一种基于Spark和聚类分析的辨识电力系统不良数据新方法

孟建良; 刘德超

首页> 中文期刊> 《电力系统保护与控制》 >一种基于Spark和聚类分析的辨识电力系统不良数据新方法

一种基于Spark和聚类分析的辨识电力系统不良数据新方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

随着电力系统智能化建设的不断深入和推进,电力系统数据呈现海量化、高维化的趋势.针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低,而传统聚类算法处理海量高维数据时单机计算资源不足,近年来较流行的MapReduce框架不能有效处理频繁迭代计算等问题,提出一种基于Spark的并行K-means算法辨识不良数据的新方法.以某一节点电力负荷数据为研究对象,运用基于Spark的并行K-means聚类算法提取出日负荷特征曲线,分别对输电网状态估计中的不良数据进行检测和辨识.选用EUNITE提供的真实电力负荷数据进行实验,结果表明此方法能有效提高状态估计结果的准确性,与基于MapReduce框架的方法相比,具有更好的加速比、扩展性,能更好地处理电力系统的海量数据.

著录项

来源
《电力系统保护与控制》 |2016年第3期|85-91|共7页
作者
孟建良; 刘德超;
展开▼
作者单位

华北电力大学控制与计算机工程学院,河北保定071003;

华北电力大学控制与计算机工程学院,河北保定071003;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
Spark; 聚类; K-means; 电力系统; 不良数据; 负荷曲线分类;

相似文献

中文文献
外文文献
专利

1. 基于改进模糊聚类分析的电力系统不良数据辨识 [J] . 高金兰 ,康迪 ,雷星宇 . 电气自动化 . 2018,第005期
2. 基于量测数据相关性的电力系统不良数据检测和辨识新方法 [J] . 黄彦全 ,肖建 ,李云飞 . 电网技术 . 2006,第2期
3. 基于模糊等价矩阵聚类分析的不良数据辨识 [J] . 蒋德珑 ,王克文 ,王祥东 . 电力系统保护与控制 . 2011,第021期
4. 电力系统不良数据的检测与辨识算法研究——基于IEEE33含光伏系统仿真计算 [J] . 周嘉伦 ,刘可一 ,刘晓伟 . 农业科技与装备 . 2018,第005期
5. 基于深度学习网络的电力系统不良数据辨识算法研究 [J] . 潘志敏 ,俞水琼 ,梁运华 . 湖南电力 . 2018,第006期
6. 基于数据挖掘的电力系统不良数据检测辨识与修正 [C] . 叶学勇 ,吴军基 ,杨伟 . 中国高等学校电力系统及其自动化专业第二十二届学术年会 . 2006
7. 基于数据挖掘的电力系统不良数据检测与辨识算法研究 [A] . 吴越赢 . 2017

一种基于Spark和聚类分析的辨识电力系统不良数据新方法

摘要

著录项

相似文献

相关主题

期刊订阅