基于双层聚类信息的极光亚暴自动检测

极光亚暴与太阳风和地球磁场的耦合过程有着紧密的联系,对其发生和发展机制的研究,有助于深入地分析行星际磁场、地球磁层和地球电离层的相互作用,了解太阳风携带的大量能量在地球空间的输运过程,对地球空间环境预警具有重要的意义。Polar卫星搭载的紫外极光图像成像仪能够全天候地获取紫外极光图像,在紫外极光图像中可以完整地展示出极区极光的亮度和尺度变化,尤其是可以清晰地展示出亚暴膨胀相的极光点亮和亮斑膨胀现象。现有的极光亚暴事件检测方法通常需要人工设计特征和相关规则库,耗时耗力。本文利用紫外极光图像提出了基于双层聚类信息的亚暴事件检测方法,实现了紫外极光图像数据中的亚暴事件自动检测。同时,针对极光亚暴事件检测依赖手工设计特征,设计了子空间聚类指导的三维卷积特征自动提取网络;针对极光图像帧间存在成像角度差异,利用地磁纬度和磁地方时信息对极光序列中图像的空间位置进行校正;针对卫星成像位置变化导致的成像噪声,利用极光图像级聚类保留极光亮斑区域和剔除未成像或噪声区域。主观和客观实验结果表明,本算法提升了亚暴事件检测的查全率。

基于马氏距离的双层聚类电力远动异常检测

通过对电力远动监测系统和数据挖掘技术的讨论,提出一种基于马氏距离的双层聚类异常检测算法。针对远动系统数据非球面分布的特点,该算法通过K-means聚类改进算法对数据进行初始分类,然后使用基于马氏距离的Clustering Using Representatives(CURE)聚类改进算法对初始分类结果进行优化,以较少的计算成本去除K值设定的影响,达到预期的检测结果。同时,基于马氏距离的CURE聚类改进算法对球面和非球面分布的数据有非常好的适应能力。

基于双层聚类算法的电力远动系统异常检测

主要讨论基于聚类算法的电力远动系统异常检测方法,提出了一种双层聚类异常检测算法,通过对电力远动系统的通信数据进行聚类分析实现对电力远动系统的异常检测,大大缩短了远动通讯故障处理时间,保证了供电的可靠性。

基于双层聚类和模糊等级评定的客户侧供电服务评价

客观评价电网公司供电服务质量从而精确定位供电服务薄弱点,对提升客户侧供电服务水平具有重要意义。在此背景下,从客户诉求、责任归属、工单异动、服务处理方面构建了客户侧供电服务评价指标体系。接着,提出了基于熵权法和修正因子的指标权重确定方法,克服了熵权法的权重分配在指标值分布相似情况下不合理的情况。提出了基于改进理想点法和余弦相似度的供电服务质量综合评价方法,满足了供电服务质量全面性的要求。然后,提出了基于双层聚类和模糊理论的供电服务质量等级评定方法,以聚类结果作为等级评价的依据,克服了以往供电服务等级评价主观性较强的缺点。最后,以浙江省各电网公司服务质量为研究对象进行算例分析。结果表明所提出的客户侧供电服务评价方法能有效评价各供电公司服务水平,为服务整改方向提供参考。

基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。

采用双层聚类的区域用电形态分析

应用大数据技术对用户信息进行用电行为分析是电力公司开展精细化服务的基础。为此,提出一种基于双层聚类的区域用电形态分析方法。首层聚类利用SAX降维结合马尔科夫转移矩阵对电力用户的用电行为规律性进行区分,内层的自适应聚类再利用余弦相似度作为聚类指标分别对两类用户的典型日负荷曲线做进一步划分。最后,将对聚类的结果展开分析,通过与用户数据集中行业信息的比对以及与其他聚类方法聚类效果的比较,验证算法的有效性。

基于双层聚类模型的逆向运动方法

对人体末端位姿和其所对应的关节旋转角度信息建立双层聚类模型,第一层采用k-means聚类法则进行位置约束关系聚类,第二层对相关联的关节角度信息采用最大最小距离聚类法则进行聚类。建立样本外末端位姿与样本内聚类空间中关节角度之间的映射关系,通过约束方程搜索出满足约束条件的关节角度信息,实现逆向求解,从而还原整个人体的运动位姿。实验结果表明,该方法求解精度较高,求解速度快。

双层嵌套聚类下的专利群落确定及技术布局策略研究

[研究目的]专利群落符合数字化下超级专利网络复杂创新要求,专利群落的科学划分及基于网络特征的技术布局策略研究,可为行业技术发展提供更具针对性、客观性与系统性的决策支持。[研究方法]该文提出双层嵌套聚类确定专利群落的方法。首先,基于IRM并行模型,构建专利种群网络;其次,立足于网络结构、关系以及表型三维度,设计专利种群网络特征测度指标体系,并利用DSM实现网络特征指标聚类,确定专利群落特征集及具体构成;最后,以碳纤维领域为实证对象,识别专利群落,并综合TF-IDF与LDA模型确定各群落技术领域主题,提出技术布局策略。[研究结论]双层嵌套聚类方法能够科学划分专利群落,融合突破、迭代成长与边缘搜索三大群落应分别通过纵横整合、代际储备、利基挖掘等方式实现有效技术布局。

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型”“中午型”“晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。

