基于深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型設(shè)計

楊文生，葉寶玉，周文奇，師瀟然，宦曉超

（1.內(nèi)蒙古電力經(jīng)濟技術(shù)研究院，內(nèi)蒙古 呼和浩特 010090；2.內(nèi)蒙古電力（集團）有限責任公司，內(nèi)蒙古呼和浩特 010090）

近年來，隨著大數(shù)據(jù)、云計算等技術(shù)的發(fā)展，數(shù)據(jù)分析模型在電力工程數(shù)據(jù)的應(yīng)用中發(fā)揮著重要作用。通過對電力工程數(shù)據(jù)采用聚類、分類、回歸等模型進行處理，可以有效提取其中蘊含的各類信息，從而結(jié)合電力工程建設(shè)的實際個性化特點，實現(xiàn)對其造價分析[1]、評審、控制[2]、建設(shè)監(jiān)督[3]等方面的一系列應(yīng)用，為電力工程建設(shè)提供科學的數(shù)據(jù)依據(jù)與客觀的評價標準，提高工程效益，促進精益化、集約化管理。

在電力工程的一系列數(shù)據(jù)分析模型中，聚類分析是一項重要而基礎(chǔ)的模型[4]。基于聚類模型，可以對大量數(shù)據(jù)的潛在規(guī)律進行挖掘，或從無規(guī)律的原始數(shù)據(jù)中提取信息，為進一步的數(shù)據(jù)分析提供基礎(chǔ)。為了構(gòu)建有效的電力工程數(shù)據(jù)聚類模型，文獻[5]采用粒子群算法對聚類模型的數(shù)據(jù)噪聲處理能力進行提升，提高模型的擬合精度；為解決聚類過程中的數(shù)據(jù)缺失問題，文獻[6]提出了基于密度聚類算法的數(shù)據(jù)模型，提高了針對數(shù)據(jù)完整度較低情況下的聚類處理能力；文獻[7]提出了基于DBSCAN 聚類算法的數(shù)據(jù)分析模型，實現(xiàn)對缺失數(shù)據(jù)的快速查找與形態(tài)分析。

然而隨著數(shù)據(jù)采集技術(shù)的發(fā)展，數(shù)據(jù)采集范圍不斷擴展，電力工程數(shù)據(jù)的維度也隨之提高[8]，導致數(shù)據(jù)集的規(guī)模日趨龐大[9]。傳統(tǒng)聚類模型受“維數(shù)災(zāi)難”問題的影響，難以實現(xiàn)高維電力工程數(shù)據(jù)的有效分析處理。為此，基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)提出了一種電力工程數(shù)據(jù)聚類模型。該模型應(yīng)用深度受限玻爾茲曼機神經(jīng)網(wǎng)絡(luò)，將原始的高維電力工程數(shù)據(jù)映射到低維空間，在保留原始數(shù)據(jù)信息的同時，有效提高了聚類模型的處理能力。

1 聚類模型設(shè)計

電力工程數(shù)據(jù)的聚類是指按照電力工程數(shù)據(jù)集合中每條數(shù)據(jù)的特征，例如電力工程的電壓等級、容量、建設(shè)面積、地理信息等維度的信息，將具備相近特征的數(shù)據(jù)劃分為一個集合的過程。給定一個電力工程數(shù)據(jù)集X，其包含n條數(shù)據(jù)，通過設(shè)計合理的聚類模型，對輸入輸出進行計算，將X劃分為c個子集合，使相同子集合的數(shù)據(jù)包含相近的特征[10]。

為解決高維電力工程數(shù)據(jù)的聚類問題，該文利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)設(shè)計了一種電力工程數(shù)據(jù)聚類模型，該模型的主要步驟如下：

1）數(shù)據(jù)預(yù)處理：對高維電力工程數(shù)據(jù)進行預(yù)處理，對于非數(shù)字化特征，通過規(guī)則轉(zhuǎn)化為數(shù)字化特征，并將所有的特征轉(zhuǎn)化到[0,1]范圍內(nèi)，從而實現(xiàn)數(shù)據(jù)的標準化與歸一化；

