基于密度聚类技术的电力系统用电量异常分析算法

发布时间：2018-03-16 16:28

  本文选题：用电量异常分析　切入点：密度聚类　出处：《电力系统自动化》2017年05期 　论文类型：期刊论文

【摘要】：如何科学、准确地识别异常用电量对于改善电力系统用电管理至关重要。文中提出一种基于密度聚类技术的电力系统用电量异常分析算法。该算法通过基于密度的聚类技术和局部离群点要素给出异常用电波动区间的离群度,利用关联分析法构造关联规则,同时给出其关联规则支持度,并结合当前用电量综合分析获取异常用电得分。最后以异常用电百分比实现用电量信息异常情况的快速、可靠分析。仿真和实验测试结果表明该异常分析算法能够高效识别用电信息异常数据,从而提高用电量异常分析的准确率。
[Abstract]:How science, Accurate identification of abnormal power consumption is very important to improve power management. In this paper, an algorithm of power consumption anomaly analysis based on density clustering technology is proposed. The algorithm is based on density clustering technology. And the element of local outliers give the outliers of anomalous electricity fluctuation interval. The association rules are constructed by using association analysis method, and the support degree of association rules is given, and the abnormal power consumption score is obtained by combining with the current electricity consumption comprehensive analysis. Finally, the abnormal power consumption information is realized quickly by the percentage of abnormal electricity consumption. The simulation and experimental results show that the anomaly analysis algorithm can effectively identify the abnormal data of power consumption information, thus improving the accuracy of abnormal analysis of electricity consumption.
【作者单位】： 工业物联网与网络化控制教育部重点实验室(重庆邮电大学);
【基金】：重庆市研究生科研创新项目(CYS15158) 国家电网公司科技项目(SGJSSZOOFZJS1501091) 重庆市基础与前沿研究计划(cstc2015jcyjA40007)~~
【分类号】：TM73

【相似文献】

相关期刊论文 前4条

1 程文琛;胡学钢;;独立于应用的数据库聚类技术[J];合肥工业大学学报(自然科学版);2013年07期

2 任利宁;;使用聚类技术提高Web访问效率[J];机械管理开发;2006年04期

3 洪朝群;陈亮;冯怡鹏;吴健;;一种融合反向交叉预测的QoS预测方法[J];华中科技大学学报(自然科学版);2013年S2期

4 ;[J];;年期

相关会议论文 前2条

1 宿太学;吕天阳;张锡哲;王钲旋;徐长青;;一个集成多种聚类技术实验平台的整体设计方案和基本模块实现[A];第十二届全国图象图形学学术会议论文集[C];2005年

2 王s，

本文编号：1620721