(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 202211225416.4 (22)申请日 2022.10.09 (71)申请人 贵州电网有限责任公司 地址 550000 贵州省贵阳市南明区滨河路 17号 (72)发明人 王皓然　刘俊荣　魏力鹏　班秋成　 周泽元　陶佳冶　付鋆　吕嵘晶　 李荣宇　 (74)专利代理 机构 安徽华晟智恒知识产权代理 事务所(普通 合伙) 34193 专利代理师 崔镱泷 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种基于海量电力数据的云计算方法、 系统 (57)摘要 本申请提供一种基于海量电力数据的云计 算方法、 系统， 由于初始聚类中心的选取对聚类 效果影响十分明显， 随机选取初始聚类中心缺乏 科学性， 当初始的聚类中心点选择为同一类时， 聚类效果不理想。 因此， 通过对电力数据集进行 处理， 利用电力数据集 内每个电力数据对象的 分布特征， 从中确定出 个初始聚类中心， 能够 考虑到电力数据集 的分布情况， 提升初始聚类 中心选取的合理性， 能够有效提升聚类效果。 而 通过计算每个电力数据对象到聚类中心的距离， 进行聚类， 不断迭代， 直到满足结束条件， 完成聚 类。 由此可以实现对 海量电力数据的挖掘分类 。 权利要求书3页 说明书10页 附图2页 CN 115545107 A 2022.12.30 CN 115545107 A 1.一种基于海量电力数据的云计算方法， 其特 征在于， 包括： S1： 获取待 处理的电力数据集X， 处理为n ×m的矩阵形式， 其 中， 电力数据 集X具有n个电 力数据对象， 每 个电力数据对象具有m个属性， n＞1， m＞1； S2： 基于所述电力数据集X内每个电力数据对象的分布特征， 确定出K个初始聚类中心， K＞1； S3： 计算第l次所述电力数据集X中每个电力数据对象xi与第k个聚类中心 之间的距离 得到第l次的计算结果， i∈[1， n]， k∈[1， K]； S4： 基于第l次的计算结果， 计算第l+1次的聚类中心的位置， 并判断是否满足结束条 件， 其中， 结束条件为： 第l+1次所有 聚类中心的位置与第l次所有 聚类中心的位置相同， 且 满足预设收敛极限； S5： 若满足结束条件， 则结束计算， 以基于第l次的计算结果划分的K个簇作为结果输 出， 得到划分的K个分类{S1， S2， ...， Sk}； S6： 若不满足结束条件， 跳转到步骤S3进行下一次计算， 直到满足结束条件得到K个分 类{S1， S2， ...， Sk}输出， 实现对 海量电力数据的分类。 2.根据权利要求1所述的基于海量电力数据的云计算方法， 其特征在于， S2中基于所述 电力数据集X内每 个电力数据对象的分布特 征， 确定出 K个初始聚类中心， 包括： 基于所述电力数据集X， 确定出相应的聚类中心个数 K； 基于所述电力数据集X， 确定出每 个电力数据对象xi中每个属性的权值； 基于每个电力数据对象xi中每个属性的权值， 计算电力数据对象xi与电力数据对象xp 的距离， 以确定出所述电力数据集X中每个电力数据对象xi的相对赋值距离， 其中， 电力数 据对象xi的相对赋值距离表示电力数据对象xi与所述电力数据集X中其他电力数据对象之 间的最大距离； 基于每个电力数据对象xi的相对赋值距离， 确定出每个电力数据对象xi对应的局部密 度； 基于每个电力数据对象xi的相对赋值距离和 局部密度， 确定出 K个初始聚类中心。 3.根据权利要求2所述的基于海量电力数据的云计算方法， 其特征在于， 基于所述电力 数据集X， 确定出每 个电力数据对象xi中每个属性的权值， 包括： 针对所述电力数据集X中每 个电力数据对象xi， 进行如下处 理： 确定电力数据对象xi中第j个属性的香农熵Hij为： 其中， m为电力数据对象xi的属性维度总数， xij表示电力数据对象xi的第j个属性， j∈ [1， m]； 针对电力数据对象xi中每个属性， 进行以下处 理： 基于电力数据对象xi中第j个属性的香农 熵Hij， 按照以下 公式计算电力数据对象xi中第 j个属性的权值 wij： 权　利　要　求　书 1/3 页 2 CN 115545107 A 2据此计算出 所述电力数据集X中每 个电力数据对象xi的每个属性xij的权值wij。 4.根据权利要求3所述的基于海量电力数据的云计算方法， 其特征在于， 基于每个电力 数据对象xi中每个属性的权值， 计算电力数据对象xi与电力数据对象xp的距离， 以确定出所 述电力数据集X中每 个电力数据对象xi的相对赋值距离， 包括： 针对所述电力数据集X中每 个电力数据对象xi， 进行如下处 理： 利用以下公式计算电力数据对象xi与电力数据对象xp的距离： 其中， dw(xi， xp)表示电力数据对象xi与电力数据对象xp的距离， σ 为常数， 用于调节随电 力数据对象距聚类中心的距离变化时的密度； 基于以下公式确定出电力数据对象xi对应的相对赋值距离 δi： δi＝max dw(xi， X)， 其中， δi表示电力数据对 象xi对应的相对赋值距离， dw(xi， X)表示电力数据对象xi与所 述电力数据集X中每 个电力数据对象的距离， 共计n个距离； 据此计算出所述电力数据集X中每个电力数据对象xi的相对赋值距离δi， 共计n个相对 赋值距离 。 5.根据权利要求4所述的基于海量电力数据的云计算方法， 其特征在于， 基于每个电力 数据对象xi的相对赋值距离， 确定出每 个电力数据对象xi对应的局部密度， 包括： 基于每个电力数据对象xi的相对赋值距离， 计算出截断距离； 基于每个电力数据对象xi与所述电力数据集X中所有电力数据对象的距离， 以及所述截 断距离， 确定出每 个电力数据对象xi对应的局部密度。 6.根据权利要求5所述的基于海量电力数据的云计算方法， 其特征在于， 基于每个电力 数据对象xi的相对赋值距离， 计算出截断距离， 包括： 基于每个电力数据对象xi的相对赋值距离， 利用以下 公式计算所述电力数据集X中所有 电力数据对象的均值距离 μ： 基于均值距离 μ和每 个电力数据对象xi对应的相对赋值距离 δi， 计算截断距离： 其中， dc表示截断距离 。 7.根据权利要求6所述的基于海量电力数据的云计算方法， 其特征在于， 基于每个电力 数据对象xi与所述电力数据集X中所有电力数据对象的距离， 以及所述截断距离， 确定出每 个电力数据对象xi对应的局部密度， 包括： 针对所述电力数据集X中每 个电力数据对象xi， 采用以下公式进行计算： 其中， ρi表示电力数据对象xi对应的局部密度， 共计算出n个局部密度。权　利　要　求　书 2/3 页 3 CN 115545107 A 3