CN110137951B - 基于节点电价的市场分区方法及装置 - Google Patents

Abstract

本发明公开了一种基于节点电价的市场分区方法及装置，该方法包括：S1，获取目标区域在预设周期中的电价数据生成数据集；S2，获取聚类中心矩阵和随机矩阵，对随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1；S3，判断当前迭代次数是否小于预设阈值，不是则S5，若是则更新聚类中心矩阵，根据更新后的聚类中心矩阵和数据集更新隶属度矩阵，执行S4；S4，判断更新后的隶属度矩阵是否满足收敛条件，不满足则迭代次数加1，执行S3，满足则S5；S5，输出更新的聚类中心矩阵和更新的隶属度矩阵，根据更新的隶属度矩阵对每个节点进行分类，并对目标区域进行分区生成分区结果。该方法可以合理的对多个地区进行分区。

Description

基于节点电价的市场分区方法及装置

技术领域

本发明涉及电力市场技术领域，特别涉及一种基于节点电价的市场分区方法及装置。

背景技术

目前国内大多数省份的电力现货市场尚处于制定建设方案或试运行的发展阶段，其中广东作为第一批电力现货市场试点之一，于2018年8月30日发布了首个电力现货市场交易规则。广东在结算规则里明确，发电侧结算电价为机组所在物理节点的节点电价，用户侧则采用统一结算点电价结算；结算周期为1小时，发用两侧每小时的节点电价为该时段内每15分钟节点电价的算术平均值。其中，用户侧统一结算点电价定义为相应时段，全市场各节点的加权平均价格。这是因为用户侧节点远多于发电侧节点，在电力现货市场初期采用统一价格进行用户侧结算，有利于用户理解和实际操作。

节点电价理论由Schweppe于1988年首先提出。节点电价在完整考虑电力系统物理特性的基础上灵敏地反应不同时间和空间的电能生产成本，通过价格信号真实的反映了电网物理资源的稀缺性，实现了电能商品的经济属性和物理特性的有机结合，因而在世界各国的电力市场中得到了广泛的应用。尽管还存在一些零星的讨论，学术界基本认同节点边际价格的引导作用，认为它可以更好地反映电力商品在不同时间、地点的稀缺性。相比之下，统一价格只反映了时间上的变化，而未能体现不同地点的电能价值差异，尤其是在广东这种电网阻塞程度较为严重的地区。

综观国外电力现货市场价格机制，美国PJM采用的是节点电价，北欧由于阻塞程度较轻，采用了一种简化的节点电价机制——“分区边际电价”。虽然普遍上认为分区电价是节点电价的简化，但节点电价也存在一些问题，比如电价信号变化频繁，具有过于复杂的空间分布，阻碍了价格信号的发挥；纯粹由优化算法得到，对算法依赖程度高，出清效率较低；数量太多，不易被市场参与者接受等。

分区边际电价的理论基础在于，电力系统在运行过程中并不是到处、始终存在电网阻塞，阻塞往往只是频繁、明显地出现在某些区域之间，而这些区域内部输电阻塞发生的概率很小或者程度轻微，由此提出分区电价来简化和替代节点边际电价。分区电价对广东电力现货市场具有较好的应用价值，该机制的实施过程中最关键的一步是分区的确定，但目前尚未提出合理的分区方式。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于节点电价的市场分区方法，该方法可以合理的对多个地区进行分区。

本发明的另一个目的在于提出一种基于节点电价的市场分区装置。

为达到上述目的，本发明一方面实施例提出了一种基于节点电价的市场分区方法，包括以下步骤：

S1，获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据所述多个节点的所述多个出清时段的电价数据生成数据集；

S2，获取聚类中心矩阵和随机矩阵，对所述随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1；

S3，判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则执行S5，若是，则根据所述隶属度矩阵和所述数据集更新所述聚类中心矩阵，根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，执行S4；

S4，判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则所述迭代次数加1，执行S3，若满足，则执行S5；

S5，输出所述更新后的聚类中心矩阵和所述更新后的隶属度矩阵，根据所述更新后的隶属度矩阵对每个节点进行分类，根据所述每个节点的分类结果对所述目标区域进行分区生成分区结果。

