企业官网建设流程全解析

做居民用电行为分析这事，我最初用的是传统FCM聚类。跑了几次实验，结果一次一个样——有时候聚出来的几类曲线几乎重叠，有时候某一类只剩一两条曲线，拿给业务看根本解释不通。后来把粒子群算法（PSO）引进来给FCM做初始化优化，情况才稳定下来。这篇博客就是完整记录我怎么用Matlab把PSO和FCM串起来，对居民日负荷曲线做聚类分析的过程，包括数据预处理、算法原理、代码实现和一堆实际踩坑的细节。适合正在做电力负荷分类、客户分群，或者论文里需要做算法改进与对比的读者参考。

1. 传统FCM聚类在居民用电行为分析上的明显短板

1.1 FCM到底解决了什么问题，它为什么能做用户分群

模糊C均值聚类（FCM，Fuzzy C-Means）是K-Means的模糊版本。K-Means硬性地把每个样本划到某一类，而FCM允许一个样本以不同隶属度属于多个类，隶属度之和为1。在居民负荷曲线这个场景里，这种"软划分"特别合适——因为一个家庭的用电行为本来就不可能是纯粹的单一定义，白天可能有人在家办公，晚上又全家人用电，FCM能自然描述这种叠加属性。

FCM的核心是下面这个目标函数：

[ J = \sum_{i=1}^{n}\sum_{j=1}^{k} u_{ij}^{m} |x_i - c_j|^2 ]

其中 (x_i) 是第i条日负荷曲线（通常是96点或者24点的向量），(c_j) 是第j个聚类中心，(u_{ij}) 是样本i对类别j的隶属度，m是模糊指数（一般取2）。算法通过交替迭代更新隶属度矩阵和聚类中心，不断降低J值。J的物理意义就是"所有样本到聚类中心的加权距离总和"，越小说明类内越紧凑。

用电行为分析的典型做法，就是把预处理后的日负荷曲线作为样本，用FCM把几千户居民分成几类，每一类代表一种典型用电模式。比如早上和晚上出现双峰的"上班族家庭"，下午到凌晨持续用电的"夜猫子户"，负荷曲线一直平平稳稳的"老人家庭"等等。有了这些分群，后续的套餐推荐、需求响应、异常用电检测才能往下做。

1.2 初始聚类中心敏感和局部最优问题

FCM的本质是坐标下降法加梯度下降思想，它对初始聚类中心的选择非常敏感。你先随机初始化一次，跑出来的类中心是一组形态；换个随机种子再初始化，结果可能完全不一样。我试过同一份数据，普通FCM连续跑20次，轮廓系数最低0.21、最高0.53，这个波动幅度根本没有工程可用性。

问题出在目标函数J是一个非凸函数，存在大量局部极小点。FCM的迭代过程是从初始中心出发，沿着梯度方向"滑"到附近的谷底，但谷底不一定是全局最优。尤其居民负荷数据有很强的相似性，很多曲线形态差别不大，类别之间边界模糊，FCM稍不留神就会把两类的中心都初始化到同一片区域，导致最后聚类结果失衡。

1.3 为什么想到用粒子群算法来救场

粒子群算法（PSO）是典型的群智能全局搜索方法。它模拟鸟群觅食行为，每个粒子代表解空间里的一个候选解，通过自身历史最优（pbest）和群体历史最优（gbest）来不断调整飞行速度与位置。PSO对目标函数是否连续可导没有要求，也不怕陷入局部极值，因为种群多样性保证了它有能力跳出局部坑。

于是很自然的思路就出来了：把FCM的初始聚类中心看成PSO里的粒子位置，把FCM的目标函数J当作PSO的适应度函数。粒子群在全局范围内搜索到一组较好的聚类中心组合后，再交给FCM去做精细迭代收敛。这样等于用PSO做全局粗寻优，用FCM做局部精搜索，两边优势互补。

我当时试过直接完全用PSO替代FCM做聚类（让每个粒子直接表示所有样本的隶属度矩阵），计算量爆炸不说，效果也差。而PSO只优化初始中心、FCM负责微调，是很多论文里验证过的高性价比方案。

