基于数据挖掘的电力系统异常数据辨识与调整

• 作者: 李艳红 熊燕
• 来源期刊: 安徽电气工程职业技术学院学报
• 学科: 工学
• 关键词: 异常数据 数据挖掘 采样 模糊C均值聚类 遗传算法
• 年，卷（期）: 2010,（3）
• 页码范围: 11-15
• 分类号: TM732
• 字数: 3460字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9706.2010.03.003

摘要

为了保证电力系统的可靠运行,需要对系统中的异常数据进行检测辨识与调整.在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向电力系统的数据库的数据挖掘时要处理大量、高维的数据,这样FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,利用遗传算法对聚类结果进行优化,利用一种新的基于遗传优化的采样模糊C均值聚类算法FFGO(Fuzzy FCM with Genetic Optimization),实现对异常数据的实时动态处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李艳红		3	0	0.0	0.0
2	熊燕		4	0	0.0	0.0