本发明实施例的基于节点电价的市场分区方法，通过模糊聚类分区方法以市场运行出清得到的实际电价数据为基础，同时考虑了节点地理位置，并且能够通过读取不同节点电价数据、修改预设参数调整分区方式，对电力市场进行分区，具有较好的而应用价值。

另外，根据本发明上述实施例的基于节点电价的市场分区方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述S5之后还包括：

获取所述目标区域的所述多个节点在多个预设周期中的电价数据对所述分区结果进行验证。

进一步地，在本发明的一个实施例中，所述对所述隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为所述目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到所述隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

进一步地，在本发明的一个实施例中，所述根据隶属度矩阵和所述数据集更新所述聚类中心矩阵，公式为：

其中，v_ij为所述聚类中心矩阵，u_ij为所述隶属度矩阵，m为加权指数，x_j为所述数据集。

进一步地，在本发明的一个实施例中，所述根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，公式为：

进一步地，在本发明的一个实施例中，所述收敛条件为：

U-U＝Δ＝[δ_ij]

其中，所述隶属度矩阵更新前后分别为U和U′，c为所述目标区域的拟分区数量，epsm为收敛精度。

为达到上述目的，本发明另一方面实施例提出了一种基于节点电价的市场分区装置，包括：

获取模块，用于获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据所述多个节点的所述多个出清时段的电价数据生成数据集；

生成模块，用于获取聚类中心矩阵和随机矩阵，对所述随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1；

第一判断模块，用于判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则结束循环，若是，则根据所述隶属度矩阵和所述数据集更新所述聚类中心矩阵，根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵；

第二判断模块，用于判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则迭代次数加1，继续循环，若满足，则结束循环；

分区模块，用于输出所述更新后的聚类中心矩阵和所述更新后的隶属度矩阵，根据所述更新后的隶属度矩阵对每个节点进行分类，根据所述每个节点的分类结果对所述目标区域进行分区生成分区结果。

本发明实施例的基于节点电价的市场分区装置，通过模糊聚类分区方法以市场运行出清得到的实际电价数据为基础，同时考虑了节点地理位置，并且能够通过读取不同节点电价数据、修改预设参数调整分区方式，对电力市场进行分区，具有较好的而应用价值。

另外，根据本发明上述实施例的基于节点电价的市场分区装置还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述对所述隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为所述目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到所述隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

进一步地，在本发明的一个实施例中，所述根据隶属度矩阵和所述数据集更新所述聚类中心矩阵，公式为：

其中，v_ij为所述聚类中心矩阵，u_ij为所述隶属度矩阵，m为加权指数，x_j为所述数据集；

所述根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，公式为：

进一步地，在本发明的一个实施例中，所述收敛条件为：

U′-U＝Δ＝[δ_ij]

其中，所述隶属度矩阵更新前后分别为U和U′，c为所述目标区域的拟分区数量，epsm为收敛精度。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的基于节点电价的市场分区方法流程图；

图2为根据本发明另一个实施例的基于节点电价的市场分区方法流程框图；

图3为根据本发明一个实施例的基于节点电价的市场分区装置结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的基于节点电价的市场分区方法及装置。

首先将参照附图描述根据本发明实施例提出的基于节点电价的市场分区方法。

图1为根据本发明一个实施例的基于节点电价的市场分区方法流程图。

如图1所示，该基于节点电价的市场分区方法包括以下步骤：

步骤S1，获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据多个节点的多个出清时段的电价数据生成数据集。

具体地，获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，其中，目标区域可以为一个省的多个地市，多个地市中包含多个节点，预设周期可以为一天(典型日)，也可以为一个星期，根据具体情况进行设置。

