基于自适应分段云模型的电力异构数据聚类研究 |
| |
引用本文: | 孙妍,张俊超,马占海,严嘉正.基于自适应分段云模型的电力异构数据聚类研究[J].自动化仪表,2024(2):69-73. |
| |
作者姓名: | 孙妍 张俊超 马占海 严嘉正 |
| |
作者单位: | 国网青海省电力公司信息通信公司 |
| |
摘 要: | 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。
|
关 键 词: | 云模型 电力异构数据 自适应分段 Tent映射 聚类系数 云分段聚合 正态云滴 有序聚类 |
|
|