基于云计算和改进K-means算法的海量用电数据分析方法

• 作者: 何丰 张华誉 张承畅 罗建昌
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 用电数据 云计算 改进K-means算法 MapReduce模型 并行化
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 159-164
• 页数: 6页
• 分类号: TP301|TP274.2
• 字数: 8196字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017071660

摘要

针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究.针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的K-means改进算法.首先,定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积,通过最大权值积法依次确定聚类中心,提高了聚类的准确率;然后,基于MapReduce模型实现改进算法的并行化,提高了聚类的效率;最后,以小区400户家庭用电数据为基础,进行海量电力数据的挖掘分析实验.以家庭为单位,提取出用户的峰时耗电率、负荷率、谷电负荷系数以及平段用电量百分比,建立聚类的数据维度特征向量,完成相似用户类型的聚类,同时分析出各类用户的行为特征.基于Hadoop集群的实验结果证明提出的改进K-means算法运行稳定、可靠,具有很好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何丰	重庆邮电大学光电工程学院	47	138	8.0	10.0
2	张承畅	重庆邮电大学光电工程学院	11	27	3.0	4.0
3	罗建昌	重庆邮电大学光电工程学院	2	2	1.0	1.0
4	张华誉	重庆邮电大学通信与信息工程学院	3	10	2.0	3.0