基于数据挖掘的电力系统异常数据辨识和调整.pdfVIP

下载本文档

29
0
约1.13万字
约 4页
2015-09-03 发布于安徽
举报
版权申诉

基于数据挖掘的电力系统异常数据辨识和调整.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2011年第l期(总第157期) 应用能源技术基于数据挖掘的电力系统异常数据辨识与调整杨国强 (淮南电力公司，安徽淮南232007) 摘要：为了保证电力系统的可靠运行，需要对系统中的异常数据进行检测辨识与调整。在数据挖掘领域，模糊c均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的，但是面向电力系统的数据库的数据挖掘是要处理大量、高维的数据，这样FCM算法在时间性能上难以令人满意。文中基于采样技术对FCM算法进行改进，利用遗传算法对聚类结果进行优化，利用一 FCMwith Genetic 种新的基于遗传优化的采样模糊C均值聚类算法FFGO(Fuzzy Optimization)，实现对异常数据的实时动态处理。关键词：异常数据；数据挖掘；采样；模糊C均值聚类；遗传算法中图分类号：TM712文献标志码：B Power and ofBad Detection System Adjustment DataBasedonData Mining YANG Guo·qiang Power (Huainan 232007，China) SupplyCompany，Hnainan ensurereliable of wouldneedto thebaddata Abstract：To operationpowersystem，thesystem detect identificationand data field，FCM isanefficientmethodinthe adjustment．Inmining algorithm low of not ofsmallscale dimensional thetime FCM Can process database，butperformancealgorithm besatisfiedforthe scale dimensionaldatabase．Inthis new FCM large high paper．asampling with basedonthe and sampling genetic algorithmgeneticoptimization(FFGO)ispresented technique and aleusedinFFGO to the algorithm．Thesamplingtechniquegeneticalgorithm algorithmim