基于PSO优化FCM的居民用电行为聚类分析与Matlab实现

做电力负荷侧数据分析的人，应该都绕不过居民用电行为分析这个命题。说白了，就是把成千上万条日负荷曲线按照用电模式归类，让你能一眼看出哪类用户是白天上班晚上才用电，哪类用户从早到晚空调没停过，哪类用户家里装了分布式光伏在自发自用。这个项目标题里的组合——粒子群算法优化FCM聚类，就是把“怎么分得更准”这件事做到位。它面向的典型场景是电网公司的用户画像、需求侧响应、分时电价套餐设计，适合电力方向研究生、数据分析岗的工程师，以及做机器学习课设需要“算法改进+Matlab实现”的学生参考。我用Matlab把整套流程完整跑通过，下面把思路、原理、代码细节和踩坑记录一次讲清楚。

1. 这个项目到底在做什么：PSO优化FCM的完整思路拆解

1.1 为什么居民用电分析普遍选FCM而不是K-means

先说一个很多初学者问我的问题：聚类用K-means不就行了，为什么要上FCM？核心原因是负荷数据的边界本来就是模糊的。K-means是硬聚类，每个样本只能归属一个类；但一个家庭用户的用电行为往往同时具备多种特征，比如周一到周五是标准上班族，周末又成了夜猫子，还有一部分家庭规律性极差，全天负荷都平平的，你很难说它属于哪一类。

FCM（模糊C均值聚类）不一样，它用隶属度描述“某个样本属于每一类的程度”。一个用户的负荷曲线可以以0.6的隶属度属于“上班族”类、0.3属于“夜猫子”类、0.1属于其他类，这更贴近真实世界的用电模式。我在实际处理台区数据时也验证过这点：用K-means强行分出来的几类曲线，类内方差总是偏大，因为总有一些“不伦不类”的曲线被硬塞进某一类，而FCM给出的隶属度分布能把这些模糊样本单独识别出来。

1.2 FCM的两大痛点：初值敏感和局部最优

FCM好归好，但用起来有两个很头疼的问题。首先是初值敏感：它需要预先给定初始聚类中心，初始位置不同，迭代收敛的结果可能完全不同。我最早做实验时试过随机初始化跑十次，能跑出三种明显不同的分类结果。其次是目标函数非凸，FCM本质上是在最小化一个带约束的目标函数，这个函数存在大量局部极小点，迭代过程很容易陷进去出不来。

这两个问题叠加，导致FCM在实际负荷数据上稳定性很差。你可以理解为：你想找一个山谷的最低点，但随机出发的起点不同，可能停在不同的小坑里，永远走不到真正最低的地方。传统做法是多跑几次取最优，或者用K-means的结果做初始化，但多跑几次只能碰运气，K-means初始化本身也有随机性，治标不治本。

1.3 粒子群算法在这里扮演什么角色

粒子群算法（PSO）是一种无梯度的全局寻优算法，它模拟鸟群觅食过程：一群“粒子”在搜索空间里飞来飞去，每个粒子记住自己找到过的最好位置，同时参考整个群体找到过的最好位置，不断调整自己的速度和方向。

用在FCM上，核心思路非常直接：把FCM的聚类中心编码成粒子的位置，一个粒子就是一组聚类中心的候选解，然后用FCM的目标函数值作为粒子的适应度值，通过PSO迭代找到一组让目标函数最小的聚类中心。找到之后，再用这组优化后的中心去初始化FCM，做最终聚类。

为了让你更直观地理解选型逻辑，我整理了一张常用方案对比表：

从我的实际体验看，遗传算法虽然全局搜索理论更强，但参数多、收敛慢，在Matlab里调试起来费劲；PSO参数少、代码量小、收敛快，配合负荷数据这种特征维度不高（24点或96点日负荷曲线）的场景绰绰有余。这也是本项目选PSO而不是其他群智能算法的原因。

