張鴻雁

（晉中學(xué)院 信息技術(shù)與工程系，山西 晉中 030619）

0 引言

聚類是一個(gè)過程，就是把一個(gè)大的數(shù)據(jù)劃分成多個(gè)類簇，同一類別中的數(shù)據(jù)互相相似，而不同類別的數(shù)據(jù)會(huì)有較大的不同。K 均值聚類算法是當(dāng)前數(shù)據(jù)分析最常使用的方法，特點(diǎn)是算法操作簡單，適用于大規(guī)模的數(shù)據(jù)采集和結(jié)果分析[1]。在如今大數(shù)據(jù)信息時(shí)代下，對(duì)電力信息的數(shù)據(jù)分析也越來越重要，它能夠?qū)υS多行業(yè)形成產(chǎn)業(yè)鏈結(jié)構(gòu)，加速經(jīng)濟(jì)的發(fā)展[2]。基于聚類算法的優(yōu)勢(shì)，將其應(yīng)用于電源運(yùn)行狀態(tài)數(shù)據(jù)分析中，通過對(duì)電源運(yùn)行狀態(tài)數(shù)據(jù)的分類與分析，更有利于掌握電源運(yùn)行狀態(tài)。

1 電源運(yùn)行狀態(tài)數(shù)據(jù)分析

1.1 采集電源運(yùn)行狀態(tài)數(shù)據(jù)樣本

采集數(shù)據(jù)樣本是電源運(yùn)行狀態(tài)分析的前提，采集的數(shù)據(jù)樣本質(zhì)量對(duì)分析結(jié)果有著至關(guān)重要的影響。電源運(yùn)行狀態(tài)數(shù)據(jù)采集系統(tǒng)平均15 min 會(huì)采集一次數(shù)據(jù)，根據(jù)系統(tǒng)內(nèi)采集到的數(shù)據(jù)信息，進(jìn)行簡單的數(shù)據(jù)分析。但在電力信息系統(tǒng)里，不可能所有的信息都能在樣本里出現(xiàn)，采集和運(yùn)輸過程會(huì)受到多個(gè)因素的影響，可能造成異常數(shù)據(jù)。

1.2 電源運(yùn)行樣本數(shù)據(jù)清洗

數(shù)據(jù)樣本采集完成后，需要對(duì)缺失的數(shù)據(jù)值進(jìn)行處理。需要找到缺失值所對(duì)應(yīng)的時(shí)間，根據(jù)前后兩天同一時(shí)間內(nèi)的前后兩組數(shù)據(jù)，在大數(shù)據(jù)庫里找到與缺失樣本最為相似的樣本，根據(jù)電源運(yùn)行狀態(tài)樣本數(shù)據(jù)的平均值、中值或是眾數(shù)，進(jìn)行變量模擬，來預(yù)測(cè)缺失的數(shù)據(jù)。這樣能夠保證缺失的數(shù)據(jù)盡可能地接近真實(shí)的數(shù)據(jù)[3-5]。補(bǔ)充好缺失數(shù)值，調(diào)整好異常噪聲數(shù)據(jù)后，將所有采集的數(shù)據(jù)樣本做好統(tǒng)一，將不同時(shí)間段、不同數(shù)據(jù)庫源的數(shù)據(jù)進(jìn)行整合，也就是歸一化處理[6-8]。

1.3 電源運(yùn)行狀態(tài)數(shù)據(jù)歸一化處理

采集的電源運(yùn)行狀態(tài)數(shù)據(jù)大多數(shù)來自不同的數(shù)據(jù)庫，文件和時(shí)間不盡相同，因此需要對(duì)數(shù)據(jù)進(jìn)行集合。然而，由于同一屬性的數(shù)據(jù)在不同數(shù)據(jù)庫中會(huì)存在不同的名字，往往在數(shù)據(jù)集合時(shí)會(huì)存在差別數(shù)據(jù)，會(huì)降低數(shù)據(jù)集合的準(zhǔn)確率[9]。對(duì)于出現(xiàn)的問題通常使用歸一化進(jìn)行處理，以防量綱的差異對(duì)數(shù)據(jù)分析結(jié)果造成影響。具體方法是，通過最小-最大法計(jì)算出標(biāo)準(zhǔn)化離差，將處理后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)差計(jì)算，將數(shù)據(jù)標(biāo)準(zhǔn)差控制在1 即可。最小-最大法計(jì)算需要將數(shù)據(jù)中映射在[0，1]之間，具體的轉(zhuǎn)換公式如下：