作为一种方式，获取现货市场中全省各节点某典型日当天的96个出清时段(15分钟)电价，其中，将一天分为96个出清时段，每个时段为15分钟。

假设全省节点数为n，每个节点的96点电价排成一行，写成n×96矩阵形式，为数据集X。

步骤S2，获取聚类中心矩阵和随机矩阵，对随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为l。

具体地，设定拟分区数量(聚类中心个数)c，迭代次数限值T，收敛精度epsm，加权指数m，并设计缺省值。

需要说明的是，上述设定值都可以根据实际情况进行设定。

进一步地，在本发明的一个实施例中，对隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

具体地，随机生成数据集X对聚类中心矩阵V的隶属度矩阵U，并做归一化处理。c×n的隶属度矩阵U＝[u_ij]的元素u_ij表示第j(j＝1，2，...，n)个数据属于第i(i＝1，2，...，c)类的隶属度。u_ij满足如下条件：

进一步地，在本发明的实施例中，聚类中心矩阵V为一个c×96矩阵，每一行代表一个聚类中心向量。

具体地，对隶属度矩阵进行初始化和归一化步骤为：

1)首先随机生成一个c×n矩阵U0，随后对其每一列元素进行求和；

2)归一化。矩阵U的元素改为其本来的值除以其所在列的元素之和。即

步骤S3，判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则执行步骤S5，若是，则根据隶属度矩阵和数据集更新聚类中心矩阵，根据更新后的聚类中心矩阵和数据集更新隶属度矩阵，执行步骤S4。

可以理解的是，根据实际情况预设一个阈值，判断当前的迭代次数是否小于预设阈值，若小于，继续进行下面的迭代过程，若不小于，则结束迭代过程，执行步骤S5。

在当前迭代次数小于预设阈值T时，根据上述初始化和归一化得到的隶属度矩阵和步骤S1生成的数据集X更新聚类中心矩阵，根据更新后的聚类中心矩阵和数据集X再更新隶属度矩阵。

其中，根据隶属度矩阵和数据集更新聚类中心矩阵，公式为：

其中，v_ij为聚类中心矩阵，u_ij为隶属度矩阵，m为加权指数，x_j为数据集。

根据更新后的聚类中心矩阵和数据集更新隶属度矩阵，公式为：

步骤S4，判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则迭代次数加1，执行步骤S3，若满足，则执行步骤S5。

具体地，通过上述步骤得到更新后的隶属度矩阵，根据预设的收敛条件判断更新后的隶属度矩阵是否满足收敛条件，不满足时，迭代次数加1，返回步骤3进行下一轮迭代，若满足收敛条件，则执行步骤S5。

其中，收敛条件为：

U′-U＝Δ＝[δ_ij]

其中，隶属度矩阵更新前后分别为U和U′，c为目标区域的拟分区数量，epsm为收敛精度。

可以理解的是，每轮迭代计算，假设隶属度矩阵更新前后分别为U和U′，且U′-U＝Δ＝[δ_ij].满足上述条件时，判定计算收敛，循环结束。

步骤S5，输出更新后的聚类中心矩阵和更新后的隶属度矩阵，根据更新后的隶属度矩阵对每个节点进行分类，根据每个节点的分类结果对目标区域进行分区生成分区结果。

具体地，循环结束后，输出最后更新的聚类中心矩阵U和隶属度矩阵V，根据隶属度矩阵对所有的节点进行分类，根据每个节点的分类结果和每个节点所属的区域对目标区域进行分区输出分区结果。

进一步地，根据最终的隶属度矩阵U，将每个节点划归至隶属度最高的分类。由于在全省电价分区时，通常以地市为最小单位，尽量不出现地市包括的节点属于不同分区的情况。如果同一地市下的节点根据隶属度矩阵被划归至不同分类，则将该地市划入包含该地市节点最多的分类中。

如果无法得到理想的分区结果，可调整聚类算法参数再进行计算。

进一步地，作为一种可能实现的方法，在步骤S5之后，还包括：

获取目标区域的多个节点在多个预设周期中的电价数据对分区结果进行验证。

具体地，采用不同典型日的节点电价数据，用于验证分区结果的正确性。

如图2所示，展示了基于节点电价的市场分区方法的具体流程，由图可知，当电力系统规模较大、网络拓扑节点数量较多时，采用人工操作分区方法效率低下甚至难以实现。引入模糊聚类算法可有效解决以上问题，其基本思想是基于电力市场实际运行得到的节点电价数据，确定每个样本数据隶属于某个聚类的程度，并将隶属度高的样本归为一个聚类。最后，综合考虑节点地理位置和电价数据相似度确定全省节点电价的分区方式。

