基于自适应分段云模型的电力异构数据聚类研究

扫码查看

原文链接

万方数据
维普

中文摘要：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.

外文标题：Study of Power Heterogeneous Data Clustering Based on Adaptive Segmented Cloud Model

外文关键词：

Cloud modelPower heterogeneous dataAdaptive segmentationTent mappingClustering coefficientCloud segmentation aggregationNormal cloud dropsOrdered clustering

作者：

孙妍、张俊超、马占海、严嘉正

展开 >

作者单位：

国网青海省电力公司信息通信公司,青海西宁 810008

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

出版年：

2024

DOI：

10.16086/j.cnki.issn1000-0380.2022110007

自动化仪表