2. 核心原理通俗版：不懂FCM和PSO也能跑通代码

2.1 FCM的数学原理，我用生活例子给你讲透

FCM的目标函数长这样：

J = ∑ᵢ₌₁ᶜ ∑ⱼ₌₁ⁿ uᵢⱼᵐ · ‖xⱼ - vᵢ‖²

看起来吓人，拆开就很简单。c是聚类数，n是样本数，xⱼ是第j条负荷曲线，vᵢ是第i个聚类中心，uᵢⱼ表示第j条曲线对第i类的隶属度，m是模糊指数（一般取2），‖xⱼ - vᵢ‖²是两个向量之间的欧氏距离平方。说人话就是：让每个样本到各类中心的加权距离总和尽量小，权重就是隶属度的m次方。

约束条件是每条曲线对全部类的隶属度之和等于1，也就是“一个用户确实属于某个分类体系，只是程度分散在各处”。FCM通过反复迭代更新隶属度矩阵U和聚类中心V，直到目标函数不再明显下降。迭代公式记住两个核心就行：

隶属度更新：uᵢⱼ = 1 / (∑ₖ₌₁ᶜ (dᵢⱼ/dₖⱼ)^(2/(m-1)))

聚类中心更新：vᵢ = (∑ⱼ₌₁ⁿ uᵢⱼᵐ · xⱼ) / (∑ⱼ₌₁ⁿ uᵢⱼᵐ)

我在调试时经常用一句话帮同学理解：FCM就是在“根据距离算归属度”和“根据归属度算中心”这两步之间反复横跳，跳到结果不再变化为止。

2.2 PSO算法的三步核心：位置、速度、迭代更新

PSO里每个粒子有两个属性：位置和速度。位置是解空间里的一个点，速度决定了它下一步朝哪儿飞、飞多远。每次迭代时，粒子综合三方面信息更新速度：自己原来的速度（惯性）、自己历史最优位置pbest（个体认知）、群体历史最优位置gbest（社会认知）。

速度更新公式是：

v = w·v + c₁·r₁·(pbest - x) + c₂·r₂·(gbest - x)

位置更新公式是：

x = x + v

参数含义：w是惯性权重，控制粒子保持原来飞行趋势的程度；c₁和c₂是加速因子，分别控制“向自己学”和“向群体学”的强度；r₁和r₂是[0,1]之间的随机数，给搜索过程增加随机性。

我用找球场的例子给你类比：你在一个看不见全貌的大山里找最低点，你手里有自己的GPS记录（pbest），还有一张群友共享的“已知最低点”消息（gbest）。你每次迈步的方向，既会参考自己以前踩到过的最低点，也会参考队友发现的位置，同时保留一点原来的前进趋势。这样一群人就比一个人瞎摸效率高很多。

2.3 两种算法怎么融合，粒子到底编码的是什么

融合方式有两种常见思路。第一种是只优化初始聚类中心：先跑PSO，搜出一组较优的中心，再用这组中心初始化FCM。第二种是每个迭代步骤都用PSO来更新隶属度和中心，相当于把整个FCM的迭代过程替换掉。实际项目选第一种就够，简单、可靠、代码跑得快。

粒子的编码方式是关键。假设聚类数是c，每个负荷样本的特征维度是d（比如96点日负荷曲线，d=96），那么一个粒子位置就是c×d维的向量，展开后就是c个聚类中心依次拼在一起。要是聚成4类，特征96维，每个粒子就是4×96=384维的向量。

适应度函数的选取也很重要。最直观的做法是直接取FCM的目标函数J作为适应度，因为我们的最终目的就是最小化J。但J天然对聚类数c有偏好，c越多J越小，所以如果要用J做适应度，必须固定聚类数再对比。另外一个常用指标是XB系数（Xie-Beni指标），它同时考虑类内紧凑度和类间分离度，值越小聚类效果越好。我的经验是：课题研究阶段用J做适应度，代码简单；论文要评价聚类质量，再单独算SC、DB、XB这些指标。

3. 实操步骤和Matlab代码实现细节

3.1 数据准备与预处理：这一步直接决定聚类结果的上限

很多同学一上来就写算法，结果聚类结果一团糟，以为是代码问题，其实大部分时候是数据预处理出了问题。居民用电数据首先要做几件事：

第一是统一采样频率。智能电表有15分钟、30分钟、60分钟采集不等，做成日负荷曲线后可能是96点、48点或24点，做聚类前必须统一。最简单的方法是用resample函数重采样到目标点数。第二是处理缺失值。智能电表偶尔会漏报，可以用前后时刻均值填补，如果一天内缺失点太多就直接删除该用户当天的曲线。第三是异常值处理，比如负荷值超过变压器容量或者出现负数，要么剔除，要么做平滑。第四是归一化，把每条负荷曲线都缩放到0到1之间，避免量纲差异影响距离计算。

