基于粒子群的K-均值算法在電網企業對標中應用

國網婁底供電公司 羅林波 羅嵐波 伍 娟

基于粒子群的K-均值算法在電網企業對標中應用

國網婁底供電公司 羅林波 羅嵐波 伍 娟

在電網企業對標體系中，結合我國電力行業實際情況與國外已有的對標體系，構建一個多因素，多層次的指標體系。利用聚類分析技術在電網企業對標中的應用，采用了粒子群算法和K-means相結合的聚類算法，同時考慮多種對標。電網企業通過對標指標體系評價，及時發現企業與企業的差距，并制定相應的改進措施。

指標體系；聚類分析；粒子群算法；K-means算法

前言

我國電力體制的改革逐步深化，電力市場逐步成為一個買方市場。為了提高和完善電網企業，電網企業與標桿企業的各項指標進行對比勢在必行，不斷尋找差距并持續改進，文獻[1-3]電力行業開展了同業對標管理工作，選出標桿企業且向其學習，不斷改善管理方式和提高經營效益，實現企業的突破性發展，文獻[4]通過使用層次從電網公司同業對標綜合評價，確定相關指標的權重，多維距離方法來區分相關指標的優劣，與實際相比較，以驗證該方法的可行性和平衡。文獻[5]使用個人優勢識別指標選擇電力行業與標桿企業的過程中的行業標準，并通過實例演示了選擇科學合理的商業模式的方法。文獻[6]通過對電力企業的標準指標灰的特點，分別選取標桿企業，及分類和企業指標綜合評價方法，建立相應的二模型，并通過實例說明灰色模型的有效性和實用性。同時數據信息能夠給企業提供真實的發展狀況，數據挖掘在電網同業中的應用，從供電質量，規范服務，咨詢服務，電費繳納，服務管理建立新型電網企業滿意度對標指標體系，通過數據挖掘中的聚類分析，為電網企業的決策提供新的思路，能夠為電網企業結合自身發展戰略制定更為科學，平衡，合理的工作計劃。

1.聚類分析

1.1 K-means算法

聚類分析是統計學中研究物以類聚問題的多元統計方法，它能夠將個體（個案或變量）數據根據其諸多特征，按照在性質上的相似性進行自動分類，產生多個分類結果。在聚類之前，個體類劃分的數量與類型均是未知的，分類后，類內部的個體特征差異性較大。聚類分析是在大量數據中發現有價值信息的重要手段。聚類在圖像處理、系統建模、數據挖掘、模式識別等領域都發揮著非常重要的作用，聚類分析有系統聚類和逐步聚類兩種方法，

首先隨機選擇K個聚類中心，根據最近的原則將其他類別分配到各個類中，然后分別計算k個聚類與每一類中心的平均值，迭代進行個體的再分配，直到沒有變化為止，從而得到最終的K個類，K-means算法太過于依賴于初始聚類中心的選擇，且得出結果波動性較大。

輸入：聚類個數K數據集，輸出：K個簇的集合。

步驟1：隨機選擇k個對象在數據集里。

步驟2：將余下的數據劃分到和數據本身相距最近的簇心得簇中。

步驟3：在完成個體的分配之后，針對每一個類，計算其所有個體的平均值，作為該類新的中心，

步驟4：如果得到的結果收斂，則輸出聚類結果；如果不收斂，則返回步驟2，進行重新類聚。

1.2 改進K-means的粒子群的聚類算法

由于k-means算法對初始聚類中心的選取容易陷入局部最優解具有波動性，本文基于改進粒子群優化算法的k-means聚類算法，利用粒子群算法全局尋優能力來優化k-means算法的初始聚類中心。消除K-means對聚類中心初值的依賴性。聚類中心用粒子位置表示，每個粒子的位置包含K個聚類中心，通過調整聚類中心獲得最優劃分，利用粒子群算法給聚類中心加擾動，以增強跳出局部極值和尋找最優聚類的能力，如果多次擾動下聚類劃分不變，則認為當前的聚類為最優聚類。

如果達到結束條件(足夠好的位置或最大迭代次數)，則結束，否則轉步驟(2)。其流程圖如圖1所示。

圖1 粒子群算法流程圖Fig 1 particle swarm algorithm flowchart

1.3 粒子群編碼方案及適應度評價

在利用粒子群優化算法對k-means算法的初始中心點進行優化之前。假設待聚類數據集中的數據對象是d維向量，聚類個數為則粒子的位置為k×d維向量，粒子的速度也是k×d維向量。若粒子群數目大小為m，則每個粒子i所對應的適應度值為設Zj為第j個類的中心cj，則粒子可以釆用以下的編碼方案：

