基于最优K均值聚类算法的负荷大数据任务均衡调度研究

• 作者: 白雨佳 李靖 高升
• 来源期刊: 电力电容器与无功补偿
• 学科: 工学
• 关键词: 最优 K 均值 大数据聚类 电力负荷 跨源调度 关联特征提取
• 年，卷（期）: 2023,（6）
• 所属期刊栏目: 系统应用研究
• 页码范围: 85-91
• 页数: 6页
• 语种: 中文
• DOI: 10.14044/j.1674-1757.pcrpc.2022.06.013

摘要

传统电力负荷大数据均衡调度方法无法应用于多源数据，导致负荷数据的划分精度偏低， 开销较大，电力负载均衡性改善效果不明显。为此，提出基于最优K均值聚类算法的负荷大数据任 务调度均衡方法。采用K均值聚类算法划分电力负荷大数据，并利用密度法优化K均值聚类算法 的初始聚类中心点，获取电力负荷大数据最优分类结果；通过提取各分类结果的关联特征，获取电 力大数据跨域调度的输出特征量，结合自适应权重学习方法，完成电力负荷大数据的跨源调度。实 验测试结果表明：该方法可根据不同的电力负荷特点，高效完成用户电力负荷大数据分类。具备良 好的负荷大数据跨源调度均衡性，且负载均衡离差均低于0.19，调度开销低于0.95s，以上数据表明 所提的电力负荷大数据跨源调度方法具有实用性。