基于双层模糊聚类的多车场车辆路径遗传算法

对大规模多车场车辆路径问题,设计了基于双层模糊聚类的改进遗传算法求解框架,上层静态区域划分利用k-means技术将多车场到多客户的问题转化为一对多的子问题,下层模糊聚类从保证客户满意度和整合物流资源的角度出发,利用模糊聚类算法根据客户需求属性形成基于客户订单配送的动态客户群。进一步,通过改进选择算子和交叉算子来设计车辆路径优化的遗传算法。通过随机算例仿真实验,证明了提出方法和求解策略的有效性。

混合颜色特征下番茄叶霉病病斑双层K-means聚类分割方法

提出了混合颜色特征下双层K-means聚类分割方法,首先在I分量将图像像素采用K-means聚类分割方法聚为4类;取聚类中心最大的2种像素的a*b*分量,进行第2次K-means聚类,得到病斑图像。对采集的21幅病害图片的试验结果表明,该方法分割结果的平均重合系数为97.53%,平均假阳性率为1.22%,平均假阴性率为3.52%。该研究可为进一步病害特征提取识别与病害程度诊断研究提供技术参考。

一种结合降维技术的负荷曲线双层聚类算法

提出一种双层聚类的分析方法,分别利用K-means和余弦相似度来进行内层和外层聚类。算法能有目的地选取初始聚类中心,并且能自动确定最优聚类数,解决了随机选取初始聚类中心所造成的问题。另外针对高维负荷曲线双层聚类计算速度慢的问题,在外层聚类完成后先降维,再进行内层聚类。对比应用了降维技术的双层聚类算法和K-means算法的信息损失和计算速度。算例仿真结果表明,双层聚类在降维技术上的应用效果优于单纯的K-means算法,结合主成分分析降维的双层聚类算法可以取得最佳效果和较快的聚类速度。

基于双层聚类的用电异常特征自动化分析系统

针对目前配用户用电异常行为精度欠佳、效率低下、人力资源耗费量大等问题,在海量用电数据中利用双层聚类算法,优化设计用电异常特征自动化分析系统,实现用电异常特征数据的精准分析。用电异常特征自动化分析系统的优化设计分为硬件、数据库和软件功能三个部分,其中硬件系统主要是改装电源模块、A/D自动采样模块和液晶显示模块,并加设分类存储处理模块作为双层聚类算法的运行环境。建立系统数据库存储用电数据,为软件功能的实现提供数据基础。通过检测用电异常、双层聚类检测离群点、提取离群点用电异常特征和计算异常特征集关联规律,得出用电异常特征自动化分析结果。通过系统测试实验的设计与分析得出结论:应用用电异常特征自动化分析系统可以有效地降低85.1%的用电异常数据,从而降低用户用电异常情况的发生概率。

基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法

现有基于用户评价信息的售电套餐推荐方法因忽略了差异化用户评价信息的多样性,且仅考虑了用户擅长评价售电套餐所有属性的情形,给推荐结果带来较大偏差。为此,提出了一种基于双层邻近传播(BLAP)聚类和多粒度犹豫模糊语言评价集的售电套餐推荐方法。首先,提出了基于用户画像标签体系和BLAP聚类的样本用户集划分方法,以辨别用电特性相似的用户;然后,考虑多粒度犹豫模糊语言评价集和权重不完整信息,提出了样本用户集对售电套餐选择的模糊评价方法;接着,提出了基于样本用户集评价信息的新用户满意度评估方法和售电套餐的全排序推荐方法,以实现售电公司对售电套餐的精准推荐。最后,以中国某地区用户为对象进行算例分析,结果表明基于BLAP聚类和多粒度犹豫模糊集的售电套餐推荐方法能够帮助售电公司提高推荐质量,进而提升用户满意度,增强用户黏性。

一种基于双层迭代聚类分析的负荷模式可控精细化识别方法

提出一种基于双层迭代聚类分析的负荷模式可控精细化识别方法。首先以皮尔逊相关系数为相似性度量进行外层形态相似性聚类,然后分别对外层聚类得到的每一类簇以欧式距离为相似性度量进行内层幅度相近聚类。每层都先在给定的阈值约束下迭代聚类,再对迭代收敛得到的聚类簇合并。实际算例分析结果表明：与传统负荷模式识别方法相比,所提方法改善了负荷形态聚类效果,可识别出形态相似但幅度不同的负荷,还能对聚类精细化程度进行控制,提高了聚类准确率。

近红外光谱灰分预测模型中煤炭样本的优化方法

针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。

面向物联网移动终端设备的用户轨迹异常检测研究

为了有效地从物联网移动设备的数字信息中挖掘出用户在日常行为的轨迹异常,针对现有用户异常轨迹检测算法效率低的问题,提出了一种双层聚类的用户轨迹异常检测方法。考虑到移动终端设备中的轨迹信息数据量大、分布不均匀等特点,该方法在特定的空间距离与时间间隔下提取出停留点集合,并对这些点进行层次聚类,根据结果划分出停留区域,进而发现其中的异常停留区域。最后,对停留区域之间发生的运动轨迹段进行二次层次聚类,发现异常轨迹段。实验结果表明,该方法在发现异常轨迹时,相较于传统算法,既全面地检测出异常轨迹,又加快了异常检测的速度。