基于密度的改进K均值聚类算法在配网区块划分中的应用

在已知城市中压配电网的变电站位置、数量和容量的前提下,提出一种基于密度的改进K均值聚类算法,从初始聚类中心的选择和最佳聚类数K的确定两方面进行改进,并提出基于类间差异度和类内差异度的评价函数,对聚类结果的质量进行评估。将配电网划分为大小合适的配电网格,距离相近的变电站划分在同一网格内,每一网格独立供电,避免了距离过远的变电站之间的联络,为后续配电网络的优化规划提供了支撑。算例分析结果验证了该方法的有效性。     

基于组合权重-灰云聚类模型的配电网调度运行管理水平综合评价

针对现有配电网规划评价缺少从管理层面评价配电网调度运行水平问题,提出一种基于组合权重-灰云聚类模型的配电网调度运行管理水平综合评价方法.首先,从配电网调度管理角度考虑,构建了一套考虑技术性、高效性、经济性和社会性的配电网调度运行管理水平综合评价指标体系.在此基础上,采用有序加权算子修正层次分析法主观极值偏差,得到各层级...     

考虑需求响应和边缘计算的配电网分布式优化调度

随着分布式电源、柔性负荷地大量接入,传统配电网中将存在电网公司、分布式电源所有者、柔性负荷等多个利益主体。针对配电网多利益主体协同优化问题,提出了考虑需求响应和边缘计算的配电网分布式优化调度方法。首先,提出虚拟区域分解方法对配电网不同利益主体进行划分,构建基于边缘计算的配电网分区分层优化框架。其次,分别建立配电网、分布式电源和柔性负荷的优化模型,提出以配电网能量管理系统为云计算节点、以智能配变终端为边缘计算节点的配电网分布式优化调度方法。然后,分别构建分布式电源、柔性负荷优化问题的KKT条件对原分层优化模型进行转化。最后,基于修改的IEEE33节点系统对所提分布式优化调度方法进行验证。结果表明,与集中式优化方法相比,所提分布式优化调度方法可以较好地实现配电网中不同主体之间的协同优化。     

一种海量数据快速聚类算法

为满足海量数据处理要求,提出了一种基于网格的K-means快速聚类算法（SPGK）.设计基于网格质心的聚类簇个数选取算法,对数据进行网格划分得到每个网格的质心,将质心作为K-means聚类的样本点,从而减少K-means的欧氏距离计算次数.该算法基于Spark平台实现并行计算,进一步地提高了算法的运行效率.SPGK不但能够获得良好的聚类效果,而且缩减了欧氏距离计算次数,适用于海量数据的快速聚类.在千万级数据集上的实验结果表明,SPGK的性能明显优于现有的K-means++和基于K均值聚类的递归划分方法.     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

基于递归熵特征提取的层次化物联网数据检测

为了提高层次化物联网数据的检测能力,提出了基于递归熵特征提取的检测方法。采用网格分块区域融合方法进行层次化物联网数据的存储结构分析,建立融合聚类模型,采用模糊相关性融合聚类方法进行数据调度,提取数据的递归熵特征量,采用层次化演化聚类方法进行数据的自适应分块匹配,并用匹配滤波检测方法进行数据检测过程中的干扰抑制,根据递归熵的规则性分布关系实现数据检测优化。仿真结果表明:采用该方法进行层次化物联网数据检测的抗干扰性较好,特征匹配能力较强,数据检测的准确率较高。     

一种基于复合近邻的聚类中心点初始化算法

提出了一种有效选择初始聚类中心的算法CNICC.该算法参考了网格聚类算法的思路.划分数据空间为相应维度上的网格单元,然后根据实例的分布情况确定初始聚类中心.从二阶差分的概念出发,CNICC定义了网格单元的一阶邻居和二阶邻居,算法根据每个网格单元的一阶和二阶邻居的局部密度变化寻找包含聚类中心的网格单元.在人工数据集上进行的实验表明,与现有初始化聚类中心的方法相比,CNICC能够有效减少K-means算法的迭代次数,提升聚类精度.同时,随着数据集实例数、维度和网格单元数量的增加,算法的时间复杂度呈线性增加.     

