聚类中心的全局寻优， 降低传统 FCM算法易陷入局部极小值带来的误差， 能够对 电力数据进行较为 准确的分类 。 权利要求书3页 说明书7页 附图2页 CN 115293298 A 2022.11.04 CN 115293298 A 1.一种电力数据聚类方法， 其特 征在于， 包括以下步骤： S1、 获取已知类别的电力数据作为测试 数据， 生成 n个初始参数集， 初始化外循环参数； S2、 进行外循环： S2‑1、 获取当前外循环迭代次数对应的温度值； S2‑2、 将n个当前时刻的参数集分别代入初始FCM模型， 向代入了当前时刻的参数集的 FCM模型输入测试 数据， 获取 各个当前时刻的参数集对应的当前解； S2‑3、 对每个当前解进行打分， 记录当前温度下的最优参数和当前全部温度下的最优 参数； S3、 通过内循环更新 参数集： S3‑1、 初始化当前内循环次数； S3‑2、 基于当前时刻的参数集、 当前温度下的最优参数集和目前全部温度下的最优参 数集对每 个当前时刻的参数集 生成新参数集； S3‑3、 判断新参数集是否优于对应当前时刻的参数集； 若是则采用新参数集替换对应 的当前时刻的参数集， 进入步骤S3 ‑5； 否则进入步骤S3 ‑4； S3‑4、 生成随机数， 判断随机数是否小于以自然常数 e为底、 新参数集的指标得分与当 前时刻的参数集的指标得分的差值除以当前温度的结果为幂的指数， 若 是则采用新参数集 替换对应的当前时刻的参数集， 进入步骤S3 ‑5； 否则保留当前时刻的参数集， 进入步骤S3 ‑ 5； S3‑5、 判断内循环次数是否达到第一最大迭代次数， 若是则获取当前时刻的参数集， 进 入步骤S4； 否则返回步骤S3 ‑2； S4、 判断外循环次数是否达到第二最大迭代次数， 若是则进入步骤S5； 否则返回步骤 S2； S5、 从当前 时刻的n个参数集 中选择最优参数更新FCM模型， 通过更新后的FCM模型对待 分类电力数据进行聚类。 2.根据权利要求1所述的电力数据聚类方法， 其特 征在于， 步骤S1的具体方法为： 获取已知类别的电力数据作为FCM模型的测试数据， 生成 n个初始参数集 ； 将 外循环中的起始温度设置为100， 终止温度设置为0.01； 其中外循环的初始迭代次数为1， c 表示聚类 个数；m表示FCM模型参数； 和 分别表示衡量紧密度和重 叠度的阈值。 3.根据权利要求2所述的电力数据聚类方法， 其特 征在于， 步骤S2 ‑1的具体方法为： 根据公式： 获取当前外循环迭代次数对应的温度值 ； 其中 表示起始温度； 表示终止温 度； 表示第二 最大迭代次数； 表示当前外循环迭代次数。 4.根据权利要求3所述的电力数据聚类方法， 其特征在于， 步骤S2 ‑3的具体方法包括以 下子步骤： S2‑3‑1、 根据公式： 权　利　要　求　书 1/3 页 2 CN 115293298 A 2获取聚类的模糊性PC和聚类的模糊性PE； 其中 表示FCM模型输出的第 j个测试数据 对 于第i个类别的隶属度， 即一个 当前时刻的参数集对应的一个当前解； J表示测试数据总数； log为以自然常数 e为底的对数函数； S2‑3‑2、 根据公式： 获取指标XB和指标PCAES； 其中 表示第j个测试数据； 表示第i个类别的聚类中心向 量； 表示第k个类别的聚类中心向量； 和 均为中间参数； 表示取最小值； S2‑3‑3、 根据公式： 获取指标 ； 其中 和 为中间参数； 表示FCM模型输出的第 j个 测试数据对于第 a个类别的隶属度； 表示 FCM模型输出的第 j个测试数据对于第 b个类别 的隶属度； 表示 FCM模型输出的第 d个测试数据对于第 i个类别的隶属度； S2‑3‑4、 根据公式： 获取当前温 度下 、 当前解的 打分结果Z ； 其中 、 、 和 均为权重 ， ； S2‑3‑5、 将当前温度下最高打分结果对应的参数集作为当前温度下最优参数集； 将当 前全部温度下最高打 分结果对应的参数集作为全部温度下的最优参数集。 5.根据权利要求 4所述的电力数据聚类方法， 其特 征在于， 步骤S3 ‑2的具体方法为： 根据公式： 对每个当前时刻的参数集 生成新参数集 ； 其中 为当前时刻的参数集对应 的粒子的速度； 、 和 均为随机数； 、 和 均为当前时刻的参数集对应的粒子群参 数； 为当前温度下的最优参数集； 为目前全部温度下的最优参数集。权　利　要　求　书 2/3 页 3 CN 115293298 A 3