[发明专利]一种大数据环境下供配电能耗数据的挖掘与可视化方法

权利要求书

1.一种大数据环境下供配电能耗数据的挖掘与可视化方法，其特征在于：采用基于深度学习的稀疏编码算法，采用Weka数据挖掘工作平台，结合Weka软件的接口文档，在Weka中集成以上提到的算法，并结合其本身的方法对数据进行预处理、分类、回归、聚类、关联规则以及在新的交互式界面上可视化。

2.根据权利要求1所述的基于深度学习的稀疏编码算法，其特征在于：具体步骤如下：

步骤1.将供配电能耗数据信息根据每一时刻的数据划分为若干组列向量；

步骤2.利用KSVD字典选取方法从数据中的第一组列向量选取用于稀疏编码的初始字典；

步骤3.循环步骤1.根据现有的字典按顺序对数据进行学习，每次一组，得到一个低维特征向量，并使用共轭梯度下降方法对其进行学习，直至收敛；

步骤4.循环步骤2.根据前一次学习的特征向量，对字典利用坐标下降法进行更新，直至收敛；

步骤5.循环1，2直到所有大数据对应的特征向量均学习完成。

3.对编码后得到的特征向量进行聚类分析，具体步骤如下：

步骤1.计算编码后得到的特征向量z₁,z₂......z_n，通过计算向量间的欧氏距离得到两两间距；

d_ij＝||z_i-z_j||₂

步骤2.寻找一个聚类范围值d_c；

步骤3.计算到点i的局部密度函数；

ρi=Σjχ(dij-dc)]]>

其中，当x＜0,χ(x)＝1；否则，χ(x)＝0；

步骤4.计算若干个最大的ρ，记为λ＝max(ρ)，并将这若干个作为λ质心；

步骤5.其他的向量z₁,z₂......z_k根据其密度值ρ₁,ρ₂......ρ_k聚类到相应的质心。

4.根据权利要求1所述的Weka数据挖掘工作平台，其特征在于：

(1)Weka数据挖掘工作平台集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理、分类、回归、聚类、关联规则以及在新的交互式界面上可视化。

(2)参考Weka的接口文档，可在Weka中集成自己的算法，并可借鉴它本身的算法实现数据的可视化。