[发明专利]一种基于DAE网络特征的用电行为画像生成方法及系统

权利要求书

1.一种基于DAE网络特征的用电行为画像生成方法，其特征在于，包括步骤：

S1、提取对总体样本的用户用电行为特征并进行特征预处理得到特征数据集；

S2、将特征数据集输入已构建好的DAE网络特征模型中压缩得到降维数据集；

S3、基于最佳聚类数K使用初始优化的MBKM算法对降维数据集聚类后进行聚类效果评估；

S4、基于互信息特征模型计算用户行为的关键特征，根据关键特征和聚类效果评估结果生成用户用电行为画像；

最佳聚类数K和DAE网络特征模型通过典型样本训练得到，所述典型样本训练过程包括：

T1、以系统抽样方式从总体样本中选取典型样本，并以加速算法收敛典型样本；

T2、用专家指标方式提取典型样本的用户用电行为特征，并进行特征预处理得到特征向量；

T3、构建多层DAE网络，利用其非线性特征映射能力对特征向量进行DAE模型降维训练得到DAE网络特征模型；

T4、根据典型样本的K-Means++聚类结果，利用Sil指标确定最佳聚类数K；

步骤S3包括：

在Mini-Batch K-Means算法基础上采用初始优化方法确定降维数据集X中每个样本与已有类聚中心的最短距离D(x)；

再计算每个样本被选中当作质心的概率p(x)，

通过轮盘法选出下一个质心，最终确定出K个质心；

步骤S4具体为：

对特征数据集和降维数据集进行互信息特征模型计算得到用户行为的关键特征；用户互信息特征模型表示为：

式中：X与Y为离散型随机变量；p表示事件出现概率；I(X；Y)代表X与Y的相关性。

2.根据权利要求1所述的一种基于DAE网络特征的用电行为画像生成方法，其特征在于，所述用户用电行为特征包括：日最大负荷时刻、日最小负荷时刻、全天峰谷相距时间、日最小负荷率、日峰谷差率、日负荷率、峰期负载率、谷期负载率和平期负载率。

3.根据权利要求1所述的一种基于DAE网络特征的用电行为画像生成方法，其特征在于，在DAE模型降维训练过程中，结合随机失活正则化和增加输入样本噪声两种方法进行输入样本增加噪声处理，并在输入层间加入Dropout处理。

4.根据权利要求1所述的一种基于DAE网络特征的用电行为画像生成方法，其特征在于，聚类效果评估的评价指标为：Davies-Bouldin指数、Calinski-Harabaz指数和轮廓系数。

5.一种基于DAE网络特征的用电行为画像生成系统，应用于权利要求1-4的任意一种基于DAE网络特征的用电行为画像生成方法，其特征在于，包括：特征处理模块、DAE特征降维模块、聚类模块和画像生成模块；

特征处理模块，提取对总体样本的用户用电行为特征并进行特征预处理得到特征数据集；

DAE特征降维模块，将特征数据集输入已构建好的DAE特征模型中压缩得到降维数据集；

聚类模块，基于最佳聚类数K使用初始优化的MBKM算法对降维数据集聚类后进行聚类效果评估；

画像生成模块，基于互信息特征模型计算用户行为的关键特征，根据关键特征和聚类效果评估结果生成用户用电行为画像。

6.根据权利要求5所述的一种基于DAE网络特征的用电行为画像生成系统，其特征在于，所述用户用电行为特征包括：日最大负荷时刻、日最小负荷时刻、全天峰谷相距时间、日最小负荷率、日峰谷差率、日负荷率、峰期负载率、谷期负载率和平期负载率。