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

聚類是一個過程，就是把一個大的數(shù)據(jù)劃分成多個類簇，同一類別中的數(shù)據(jù)互相相似，而不同類別的數(shù)據(jù)會有較大的不同。K 均值聚類算法是當前數(shù)據(jù)分析最常使用的方法，特點是算法操作簡單，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)信息時代下，對電力信息的數(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)濟的發(fā)展[2]。基于聚類算法的優(yōu)勢，將其應(yīng)用于電源運行狀態(tài)數(shù)據(jù)分析中，通過對電源運行狀態(tài)數(shù)據(jù)的分類與分析，更有利于掌握電源運行狀態(tài)。

1 電源運行狀態(tài)數(shù)據(jù)分析

1.1 采集電源運行狀態(tài)數(shù)據(jù)樣本

采集數(shù)據(jù)樣本是電源運行狀態(tài)分析的前提，采集的數(shù)據(jù)樣本質(zhì)量對分析結(jié)果有著至關(guān)重要的影響。電源運行狀態(tài)數(shù)據(jù)采集系統(tǒng)平均15 min 會采集一次數(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)，采集和運輸過程會受到多個因素的影響，可能造成異常數(shù)據(jù)。

1.2 電源運行樣本數(shù)據(jù)清洗

數(shù)據(jù)樣本采集完成后，需要對缺失的數(shù)據(jù)值進行處理。需要找到缺失值所對應(yīng)的時間，根據(jù)前后兩天同一時間內(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)電源運行狀態(tài)樣本數(shù)據(jù)的平均值、中值或是眾數(shù)，進行變量模擬，來預(yù)測缺失的數(shù)據(jù)。這樣能夠保證缺失的數(shù)據(jù)盡可能地接近真實的數(shù)據(jù)[3-5]。補充好缺失數(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，將不同時間段、不同數(shù)據(jù)庫源的數(shù)據(jù)進行整合，也就是歸一化處理[6-8]。

1.3 電源運行狀態(tài)數(shù)據(jù)歸一化處理

采集的電源運行狀態(tài)數(shù)據(jù)大多數(shù)來自不同的數(shù)據(jù)庫，文件和時間不盡相同，因此需要對數(shù)據(jù)進行集合。然而，由于同一屬性的數(shù)據(jù)在不同數(shù)據(jù)庫中會存在不同的名字，往往在數(shù)據(jù)集合時會存在差別數(shù)據(jù)，會降低數(shù)據(jù)集合的準確率[9]。對于出現(xiàn)的問題通常使用歸一化進行處理，以防量綱的差異對數(shù)據(jù)分析結(jié)果造成影響。具體方法是，通過最小-最大法計算出標準化離差，將處理后的數(shù)據(jù)進行標準差計算，將數(shù)據(jù)標準差控制在1 即可。最小-最大法計算需要將數(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。計算出離差后，通過標準化標準差，使得處理后的數(shù)據(jù)的標準差為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)進行點對點連接，構(gòu)成數(shù)據(jù)曲面，來表示一段時間內(nèi)的運行數(shù)據(jù)情況走向，方便K均值聚類算法劃分數(shù)據(jù)[10]。根據(jù)某用戶24 小時之內(nèi)的部分時間用電量的變化情況，進行歸一化處理。

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

由于電源運行狀態(tài)數(shù)據(jù)樣本較大，數(shù)據(jù)分析過程耗時較久，準確性低，因此用K均值聚類算法對狀態(tài)數(shù)據(jù)進行分組，將具有同一特征的電源運行狀態(tài)數(shù)據(jù)聚集到一組內(nèi)。假設(shè)設(shè)定一個整數(shù)K點和一個具有n個數(shù)據(jù)的相關(guān)的樣本集G={g1，g2，g3，…，gn}，該設(shè)定目標是選擇k個聚類中心Fi(i=1，2，…，k)，直到所選數(shù)據(jù)不會發(fā)生任何變化，或者簇的中心點不會發(fā)生變化，使目標函數(shù)M達到最小，其中目標函數(shù)M的計算公式為：

式中：M代表目標函數(shù)；G代表樣本集；Fi代表每一個聚類中心。

算法的基本思想是在n個數(shù)據(jù)樣本中，挑選一個隨機的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個中心當中，距離中心的最近點所屬的類中，會形成k個初始的聚類簇。對每一個聚類簇加以計算，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)，不斷地進行代換，直到數(shù)據(jù)不再變化，或者簇的中心點不再變化即可。具體步驟如下：

（1）隨機選取K個數(shù)據(jù)點作為初始類簇中心；

（2）計算每一個樣本和設(shè)定的這些k簇中心的距離s，公式為：

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

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

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

2 實驗論證結(jié)果

為了驗證本文設(shè)計的分析方法能夠提高數(shù)據(jù)分析的準確率，通過對照實驗，檢驗新設(shè)計方法對電源運行狀態(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，樣本數(shù)據(jù)存在空白數(shù)據(jù)，因此在對電源運行狀態(tài)數(shù)據(jù)分析時會存在相對誤差，影響分析結(jié)果。下面通過傳統(tǒng)方法和本文設(shè)計方法作比較，分析兩種方法的準確性，以此論證文中方法對電源運行狀態(tài)數(shù)據(jù)分析準確性的影響。

在實驗前，先通過傳統(tǒng)方法和本文設(shè)計方法分別對數(shù)據(jù)樣本進行數(shù)據(jù)分散，在隨機給出橫縱坐標(x，y)(0 ＜x＜10，0 ＜y＜10)的情況下，生成樣本分布圖進行數(shù)據(jù)分析，測試兩種方法的準確率，分析結(jié)果如圖1 所示。

圖1 電源運行狀態(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)值進行10 次模擬實驗，測試結(jié)果的準確性。表2 是通過上述公式得到的10組測試結(jié)果。

表2 兩種方法對分析電源運行狀態(tài)數(shù)據(jù)的準確率測試結(jié)果

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

3 結(jié)語

本文運用K 均值聚類算法研究電源運行狀態(tài)數(shù)據(jù)的分析方法，對比傳統(tǒng)設(shè)計方法，通過K 均值聚類算法，研究電源運行狀態(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，為電源運行狀態(tài)數(shù)據(jù)分析提供理論基礎(chǔ)。該設(shè)計方法能夠在電源運行狀態(tài)數(shù)據(jù)分析中提高數(shù)據(jù)準確率。