典型文献
基于IBBO和K-means++融合的多属性台区聚类研究
文献摘要：
为更全面、精细地研究配网侧台区特性,提出一种基于改进的生物地理学优化算法(IBBO)和K-means++融合的多属性台区聚类方法.首先,采用低方差滤波方法筛选台区电气特征参数;其次,引入IBBO,求得最优解作为K-means++的初始聚类中心;最后,对海量台区用电数据进行聚类分析,得到不同类别的台区特性,完成多属性台区的聚类.算例以某市台区真实数据进行仿真分析.结果表明,所提方法相比经典聚类算法能更加快速且准确地实现台区的有效分类,为分析复杂台区的用电行为提供了支撑.
文献关键词：
多属性台区聚类;低方差滤波;改进生物地理学优化算法;台区特性
中图分类号：
作者姓名：
徐嘉杰;陈光宇;袁飞;代勇;张伟;张寒
作者机构：
南京工程学院电力工程学院,江苏南京 211167;国网山东省电力公司泰安供电公司,山东泰安 271000
文献出处：
引用格式：
[1]徐嘉杰;陈光宇;袁飞;代勇;张伟;张寒-.基于IBBO和K-means++融合的多属性台区聚类研究)[J].电气自动化,2022(01):44-46
A类：
IBBO,多属性台区聚类,台区特性,改进生物地理学优化算法
B类：
means++,聚类研究,配网,侧台,聚类方法,低方差滤波,滤波方法,最优解,解作,初始聚类中心,用电数据,某市,真实数据,聚类算法,用电行为
AB值：
0.182966
相似文献
基于改进局部离群因子的低压用户用电隐患检测方法
林之岸;刘晟源;金伟超;林振智;宣玉华;谢天草-浙江大学电气工程学院,浙江省杭州市 310027;国网浙江余姚市供电有限公司,浙江省宁波市 315400
基于ICS-K-means聚类算法和WNN的有源低压台区线损估算方法
伍栋文;于艾清;俞林刚;朱亮;林顺富-国网江西电力科学研究院,江西南昌 330096;上海电力大学电气工程学院,上海 200090
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。