2）深度神經(jīng)網(wǎng)絡(luò)計算：應(yīng)用深度受限玻爾茲曼機神經(jīng)網(wǎng)絡(luò)進行無監(jiān)督學習，從而將原始高維的電力工程數(shù)據(jù)特征轉(zhuǎn)化為低維數(shù)據(jù)特征；

3）模糊聚類：在轉(zhuǎn)化后的低維數(shù)據(jù)集上，應(yīng)用模糊聚類算法對數(shù)據(jù)集進行迭代計算，從而得到新數(shù)據(jù)集上的聚類結(jié)果；

4）輸出聚類結(jié)果：因為在應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的過程中，數(shù)據(jù)樣本未發(fā)生變化，因此根據(jù)在低維空間上得到的聚類結(jié)果，即可直接得到原始數(shù)據(jù)的聚類結(jié)果。模型的流程圖，如圖1 所示。

2 深度神經(jīng)網(wǎng)絡(luò)

為解決高維電力工程數(shù)據(jù)聚類過程中面臨的“維數(shù)災(zāi)難”問題，需要對高維數(shù)據(jù)進行降維處理。在降維過程中，需要盡可能多地保留原始數(shù)據(jù)中包含的信息。因此需要在降維時對數(shù)據(jù)進行非線性轉(zhuǎn)化，通過非線性映射保留數(shù)據(jù)中的原始信息，并轉(zhuǎn)化為低維數(shù)據(jù)。

為滿足以上要求，在建立聚類模型的過程中，使用深度受限玻爾茲曼機神經(jīng)網(wǎng)絡(luò)對原始數(shù)據(jù)進行無監(jiān)督學習，從而將原始高維數(shù)據(jù)轉(zhuǎn)化為低維數(shù)據(jù)。

深度受限玻爾茲曼機[11]是一種基于隨機理論的深度神經(jīng)網(wǎng)絡(luò)，由多層受限玻爾茲曼機構(gòu)成。通過增加神經(jīng)網(wǎng)絡(luò)的層數(shù)，使神經(jīng)網(wǎng)絡(luò)中包含了大量的神經(jīng)單元、參數(shù)，從而可以用來近似表達任意的復(fù)雜非線性映射，通過對數(shù)據(jù)集的學習來記憶這一映射關(guān)系[12]。

深度受限玻爾茲曼機在訓練的過程中，需要進行數(shù)據(jù)的輸入和輸出運算，才能得到高維數(shù)據(jù)與低維數(shù)據(jù)的映射關(guān)系。為此，在建立模型的過程中，需要構(gòu)建神經(jīng)網(wǎng)絡(luò)優(yōu)化的目標函數(shù)進行迭代學習和優(yōu)化。目標函數(shù)優(yōu)化的過程中，達到高維數(shù)據(jù)與低維數(shù)據(jù)之間的結(jié)構(gòu)和關(guān)系盡可能相似的目的。為此，引入條件概率的概念，通過對高維數(shù)據(jù)和低維數(shù)據(jù)條件概率的計算，對數(shù)據(jù)之間的結(jié)構(gòu)和關(guān)系進行衡量。從而在高維數(shù)據(jù)和低維數(shù)據(jù)的非線性轉(zhuǎn)換過程中，保持原始數(shù)據(jù)中的信息。

在引入條件概率進行的計算時，為了測量各個數(shù)據(jù)之間的相似性，使用高斯分布來進行測量。通過高斯分布的計算，數(shù)據(jù)之間的歐式距離轉(zhuǎn)換成為了概率分布。兩個數(shù)據(jù)樣本之間的條件概率可以通過式（1）計算得到：

其中，||·||為數(shù)據(jù)之間的歐式距離，σ為標準差。

通過以上由高斯分布計算得到的條件概率可知，經(jīng)過高維數(shù)據(jù)和低維數(shù)據(jù)的非線性轉(zhuǎn)換后，原本在高維數(shù)據(jù)中相似的數(shù)據(jù)之間，轉(zhuǎn)化為低維數(shù)據(jù)后其相互之間的距離也應(yīng)該更近；而原本在高維數(shù)據(jù)中不相似的數(shù)據(jù)之間，轉(zhuǎn)化為低維數(shù)據(jù)后其相互之間的距離也應(yīng)該較大。此時，原始數(shù)據(jù)中的信息得到了保留。

