基于自适应分段云模型的电力异构数据聚类研究

云空间中的电力数据种类繁多、数据维度大、结构复杂，容易引发电力系统运行安全问题。有效的数据聚类可以消除云空间中电力异构的无关、冗余数据。引入自适应分段云模型，提出一种全新的电力异构数据聚类方法。通过Tent映射预处理电力异构数据，使数据空间分布更加均匀，提高了数据聚类精度。利用自适应正态云模型建立云期望曲线方程，获取正态云滴，以确定数据聚类中心。根据熵值定义分段聚合条件，实现异构数据有序聚类。测试结果表明，所提方法在聚类中心空间中的异构数据分布较为均匀，分类聚类面积较大，聚类收敛较快，轮廓系数为0.4。所提方法的电力异构数据聚类效果更优，具有较好的适用性和有效性。