基于改进PSO-PFCM聚类算法的电力大数据异常检测方法

• 作者: 李清
• 来源期刊: 电力系统保护与控制
• 关键词: 电力大数据 异常检测 模糊C均值算法 粒子群优化算法
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 应用研究|Application Research
• 页码范围: 161-166
• 页数: 6页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.210105

摘要

针对传统电力大数据异常检测方法检测精度低、复杂度高等问题,提出了一种将可能性模糊C均值算法和改进的粒子群优化算法相结合的电力大数据异常检测方法.使用改进的粒子群优化算法和重新定义的聚类有效函数来优化可能性模糊C均值算法的初始中心和数目.通过仿真将该算法与改进前算法进行对比分析,验证该算法的优越性.实验结果表明,该算法能够准确地实现电力大数据异常值检测,改进后误检率从0.36％降低到0.05％.