考虑分布式电源的配电网线损估算方法

提出一种考虑分布式电源影响,适用于城乡配电网规划的理论线损综合估算方法．依据目标配电网的建设与改造原则和中压电网分年度规划方案,利用等效容量法处理分布式电源,基于扩展等值电阻法估算中压配电网线损;并考虑变压器台区情况,分别使用等值电阻数据和规划目标典型数据估算低压配电网线损;结合传统潮流法计算的高压电网线损,估算配电网理论线损．通过对贵州某县级配电网的规划案例分析,验证了该方法的有效性和实用性．     

基于网格耦合的混合属性大数据聚类算法研究

由于对聚类网格之间的相互影响未作出考虑,导致数据聚类算法出现聚类质量差等情况。因此,提出一种基于网格耦合的混合属性大数据聚类算法。通过网格耦合定义相关参量的基础,得到网格耦合过程中网格质心间距,利用网格进行大数据聚类,充分分析各个网格间权重影响情况。该聚类算法分别从在线和离线两个阶段开展：在线阶段更新网格特征向量,并根据属性动态变化划分网格;离线阶段构建无向图,顶点设置为网络中心点,质心距离以及中心点间距作为边构建无相图,根据该图获得最小生成树同时切断该树第r-1最大边,最终获取混合属性大数据的k个聚类,实现混合属性的准确聚类。实验结果表明,该算法在质心调节参数与质心距离取值较适中情况下具有良好聚类效果,且聚类质量与聚类效率较高。     

一种高维空间数据的模糊聚类算法

针对传统的基于网格-密度的空间聚类方法容易产生不平滑聚类、非坐标轴方向过度聚类以及聚类边界判断模糊的问题,本文提出了一种高维空间数据的模糊聚类算法.该算法通过扩展网格区域,用模糊集的隶属度对基本区域及模糊扩展区域内的数据点进行计数,考虑了相邻网格对当前考察网格内数据点的影响,避免了不平滑聚类想象;同时,通过对相邻网格重新定义扩展了聚类算法的执行方向,有效缓解了过度聚类以及聚类边界模糊的问题.实验结果表明,该方法克服了传统聚类方法的不足,空间高维数据聚类结果的质量得到了改善.     

一种面向大规模二维点集数据的密度聚类算法

针对密度聚类算法无法应用于大规模数据集的问题,提出一种基于划分网格的密度聚类算法(GDSCAN)。将大规模二维点阵图划分为若干网格,网格最短边不小于给定邻域半径,目标点所在网格中任意点的邻域范围不会超过与该网格直接连接的网格,只需在保留网格内寻找邻域点,从而减少计算量;聚类从任意无类别核心点开始,将该点的所有密度可达组成一个簇,以此类推直至所有核心点都有类别;采用提出的GDSCAN算法对不同数量级的二维路网节点进行聚类验证。结果表明,GDSCAN算法可有效解决大规模二维点阵数据集中密度聚类的效率问题,数据量越大,效果越明显,且时间复杂度明显降低。     

面向联络线计划功率的直流微电网优化调度

针对可再生能源日渐高比例接入大电网,需要建立主动配电网系统来跟踪和响应大电网的调度需求,提出了一种基于联络线计划功率将微电网转变为主动配电网的经济性调度策略。该策略以风光储直流微电网并网运行系统成本最低为目标,运用改进麻雀搜索算法求解系统运行成本。与无联络线计划功率调度策略的调度结果进行了对比,结果表明,所提调度策略在满足大电网削峰填谷指令的同时,将系统的并网运行成本降低了9.79％。由此验证了该调度策略对于直流微电网并网经济性调度具有可行性。     

基于电信位置数据的人群活动热点区域识别

提出一种人群活动热点区域的识别方法。利用实际电信用户位置数据,使用网格作为地理空间数据的索引结构,对用户移动轨迹数据进行网格划分,进而利用网格密度和种子网格聚类算法给出热点区域的判定方法,并利用Top-k查询方法选出密度阈值限定热点区域的覆盖范围。仿真表明,该算法能识别出人群活动热点区域,与具有噪声的基于密度的聚类方法算法相比,能够减少热点区域识别时间,增强处理的实时性。     

