基于改进快速密度峰值聚类算法的电力大数据异常值检测

异常值检测是数据挖掘的一个重要分支。在电力行业,异常值检测可用于电网故障检测、设备故障检测、用电异常检测等领域。文章根据电力大数据的特点,研究适用于电力大数据的异常值检测算法。针对快速密度峰值聚类算法用于异常值检测时未考虑数据的局部特点以及局部密度依赖于截断距离选取的不足,利用KNN(K-Nearest Neighbors)思想重新定义局部密度和距离,提出了基于KNN的快速密度峰值异常值检测算法,从而实现更加准确的异常值检测,并基于某省配电变压器的日负荷数据异常检测仿真实验证明了该算法的有效性。