归一化这里有一个特别容易踩的坑：尽量做“按用户最大负荷归一化”而不是“按全体数据最大负荷归一化”。后者会把大负荷用户和小负荷用户混在一起，导致聚类结果偏向按用电量大小分类，而不是按用电形状分类。对用电行为分析来说，形状特征往往比绝对数值更有业务意义。

3.2 几个关键参数的设置和选择依据

参数设置我用一张表整理出来，都是我实测后可复现的默认推荐值：

关于聚类数c的确定，我喜欢用轮廓系数辅助判断。跑一遍c从2到8，分别计算轮廓系数，选轮廓系数较大且曲线出现“肘部”的位置。但要注意，业务解释优先级高于指标：如果c=4的分群能让电网业务人员明确说出“上班族、夜猫子、全天高耗能、普通规律型”这四类标签，那就算轮廓系数稍低一点也值得优先采用。

3.3 Matlab核心代码框架，照着改就能用

下面是我整理的精简版代码框架，保证在Matlab R2018及更高版本上都能直接运行。代码分为三块：适应度函数、PSO主程序、FCM聚类。

首先是适应度函数，输入一个粒子（即一组聚类中心）和负荷数据，返回FCM目标函数值：

function fit = fitnessFCM(centers, data, m) % centers: c x d 矩阵，c为聚类数，d为特征维度 % data: n x d 矩阵，n为样本数 % m: 模糊指数 c = size(centers, 1); n = size(data, 1); % 计算每个样本到每个中心的欧氏距离 dist = zeros(n, c); for i = 1:c diff = data - repmat(centers(i, :), n, 1); dist(:, i) = sum(diff.^2, 2); end % 加一个小量防止除零 dist = max(dist, 1e-10); % 计算隶属度矩阵 invDist = 1 ./ dist .^ (1 / (m - 1)); U = invDist ./ repmat(sum(invDist, 2), 1, c); % FCM目标函数值 fit = sum(sum((U .^ m) .* dist)); end

然后是PSO主程序。我用矩阵化写法，避免for循环套for循环导致数据量一大跑半天：

function [bestCenter, gbest] = PSO_FCM(data, c, m, N, maxIter) % 参数初始化 [n, d] = size(data); wMax = 0.9; wMin = 0.4; c1 = 2; c2 = 2; xMin = min(data(:)); xMax = max(data(:)); % 初始化粒子位置和速度 X = rand(N, c * d) * (xMax - xMin) + xMin; V = rand(N, c * d) * 0.2 * (xMax - xMin) - 0.1 * (xMax - xMin); % 计算初始适应度 fit = zeros(N, 1); for i = 1:N centers = reshape(X(i, :), c, d); fit(i) = fitnessFCM(centers, data, m); end pbest = X; pbestFit = fit; [gbestFit, idx] = min(fit); gbest = X(idx, :); % 迭代更新 for t = 1:maxIter w = wMax - (wMax - wMin) * t / maxIter; for i = 1:N V(i, :) = w * V(i, :) + ... c1 * rand(1, c * d) .* (pbest(i, :) - X(i, :)) + ... c2 * rand(1, c * d) .* (gbest - X(i, :)); % 限速 V(i, :) = max(min(V(i, :), 0.2 * (xMax - xMin)), -0.2 * (xMax - xMin)); X(i, :) = X(i, :) + V(i, :); % 越界重置 X(i, :) = max(min(X(i, :), xMax), xMin); end % 重新计算适应度并更新个体最优和全局最优 for i = 1:N centers = reshape(X(i, :), c, d); fit(i) = fitnessFCM(centers, data, m); if fit(i) < pbestFit(i) pbest(i, :) = X(i, :); pbestFit(i) = fit(i); end end [curBest, idx] = min(pbestFit); if curBest < gbestFit gbestFit = curBest; gbest = pbest(idx, :); end end bestCenter = reshape(gbest, c, d); end