粒子的適應度函數f(x)是用來評價粒子位置X性能好壞的評價函數，因此可將評價k-means算法聚類效果的準則函數作為粒子群優化算法中評價粒子位置性能的適應度函數f(x)則粒子群的適應度函數可定義為：

2.電網企業同業指標模型構建

其模型必須與電力用戶實際情況相結合，因此把電力客戶滿意度評價模型分為三個層次，第3層直接反應電力客戶滿意度的基本特征，如供電質量，供電安全性等19個因素。及選取規范服務等5個因素作為二級指標，具體模型如圖2所示。

圖2 電力客戶滿意度測評模型Fig.2Measurement Model of Customer Satisfaction

3.實例研究

基于上文提出的粒子群和K-means相結合的算法，首先通過粒子群算法找到初始聚類中心，然后通過K-means算法進行聚類，本節采用基于粒子群的k均值算法，對某省十個地級市的供電公司的相關指標進行實際對標。對標分為3個等級。

首先選取10個地級市的原始數據，每個地級市選取的問卷份數500份，利用基于主成分回歸的熵權值對數據進行處理，最后分別得出不同地級市電力公司在供電質量，規范服務，咨詢服務，電費繳納，服務管理五類指標的，各地級市的滿意度如表3。

表3 各地級市電力公司滿意度Tab 3power companies around the city level satisfaction

初始粒子群大小設定50迭代300次c1=1.2，c2=1.2，wmax=0.9，wmin=0.4可以得到最好值（Best），最壞值（Worst）平均值（Average），標準誤差（Std）和達到最優解總的迭代次數（N）還有適應度f(x)。

從表4得知，就輸出結果的標準差而言，混合算法優于K-means，K-means容易陷入局部最優解，且每次聚類分析其結果具有較大的波動性，當適應度越小時，粒子性能越好。

表4輸出結果看出混合算法比K-means算法分類更加合理，而且混合算法標準誤差遠小于K-means，K-means易于陷入局部最優解。在供電質量專項指標上，采用混合算法時，G、E市表現欠佳，F、I表現最好，其他六個市次之，F、I作為標桿企業，其他企業應該改善電網結構，提高運行靈活性，改善電網設備，采用新技術。在規范服務專項指標上A、D、F、I最為標桿企業，其他市表現次之的企業在營銷與管理制度的不斷完善，職場素質提高，市場化意識增強。就咨詢服務而言，D公司表現最差，要從企業的本身尋找原因，客戶管理方式的改進，對客戶需求的全面重視，不斷改善對客戶的服務水平。電費繳納而言，十個市相對平穩。但就C市而言，要借鑒其他供電企業經驗及時準確抄表，同時要使信息透明化，提高企業文化與形象，方便客戶了解自身消費水平，增強客戶對企業的信賴。服務管理方面，A、B、J市建立了完善的客戶投訴機制，加強了客戶反饋信息的管理，及時了解自身的不足。

表4 聚類算法性能比較Tab 4 clustering algorithm performance comparison

4.結論

論述企業同業對標管理的作用，并選取了聚類分析中的K-means算法與粒子群算法相結合的方法作為本文章的電力企業同業對標管理的運行方法。第一，在同一類別的供電企業具有差不多的條件與企業規模。其結果具有可比性。在實際情況中，應重視同類供電企業之間對標，有效且及時知道企業服務中的薄弱環節，和存在的服務問題。有針對的提出改進措施。第二，K-means算法與粒子群算法的相互比較，結合兩者的優勢。提出了基于粒子群的K-means算法，不僅消除算法對聚類中心初值的依賴性，改進算法的聚類能，還能有效的降低迭代次數。

[1]Aoife Brophy Haney,Michael G Pollitt. International bench marking of electricity transmission by regulators: A contrast between theory and practice[J].Energy Policy,2013,62: 267-281.

[2]Aoife Brophy Haney,Michael G Pollitt.Exploring the determinants of“best practice”bench marking in electricity network regulation[J].Energy Policy,2011,39(12):7739-7746.

[3]TJamasb,M Pollitt.Benchmarking and regulation:international electricity experience[J].Utilities Policy,2000,9(03): 107-130.

[4]楊靜,張宣江,盛慧慧,等.電力企業對標指標評價方法研究[J].華北電力技術,2009 (05):10-13.

[5]William Chung. Review of building energy-use performance bench marking methodologies[J].Applied Energy,2011,88:1470-147936(10): 55-57.

[6]王邦林.基于個性優勢識別的標桿選評方法及其在同業對標中的應用研究[D].沈陽:東北大學,2007.

羅林波（1989-），男，湖南婁底新化人，本科，助理工程師，研究方向：電力運行維護，檢修，電網規劃。