基于改进聚类算法的清洁能源互联网源网荷储协调控制研究

为促进清洁能源互联网的节能减排,提高网络供电可靠性和清洁能源的消纳能力,提出基于改进聚类算法的清洁能源互联网源网荷储协调控制方法。通过样本密度调整次胜者受罚的竞争学习算法(rival penalized competitive learning,RPCL)的节点权值,提出改进RPCL聚类算法;依据网络节点间的关联关系,利用改进RPCL聚类算法计算清洁能源互联网的可靠性;构建源网荷储协调控制模型,经引入收缩因子的改进粒子群算法对模型进行求解,获取最佳源网荷储协调控制结果。实验表明:所提方法可在随机性与选择性攻击环境下提高清洁能源互联网的网络连通度,提升网络连接可靠度,降低源网荷储控制能耗;同时,可提高清洁能源的消纳能力,降低互联网运行成本。

基于改进聚类算法的网络平台异常数据挖掘方法

为提高挖掘结果与对应异常数据类型之间的关联度,确保挖掘结果能够为网络平台异常状态识别提供有力依据,文章引入改进聚类算法,开展网络平台异常数据挖掘方法设计研究。通过基于改进聚类算法的网络平台运行数据分类、网络平台异常检测、网络平台分布式最大频繁序列提取、最大频繁序列数据比对与挖掘,提出一种全新的挖掘方法。通过对比实验结果可知,新的挖掘方法在实际应用中挖掘结果与对应异常数据类型的关联度更高,挖掘结果更具有实际利用价值。

基于改进聚类算法的典型行业电价执行稽查研究与应用

随着“大云物移智”等信息技术的迅猛发展,大数据技术在能源领域、国家安全、食品安全、金融安全等国民经济和社会生活各领域的应用日益广泛,并深刻影响着电力营销向智能化发展。基于改进聚类算法和Fréchet距离判别等深度学习算法,提出了智能化、主动化的电价执行稽查模型,选取农业生产、大工业、一般工商业用户行业3类典型行业,对整个行业用电轨迹的偏离度进行分析,迅速识别出电价执行异常用户,并匹配实际执行电价,改进原有稽查方法中依靠人工判定和被动稽查等缺点,提高电价稽查的准确性和时效性。

基于改进模糊聚类算法的大数据随机挖掘仿真

大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。

基于改进K-means数据聚类算法的网络入侵检测

随着入侵手段的不断更新和升级,传统入侵检测方法准确率下降、检测时间延长,无法满足网络防御要求。为此,提出一种经过改进K均值(K-means)数据聚类算法,以应对不断升级的网络入侵行为。先以防火墙日志为基础转换数值,然后基于粒子群算法求取最优初始聚类中心,实现K-means数据聚类算法的改进;最后以计算得出的特征值为输入项,实现对网络入侵行为的精准检测。结果表明:K-means算法改进后较改进前的戴维森堡丁指数更小,均低于0.6,达到了改进目的。改进K-means算法各样本的准确率均高于90%,相对更高,检测时间均低于10 s,相对更少,说明该方法能够以高效率完成更准确的网络入侵检测。

基于累积和事件段识别与改进谱聚类的锂离子电池储能系统内短路故障检测方法

锂离子电池系统的内短路故障可能导致严重安全事故,其检测受到在线检测实时性以及故障特征获得性制约,是当下锂离子电池储能系统安全运行亟待解决的问题。该文提出一种基于累积和(cumulative sum,CUSUM)事件段检测与改进谱聚类的锂离子电池储能系统内短路故障检测方法。首先,考虑内短路故障时的电压/温度变化特性,基于累积和事件突变点识别方法,识别疑似内短路故障事件段。其次,构建三维故障特征,刻画检测对象内短路故障特征属性。然后,构建基于Wasserstein测度的内短路故障特征距离矩阵,检测三维空间各点稀疏特性,客观划定故障聚类,实现内短路故障检测。搭建锂离子电池内短路实验平台、建立锂离子电池电–热耦合仿真模型,算例结果表明该文方法能够准确识别疑似内短路故障事件段,在不同串并联形式及故障类型下实现故障检测,证明了该文方法的正确性与可行性。

