基于并行化半监督K-means聚类的电网设备状态评估

摘要：

伴随智能电网建设的推进以及电网设备在线监测装置的广泛应用,海量的电网设备状态监测数据累计下来.如何有效利用这些监测数据,用于电网设备状态评估是值得研究的课题.尝试将半监督学习引入k-means聚类算法,并利用MapReduce模型,设计实现了并行化的半监督聚类方法,用于电网设备状态评估.以实测绝缘子泄露电流数据为例,验证了算法的聚类性能和时间效率.

关键词： 电网设备 状态评估 半监督学习 k-means聚类算法 MapReduce模型

作者: 宋亚奇 李莉 朱永利

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;新能源电力系统国家重点实验室(华北电力大学)北京 102206

会议类型: 国内会议

会议名称: 中国电机工程学会第13届青年学术会议

会议地点: 重庆

会议语种:中文

页码: 508-512

在线出版日期: 2014-10-16（万方平台首次上网日期，不代表论文的发表时间）