典型文献
基于改进K-means聚类k值选择算法的配网电压数据异常检测
文献摘要：
K-means聚类算法因计算速度快、准确率高等优势被应用于大规模配电网数据异常检测,但当聚类数不合适时,可能导致聚类结果不理想.为此,提出一种基于改进elbow method和轮廓系数的聚类数选择算法IES,首先,该算法利用elbow method的聚类评价指标和聚类数上限,确定随数据集不同而自适应变化的阈值,通过自适应阈值求解聚类数下限;其次,在聚类数上下限内计算轮廓系数,并提出"一个极大值"规则避免计算所有轮廓系数,提高算法速度;最后,利用轮廓系数选取合适聚类数,并通过召回率评价异常检测效果,说明为K-m eans聚类算法选取合适聚类数对异常检测的重要性.算例结果表明:IES算法能在自适应获取最佳聚类数的同时大大削减计算时间,提高K-means算法在线监测的准确率和高效性.
文献关键词：
配电网电压;在线监测;K-means聚类算法;最佳聚类数
中图分类号：
作者姓名：
刘明群;何鑫;覃日升;姜訸;孟贤
作者机构：
云南电网有限责任公司电力科学研究院,云南 昆明 650217
文献出处：
引用格式：
[1]刘明群;何鑫;覃日升;姜訸;孟贤-.基于改进K-means聚类k值选择算法的配网电压数据异常检测)[J].电力科学与技术学报,2022(06):91-99
A类：
B类：
means,选择算法,配网,数据异常检测,聚类算法,法因,计算速度,大规模配电网,电网数据,elbow,method,轮廓系数,IES,法利,聚类评价指标,自适应阈值,解聚,下限,极大值,计算所,召回率,检测效果,明为,最佳聚类数,削减,计算时间,在线监测,配电网电压
AB值：
0.301179
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。