基于改进FCM聚类算法的混合建模方法在苯酚浓度预测中的应用

为了解决单一模型无法满足复杂化工生产过程预测精度要求的问题,引入混合建模方法。首先,考虑到模糊C均值聚类(FCM)算法在初始聚类中心选择上存在的缺陷,采用SA算法和GA算法对其进行优化,以选择最合适的初始聚类中心,提高聚类精度;然后,基于支持向量机建立各子类预测模型;最后,将测试样本划分到各子类中,采用各子类模型仿真得到预测值。采用混合建模方法和单模型方法预测苯酚浓度并与真实值对比,结果表明:笔者所提混合模型得到的平均相对误差(MRE)和最大相对误差(MXRE)均小于单模型的。

基于改进CURE聚类算法的网络用户异常行为识别方法

由于传统异常行为识别方法无法对随时变化的异常行为实现精准识别,因此对CURE聚类算法作出改进,针对网络用户异常行为提出了一种新的识别方法。通过改进CURE聚类算法将用户的上网行为分为正常行为簇和异常行为簇,标记正常行为簇,并利用超矩形建模方式识别数据,分析正常行为簇在每个维度上的正常值域,判断其是否包含在所建立的超矩形内。如果在判定用户行为为正常,反之判断其为异常行为。仿真实验选取了学生上网行为数据,分四个时间段注入异常行为数据,结果表明,所提方法识别结果与设定情况一致,没有出现误识别或不识别现象,改进CURE聚类算法的网络用户异常行为识别精度较高,而且具有超高的效率。

基于改进谱聚类算法的教学管理绩效评估模型构建

常规教学绩效评估模型易受到评估指标特征值变化的影响,导致评估准确性较差。为此,构建基于改进谱聚类算法的教学管理绩效评估模型。首先,根据教学投入与教学产出之间的效应关系,确定绩效评估指标,建立评估指标体系;其次,采用改进谱聚类算法对评估指标进行排序,根据函数评价结果集和指标函数的最佳投影方向构建绩效评估模型;最后,进行实验对比分析。实验结果表明,所构建的评估模型具有较高的评估准确性,实际应用效果好。

基于改进模糊聚类算法的可见光通信网络资源安全分配方法

可见光接入点网络资源有限,而接入用户数量呈现逐渐上升的趋势,网络资源分配的公平系数较低、时延较高,对此,提出基于改进模糊聚类算法的可见光通信网络资源安全分配方法。提出方法通过构建可见光通信网络模型,展示可见光通信网络内部环境与结构,确定可见光通信信道模式,获取网络信道信息,应用改进模糊聚类算法分块处理可见光通信网络资源,计算数据聚合器(用户)在每个资源块上的信噪比,衡量不同通信链路的增益情况,以最大增益为标准,将网络资源安全分配给每个用户。实验结果显示,提出方法网络资源安全分配时延均值为4.72 s,用户被分配网络资源公平系数均值为0.79,实现了可见光通信网络资源的安全分配。

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。

基于遗传改进蚁群聚类算法的电力客户价值评价

对电力客户价值进行评价是供电企业优化服务资源配置的重要步骤。分析了蚁群聚类算法,并针对蚁群聚类算法进行评价时参数组合设置盲目性、收敛速度慢、容易陷入局部收敛的缺点,提出了运用遗传算法改进蚁群聚类算法评价电力客户价值的新方法。该新方法利用遗传算法对蚁群聚类算法的参数进行优化,进而再对电力客户价值进行聚类评价。通过实例验证表明,该新方法聚类性能有较大的提升,能够提升收敛速度和避免陷入局部收敛,并且减少了聚类评价时的主观因素,其具有准确、高效、实用等优点。最后,运用该新方法对某市供电公司的10个工业客户进行了评价,总结了不同类别电力客户的特点,对供电企业如何优化服务资源提出了建议。

