电力大数据的价值密度评价及结合改进k-means的提升方法研究

被引：26

作者：

王赛一 ^{[1
]}

余建平 ^{[1
]}

孙丰杰 ^{[2
]}

王承民 ^{[2
]}

谢宁 ^{[2
]}

机构：

[1] 国网上海市电力公司浦东供电公司

[2] 上海交通大学电子信息与电气工程学院

来源：

智慧电力 | 2019年 / 47卷 / 03期

关键词：

电力大数据; 价值密度; 评价指标; k-means算法; 三层过滤机制;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP311.13 [];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对目前电力大数据价值密度的研究存在缺乏定义和量化指标、提升手段单一导致效果有限的问题,提出了相关定义及评价指标,从空间上内存占用、时间上运行速率2个维度计算价值密度评价指标;并提出了基于多初始聚类中心的改进k-means算法,弥补其太过依赖于初始聚类中心的不足。结合该算法,分别从"脏数据"、记录、字段等不同维度,研究如何提升价值密度。以日负荷预测为算例进行仿真测试,结果表明评价指标能较好地反映价值密度,改进聚类算法有较好的的聚类效果和速率优势,可以有效提升数据价值密度。

引用

页码：8 / 15

页数：8

共 13 条

[1]

Bounded Partial-Order Reduction [J].