26、家庭能源消耗模式分析与网络拓扑分区方案

家庭能源消耗模式分析与网络拓扑分区方案

家庭能源消耗模式分析

在对家庭能源消耗模式进行分析时，首先运用了三种不同的特征选择方法，发现这些方法所获取的大部分特征是相同的。经过处理，选出了与目标属性相关性最高的 10 个特征。由于数据记录未标记，采用了无监督聚类方案进行数据分析。

在聚类前，对这 10 个特征的信息进行了调查。根据相关数据可知，平均而言，家庭的年收入在 4 万至 6 万美元之间，房屋通常较大，平均有 6 间卧室，太阳能能源很少用于发电，且加热居住空间所需的能源较高，存在能源浪费的可能性。

接下来，使用了两种聚类算法来研究家庭的能源消耗行为：
1. 基于距离的聚类（k - means） ：
- 该算法将数据划分为 k 个簇，使簇之间的距离平方和最小。
- 首先使用不同的 k 值执行 k - means 算法，找到最优的 k 值为 4。
- 然后使用 k = 4 对数据进行划分，得到四个簇，大小分别为 1541、286、899 和 2960。
- 各个簇的特征如下：
- 第一个簇：家庭每周频繁使用洗衣机和烘干机，使用适量的灯泡，加热空间的能源使用量平均甚至更低，以减少电费支出，不使用太阳能板，家庭年收入相对较低（一般在 2 万至 6 万美元之间），占比 27.10%。
- 第二个簇：家庭加热生活空间和水使用的能源较多，电费较高，不使用太阳能板，家庭年收入高（一般超过 14 万美元），房屋较大，房间和窗户较多，占比 5.02%。
- 第三个簇：特征是前两个簇的组合，占比 15.81%。
- 第四个簇：家庭通常没有洗衣机和烘干机，房屋内使用的灯泡数量