基于密度聚类的电力设备位置信息分析方法研究

作     者：高翔 贺静 陆嘉铭 张一彦 朱洪志 李丹戎 GAO Xiang;HE Jing;LU Jiaming;ZHANG Yiyan;ZHU Hongzhi;LI Danrong

作者机构：国网上海嘉定供电公司上海201800 国网上海市电力公司上海200122 

出 版 物：《电力大数据》 (Power Systems and Big Data)

年 卷 期：2023年第26卷第7期

页      码：60-67页

摘      要：传统的数据聚类处理主要采用基于聚类中心的方式,但其存在一些限制,如需要预先确定聚类中心的数量,并对数据的分布形态有一定的要求。针对这一问题,本论文选择基于密度聚类算法作为解决方案,重点研究了电力设备位置信息的聚类问题。在介绍密度聚类原理和常用算法的基础上,分析了电力设备位置信息的特点和处理方法,介绍了OPTICS、HDBSCAN和DBSCAN三种密度聚类算法的实现步骤,并与传统的K-mean聚类算法进行比较,通过实验设计和结果分析,验证了密度聚类方法的有效性和适用性。最后,通过应用案例分析,探讨了这些方法在电力系统分析中的应用实例和价值。研究结果表明,基于密度聚类算法的电力设备位置信息聚类方法可以有效地帮助电力系统实现数据的快速分析,具有重要的理论和应用价值。

主 题 词：密度聚类 位置信息 电力设备 数据预处理 电力系统 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19317/j.cnki.1008-083x.2023.07.007

馆 藏 号：203124266...