大数据环境下基于改进网格单元的DBSCAN算法

近年来,在HDFS上的小文件聚类存储问题引起了广泛关注.针对传统聚类算法DB-SCAN在聚类过程中,出现数据密度不均匀时造成聚类效果粗糙及时间开销较大等问题,提出了一种基于经改进网格单元的DBSCAN聚类算法.该算法首先使用网格单元划分及爬山法辨别出局部次优区域来缩小搜索范围,进而再从所选局部次优区域执行宽度优先搜索法...     

非均匀数据的变异系数聚类算法

针对现有基于划分的聚类算法无法有效聚类簇大小和簇密度有较大差异的非均匀数据的问题,提出一种基于变异系数聚类算法。从聚类优化目标的角度出发,分析了以K-means为代表的划分聚类算法引发“均匀效应”的成因;提出以变异系数度量非均匀数据的分布散度,并基于变异系数定义一种非均匀数据的相异度公式;基于相异度公式定义了聚类目标优化函数,并根据局部优化方法给出聚类算法过程。在合成和真实数据集上的试验结果表明,与K-means、Verify2、ESSC聚类算法相比,本研究提出的非均匀数据的变异系数聚类算法(coefficient of variation clustering for non-uniform data, CVCN)聚类精度提升5%~40%。     

含高比例分布式电源的配电网灵活性评估方法

针对现有灵活性评估方法对配电网传输能力考虑不足的问题，提出了一种含高比例分布式电源的配电网灵活性评估方法。首先，分析了配电网灵活性需求与灵活性资源的运行特性，建立配电网灵活性供需模型，得到配电网灵活性供需匹配的4种情况。然后，基于灵活性供需分析提出了3类配电网灵活性评估指标，并构建了以运行成本最低为目标函数的优化调度模型。最后，通过对改进的IEEE33节点配电网进行仿真计算，验证了所提评估指标和评估方法的有效性和优越性。     

基于统计学习的自适应文本聚类

针对文本数据的高维性和稀疏性从而使传统的聚类算法在文本聚类应用中的表现不能让人满意的问题,通过计算文档相似度矩阵,在聚类过程中动态地统计学习已划分和未划分文本集合的相关信息,探测剩余未划分的数据集中的与已划分类簇覆盖度较小的最大密集区域,逐步生成预定数目的初始聚类中心集合,最后将剩余文档划分到最相似的初始聚类中心集合完成聚类,从而有效地减小了划分聚类算法对初始聚类中心的敏感性。算法中的一些阈值参数均通过在聚类过程中动态地对数据集进行统计学习得到,避免了多数聚类算法通过经验或实验设定阈值参数的盲目性,在不同     

面向高比例分布式电源接入的配电网集群划分指标优化和算法改进

由于配电网缺少高效的面向分布式有功潮流最优化问题的集群划分方法，因此优化和改进了基于遗传算法的配电网集群划分策略。首先，考虑到配电网台区终端计算能力有限，以及各集群强度须达标的条件，定义集群划分的节点限制指标，使集群划分结果更加合理。然后，对遗传算法进行改进，提高了遗传算法在解决集群划分问题时的收敛速度，增强了全局寻优能力。最后，在MATLAB仿真平台上对IEEE-33节点系统进行实验，验证了所提出指标的合理性以及改进算法的有效性。     

基于kd-树的差分隐私二维空间数据划分发布方法

为解决现有基于网格结构的差分隐私二维空间数据划分发布方法可能引起局部划分过细导致查询精度低的问题,提出了基于kd-树的差分隐私二维空间数据划分发布方法-kd-PPDP算法(differentially privacy partitioning publication algorithm based on kd-tree)。算法采用了kd-树算法思想,通过启发式地识别网格化后数据分布情况并合并相邻近似网格单元来防止局部划分过细问题,从而减少所添加的噪声,提高查询精度。通过实验对比分析了kd-PPDP算法与现有基于网格结构的划分发布方法的查询误差以及时间效率,结果表明了该算法的有效性和可行性。     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。