改进的聚类算法及在复杂大群体决策中的应用

针对现有FCM聚类算法中存在的局部极值和伸缩性较差等问题,提出了基于全部最小连通支配集算法(minimum connected donating set algorithm,MCDSA)的改进的聚类算法(minimum fuggy C-means,MF-CM)。用改进的聚类算法MFCM辅助复杂大群体决策(complex huge group-decision,CHGDS),定义了群体偏好矢量和群体一致性指标,提供了一种新的解决CHGDS中群体决策的理论和方法,并通过实验证明了该方法的有效性和稳定性。还提供了基于属性加权进化的群体一致性决策机制新思路。

一种改进的模糊C-均值(FCM)聚类算法

模糊C-均值(FCM)聚类算法受初始化影响较大,在迭代时容易陷入局部极小,鉴于遗传算法(GA)的并行全局搜索能力,文章将遗传算法引入进来对FCM聚类算法加以改进,并对所提出的新算法与经典算法的迭代步数和运行时间进行比较。实验结果表明:该算法与FCM聚类算法相比收敛速度更快,迭代步数更少。

基于改进k-均值聚类算法的风机振动分析

针对风机振动信号的非平稳和非线性特征,提出了一种基于时域信号分析和改进的k-均值聚类算法的故障识别方法。对离心式风机运行中产生的几种非稳态振动故障信号,提取其时域信号的峰峰值、Hurst指数和近似熵参数作为特征向量,采用改进的k-均值聚类算法作为故障分类器,设置转子不平衡、联轴器不对中、风机基座松动、转轴径向摩擦和轴承内圈损坏5种故障。对离心式风机试验的结果表明,3种时域特征能较好地反映各故障之间的差异,改进的k-均值聚类算法与原始的k-均值算法相比分类性能更好,稳定性更强,平均识别率达到88.67%。

基于改进型层次聚类算法的可重构制造系统的产品族划分

针对可重构制造系统的产品族划分问题,提出了基于改进型层次聚类算法的可重构制造系统的产品族划分方法。首先对影响产品族划分的因素进行分析,基于产品的结构矩阵以及组成产品的各模块间的相关性矩阵确定了各因素的指标值,建立了各个因素相似度矩阵,然后利用层次分析法获得各指标的权重,获得产品的综合相似度矩阵,利用改进型层次聚类算法实现产品族的划分。最后通过实例验证了改进型层次聚类算法与层次聚类算法具有相同的划分结果,但是改进型层次聚类算法有更低的计算复杂度与更高的效率。

基于改进型K-means聚类的温度插值算法

针对K-means聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点及初始聚类中心对聚类结果的影响,提出一种基于改进型K-means聚类和正交最小二乘法的RBFNN算法。利用改进型K-means聚类算法对输入样本数据进行聚类处理,自适应地确定RBFNN隐含层的初始参数,利用正交最小二乘法求隐含层权值,建立RBFNN温度空间插值模型,用已有温度数据加以验证。实验结果表明,该算法能够解决K-means聚类算法对初始聚类中心敏感和易陷入局部最优解的问题,具有较高的插值精度。

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果。结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率。

基于改进聚类算法的光伏电站电缆优化布置

在新能源发电大力发展的背景下,光伏产业得到了迅速发展。然而,居高不下的光伏电站建设成本一直是光伏产业发展亟待解决的问题之一,因此研究如何降低光伏电站的建设成本具有重要的意义。本文从光伏电站集电箱和电缆布局设计着手,基于K-medoids—免疫克隆聚类算法(KICCA),结合光伏阵列分布和接线特点对算法进行改进,实现光伏电站电缆布线优化。算例结果表明该方法可以优化光伏电站布局、有效减少电缆使用量,从而降低光伏电站的投资建设和运行成本,因此避免了大型光伏电站集电箱和电缆布局的盲目性,提高了设计人员的工作效率,为光伏电站设计提供快速有效的设计工具。

一种改进的自适应K近邻聚类算法

为解决传统聚类算法不能处理非球形分布数据的问题,文犤5犦提出了一种自适应k近邻聚类算法。该算法在无需聚类数目的前提下,能有效解决非球形分布数据的聚类问题。但进一步的研究表明,该算法在处理带“奇异”样本的数据集时失去效果。为此,该文给出了一种改进的自适应k近邻聚类算法。仿真结果表明,新算法不仅保持了原算法在处理非球形分布数据时的优良特性,还成功解决了“奇异”样本问题。