基于并行化半监督K-means聚类的电网设备状态评估

扫码查看

原文链接

NETL

中文摘要：伴随智能电网建设的推进以及电网设备在线监测装置的广泛应用,海量的电网设备状态监测数据累计下来.如何有效利用这些监测数据,用于电网设备状态评估是值得研究的课题.尝试将半监督学习引入k-means聚类算法,并利用MapReduce模型,设计实现了并行化的半监督聚类方法,用于电网设备状态评估.以实测绝缘子泄露电流数据为例,验证了算法的聚类性能和时间效率.

作者：

SONG Ya-qi、宋亚奇、LI Li、李莉、ZHU Yong-li、朱永利

展开 >

作者单位：

Department of Computer Science,North China Electric Power University,Baoding 071003,Hebei Province,China

华北电力大学控制与计算机工程学院河北保定 071003

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources(North ChinaElectric Power University),Changping District,Beijing 102206,China

关键词：

电网设备状态评估半监督学习 k-means聚类算法 MapReduce模型

主办单位：

中国电机工程学会

会议名称：

中国电机工程学会第13届青年学术会议

会议时间：

2014-09-01

会议地点：

北京

会议母体文献：

中国电机工程学会第13届青年学术会议论文集

页码：

508-512

出版时间：

2014