配网工程中数据挖掘模型的模糊聚类算法研究

针对配电网工程数据体系较大、现有信息可挖掘价值难以全面利用及数据审计管理精度偏低等问题,文中提出了一种基于模糊聚类算法的新型配网数据挖掘模型。传统数据挖掘中,大多数聚类算法是基于对象间的差异函数进行建模的。而对于具有庞大数据量及较多数据类型的配网工程而言,直接采用传统方法建模较为困难。因此,可同时构造对象并进行属性变量最优划分的聚类算法成为了配网数据挖掘的研究方向。文中在块模糊c均值法的基础上,引入了模糊k值分块聚类的概念,并提出配网数据改进分块模糊k值聚类算法。同时利用最小化目标函数有效减少了算法的迭代次数,实现了智能化感知数据信息波动等功能。且通过两个工程案例的实验结果,从直观数据聚类与配网工程成本数据聚类两个方面,验证了所提改进算法的有效性。