最后一步，用PSO找到的聚类中心初始化FCM并完成最终聚类。Matlab自带fcm函数在模糊逻辑工具箱里，但我习惯自己写，方便控制细节：

function [U, centers] = finalFCM(data, initCenter, m, maxIter) [n, d] = size(data); c = size(initCenter, 1); centers = initCenter; U = zeros(n, c); for iter = 1:maxIter dist = zeros(n, c); for i = 1:c diff = data - repmat(centers(i, :), n, 1); dist(:, i) = sum(diff.^2, 2); end dist = max(dist, 1e-10); invDist = 1 ./ dist .^ (1 / (m - 1)); U = invDist ./ repmat(sum(invDist, 2), 1, c); newCenters = (U .^ m)' * data ./ repmat(sum(U .^ m, 1)', 1, d); if norm(newCenters - centers, 'fro') < 1e-6 centers = newCenters; break; end centers = newCenters; end end

跑的时候主脚本大概长这样：加载数据、预处理、调用PSO_FCM、调用finalFCM，然后把每条曲线归到隶属度最大的类里。

提示：代码里我故意没有用parfor这类并行写法，目的在于让代码在普通笔记本上也能跑。数据量超过3万条日负荷曲线时，考虑把reshape和repmat换成隐式扩展写法，速度能快一倍还不止。

3.4 结果可视化：怎么看聚类效果合不合理

聚类跑完之后，可视化不是锦上添花，而是验证算法有没有跑偏的必要步骤。我最常用的三张图：

第一张是每类用户的日负荷曲线叠加图，横轴是时间点，纵轴是负荷值。把同一类的所有曲线画在一个坐标系里，用透明度调低一点，曲线重叠度高说明类内一致性好；如果某一类曲线非常发散，说明聚类数或者特征选得有问题。第二张是各类平均负荷曲线对比图，这是给业务方汇报时最核心的图，一条折线代表一类用户，直接可以看出错峰特征和用电高峰时段。第三张是各类用户占比饼图和特征雷达图，雷达图每个维度可以是峰时用电比例、谷时用电比例、最大负荷时刻、负荷率等业务指标。

绘图的美观度也要注意，网格、图例、线宽设置清楚，线条颜色选色盲友好的配色方案。很多人忽略这一点，但论文和汇报里图的阅读体验直接影响评审观感。

4. 怎么评价聚类效果：用指标说话，别只看图

4.1 三个常用聚类评价指标，原理和计算方式

光眼睛看图不算数，要有量化指标。我固定用三个内部评价指标：

轮廓系数（SC）衡量的是样本与其所属类的相似度、以及与非所属类的不相似度，取值范围[-1,1]，越接近1表示聚类越合理。把所有样本的轮廓系数取平均，就是整体轮廓系数。计算时要算两两样本距离，数据量大时比较耗时。

Davies-Bouldin指数（DB）衡量的是类内散度与类间距离之比，把所有类两两组合的最大值取平均。DB越小，类内越紧凑、类间越分离。这个指标计算成本比轮廓系数低，适合快速对比不同聚类数。

Xie-Beni指标（XB）是模糊聚类专用的评价指标，分子是FCM目标函数值J，分母是n乘以“各类中心到全局中心最小距离的平方”。所以XB同时惩罚聚类结果不紧凑和聚类中心靠得过近。对FCM和PSO-FCM做对比时，XB是最核心的指标，我在论文里就是用XB值说明PSO-FCM比原始FCM的聚类质量更高。

4.2 对比实验怎么设计才有说服力

做对比实验时，我强烈建议你固定随机种子。Matlab里跑rng(1)再跑算法，保证每次结果可复现。然后对同一份预处理好的数据，分别跑K-means、原始FCM、PSO-FCM各20次，每次用不同的随机初始化，记录每次的SC、DB、XB，最后算均值和标准差。

均值反映算法效果，标准差反映稳定性。这个设计能讲出两个结论：一是PSO-FCM的平均指标优于FCM，说明搜索到了更好的聚类中心；二是标准差更小，说明结果对初始化不再那么敏感。下面是我用公开的某地区居民负荷数据跑出来的示意结果，你在自己的数据上大概率能观察到类似趋势：

