基于改进的并行K-Means算法的电力负荷聚类研究

被引：32

作者：

许元斌 ^{[1
]}

李国辉 ^{[2
,3
]}

郭昆 ^{[2
,3
]}

郭松荣 ^{[2
,3
]}

林炜 ^{[2
,3
]}

机构：

[1] 国网信通亿力科技有限责任公司

[2] 福州大学数学与计算机科学学院

[3] 福建省网络计算与智能信息处理重点实验室

来源：

计算机工程与应用 | 2017年 / 53卷 / 17期

关键词：

负荷聚类; 并行计算; Canopy; K-Means;

D O I：

暂无

中图分类号：

F426.61 []; TP311.13 [];

学科分类号：

摘要：

电力企业通常根据电力负荷数据,采用传统的K-Means算法对客户进行划分,而这种方法最大的缺陷就是必须由用户手动指定聚类簇数。提出了一种将Canopy算法和K-Means算法结合应用于负荷聚类的方法,无需手动指定聚类簇数。收集到的用户历史用电数据,使用并行计算框架Map Reduce对原始数据进行预处理。应用Canopy和K-Means算法建立自动负荷聚类模型。在真实用电数据上进行实证分析,通过使用Silhouette指标对结果进行评估,证明提出的方法更加稳定和具有广泛的适用性。

引用

页码：260 / 265

页数：6

共 8 条

[1]

基于协作过滤的Web日志数据预处理研究 [J].