通过上述方案，采用模糊聚类算法，通常具有较好的准确度，但在得出的聚类结果中，各地市包含的节点可能被划分至不同分类，需要人为判断各地市具体属于哪个分区。为了严格执行最小颗粒度为地市的分区原则，减少人为判断工作量，采用另一种凝聚型层次聚类算法。这种算法的好处是在计算条件初始化时，可以指定哪些数据样本属于同一基本类别，在之后的聚类过程中，基本类别里的样本将无法被分割开来，符合上述分区原则。具体步骤如下：

(一)数据准备

1、电价数据：获取现货市场中全省各节点某典型日当天的96个出清时段(15分钟)电价。

2、初始分类：各地市电价数据分别作为一个初始类。

3、设定需要聚类的个数c。

4、类间合并依据的选择。层次聚类通常合并两个“距离最短”的类，但每个类(如c_i，c_j)内部包含多个数据样本(如p、p′)，需要指定“距离”的计算方法。常用方法包括最小距离法、最大距离法、质心距离法、加权质心距离法、平均距离法等，下面作分别介绍。

最小距离法：d_min(c_i，c_j)＝min||p-p′||，p∈c_i，p′∈c_j。

最大距离法：d_max(c_i，c_j)＝max||p-p′||，p∈c_i，p′∈c_j。

(加权)质心距离法：d_mean(c_i，c_j)＝||m_i-m_j||，m_i，m_j分别是c_i，c_j的(加权)质心。

平均距离法：

分别是类c_i、c_j中对象的数目。

上面的方法中，质心的定义是类中所有数据样本的平均值，加权质心则应在计算过程中考虑各数据样本的权重。对节点电价数据而言，质心的96个元素分别是类中所包含节点电价数据各15分钟的算术平均值；加权质心则须考虑各节点各出清时段的下网电量作为权重，计算加权平均值。

(二)迭代计算

1、计算各类数据两两之间的距离。

2、合并距离最小的两个类。

3、当类数等于c时，结束循环。否则返回第1步。

(三)输出结果

最终的聚类结果即为节点电价分区结果。

根据本发明实施例提出的基于节点电价的市场分区方法，通过模糊聚类分区方法以市场运行出清得到的实际电价数据为基础，同时考虑了节点地理位置，并且能够通过读取不同节点电价数据、修改预设参数调整分区方式，对电力市场进行分区，具有较好的而应用价值。

其次参照附图描述根据本发明实施例提出的基于节点电价的市场分区装置。

图3为根据本发明一个实施例的基于节点电价的市场分区装置结构示意图。

如图3所示，该基于节点电价的市场分区装置包括：获取模块100、生成模块200、第一判断模块300、第二判断模块400和分区模块500。

其中，获取模块100，用于获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据多个节点的多个出清时段的电价数据生成数据集。

生成模块200，用于获取聚类中心矩阵和随机矩阵，对随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1。

第一判断模块300，用于判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则结束循环，若是，则根据隶属度矩阵和数据集更新聚类中心矩阵，根据更新后的聚类中心矩阵和数据集更新隶属度矩阵。

第二判断模块400，用于判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则迭代次数加1，继续循环，若满足，则结束循环。

分区模块500，用于输出更新后的聚类中心矩阵和更新后的隶属度矩阵，根据更新后的隶属度矩阵对每个节点进行分类，根据每个节点的分类结果对目标区域进行分区生成分区结果。

进一步地，在本发明的一个实施例中，还包括：验证模块600，

验证模块600用于获取目标区域的多个节点在多个预设周期中的电价数据对分区结果进行验证。

进一步地，在本发明的一个实施例中，对隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

进一步地，在本发明的一个实施例中，根据隶属度矩阵和数据集更新聚类中心矩阵，公式为：

其中，v_ij为聚类中心矩阵，u_ij为隶属度矩阵，m为加权指数，x_j为数据集。

进一步地，在本发明的一个实施例中，根据更新后的聚类中心矩阵和数据集更新隶属度矩阵，公式为：

进一步地，在本发明的一个实施例中，收敛条件为：

U′-U＝Δ＝[δ_ij]

