光伏波动平抑下改进K-means的电池储能动态分组控制策略

针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。

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。

改进k-means的多域光纤通信非线性失真补偿方法

为了解决光纤通信信号在传输过程中受到非线性影响而产生的失真问题,提高光纤通信系统的稳定性,提出了改进k-means的多域光纤通信非线性失真补偿方法。构建多域光纤通信传输模型,在传输端利用波长转换器将输入信号传输到光纤,结合干扰原理线性化脉冲恢复光信号。以信噪比描述光纤通信的色散特性,明确信号交互出现非线性失真变化。通过Dijkstra方法改进k-means方法,解调失真星座,避免聚类陷入局部最优,使全部簇信号尽可能接近原始调制中心,实现失真补偿。实验结果表明:利用所提方法对光纤通信非线性失真进行补偿后,聚类效果较佳,信息误码率可降至10^(-7),有效减少了网络传输消耗,提高光纤通信信号质量。

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

基于改进K-means聚类的轨道交通基础设施分布式光伏发电典型场景生成及出力特性分析

受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。文中首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,文中提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。

基于改进K-means算法的电力营销档案信息管理系统

为满足档案管理用户需求,实现不同营销档案管理信息分类,提出改进K-means算法的电力营销档案信息管理系统。设计电能信息收编、客户缴费管理、营销报表管理及系统开发等子系统功能;利用改进的K-means方法定义系统算法,引入权重概念,将元素分配到和中心点距离最近的簇中,实现档案分类统计。仿真实验证明,该系统可实现不同营销档案的准确分类,减少响应延时,提高系统吞吐量,满足电力营销档案管理用户需求。

融合充放电曲线特征与改进K-means聚类的退役锂电池分选方法

为提高退役锂电池分选重组的一致性,提出一种融合电压曲线与能量曲线的数值特征与形态特征,并运用欧氏距离和形态距离进行K-means聚类的分选方法。通过试验获取退役锂电池充放电曲线,融合电压曲线和能量曲线作为分选依据;采用欧式距离度量融合曲线的数值差异;利用分位数方法将融合曲线转化为描述曲线形态变化的特征序列,运用最长公共子序列算法提取特征序列的形态距离用来度量融合曲线的形态差异;以融合曲线的欧式距离和特征序列的形态距离为度量判据,采用改进K-means聚类算法对退役锂电池进行聚类。结果表明:相较于电压曲线或容量曲线分选,采用融合曲线分选,容量、充电电压、放电电压一致性最大提高约23%、93%、16%。相较于欧式距离方法,采用改进K-means算法,容量、充电电压、放电电压一致性最大分别提高了约67%、40%、51%。

基于改进k-means算法的电力负荷数据聚类方法

针对现有数据聚类方法难以对电力系统负荷数据进行有效聚类的问题,该文结合改进k-means算法,完成电力负荷数据聚类方法设计。该研究基于电力负荷数据中心点生成过程,构建中心点间距与类簇距离判定函数,筛选电力负荷数据聚类中心。确定聚类中心后,采用数据分离方法完成正常负荷数据和异常负荷数据的分离,在分离过程中应保证数据连续,以避免潜在有用数据丢失。利用改进的k-means算法分析电力负荷数据,计算不同种类数据间的欧氏距离。设定指针矩阵,融合不同类中心点,对原始数据区间规范化操作,获取不同簇的负荷数据聚类通道传输功率谱密度。将数据依次分配到不同簇上,实现电力负荷数据聚类。由实验结果可知,该方法站点1数据聚类范围为0.3~0.48 pu,站点2数据聚类范围为0.34~0.47 pu,优于对比方法,与理想聚类范围最贴近,具有良好的聚类效果。

基于改进K-means算法的通勤交通小区识别

通勤是具有周期性和稳定性的城市居民出行行为,是城市发展规划和公共交通管理的重要研究内容。出租车GPS(Global Position System,全球定位系统)轨迹数据在一定程度上反映了城市交通状况和市民出行模式。针对出租车区域性通勤模式识别问题,本文提出一种基于改进K-means算法的通勤交通小区识别方法。该方法主要包括3个步骤:划分交通小区、生成交通小区之间的流量转移矩阵和识别通勤交通小区对。参考现有的交通小区划分方法,本文提出一种基于细粒度单元的自下而上的交通小区划分方法。在通勤交通小区对识别模型中,以高峰时段的流量及其离散系数作为输入特征,基于改进K-means算法识别通勤交通小区对。最后,基于重庆市出租车GPS数据集进行实验验证,结果表明该方法效果显著。

