典型文献
基于最优K均值聚类算法的负荷大数据任务均衡调度研究
文献摘要：
传统电力负荷大数据均衡调度方法无法应用于多源数据,导致负荷数据的划分精度偏低,开销较大,电力负载均衡性改善效果不明显.为此,提出基于最优K均值聚类算法的负荷大数据任务调度均衡方法.采用K均值聚类算法划分电力负荷大数据,并利用密度法优化K均值聚类算法的初始聚类中心点,获取电力负荷大数据最优分类结果;通过提取各分类结果的关联特征,获取电力大数据跨域调度的输出特征量,结合自适应权重学习方法,完成电力负荷大数据的跨源调度.实验测试结果表明:该方法可根据不同的电力负荷特点,高效完成用户电力负荷大数据分类.具备良好的负荷大数据跨源调度均衡性,且负载均衡离差均低于0.19,调度开销低于0.95 s,以上数据表明所提的电力负荷大数据跨源调度方法具有实用性.
文献关键词：
最优K均值;大数据聚类;电力负荷;跨源调度;关联特征提取
中图分类号：
作者姓名：
白雨佳;李靖;高升
作者机构：
国网内蒙古东部电力有限公司信息通信分公司,呼和浩特 010020;中国科学院沈阳计算技术研究所有限公司,沈阳 110000
文献出处：
引用格式：
[1]白雨佳;李靖;高升-.基于最优K均值聚类算法的负荷大数据任务均衡调度研究)[J].电力电容器与无功补偿,2022(06):85-91
A类：
电力负荷大数据,自适应权重学习,跨源调度,调度开销,关联特征提取
B类：
均值聚类,聚类算法,任务均衡,均衡调度,传统电力,数据均衡,调度方法,多源数据,负荷数据,负载均衡,均衡性,任务调度,均衡方法,初始聚类中心,中心点,电力大数据,跨域,特征量,实验测试,数据分类,离差,上数,大数据聚类
AB值：
0.227008
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