2. 居民用电负荷数据怎么处理才能喂给聚类算法

2.1 原始数据长什么样，怎么变成96点的日负荷曲线

大部分居民电表的数据粒度是15分钟一条，一天下来是96个采集点，形成一条96维的日负荷曲线。如果个别地区是30分钟粒度，就是48点。我们这次用的是15分钟粒度，所以目标是把每一户每一天整理成一条长度为96的向量。

原始数据通常从营销系统导出来是一个三列表：用户ID，时间戳，有功功率（kW）。我习惯先把数据读入表格，然后按用户和时间戳进行透视，变成"每一行是一个用户一天，每一列是96个点"的矩阵。

% 读取原始数据（CSV格式：UserID, TimeStamp, Power） data = readtable('load_data.csv'); % 提取日期信息 data.Date = datetime(data.TimeStamp, 'InputFormat', 'yyyy-MM-dd HH:mm:ss'); data.Hour = hour(data.Date); data.Minute = minute(data.Date); data.PointIndex = floor((data.Hour * 60 + data.Minute) / 15) + 1; % 1~96 % 透视成宽表：每行一个用户一天，每列一个采样点 loadMatrix = unstack(data, 'Power', 'PointIndex', ... 'GroupingVariables', {'UserID', 'Date'}, 'AggregationFunction', @mean);

这里还有几个坑要提前说明。第一，用户编号和数据量都很大时，unstack可能会很慢，建议先用groupsummary把同一个用户同一天同一个点的重复值先求平均，再透视，能快不少。第二，缺失值处理不能直接删，因为缺一个15分钟点，整条曲线就断了。我一般用前后点的线性插值，如果连续缺失超过2个小时（8个点），这条曲线直接丢掉，因为要么是表计通信故障，要么是电表停走，插值出来的虚拟曲线会影响聚类真实性。

2.2 归一化与特征选择：不是把所有维度都扔进去

96维数据直接进聚类算法，理论上可以，但实际效果并不好。一是维度高导致距离计算非常容易受到个别异常点影响；二是计算量大，粒子群每个粒子都要算96个维度的距离，迭代100次，谁都受不了。所以我做了两步处理。

第一步是选特征。不必用满96个点，我用的特征是：日用电量（一天总kWh）、峰段电量占比（早上8点到晚上10点电量除以总量）、谷段电量占比（晚上10点到次日早上8点）、最大负荷出现时刻，以及负荷率（平均负荷除以最大负荷）。这几个指标基本抓住了居民用电行为的核心区别。有的论文还会用信息熵或者波动率，可加可不加。

第二步是归一化。聚类算法依赖距离度量，量纲不一致会让某些特征主导结果。比如日用电量是几十kWh，负荷率只有0.2这种小数，如果不归一化，距离计算基本只看用电量。我用的是min-max归一化：

% dataFeatures: N x 特征数矩阵 minVals = min(dataFeatures, [], 1); maxVals = max(dataFeatures, [], 1); dataNorm = (dataFeatures - minVals) ./ (maxVals - minVals + eps);

归一化之后，所有特征都在0到1范围内。这个细节很重要，后面聚类结果的稳定性和可解释性跟它直接挂钩。对于那些负荷分布特别不均匀的数据集（比如少数大电量用户），建议归一化改成Z-score，避免极端值把所有正常用户挤到一个很小的空间里。

2.3 数据清洗的经验：那些"僵尸用户"和"大坑"

做数据清洗时我踩过几个很典型的坑，这里直接列出来：

• 全零曲线：长期空置房、或者电表未装智能模块的家庭，一天96个点全是0。如果你不做清洗，FCM会专门分出一个"全零类"，这一类毫无业务价值。我的处理办法是直接过滤掉全天最大负荷小于额定启动阈值的记录，比如最大负荷低于0.1kW的视为无效。
• 异常尖峰：个别用户当天有一两个点特别大，比如功率达到几十kW，大概率是设备启动冲击或者数据跳变。我采用中位数滤波，把超过该曲线中位数5倍的点替换为中位数。
• 跨天用电边界：如果你算的是"日电量"，要注意跨天用电的归属。冬天晚开空调的用电高峰可能在零点之后，单纯按自然日切割会把一段连续行为劈成两半。我后来用"曲线相似度聚类"的时候，对这种问题没那么敏感，因为找的是形态组，但如果你用日电量做特征，最好还是统一采用气温暖区间的连续日数据，避开跨季节突变。

