基于K-means聚类电力大数据审计证据发现研究

• 作者: 李春艳
• 来源期刊: 现代科学仪器
• 关键词: 聚类分析 电力大数据 数据审计
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 技术创新与应用
• 页码范围: 271-276
• 页数: 6页
• 语种: 中文

摘要

研究通过K-means聚类算法进行电力大数据审计证据发现的技术过程,以寻找一种普适性的电力大数据审计证据发现模式,改变以往就特定问题开发相应系统的被动状态.采集电网的运行、调度、营销数据,使用回归法、差分法、导数法等进行数据治理,增加数据的丰度,进而使用K-means聚类算法为核心算法的迭代分析法寻找数据中的特征数据点,进而发现相应问题的数据审计证据.经过测试,在较大数据集迭代30次的离线数据分析基础上,对数据的分析敏感度超过85％,在较小数据集迭代70次的在线数据分析基础上,对数据的分析敏感度超过91％.证实基于K-means聚类分析的数据审计过程可以作为电网电力运行相关大数据审计的重要技术过程.