首页 | 本学科首页   官方微博 | 高级检索  
     

基于马氏距离的双层聚类电力远动异常检测
引用本文:陈利跃,杭钟灵,余亮,黄剑,何星.基于马氏距离的双层聚类电力远动异常检测[J].控制工程,2015,22(2):360-364.
作者姓名:陈利跃  杭钟灵  余亮  黄剑  何星
作者单位:1. 国网浙江省电力公司电力调度控制中心,杭州,310007
2. 上海交通大学自动化系,系统控制与信息处理教育部重点实验室,上海200240
摘    要:通过对电力远动监测系统和数据挖掘技术的讨论,提出一种基于马氏距离的双层聚类异常检测算法。针对远动系统数据非球面分布的特点,该算法通过K-means聚类改进算法对数据进行初始分类,然后使用基于马氏距离的Clustering Using Representatives(CURE)聚类改进算法对初始分类结果进行优化,以较少的计算成本去除K值设定的影响,达到预期的检测结果。同时,基于马氏距离的CURE聚类改进算法对球面和非球面分布的数据有非常好的适应能力。

关 键 词:远动异常检测  双层聚类  马氏距离  K-means  CURE聚类

Electric Power Remote Monitor Anomaly Detection with Two-level Clustering Algorithm Based on Mahalanobis Distance
CHEN Li-yue , HANG Zhong-ling , YU Liang , HUANG Jian , HE Xing.Electric Power Remote Monitor Anomaly Detection with Two-level Clustering Algorithm Based on Mahalanobis Distance[J].Control Engineering of China,2015,22(2):360-364.
Authors:CHEN Li-yue  HANG Zhong-ling  YU Liang  HUANG Jian  HE Xing
Affiliation:CHEN Li-yue;HANG Zhong-ling;YU Liang;HUANG Jian;HE Xing;Electric Power Dispatching Control Center, State Grid Zhejiang Electric Power Company;Department of Automation,Shanghai Jiao Tong University, Key Laboratory of System Control and Information Processing,Ministry of Education of China;
Abstract:
Keywords:Remote monitoring detection  two-level clustering  Mahalanobis distance  K-means  CURE clustering
本文献已被 CNKI 万方数据 等数据库收录!
点击此处可从《控制工程》浏览原始摘要信息
点击此处可从《控制工程》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号