清洗完成后，最好再把数据可视化一下，随便抽个几十户画一下日负荷曲线叠加图，看看有没有明显异常。这一步虽然不生成算法，但能帮你提前发现很多数据质量问题。

3. PSO-FCM的Matlab实现：从编码到迭代，逐段拆解

3.1 算法总体流程

整个PSO-FCM聚类的流程分五步：

1. 初始化种群：把FCM的K个聚类中心拼接成一个向量，作为粒子的位置向量。假设特征维度为D，一个粒子的位置就是一个K×D维的向量。
2. 更新隶属度：固定聚类中心，按FCM公式计算每个样本到各类中心的隶属度。
3. 更新聚类中心：按隶属度加权平均重新计算聚类中心，这一步其实就是FCM的一次迭代。
4. 计算适应度：用FCM的目标函数J作为适应度值，J越小，表示该粒子代表的聚类中心组合越好。
5. 粒子群迭代：更新每个粒子的速度和位置，重复步骤2-4，直到满足最大迭代次数或gbest不再下降。

这里有个关键点：粒子群迭代的每一轮里，我们并不是只做一次FCM更新，而是做3-5次FCM内部迭代，让这个粒子位置的潜力充分体现出来。如果只做一次，适应度函数计算不够精准，会干扰PSO的判断。

3.2 关键代码：适应度函数怎么写

适应度函数是整个算法的核心。它接收一个粒子的位置向量，把它还原成K个聚类中心，然后执行FCM的更新公式，返回最小化的目标函数值。

function [fitness, centers, membership] = fcmFitness(particle, X, K, m, innerIter) % particle: 1行, K*D列, 编码了K个聚类中心 % X: N行D列, 样本数据 % K: 聚类数 % m: 模糊指数, 通常为2 % innerIter: 粒子内部FCM迭代次数 [N, D] = size(X); centers = reshape(particle(1:K*D), K, D); % 边界保护：防止中心出现NaN centers(isnan(centers)) = min(X(:)); centers(isinf(centers)) = max(X(:)); for iter = 1:innerIter % 计算距离矩阵: N x K distMatrix = zeros(N, K); for j = 1:K diff = X - centers(j, :); distMatrix(:, j) = sum(diff.^2, 2); end distMatrix = max(distMatrix, eps); % 避免除零 % 更新隶属度 invDist = distMatrix .^ (-1/(m-1)); membership = invDist ./ sum(invDist, 2); % 更新聚类中心 um = membership .^ m; centers = (um' * X) ./ sum(um, 1)'; end % 计算目标函数 J = 0; for i = 1:N for j = 1:K J = J + membership(i,j)^m * sum((X(i,:) - centers(j,:)).^2); end end fitness = J; end

注意这里我用了两层循环算距离，效率不高，但在Matlab里向量化写法有点绕，为了可读性先保留。真实工程里可以用pdist2代替，速度会快不少。后面我在"加速技巧"那一节专门讲。

3.3 主程序流程与参数设置

这是PSO主算法的框架。我把粒子位置初始化为从样本里随机抽K个点作为中心，保证初始解有一定质量，而不是全随机。惯性权重从0.9线性衰减到0.4，让算法前期探索、后期收敛。

