計量裝置的工作量，提 高工作效率，改善對電能計量裝置的管理。通過對比系統采集到的電能表的數據來驗證電 能表的準確度，提高對待機能耗檢測的能力，對提高電力管理單位的勞動生產率和企業的 經濟效益具有現實的意義。
【附圖說明】
[0041] 下面結合附圖和【具體實施方式】對本發明做進一步說明。本發明保護范圍不僅局限 于W下內容的表述。
[0042] 圖1為本發明中約簡算法應用于數據挖掘的流程圖；
[0043] 圖2為本發明中負荷優化分類K均值聚類算法流程圖；
[0044] 圖3為本發明用戶用電數據能耗管理實驗檢測系統平臺示意圖；
[0045] 圖4為本發明實驗檢測測試平臺裝置結構圖；
[0046] 圖5為本發明用戶用電數據計量分析框圖；
[0047] 圖6為本發明平臺裝置數據流程圖。
【具體實施方式】
[0048] 如圖所示，
[0049] -、用戶用電數據挖掘分析方法
[0050] 考慮到實際用電計量獲取的數據龐大，如何將送些數據轉化成有用的信息和知 識，如何從用戶用電數據獲得我們所需要的特征數據，實現對用電設備用電特性分析變得 日益重要起來，正是送一需求，本發明提出研究用戶用電數據挖掘分析技術，研究不同表計 采集的的數據與實際的負荷設備之間的物理關聯關系，進而完成用電設備能效的分析。在 電力監測與控制系統（特別是長距離、多節點的配電系統）中，由于存在眾多節點的串聯， 僅依靠傳統的方法來準確判斷故障區域是非常困難的。
[0051] 因此，本系統連續（如電量電壓、電流等）屬性作為基于粗糖集的原始數據。根據 系統信息，設置決策表S = <U，R，V，f〉，其中R = CU {山是屬性集合，子集C和{山分別稱 為條件屬性和決策屬性集，U= 1x1，…，X。，}是有限的對象集合即論域。決策種類的個數 為r(d)。屬性a的值域V。上的一個斷點記為（a, C)，其中a ER, C為實數值。選用中值序 列<
y乍為候選典型分割點。
[0052] 送樣，在值域Va = [Sa，gj上的任意一個斷點集合'ft嶺詩，蠟》.、….，如璋。)}定 義了 V。上的一個分類讓壞*乃M詩*巧)，…4讀&*續物Jl
[00閲其中，爲微磯《罐《錢 <、、'據藏《鳴.側并且 ?:心[竣?綠；|il|ef*續:)y"*y|s?*禱^J因此，任意的p二UaE沁。定義了一個 新的決策表 SP = <if，RP，yp，fp〉。
[0054] 當新的信息系統有r(d)個決策屬性，任一條件屬性X離散成r (X)個區間 畔(i ?革爲"。,;崎時，有樣本數. ./(奸 r (,y^ >>:別:K扣.
[0055] 'V = L'jV, = L AV= LlA f.-A 戶，.； Vv--J
[005引其中，Ntf是區間稽I中屬于分類di的樣本數目；N,是區間:?中的樣本數目，且有 ,馬-Nt是分類di中的樣本數目，且有與W 宗f碼聲
[0057] 對于N條記錄的原始知識庫，在決策屬性值為j (j = 1，…，n，n為決策的種類數） 的實例中，屬于集合X且屬性a的值小于斷點端.值的實例的個數記為：
[005引 1/(Cm。）= I {x|x E X 八[a(X) < Cm。]八[d(X) = j]} I 屬于集合 X 且屬性 a 的值 大于斷點鷄值的實例的個數記為：
[005引 g/(0 = I Ixlx E X 八[a(x) > Cm。]八[d(x) = j]} I 其中，瑞為屬性 a 上的第 m個斷點，1《m《n。，n。為屬性a的斷點總數，*刮；^是由斷點;端可^分開的實例的集合， U為實例全集。則所有屬于集合X且小于'鷄的實例個數奶,端）和所有屬于集合X且大于 《自的實例個數抑皆新分別記為；
[0060]
[0061]
[0062] 根據上面離散化W后的結果可形成可辨識矩陣：
[0063]
[0064] 可辨識矩陣可W進行進一步的約簡。