深度受限玻爾茲曼機在訓練的過程中，以高維數(shù)據(jù)與低維數(shù)據(jù)之間的相似程度最大為訓練目標，不斷進行迭代學習。通過大量的神經(jīng)單元和參數(shù)實現(xiàn)了復(fù)雜的非線性映射，從而將原始高維數(shù)據(jù)轉(zhuǎn)化為低維數(shù)據(jù)并保留數(shù)據(jù)中的信息。

深度神經(jīng)網(wǎng)絡(luò)的訓練流程圖，如圖2 所示。

3 模糊聚類算法

經(jīng)過深度神經(jīng)網(wǎng)絡(luò)的非線性映射，實現(xiàn)了原始高維數(shù)據(jù)到低維數(shù)據(jù)的轉(zhuǎn)化，并保留數(shù)據(jù)中的信息。在低維數(shù)據(jù)中應(yīng)用模糊聚類算法，可以得到有效的聚類結(jié)果。

模糊聚類算法是一種應(yīng)用廣泛的迭代計算數(shù)據(jù)聚類算法[13]。在該算法中，引入了模糊理論中的隸屬度函數(shù)，從而使得一個數(shù)據(jù)樣本可以同時從屬于幾個不同的聚類，并通過隸屬度對屬于各個聚類的程度進行衡量[14]。與K 均值聚類算法相比，模糊聚類算法通過引入隸屬度函數(shù)，將聚類迭代計算過程中的目標函數(shù)和約束條件的取值范圍轉(zhuǎn)變?yōu)檫B續(xù)數(shù)值。從而簡化了迭代計算的過程，使聚類的總體流程更加簡便、快捷。

對于一個給定的數(shù)據(jù)集，模糊聚類算法的目標函數(shù)如式（2）所示：

其中，U為各條數(shù)據(jù)對于各個聚類的隸屬度矩陣，V為各個聚類中心位置的集合，m為模糊加權(quán)指數(shù)，||·||為歐式距離。

以上模糊聚類的目標函數(shù)為有約束條件的優(yōu)化問題。為了便于迭代求解，引入拉格朗日乘子可以快速地將上述有約束優(yōu)化問題轉(zhuǎn)換為無約束優(yōu)化問題。這樣一來，模糊聚類算法就可以采用牛頓迭代法進行不斷地迭代計算，逐漸實現(xiàn)目標函數(shù)的最小化。當停止對目標函數(shù)的迭代計算時，此時得到的結(jié)果為數(shù)據(jù)樣本隸屬于各個聚類的程度。通過選取隸屬度最高的聚類為該數(shù)據(jù)樣本的聚類，從而得到低維數(shù)據(jù)的聚類結(jié)果。由于在應(yīng)用深度神經(jīng)網(wǎng)絡(luò)進行非線性轉(zhuǎn)換時，只對單條數(shù)據(jù)樣本之間的各個特征值進行了非線性轉(zhuǎn)換，而并未進行數(shù)據(jù)樣本之間的轉(zhuǎn)換，故數(shù)據(jù)樣本之間的關(guān)系未發(fā)生變化。因此根據(jù)在低維空間上得到的聚類結(jié)果，即可直接得到原始數(shù)據(jù)的聚類結(jié)果。

4 模型仿真

為了驗證以上基于深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型的有效性，該文基于某省2010-2020 年間積累的電力輸、配電等工程歷史數(shù)據(jù)進行了模型仿真。歷史整體數(shù)據(jù)總共包含10 073 個數(shù)據(jù)樣本，每個數(shù)據(jù)樣本包括電壓等級、設(shè)備配置情況、土地面積、建筑面積、建筑工程、主輔生產(chǎn)工程、地理信息等類別的共計232 個技術(shù)參數(shù)。

仿真環(huán)境采用Intel Core i7 CPU，內(nèi)存為16 GB，Windows 10 操作系統(tǒng)，Python 編程語言的臺式計算機進行搭建。

為了衡量聚類模型的有效性，與采用K 均值聚類[15]、模糊聚類、線性降維聚類[16（]PCA-K 均值）的模型進行對比。采用聚類有效性指標對結(jié)果進行衡量，該指標的計算過程中，通過對實際樣本所屬的實際類別與聚類結(jié)果之間的相似程度進行計算，從而確定聚類的質(zhì)量。其計算公式如式（3）所示：

