典型文献
基于K-Medoids聚类的分布式光伏台区线损异常感知算法
文献摘要：
为保证分布式光伏台区稳定运行,精准有效地划分台区线损数据,提出基于K-Medoids聚类的分布式光伏线损异常感知算法,精准判断分布式台区线损异常程度.采用局部异常因子(LOF)算法判断分布式光伏台区数据局部异常程度,并筛选和去除受孤立点影响产生的异常线损数据.采取K-Medoids聚类方法聚类分析筛选后的分布式光伏台区数据,将异常线损率区间结合异常线损数据的聚类中心和欧式距离,完成台区线损异常感知.并创新性地引入粒度计算优化K-Medoids聚类算法聚类中心,提升异常数据感知效果.试验结果表明,所提算法可有效避免孤立点对异常感知效果的影响,精准有效地感知分布式光伏台区线损异常,并清晰划分台区线损数据类别.
文献关键词：
K-Medoids聚类;局部异常因子;粒度计算;分布式光伏;台区线损;数据异常感知
中图分类号：
作者姓名：
梁嘉文;严贝峰;景楷楠;李婷婷;屈志原;王伟宁
作者机构：
国网甘肃省电力公司甘南供电公司,甘肃 甘南 747000
文献出处：
引用格式：
[1]梁嘉文;严贝峰;景楷楠;李婷婷;屈志原;王伟宁-.基于K-Medoids聚类的分布式光伏台区线损异常感知算法)[J].电机与控制应用,2022(12):47-52,80
A类：
数据异常感知
B类：
Medoids,分布式光伏,台区线损,线损异常,感知算法,线损数据,局部异常因子,LOF,聚类方法,线损率,聚类中心,欧式距离,粒度计算,计算优化,聚类算法,异常数据,数据感知,数据类别
AB值：
0.181226
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。