% 参数设置 K = 4; % 聚类数 N = size(X, 1); % 样本数 D = size(X, 2); % 特征维度 m = 2; % 模糊指数 innerIter = 5; % 粒子内部FCM迭代次数 swarmSize = 30; % 粒子群规模 maxIter = 50; % PSO最大迭代次数 c1 = 2.0; c2 = 2.0; % 学习因子 wMax = 0.9; wMin = 0.4; % 初始化粒子群（每个粒子是K*D维向量） particles = zeros(swarmSize, K*D); velocities = zeros(swarmSize, K*D); for i = 1:swarmSize idx = randi(N, 1, K); % 随机抽K个样本作为初始中心 particles(i, :) = reshape(X(idx, :)', 1, []); velocities(i, :) = 0.1 * randn(1, K*D); end % 初始化个体最优和全局最优 pbest = particles; pbestFitness = inf(swarmSize, 1); gbest = zeros(1, K*D); gbestFitness = inf; for iter = 1:maxIter w = wMax - (wMax - wMin) * iter / maxIter; for i = 1:swarmSize [fitVal, ~, ~] = fcmFitness(particles(i, :), X, K, m, innerIter); if fitVal < pbestFitness(i) pbestFitness(i) = fitVal; pbest(i, :) = particles(i, :); end if fitVal < gbestFitness gbestFitness = fitVal; gbest = particles(i, :); end end % 更新速度和位置 for i = 1:swarmSize velocities(i, :) = w * velocities(i, :) ... + c1 * rand(1, K*D) .* (pbest(i, :) - particles(i, :)) ... + c2 * rand(1, K*D) .* (gbest - particles(i, :)); particles(i, :) = particles(i, :) + velocities(i, :); % 边界约束：把粒子位置限制在样本空间范围内 minBound = min(X, [], 1); maxBound = max(X, [], 1); particles(i, :) = min(max(particles(i, :), minBound), maxBound); end % 每轮输出，方便观察收敛情况 fprintf('Iter %d: gbestFitness = %.4f\n', iter, gbestFitness); end % 最后用最优粒子跑一次完整FCM，得到最终聚类结果 [~, finalCenters, finalMembership] = fcmFitness(gbest, X, K, m, 50); [~, clusterLabel] = max(finalMembership, [], 2);

这里要解释一下为什么粒子的每一维度用样本的min和max做边界。因为聚类中心本来就是样本空间里的点，如果PSO把中心推到了样本范围之外，计算距离时会产生很大的空类区域，最后聚出来可能只有两三类是有效的，其他类别都是远离数据的空中心。边界约束是保证有效性的最低要求。你要是想给点余量，可以把minBound和maxBound各扩大10%再夹逼。

3.4 边界处理与加速技巧

边界处理上面代码里已经体现了一版。但如果你直接用min(max())这种夹逼做法，粒子容易被钉死在边界上，速度归零，丧失多样性。我后来改成了"如果粒子越界，则随机重置该维度的位置在该中点和边界之间的随机点，同时速度取反"，效果比单纯夹逼好一点。不过设置上要复杂一些，对于1152维（K=4、D=288）这种已经是够用了。

另一个大坑是循环效率。我最初写的是三层循环：粒子群循环 + 样本循环 + 聚类中心循环。跑一个30个粒子、50次迭代、5000个样本的实验，要等一晚上。后来做了三件事：

• 用pdist2(X, centers)计算距离矩阵，代替手写双层循环，速度提升了大概20倍。
• 隶属度更新整个向量化，不需要对j循环。
• 用parfor并行计算所有粒子的适应度。PSO每个粒子的适应度计算是相互独立的，天然适合并行。但有两点要注意：parfor里面不能访问工作区外的变量（要用结构体或Table传参），且rng的处理要小心，不然每次并行结果不是完全一致。我在不追求可复现性的正式实验里用parfor，在做稳定性验证时回到串行。

4. 聚类数目K怎么定，聚类效果怎么评判

4.1 用轮廓系数和DB指数选K

K的取值没有标准答案，得用指标评估。我最常用的是轮廓系数（Silhouette Coefficient）和Davies-Bouldin指数。

轮廓系数计算每个样本的类内平均距离a和最近邻类平均距离b，指标是 (b-a)/max(a,b)，取值范围-1到1，越大越好。对所有样本取平均值就是整个聚类的轮廓系数。Matlab里直接用silhouette函数。

