PCA与K-Means用电模式分析数据集
数据集简介
项目定位与范围
本仓库是 AI-ML For Engineers 课程的迷你项目(MINI Project)研究原型,目标是从合成数据与实测智能电表数据中找出重复出现的日用电曲线形状,也就是用电模式。分析以 PCA 降维配合 K-Means 聚类为主线,并比较两种表示方式的效果:一是行为特征表示,二是常规归一化曲线。
仓库内容覆盖数据、分析代码、交互演示与论文材料,主体为表格数据,包括小时级或 15 分钟级用电时间序列 CSV 与 TXT 文件,以及聚类导出的 JSON 与 CSV 结果。
分析流程
分析先对每户的日用电曲线构造特征,再降维聚类,最后解读聚类中心对应的典型用电形状。提交的参考配置为:200 个合成住户、365 天、51 个行为特征、10 个 PCA 成分(保留 95.05% 方差)、K=4。
51 个行为特征按组划分如下:
| 特征组 | 数量 |
|---|---|
| Scale | 6 |
| Shape | 24 |
| Summary | 3 |
| Behavioral | 5 |
| Combined | 38 |
PCA 与 K-Means 方法要点
PCA 用于把高维行为特征压缩到低维主成分空间,参考配置保留 10 个成分并覆盖 95.05% 的方差;K-Means 则在主成分空间中把住户划分为 K=4 个簇,每个簇对应一类重复出现的日用电形状。实验同时比较行为特征表示与常规归一化曲线输入对聚类结果的影响。
参考结果
参考配置的产出包括聚类结果文件与典型用电形状。合成数据侧使用 200 户、365 天的小时级记录;Kaggle 版本为 200 户、30 天、5 个隐藏原型,并提供 ground_truth_archetypes.csv 作为对照。
实验记录
仓库 docs/experiments/README.md 记录了实验过程与配置,便于按参考配置复现 51 维特征、10 个 PCA 成分与 K=4 的聚类结果。
结果解读规则
解读聚类结果时,需要结合特征组含义判断每个簇的用电行为特征,并区分合成数据中的隐藏原型与实测数据中的自然分组;对实测数据,应结合匿名用电点的统计口径理解聚类中心。
实测数据:UCI ElectricityLoadDiagrams20112014
dataset/real world/ 目录收录 UCI Machine Learning Repository 的 ElectricityLoadDiagrams20112014 抽样数据,文件 LD2011_2014.txt 记录 370 个匿名用电点的 15 分钟平均功率(单位 kW),源文件 710,998,915 字节、140,256 行观测加表头,分析中实际用到 104 个活跃匿名客户。该文件通过 Git LFS 跟踪,克隆后需执行 git lfs pull 获取。UCI 来源数据采用 CC BY 4.0 许可,引用为 Trindade, A., 2015。
合成数据与 Kaggle 笔记本
dataset/kaggle/ 目录包含 Kaggle 笔记本与合成数据集说明,主要文件为 energy_consumption_hourly.csv、ground_truth_archetypes.csv 与 dataset_metadata.json。合成数据为 200 户、365 天的小时级记录;Kaggle 版本为 200 户、30 天、5 个隐藏原型。
伦敦家庭智能电表子集
仓库还包含 2013 年伦敦家庭智能电表子集,经覆盖检查后共有 292 户纳入。
交互演示与配套实现
仓库附有 Streamlit 模拟器与 Vercel 静态浏览器,便于交互查看聚类结果;另提供 C++ 核实实现,以及报告与 LaTeX 论文,用于核对分析结论。
许可与获取方式
仓库代码采用 MIT 许可,公开可访问;UCI 来源数据采用 CC BY 4.0 许可。仓库入口为 GitHub 页面,LD2011_2014.txt 需通过 Git LFS 拉取。