典型文献
基于动态网格生成技术和k-means算法的电力客户行为分析方法
文献摘要：
针对电力客户用电行为分析的收敛性不好、可靠性不高的问题,提出基于动态网格生成技术和k-means算法的电力客户行为分析方法.根据电力客户行为的确定性和非确定性特征量挖掘电力客户行为特征,结合指向性增益控制方法分析电力客户行为分布大数据的动态网格特征参数,通过动态网格生成技术,构建电力客户行为的融合关联特征量,采用先验概率密度特征分析方法,建立电力客户行为的输出可靠性状态参数集,结合最小期望和均方误差估计方法,实现对电力客户行为的特征提取,采用k-means聚类方法聚类提取电力客户行为特征,实现对电力客户行为的优化挖掘和量化分析.仿真测试结果表明,采用该方法进行电力客户行为特征量化分析的准确性较高,可靠性较好,提高了电力客户行为特征挖掘和检测识别的能力.
文献关键词：
动态网格;k-means算法;特征提取;数据聚类
中图分类号：
作者姓名：
孔繁春;王婷;李旭东
作者机构：
内蒙古电力营销服务与运营管理中心,内蒙古呼和浩特010000
文献出处：
引用格式：
[1]孔繁春;王婷;李旭东-.基于动态网格生成技术和k-means算法的电力客户行为分析方法)[J].电子设计工程,2022(15):127-131
A类：
行为特征量
B类：
动态网格,网格生成,生成技术,means,客户行为分析,户用,用电行为分析,收敛性,指向性,增益控制,格特,融合关联,关联特征,先验概率,概率密度,状态参数,参数集,均方误差,误差估计,估计方法,聚类方法,仿真测试,特征挖掘,检测识别,数据聚类
AB值：
0.299856
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。