从结果可以看到，PSO-FCM在三个聚类质量指标上都更优，代价是运行时间更长。但对离线场景的居民用电行为分析来说，几分钟的运行时间完全可以接受，毕竟不是在线实时计算。

4.3 稳定性分析：为什么PSO-FCM比原始FCM更让人放心

原始FCM随机初始化跑20次，聚类结果可能每隔几次就换一种分法。你把两次不同运行得到的隶属度矩阵相减，会发现很多样本的隶属度差异超过0.3。这在业务上很致命：同一个分析报告，换一次随机种子结论就变了，业务方肯定不认。

PSO-FCM由于初始中心经过全局搜索优化，即使PSO本身也有随机性，多次运行最终收敛的位置差异远小于直接随机初始化FCM。我实测中，PSO-FCM跑20次，所有样本的隶属度标准差异常小于0.05。这种稳定性对课题研究和企业项目落地都非常重要，也是我推荐这个组合的最核心理由。

5. 实操中常见的坑和排查技巧

5.1 粒子飞出去了：位置越界和NaN问题

我第一次跑PSO-FCM就遇到NaN。问题出在速度更新时，如果粒子速度过大，位置会冲到数据范围之外，距离计算得到超大值，隶属度矩阵出现除零或无穷，目标函数直接变NaN，然后gbest被污染，后面全部崩掉。

解决办法就是我代码里写的两个约束：一个是限速，速度上限设为位置范围的20%；另一个是越界重置，位置超出边界就拉回到边界。还有个细节是距离矩阵计算时加一个1e-10的小量，避免完全重合导致除以零。这三个小技巧组合起来，基本不会再出现NaN。

5.2 早熟收敛：粒子群全挤在局部最优里出不来

PSO的一个常见毛病是收敛太快、后期多样性不足，所有粒子都聚集在某个局部最优附近，gbest长期不更新。排查方法很简单：打印每次迭代的gbest适应度值，画收敛曲线。如果曲线前20次迭代就完全平了，大概率是早熟。

解决办法有几种。最常用的是惯性权重w线性递减，前期w大保持探索，后期w小加强开发，这个我在代码里已经实现了。如果还不行，可以给粒子速度加随机扰动，或者采用自适应变异机制：当群体最优连续多代不更新时，随机重置一部分粒子的位置。我自己做课题时，把wMax从0.9调到0.95、wMin从0.4调到0.3，对跳出局部最优有明显帮助。

5.3 聚类数K很难拍板：别只信指标，要结合业务

聚类数c是整个流程里最主观的参数。指标会给你一个候选范围，但不会替你做业务决策。我遇到过一个案例：轮廓系数最高点出现在c=6，但6类里有两类从业务角度根本无法解释，最后选了c=4，每一类都能对应明确的用户群体。

我的建议是做一个“聚类数-指标曲线”，把c从2到8的SC、DB、XB都算出来，然后拉上业务方一起看图。曲线肘部附近通常有2到3个候选值，结合每类平均负荷曲线的可解释性，最终拍板。这类决策用表格列出来再开会讨论，比一个人闷头选要靠谱得多。

5.4 数据预处理泄露：一个容易忽略的严重错误

做数据挖掘的人常听到“数据泄露”是在机器学习训练集和测试集之间，其实聚类里也有类似问题。归一化的时候，如果你先按全量数据算好最大最小值，再去做后续分析，这没问题；但如果你是先抽样一部分数据算归一化参数，然后把全部数据套用这个参数，就会导致不同批次的用户曲线缩放尺度不一致，聚类结果自然失真。

更隐蔽的坑是按天归一化：有些同学对每一天单独归一化，结果某用户某天用电量很小，归一化后形状被放得很大，反而显得“很规律”。我处理负荷曲线时，习惯对一个用户的多天平均曲线做整体归一化，而不是对每天分别归一化。这样既保留了用户的用电水平信息，又不让个别异常日主导曲线形状。