其中，n為所需衡量的樣本數(shù)量，yi為數(shù)據(jù)樣本實際所隸屬的類別標簽，ci為聚類模型得到的計算結(jié)果，map(·)為將聚類結(jié)果轉(zhuǎn)換為樣本所隸屬類別的映射函數(shù)，δ(·) 為示性函數(shù)。當yi=map(ci) 時，δ(yi,map(ci))取值為1；否則，其值為0。

因為深度神經(jīng)網(wǎng)絡(luò)、K 均值聚類算法模型等在建模過程中均包含一定的隨機性，為了避免隨機因素對仿真結(jié)果的影響，每個聚類模型均進行30 次仿真驗證，并對仿真結(jié)果的平均值、標準差進行統(tǒng)計分析。對比結(jié)果，如表1 所示。

表1 總體數(shù)據(jù)集聚類結(jié)果對比

為了進一步驗證算法的魯棒性，該文對包含10 073 個數(shù)據(jù)樣本的歷史整體數(shù)據(jù)進行了有放回采樣。每次采樣的數(shù)據(jù)集中包括了80%的數(shù)據(jù)樣本，重復(fù)采樣20次，共生成了20個新的數(shù)據(jù)集。在這20個新數(shù)據(jù)集上，應(yīng)用該文模型、K 均值聚類、模糊聚類、線性降維聚類再次進行了仿真。其中，每個聚類模型在每個數(shù)據(jù)集上均進行了30 次仿真驗證，并對每個模型的仿真結(jié)果平均值、標準差進行了統(tǒng)計分析。對比結(jié)果如表2 所示。

表2 20個新數(shù)據(jù)集聚類結(jié)果對比

由該結(jié)果可見，與K 均值聚類、模糊聚類、線性降維聚類（PCA-K 均值）等聚類模型相比，該文所提出的深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型具有更高的聚類有效性和魯棒性。

通過對結(jié)果分析可得，高維的電力工程數(shù)據(jù)在聚類過程中，K 均值聚類、模糊聚類等模型無法提取有效的信息，得到的聚類結(jié)果基本不具備參考價值。這是因為高維數(shù)據(jù)在聚類過程中出現(xiàn)了“維數(shù)災(zāi)難”問題而造成的。而采用線性降維對數(shù)據(jù)進行處理后，可以略微提高聚類結(jié)果的有效性。但由于高維數(shù)據(jù)中的原始信息在線性轉(zhuǎn)換的過程中產(chǎn)生了缺失，導致聚類結(jié)果的有效性較低。而通過該文提出的基于深度受限玻爾茲曼機神經(jīng)網(wǎng)絡(luò)的聚類模型，先將高維的原始電力工程數(shù)據(jù)進行非線性化處理，然后再映射到低維空間，從而在保留原始數(shù)據(jù)信息的同時有效提高聚類模型的處理能力，進而得到了較為理想的聚類結(jié)果。

5 結(jié)束語

該文針對高維電力工程數(shù)據(jù)難以實現(xiàn)有效聚類分析的問題，設(shè)計了基于深度神經(jīng)網(wǎng)絡(luò)的電力工程數(shù)據(jù)聚類模型。通過對實際電力工程數(shù)據(jù)的聚類模型搭建和仿真，得出了以下結(jié)論：

1）在高維電力工程數(shù)據(jù)的聚類分析過程中，因為“維數(shù)災(zāi)難”問題的影響，傳統(tǒng)的聚類模型無法實現(xiàn)有效的聚類分析；

2）通過采用深度神經(jīng)網(wǎng)絡(luò)模型，可以有效地將高維原始電力工程數(shù)據(jù)進行非線性化處理，實現(xiàn)數(shù)據(jù)的降維并在降維后仍保留原始數(shù)據(jù)中蘊含的信息，從而大幅度提高聚類結(jié)果的有效性。

下一步，將應(yīng)用深度神經(jīng)網(wǎng)絡(luò)對電力工程數(shù)據(jù)聚類分析進行更大范圍的數(shù)據(jù)分析模型設(shè)計，實現(xiàn)對高維電力工程數(shù)據(jù)更為有效的分類、造價預(yù)測、通用造價分析等應(yīng)用，挖掘更多高維數(shù)據(jù)對電力工程的價值。