式中：樣本數(shù)據(jù)最小值用min 表示，樣本數(shù)據(jù)最大值用max 表示，樣本數(shù)據(jù)用y表示。計(jì)算出離差后，通過標(biāo)準(zhǔn)化標(biāo)準(zhǔn)差，使得處理后的數(shù)據(jù)的標(biāo)準(zhǔn)差為1，轉(zhuǎn)化的數(shù)據(jù)公式為：

數(shù)據(jù)處理完成后，可以將樣本數(shù)據(jù)進(jìn)行點(diǎn)對(duì)點(diǎn)連接，構(gòu)成數(shù)據(jù)曲面，來表示一段時(shí)間內(nèi)的運(yùn)行數(shù)據(jù)情況走向，方便K均值聚類算法劃分?jǐn)?shù)據(jù)[10]。根據(jù)某用戶24 小時(shí)之內(nèi)的部分時(shí)間用電量的變化情況，進(jìn)行歸一化處理。

1.4 基于K 均值聚類算法劃分電源運(yùn)行狀態(tài)數(shù)據(jù)

由于電源運(yùn)行狀態(tài)數(shù)據(jù)樣本較大，數(shù)據(jù)分析過程耗時(shí)較久，準(zhǔn)確性低，因此用K均值聚類算法對(duì)狀態(tài)數(shù)據(jù)進(jìn)行分組，將具有同一特征的電源運(yùn)行狀態(tài)數(shù)據(jù)聚集到一組內(nèi)。假設(shè)設(shè)定一個(gè)整數(shù)K點(diǎn)和一個(gè)具有n個(gè)數(shù)據(jù)的相關(guān)的樣本集G={g1，g2，g3，…，gn}，該設(shè)定目標(biāo)是選擇k個(gè)聚類中心Fi(i=1，2，…，k)，直到所選數(shù)據(jù)不會(huì)發(fā)生任何變化，或者簇的中心點(diǎn)不會(huì)發(fā)生變化，使目標(biāo)函數(shù)M達(dá)到最小，其中目標(biāo)函數(shù)M的計(jì)算公式為：

式中：M代表目標(biāo)函數(shù)；G代表樣本集；Fi代表每一個(gè)聚類中心。

算法的基本思想是在n個(gè)數(shù)據(jù)樣本中，挑選一個(gè)隨機(jī)的K作為初始中心，將數(shù)據(jù)集中，其他的樣本向中心聚攏，劃分到選取的k個(gè)中心當(dāng)中，距離中心的最近點(diǎn)所屬的類中，會(huì)形成k個(gè)初始的聚類簇。對(duì)每一個(gè)聚類簇加以計(jì)算，重新分布到新的類簇中，根據(jù)新獲得的聚類中心重新分配數(shù)據(jù)，不斷地進(jìn)行代換，直到數(shù)據(jù)不再變化，或者簇的中心點(diǎn)不再變化即可。具體步驟如下：

（1）隨機(jī)選取K個(gè)數(shù)據(jù)點(diǎn)作為初始類簇中心；

（2）計(jì)算每一個(gè)樣本和設(shè)定的這些k簇中心的距離s，公式為：

式中：s表示每個(gè)樣本到k簇的距離，ga表示樣本集的每一個(gè)數(shù)據(jù)，fb表示聚類中心的每一個(gè)數(shù)值。將樣本按照a=1，2，…，n，b=1，2，…，k的順序依次計(jì)算，計(jì)算公式為：

式中：ga表示樣本集的每一個(gè)數(shù)據(jù)，fb表示聚類中心的每一個(gè)數(shù)值。如果滿足式（5），則樣本集G∈F，如不滿足則重新計(jì)算，直到樣本數(shù)據(jù)與K值中心點(diǎn)數(shù)值達(dá)到最小。

