基于云计算和量子粒子群算法的电力负荷曲线聚类算法研究

• 作者: 张少敏 王保义 赵硕
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 云计算 Mapreduce框架 电力负荷分类 模糊C均值聚类算法 量子粒子群算法
• 年，卷（期）: 2014,（21）
• 所属期刊栏目: 应用研究
• 页码范围: 93-98
• 页数: 6页
• 分类号: TM76
• 字数: 4478字
• 语种: 中文

摘要

针对电力数据海量化、多维化的趋势，为了提高聚类算法的聚类质量，并解决传统聚类算法聚类海量高维数据时单机计算资源不足的瓶颈，提出了一种基于云计算的电力负荷曲线聚类的并行量子粒子群优化模糊C均值聚类算法。将量子粒子群群体智能算法引入到传统模糊C均值聚类算法中，利用QPSO较强的全局搜索能力，克服FCM算法易陷入局部最优以及其对初始聚类中心过于敏感的缺陷。最后，采用云计算的MapReduce编程框架以及HBase分布式数据库对算法进行并行化改进。经实验验证与FCM算法和AFCM算法相比聚类正确率提高了10%左右，且并行性能较好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王保义	华北电力大学控制与计算机工程学院	59	973	16.0	29.0
2	张少敏	华北电力大学控制与计算机工程学院	51	750	15.0	26.0
3	赵硕	华北电力大学控制与计算机工程学院	4	182	4.0	4.0