基于云計(jì)算和優(yōu)化KMeans的電力不良數(shù)據(jù)辨識.pdf

1、隨著智能電網(wǎng)的迅速發(fā)展和電力信息的爆炸式增長，電力系統(tǒng)運(yùn)行過程中會產(chǎn)生海量的數(shù)據(jù)，這些數(shù)據(jù)在產(chǎn)生和傳輸?shù)倪^程中，容易受到各種因素的干擾而產(chǎn)生不良數(shù)據(jù)，如雷電、磁場、傳輸設(shè)備故障等，而電力系統(tǒng)狀態(tài)估計(jì)最基本的要求就是基礎(chǔ)數(shù)據(jù)必須得準(zhǔn)確。由于數(shù)據(jù)是海量的，人工篩選的成本是非常高的，這就迫切需要一種新的解決方案。
　　本文在研究了電力系統(tǒng)不良數(shù)據(jù)的特點(diǎn)后，給出先采用數(shù)據(jù)挖掘的方式來解決篩選不良數(shù)據(jù)的方案，經(jīng)過對傳統(tǒng)KMeans的深入學(xué)習(xí)

2、，并且對慣性權(quán)重優(yōu)化粒子群算法的系統(tǒng)研究，給出了基于慣性權(quán)重優(yōu)化后的粒子群方法改進(jìn)傳統(tǒng)KMeans的算法。整合后的算法有效解決了傳統(tǒng)KMeans聚類方法無法高效確定聚類中心的問題，通過結(jié)合PSO算法所具有的快速確定粒子群中心的特點(diǎn)，使得算法本身更加高效和準(zhǔn)確，并通過MATLAB仿真實(shí)驗(yàn)驗(yàn)證了它的可行性；然后針對電力系統(tǒng)需要處理的數(shù)據(jù)量大，傳統(tǒng)算法計(jì)算效率低、耗時時間長的問題，研究了粒子群優(yōu)化傳統(tǒng)KMeans算法的并行化算法解決方案，并對

3、整合后的算法應(yīng)用Hadoop云計(jì)算技術(shù)，用Map函數(shù)實(shí)現(xiàn)PSO優(yōu)化KMeans的改進(jìn)方案，高效地解決了PSO優(yōu)化KMeans在對海量數(shù)據(jù)進(jìn)行運(yùn)算時耗時時間長的難題；最后，進(jìn)行Hadoop平臺的實(shí)驗(yàn)驗(yàn)證，并進(jìn)一步論證結(jié)果的有效性。本次實(shí)驗(yàn)所選用的數(shù)據(jù)集是基于IEEE-14節(jié)點(diǎn)的標(biāo)準(zhǔn)集形成的模擬數(shù)據(jù)，通過單機(jī)方式和云計(jì)算集群方式進(jìn)行算法對比仿真實(shí)驗(yàn)，在實(shí)驗(yàn)室搭建的云計(jì)算集群上對給出的算法做性能測試，實(shí)驗(yàn)結(jié)果表明PSO優(yōu)化KMeans的云計(jì)算