將選取的電源運(yùn)行狀態(tài)數(shù)據(jù)樣本進(jìn)行初始分類，計(jì)算樣本數(shù)量和以K值為中心的類簇距離，得出類簇中心點(diǎn)，迭代輸入。當(dāng)?shù)竭_(dá)最小K值時(shí)，觀察中心位置是否有變化，如果沒有，輸出結(jié)果即可。若達(dá)到最小K值，但中心位置仍有變化，則重新計(jì)算，直到?jīng)]有變化為止，輸出結(jié)果，由此完成電源運(yùn)行狀態(tài)數(shù)據(jù)分析。

2 實(shí)驗(yàn)論證結(jié)果

為了驗(yàn)證本文設(shè)計(jì)的分析方法能夠提高數(shù)據(jù)分析的準(zhǔn)確率，通過對(duì)照實(shí)驗(yàn)，檢驗(yàn)新設(shè)計(jì)方法對(duì)電源運(yùn)行狀態(tài)數(shù)據(jù)分析的有效性。在選取的樣本中，在第12 min、第33～36 min、第48 min、第63 min 和第65 min 時(shí)，樣本數(shù)據(jù)存在空白數(shù)據(jù)，因此在對(duì)電源運(yùn)行狀態(tài)數(shù)據(jù)分析時(shí)會(huì)存在相對(duì)誤差，影響分析結(jié)果。下面通過傳統(tǒng)方法和本文設(shè)計(jì)方法作比較，分析兩種方法的準(zhǔn)確性，以此論證文中方法對(duì)電源運(yùn)行狀態(tài)數(shù)據(jù)分析準(zhǔn)確性的影響。

在實(shí)驗(yàn)前，先通過傳統(tǒng)方法和本文設(shè)計(jì)方法分別對(duì)數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)分散，在隨機(jī)給出橫縱坐標(biāo)(x，y)(0 ＜x＜10，0 ＜y＜10)的情況下，生成樣本分布圖進(jìn)行數(shù)據(jù)分析，測(cè)試兩種方法的準(zhǔn)確率，分析結(jié)果如圖1 所示。

圖1 電源運(yùn)行狀態(tài)數(shù)據(jù)分析結(jié)果

如圖1 所示，將所選取的數(shù)據(jù)樣本通過傳統(tǒng)方法和本文方法進(jìn)行分析，傳統(tǒng)方法的樣本特別分散，且在空白數(shù)據(jù)的地方存在重疊，空白數(shù)據(jù)只能用鄰近數(shù)值代替，尋找不到中心數(shù)據(jù)。而本文設(shè)計(jì)方法的樣本數(shù)據(jù)分散基本在2 ＜x＜8，2 ＜y＜7中，中心K值為6，能夠通過鄰近數(shù)值模擬出空白數(shù)據(jù)，完整表達(dá)樣本數(shù)據(jù)。結(jié)合樣本數(shù)據(jù)的分析結(jié)果，將數(shù)據(jù)樣本中的數(shù)據(jù)值進(jìn)行10 次模擬實(shí)驗(yàn)，測(cè)試結(jié)果的準(zhǔn)確性。表2 是通過上述公式得到的10組測(cè)試結(jié)果。

表2 兩種方法對(duì)分析電源運(yùn)行狀態(tài)數(shù)據(jù)的準(zhǔn)確率測(cè)試結(jié)果

由表2 可以看出，新的設(shè)計(jì)方法對(duì)于分析電源運(yùn)行狀態(tài)數(shù)據(jù)的結(jié)果準(zhǔn)確率更高，分析結(jié)果更優(yōu)。

3 結(jié)語

本文運(yùn)用K 均值聚類算法研究電源運(yùn)行狀態(tài)數(shù)據(jù)的分析方法，對(duì)比傳統(tǒng)設(shè)計(jì)方法，通過K 均值聚類算法，研究電源運(yùn)行狀態(tài)數(shù)據(jù)的分析方法，建立出一套新的數(shù)據(jù)分析方法，為電源運(yùn)行狀態(tài)數(shù)據(jù)分析提供理論基礎(chǔ)。該設(shè)計(jì)方法能夠在電源運(yùn)行狀態(tài)數(shù)據(jù)分析中提高數(shù)據(jù)準(zhǔn)確率。