5.5 运行速度慢：学会矩阵化编程

Matlab是出了名的“慢在循环，快在矩阵”。如果你用三层for循环写隶属度更新，3万条数据跑一次可能要十分钟。解决办法是把内层循环全部改成矩阵运算。我给出的代码框架已经做了这层优化，但如果你的数据量特别大，还可以进一步用Matlab的隐式扩展替代repmat，比如写成(data - centers(i,:))而不是repmat，速度快很多。

还有一个容易忽略的性能点：PSO里粒子数N设置过大（比如100）对结果提升非常有限，但耗时线性增加。用30个粒子跑60次迭代，已经能覆盖绝大多数负荷数据的搜索需求。

6. 往实际业务里扩展：用电行为分析的落地价值

6.1 用户画像标签体系建设

聚类完成之后，每一类用户都可以打上业务标签。比如四类典型结果可以对应“白天低负荷、傍晚和夜间高负荷”的上班族、“深夜持续用电”的夜猫子、“全天负荷处于高位”的高耗能家庭、“负荷平稳且偏小”的独居老人或节能型家庭。这些标签是电网精细化运营的基础，营销部门做客户关怀、用能建议都依赖它。

具体操作时，我会在聚类结果基础上，为每一类用户计算关键特征统计量：峰时用电占比、谷时用电占比、最大负荷出现时刻、平均负荷率、日用电量标准差等，然后做成一张用户标签表导出。业务方看到的不只是一堆曲线，而是一张可以直接落到CRM系统里的标签宽表。

6.2 辅助需求侧响应和分时电价设计

识别出不同用电行为群体之后，需求侧响应的目标用户筛选就变得清晰。比如某个地区要推动“削峰填谷”，就应该优先选择峰时用电占比高、且与全局负荷高峰时段重合度高的用户群，这类用户的可调节潜力最大。分时电价套餐设计也可以针对夜猫子型用户推出夜间优惠价，引导更多用户把高耗能电器转移到谷时使用。

我实际参与过一个简单的测算：根据聚类结果筛选出峰时负荷占比超过40%的用户，针对这部分群体设计定向激励方案后，试点用户群的整体峰值负荷降低了8%左右。当然，这个数字和地区、季节、激励力度都有关系，但聚类分析作为用户筛选的第一步，价值非常明确。

6.3 异常用电行为的辅助识别

聚类还能顺手做一些异常检测的工作。对于每一类用户，可以计算类内样本与聚类中心的平均距离，得到一个“典型程度”的分布。那些与类中心距离特别远的用户，往往存在异常用电情况：要么数据质量有问题，要么用电行为发生了突变，可能有表计故障，也可能是某种特殊用电设备接入。

把这个思路做成规则很简单：跑完聚类，计算每个样本到所属类中心的距离，将距离超过99%分位数的样本标记为疑似异常，再人工核查。这个方法成本低、效率高，尤其适合做台区线损治理前的筛查。

6.4 对研究生和开发者的一些课题扩展建议

如果你是用这个题目做毕业设计，或者想在此基础上发表小论文，可以从几个方向扩展：改进PSO本身，比如加入自适应变异、混沌初始化、多种群协同策略；改进FCM的模糊指数m，让不同类使用不同的模糊程度；引入时间序列特征而不是直接用原始负荷曲线，比如用负荷的统计特征、熵特征、形态特征做聚类。还有一个热门方向是把PSO-FCM和LSTM结合，先聚类出不同用户群，再对每一类单独做负荷预测，预测精度通常比混在一起训练更高。

这些扩展思路的共同点是不改变项目的主干框架，只是在某一环节做算法替换或叠加，Matlab代码的复用度很高。从投稿角度来说，哪怕只是在PSO的惯性权重更新方式上做一个小改进，配合完整的对比实验，也足够撑起一篇还不错的学报论文。

我在实际调试这套代码的时候，最大的体会是：别急着上全量数据，先用几百条用户数据把整个pipeline跑通，确认从数据预处理到PSO寻优再到FCM聚类每个环节的输出都符合预期，再扩展到几千条甚至几万条。另外，一定记得在项目开始时就固定随机种子、把代码封装成函数、每一步都保存中间结果，否则后期调参和复现会让你痛不欲生。按照上面的思路走一遍，你大概率能稳定跑出一个比原始FCM聚类效果更好、更具业务解释性的结果。