一种自适应确定聚类数的电力负荷数据加权增量聚类方法

本发明结合了自适应确定聚类数的DCS统计模型与加权增量模糊C均值聚类算法，是针对电力负荷数据存在的高维性和异方差性、传统聚类算法初始化聚类数目难以确定、对噪声点敏感等问题进行的时间序列聚类。首先通过I‑nice算法自适应确定最佳聚类数，构建动态条件评分模型，并计算参数序列的自相关值；然后进行自适应加权模糊C均值聚类分析得到数据权重信息；最后结合DCS模型参数数据集和数据权重信息进行增量聚类。本发明能够自适应确定电力负荷数据集上的最佳聚类数，并通过对数据点分配适当权重来减少噪声点对聚类中心的影响，有效解决数据高维性和异方差性导致的聚类效果差的问题，重点解决随时间推移而出现新的隐藏信息的有效聚类的问题。