[0065] 對于約簡W后得到的規則庫，依次檢查所有決策不同的規則，在W信息系統形式 表示的規則中，如果兩條規則的決策不同，而且條件屬性之間對應相等或其中一條記錄在 值不相同的屬性上被標為"*"，設置系統中全部條件屬性數為m，其中規則A包含r。個條件 屬性，規則B包含ri個條件屬性，則A規則相對于B規則的可信度P為：
[0067] 如果不存在規則B，則令Tl = 0。
[0068] 當某規則與n條決策不同的規則之間滿足上述關系，可信度P取它們的算術平均 值：
[0070] 然后，將得到的各個規則置信度寫入對應規則的相關字段，從而得到最后的診斷 知識庫。
[0071] 二、負荷優化分類方法
[0072] 電力終端用戶種類繁多，用電負荷特性不一。如果對每個用電負荷均進行數學建 模，不僅信息量大、工作量大、效率低、運算速度慢，而且較難通過數學建模獲得統一的、描 述不同時間尺度下的負荷特性。因此，需要首先采用數據挖掘技術對用電負荷進行分類，抽 絲剝雖，提取出能夠代表某一類用戶的典型負荷特性。通過聚類分析，可W獲得所研究樣本 的有用的概括和解釋，也可W為一個指導學習的統計分類提供判斷依據，且聚類分析法無 需數據訓練過程，計算量小，適合于電力用戶負荷無監督分類。
[0073] 在一個平面層次上對所有的樣本點先做出某種較為粗略的劃分，然后按照某種最 優的準則進行修正，通過算法的迭代執行，得到一個較為合理的聚類結果，其中最為典型的 就是K均值聚類算法。
[0074] a)條件與約定
[0075] 設待分類樣本的特征向量集為找1，X2,…，XN}，類的數目K事先設定。
[007引 b)基本思想
[0077] 該方法取定K類和選取K個初始聚類中必，按照最小距離原則將各樣本分配到K 類中的某一類，之后不斷計算類中必和調整各樣本的類別，最終使各樣本到其所屬類別中 必的距離平方之和最小。
[007引 C)算法步驟
[0079] 1)任選K個樣本特征向量作為初始聚類中必，Zl (0)，Z2 (0)，…，化(0)，令k = 0 ;
[0080] 2)將待分類樣本特征向量集找i}中的樣本逐個按最小距離原則劃分給某一類， 即如果婷(?%練，顚I患:《揀f
[0081] 式中表示Xi和的中必的距離，上角標表示迭代次數，于是產生新的 聚類(J二城…，器) t ；
[0082] 3)計算重新分類后的各類中必：
[0084] 式中nf ^為類中所含樣本的個數。因為送一步采取平均的方法計算調整后 的各類中必，且定為K類，故稱之為K均值聚類算法；
[0085] 4)如果W….?、的貝樽法結束，否則k = k+1，轉到如式中。
[008引 d)算法評價
[0087] K均值聚類算法是W確定的類數及選定的初始聚類中必為前提，使各樣本到其所 屬類別中必距離平方之和最小的最佳聚類。初值的選定對結果影響很大，不同初值可能會 導致不同的結果。
[008引 H、實驗檢測測試平臺裝置
[0089] 建成我國首個開放、系列試驗平臺和測試系統，為用電設備特性分析、節能能力分 析、監測、優化控制及相關的試驗研究及標準建立提供從仿真、分步驗證到實際能效分析、 監控完整的試驗環境。重點設計內容包括：實現用電設備能效動態仿真；建立計量數據監 測測試平臺。
[0090] 本平臺裝置主要分為H個組成部分，即數據采集、數據處理和結果展示。數據采集 依靠數據采集器anybus，然后通過PLC進行數據處理與控制，最終通過上位機將結果展示。
[0091] 裝置軟件系統采用WinCC-視窗控制中必，是德國西口子公司針對工控現場推出 的一個功能強大的工控組態軟件包，它是世界上第一個集成的人機界面0MI)軟件系統， 將WindowsNT應用程序的現代體系結構與使用方便的圖形設計程序結合在一起，W建立完 整的過程監控解決方案。
[0092] 本實例中實驗檢測測試平臺裝置結構如圖4所示。其中數據采集器采用Anybus 產品。Anybus是由歷S工業網