基于K-Means聚类的工业以太网态势感知技术研究

• 作者: 葛颖奇 戴建军 徐劲松 游云汉 叶益安
• 来源期刊: 机电信息
• 学科: 工学
• 关键词: K-Means聚类算法 工业以太网 风电场 态势感知
• 年，卷（期）: 2024,（6）
• 页码范围: 89-94
• 页数: 6页
• 语种: 中文
• DOI: 10.19514/j.cnki.cn32-1628/tm.2024.06.022

摘要

针对工业以太网通信系统的快速收敛和故障自愈问题，引入一种基于聚类算法的工业以太网运行态势感知技术，以加强工业以太网通信系统工程应用的鲁棒性和免维护性。在现有网络态势感知技术研究基础上，以风电场环网为例，提出了风电场环网配置行为感知方法和网络运行态势感知方法。使用基于改进的K-Means聚类算法和SNMP简单网络管理协议的风电场环网运行态势感知技术，对风电场环网的运行状态进行实时采集、感知和管理，从而使得风电场环网具备自学习技术，并在减少人为干预的情况下可以故障自愈。该方法解决了网络异常检测系统收集的数据中包含不相关特征属性导致检测算法准确率降低、实时性不高等问题，风电场应用结果表明其具有较好的实用价值。