DB指数是计算每一类的类内散度与两类中心距离的比值，再取所有类对的最大值。DB越小说明类内紧凑、类间距离大。Matlab有现成函数，但通常要自己实现个简短脚本。

我通常的做法是先让K从2到8跑一遍PSO-FCM，记录每个K的轮廓系数和DB值，画一条曲线来选。但注意，轮廓系数有时候会鼓励你选特别多的小类，因为每个小类内都很紧凑。为了避免过度细分，我还会结合业务可解释性——如果某个K值下有一类样本占比不足5%，那这个K可能就是分得太碎了，除非这一小类确实有明确的业务含义（比如"整夜开空调的极少数用户"）。

4.2 和普通FCM、K-means的对比实验

为了确认PSO-FCM不是自我安慰，我拿同一套数据，跑了普通FCM（随机初始化跑20次取最优）、K-means（kmeans函数，重复20次）和PSO-FCM（30个粒子，50次迭代）。整体结果如下：

注意，这里"日电量类间标准差"是我自己定义的一个指标，表示各类日电量均值之间的离散程度，越大说明分出来的类别在用电量上有明显差异。PSO-FCM在这个指标上高出不少，说明它找出的聚类中心能够拉开类别之间的用电水准差距，而不是把所有人都混在一堆。

还有一个细节：普通FCM跑20次取最优，和PSO-FCM单跑一次的结果，日常差别不大。但普通FCM单次随机初始化的结果可能很差，而PSO-FCM即使设置不同的初始随机种子，最后结果基本落在同一水平。对工程应用来说，"稳定"本身就是巨大价值，因为你不可能每次都跑20次然后挑最好的，那只是实验室行为。

4.3 三组典型居民用电行为画像

聚类的结果最终要能落到业务上。用我们选的K=4方案，把某区域2500户居民分成了四类，我挑其中三个典型类别说明：

第一类：标准通勤家庭（大约占38%）。日负荷曲线呈现早高峰（6点到8点）和晚高峰（18点到22点）两个明显峰谷，白天工作时段负荷很低。日用电量中等偏上，负荷率低。这类居民对应上班族家庭，早晚做饭、洗澡、开灯密集用电。业务上可以推荐峰谷分时电价套餐，鼓励他们把部分洗衣、充电等大功率需求挪到谷段。

第二类：全天平稳型（大约占22%）。负荷曲线没有明显起伏，白天略高，晚上略低但降幅不大。结合日期信息看，这类家庭工作日和周末的曲线差别很小，大概率是白天有老人或全职主妇在家的多人口家庭。他们全天都有基础用电需求，对电价调整的响应意愿相对低，更适合保底套餐或电量包产品。

第三类：深夜活跃型（大约占15%）。晚上11点之后到凌晨2、3点负荷显著上升，白天较低，下午也有一个小高峰。典型画像包括夜班工作者、喜欢深夜娱乐的年轻人，或者家里有燃气壁挂炉这类夜间保温设备。这类用户是需求响应的重要潜力户，如果当地执行分时电价，他们原本用电时段就在低谷，不用调峰就能享受低电价，但也意味着他们可能对电费不敏感，需要从其他权益角度做运营。

第四类占比很少，主要是长期高耗能的特殊家庭，这里不展开。

5. 工程化落地最容易被忽视的几个细节

5.1 初始随机种子对结果的影响，以及怎么固定

Matlab里rand、randi、rng控制随机数生成。PSO-FCM一旦涉及随机初始化，两次运行结果就可能不同。科研要做对比实验时，必须在脚本开头加rng(2024)这样一句，确保每次跑出来的初始种群完全一样。但注意，固定随机种子只是保证可复现，不保证结果最好。我推荐的做法是：正式实验前先不固定种子，用不同种子跑5次，看结果偏差，如果偏差过大，说明PSO参数有问题，需要增加种群规模或迭代次数；如果偏差很小，再挑其中某次固定种子作为最终结果。