其中，隶属度矩阵更新前后分别为U和U′，c为目标区域的拟分区数量，epsm为收敛精度。

需要说明的是，前述对基于节点电价的市场分区方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。

根据本发明实施例提出的基于节点电价的市场分区装置，通过模糊聚类分区方法以市场运行出清得到的实际电价数据为基础，同时考虑了节点地理位置，并且能够通过读取不同节点电价数据、修改预设参数调整分区方式，对电力市场进行分区，具有较好的而应用价值。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (3)

1.一种基于节点电价的市场分区方法，其特征在于，包括以下步骤：

S1，获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据所述多个节点的所述多个出清时段的电价数据生成数据集；

S2，获取聚类中心矩阵和随机矩阵，对所述随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1；

S3，判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则执行S5，若是，则根据所述隶属度矩阵和所述数据集更新所述聚类中心矩阵，根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，执行S4；

S4，判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则所述迭代次数加1，执行S3，若满足，则执行S5；

S5，输出所述更新后的聚类中心矩阵和所述更新后的隶属度矩阵，根据所述更新后的隶属度矩阵对每个节点进行分类，根据所述每个节点的分类结果对所述目标区域进行分区生成分区结果；

对所述隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为所述目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到所述隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

所述根据隶属度矩阵和所述数据集更新所述聚类中心矩阵，公式为：

其中，v_ij为所述聚类中心矩阵，u_ij为所述隶属度矩阵，m为加权指数，x_j为所述数据集；

所述根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，公式为：

所述收敛条件为：

U′-U＝Δ＝[δ_ij]

其中，所述隶属度矩阵更新前后分别为U和U′，c为所述目标区域的拟分区数量，epsm为收敛精度。

2.根据权利要求1所述的方法，其特征在于，所述S5之后还包括：

获取所述目标区域的所述多个节点在多个预设周期中的电价数据对所述分区结果进行验证。

3.一种基于节点电价的市场分区装置，其特征在于，包括：

获取模块，用于获取目标区域的多个节点在预设周期中的多个出清时段的电价数据，根据所述多个节点的所述多个出清时段的电价数据生成数据集；

生成模块，用于获取聚类中心矩阵和随机矩阵，对所述随机矩阵进行初始化和归一化处理生成隶属度矩阵，设定迭代次数为1；

第一判断模块，用于判断当前迭代次数是否小于预设阈值T，其中，T大于1，若不是，则结束循环，若是，则根据所述隶属度矩阵和所述数据集更新所述聚类中心矩阵，根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵；

第二判断模块，用于判断更新后的隶属度矩阵是否满足收敛条件，若不满足，则迭代次数加1，继续循环，若满足，则结束循环；

分区模块，用于输出所述更新后的聚类中心矩阵和所述更新后的隶属度矩阵，根据所述更新后的隶属度矩阵对每个节点进行分类，根据所述每个节点的分类结果对所述目标区域进行分区生成分区结果；

所述对所述隶属度矩阵的初始化和归一化处理，步骤为：

随机生成一个c×n矩阵U₀，对矩阵U₀每一列元素进行求和，其中，c为所述目标区域的拟分区数量，n为节点总个数；

将矩阵U₀的每一个元素改为矩阵U₀本来的值除以矩阵U₀所在列的元素的和，得到所述隶属度矩阵u_ij，公式为：

其中，i＝1，2，...，c，j＝1，2，...，n，u_ij表示第j个数据属于第i类的隶属度；

其中，u_ij满足条件：

所述根据隶属度矩阵和所述数据集更新所述聚类中心矩阵，公式为：

其中，v_ij为所述聚类中心矩阵，u_ij为所述隶属度矩阵，m为加权指数，x_j为所述数据集；

所述根据更新后的聚类中心矩阵和所述数据集更新所述隶属度矩阵，公式为：

所述收敛条件为：

U′-U＝Δ＝[δ_ij]

其中，所述隶属度矩阵更新前后分别为U和U′，c为所述目标区域的拟分区数量，epsm为收敛精度。

Images