参数寻优算法：

Input：样本集 日负荷曲线 $D=\left\{X_1,X_2,\cdots ,X_m\right\}$

过程：

原始数据按第i列归一化： $x=\frac{x-\min \left(X_{\left(i\right)}\right)}{\max \left(X_{\left(i\right)}\right)-\min \left(X_{\left(i\right)}\right)}$

For $X_1,X_2,\cdots ,X_m$ do前K近邻 $L{\left(X\right)}_k=\left\{L{\left(X_1\right)}_k,L{\left(X_2\right)}_k,\cdots ,L{\left(X_m\right)}_k\right\}$

令 $D\left(X_{\left(i\right)},X_{\left(j\right)}\right)=\sqrt{{\left(X_{\left(i\right)}-X_{\left(j\right)}\right)}^2},X=\left[x_1,x_2,\cdots ,x_m\right]$

For $i=1,2,\cdots ,m$

For $j=1,2,\cdots ,k$

$L{\left(X_i\right)}_j={\min }_j\{\sqrt{{\left(X_i-X_1\right)}^2},\sqrt{{\left(X_i-X_2\right)}^2},\cdots ,\sqrt{{\left(X_i-X_m\right)}^2}\}$ ，其中 $\left\{X_1,X_2,\cdots ,X_m\right\}/X_i$

对距离 $L{\left(X_i\right)}_j$ 降序排列，并将近邻距离映射到 $\left(0,1\right)$

Output：K近邻曲线图 and 参数范围

Import 网格搜索工具

将需要遍历的参数定义为字典

定义 DBSCAN模型 and 参数范围

设置步长 $\alpha =5$

拟合数据

Output：最优参数

end