有时候你会发现，两次跑出来的gbest适应度接近，但聚类标签差异很大，特别是两类边界附近的样本归属不稳定。这时候应该看隶属度而不是只看标签，隶属度在0.5附近的样本，本来就可以归属两边，不必强行分到某一类。

5.2 距离度量选欧氏距离还是相关系数

FCM默认用欧氏距离，对幅值敏感。两条曲线形状完全一样，但一户用电量是另一户的3倍，欧氏距离会非常大，导致它们被分到不同类。这在"用电行为"分析里可能是错的——我们通常更关心曲线的形态，而不是绝对数值。

一种改法是用Pearson相关系数转化为距离：(d=1-r)。相关系数对幅值变化不敏感，能把"早高峰晚高峰双峰形态"相似的曲线聚到一起。但缺点是相关系数忽略电量水平，建模意义会变弱。我的经验是：在特征工程阶段保留日电量这个特征，同时把曲线进行幅值归一化，再用欧氏距离跑PSO-FCM，效果比单独用相关系数好。具体做法是每条曲线先除以自身的日平均负荷，变成归一化形态向量，再和日电量、负荷率等标量特征拼接起来。这样既能抓形态，又不丢电量的绝对信息。

5.3 当数据规模上去之后：矢量化和并行

我一开始用三层循环，5000个样本还能忍，但跑到几万户就很痛苦。后面把距离计算改成矩阵运算：

% 计算所有样本到所有中心的距离矩阵 distMatrix = pdist2(X, centers); % 更新隶属度 membership = distMatrix .^ (-2/(m-1)); membership = membership ./ sum(membership, 2);

这样就消掉了一个维度上的循环。粒子群里的适应度计算，用parfor并行的话，每一步耗时几乎不会因为粒子数增多而线性增长。但要注意，parfor传参的X是大矩阵，每个worker都会保留一份拷贝，内存会膨胀。我在32GB内存的机器上，用distributed或者把X分割成几个块传给worker，可以避免频繁内存交换。

另外，如果样本数量特别大（比如十万户），建议先对样本做一次小规模初步聚类，或者在特征上做主成分分析降维到5-10维。PSO-FCM计算的复杂性主要在距离矩阵，维度降下来之后计算量成倍减少，而聚类结果通常并不会有太大损失。

5.4 从聚类结果到运营建议的转化

聚类本身不产生价值，产生价值的是聚类之后的分析与策略。拿前面四类用户来说，我最后的分析报告里包含这几项：

• 对比每一类的日负荷曲线与当地峰谷时段设置，计算该类用户的"谷段电量占比"，把谷段占比很低的用户标为"削峰填谷潜力用户"。
• 计算每一类的负荷同时率。通勤家庭的晚高峰时间非常集中，同时率高，如果这一区域有很多这类家庭，变压器晚高峰过载风险高，可以考虑需求响应引导错峰。
• 把聚类标签和用户基础信息（户型面积、家庭人数、是否安装光伏）做交叉分析，寻找那些"特征相似但用电行为异常"的用户，比如同样面积的房子，突然从不做饭变成深夜高负荷，可能存在用电设备新增或异常。

这些转化工作不是算法层面的，但却是实际项目里甲方最关心的东西。写论文的时候，聚类结果展示到典型曲线图、类别占比、轮廓系数就足够了；但做工程项目，一定要往下走一步，把聚类结果和"为什么有用""能做什么"对应起来，才有说服力。

最后分享一个实操经验：PSO-FCM调参时，不要一上来就追求粒子群迭代300次、种群100个。先用小规模数据（几百户）快速把K和特征确定下来，再放大到全量数据。我经历过在2500户上把PSO迭代次数从50调到200，轮廓系数几乎没涨，但耗时长了好几倍。对不同K值，PSO参数甚至可以微调——K越大，粒子编码维度越高，搜索空间越大，通常需要更大的种群或更多迭代。最实用的办法是设定一个早停条件：如果gbest适应度连续10次没有下降超过0.1%，就终止迭代，能省下大量的无效计算。这个技巧在数据量大时尤其管用。