基于k-means聚类算法的低压台区线损异常辨别方法 |
| |
引用本文: | 陈洪涛,蔡慧,李熊,王颖,郑恩辉.基于k-means聚类算法的低压台区线损异常辨别方法[J].南方电网技术,2019(2):2-6. |
| |
作者姓名: | 陈洪涛 蔡慧 李熊 王颖 郑恩辉 |
| |
作者单位: | 中国计量大学机电工程学院;国网浙江省电力公司 |
| |
基金项目: | 浙江省自然科学基金青年科学基金项目(LQ17E070003)~~ |
| |
摘 要: | 目前电力公司对于台区线损异常的判断是当线损率超过一定阈值时为线损异常,这样的判断具有片面性和局限性。针对如何有效辨别线损异常的问题,在研究聚类算法和线损率数据特性的基础上,提出了一种基于k-means聚类算法的线损异常辨别方法。首先将低压台区线损率进行一次k-means聚类分成3类,然后根据各类数据的数量状况判断是否进行二次分类,最终根据平均线损率的大小、聚类中心的距离等因素,判断该低压台区是否存在线损异常,对聚类结果中线损率高的那一类数据的时间离散度进行分析,得到低压台区线损异常的程度。实验结果证明,该方法具有一定的实际应用效果,可以提高线损异常判断的准确性。
|
关 键 词: | 线损率 线损异常 数据挖掘 聚类算法 |
Abnormal Line Loss Identification Method for Low-Voltage Substation Area Based on k-Means Clustering Algorithm |
| |
Affiliation: | (College of Mechanical and Electrical Engineering of China Jiliang University,Hangzhou 310018,China;Zhejiang Electric Power Corporation,Hangzhou 310008,China) |
| |
Abstract: | CHEN Hongtao;CAI Hui;LI Xiong;WANG Ying;ZHEN Enhui(College of Mechanical and Electrical Engineering of China Jiliang University,Hangzhou 310018,China;Zhejiang Electric Power Corporation,Hangzhou 310008,China) |
| |
Keywords: | line loss rate loss abnormal data mining clustering algorithm |
本文献已被 CNKI 维普 等数据库收录! |
|