基于大数据挖掘的低电压成因诊断方法

配电网的低电压问题严重影响社会经济的发展和人民的生活,因此建立高效的电网低电压成因诊断模型,可以优化低电压投资方案、明确低电压投资方向并为低电压的治理提供决策支持。文中研究了基于大数据挖掘的电网低电压成因诊断方法。从电网低电压现象成因的实际情况出发,提出了一个较为完备的低电压诊断模型,模型执行流程主要包括聚类和分类两部分。首先,基于密度策略选择初始聚类中心,并利用DBI指标选择最优确定聚类个数,对K-means聚类算法进行改进。之后利用SVM对成因进行分类,并利用粒子群算法对核宽度参数和函数拟合误差进行优化筛选。算例仿真分析证明,该方法具有较高的可用性和良好的准确率,可以满足电力企业对于低电压诊断的需求。

Low voltage causes diagnostic method based on big data mining