一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取方法

针对K-Means算法对初始聚类中心的依赖性较高,容易出现局部最优停滞的问题,提出一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取算法。首先,将小麦图像转换到HSV色彩空间;然后,用改进樽海鞘群算法进行全局寻优,以获得全局最优值作为K-Means算法的初始聚类中心,接着运用K-Means算法进行局部寻优,直到迭代完成;最终,输出经过分割的小麦图像。为了评估算法性能,使用12个基准函数对ISSA及其他智能优化算法进行对比测试,同时将改进樽海鞘群算法优化K-Means应用于小麦覆盖度提取。结果表明,ISSA算法在优化精度和收敛速度上均超越其他算法,鲁棒性也得到了显著提高。与其他算法相比,ISSA-K算法分割后的小麦图像纹理比较清晰,效果更佳,同时具有更加高效的优势,可用于小麦覆盖度的提取,具有较强的实用性。

基于K-means聚类和改进MLP的苹果分级研究

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练。首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等。通过对400个定好等级的苹果进行分级测试,准确率达到94.25%,验证了分级方法的可行性与准确性。该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势。

基于改进K-means算法的沥青路面裂缝分割方法

沥青路面各类裂缝是影响沥青路面结构寿命的主要原因。针对现阶段沥青路面裂缝分割算法存在精确度低、分割结果与原图像不匹配等问题,提出一种基于改进K-means算法的沥青路面裂缝分割算法。首先对路面巡检车所获取到的沥青路面裂缝图像进行小波去噪处理,提出一种随小波分解层数变化的自适应阈值计算方法,并确定相应的小波阈值函数表达式。然后采用果蝇算法优化的K-means算法对去噪后的沥青路面裂缝图像进行分割。最后采用数学形态学对分割后图像中存在的细小噪点进行清除,并采用区域生长算子对断裂处裂缝进行连接。结果表明:改进小波阈值去噪算法整体表现较好,在峰值信噪比、信息熵与对比度3个评价参数上均存在一定的优势,去噪效果优于暗通道先验算法与CLAHE算法;改进的K-means算法有收敛速度更快,味道判定值更小的优势,对一幅图像的平均计算时间为1.15 s;对算法准确率进行相应的分析可知,新算法的准确率-召回率指标较高,准确率可达85.69,召回率R达到86.93,且综合评价系数为86.31,超过改进Sobel算子、最大熵分割算法与Otsu算法。综上所述,提出的裂缝分割算法具有图像去噪效果较好、裂缝分割精度较高且运行时间短的优势。

基于改进K-means与组合赋权的智能变电站二次系统信息质量评价

随着变电站的智能化和信息化水平突飞猛进,变电站产生和存储的数据越来越多,数据异常和数据缺失等数据质量问题逐渐突出。作为提高数据质量的基础和前提,智能变电站二次系统数据质量评价尤为重要。文章提出一种基于改进K-means和组合赋权法的智能变电站二次系统信息质量评价方法,该方法首先通过正确性、完善性等6个指标对智能变电站二次系统的信息多层次、全方位分析,解决传统智能变电站二次系统信息质量评价指标单一、评价体系简单的问题;其次,针对智能变电站二次系统数据处理的实时性以及准确性的问题,采用改进K-means算法对数据进行预处理;再次,采用变异系数法与序关系法对评价指标进行组合赋权,使权重既带有客观因素,也包含专家的主观判断,从而使评价结果真实可靠;最后,以仿真数据为例说明该方法的有效性。

基于改进K-means算法的源荷匹配电网优化分区

针对电网分区问题中基于经验的启发式方法的局限性,考虑分区问题中的新能源和负荷之间的匹配特性,建立电网优化分区的衡量指标;基于源荷匹配度,通过求解各区域的源荷匹配度系数,实现对电网进行优化分区;在传统K-means算法中引入误差平方和,筛选最佳聚类数值,规避聚类模型对分析结果的不利影响。算例采用某地区6座500 kV变电站运行数据,分析并计算了各主变压器下的源荷匹配度系数,并根据系数对该区域电网进行分区。结果表明,所提算法能有效均衡分区之间的短路能力,明显提升在整体聚类上的效果。

基于改进K-means聚类的医疗信息系统信息安全检测方法

医疗信息系统中的信息数据在实际更新过程中容易产生振荡,导致实际安全检测时产生的检测时延数值过大,为此设计基于改进K-means聚类的医疗信息系统信息安全检测方法。划分医疗信息系统信息场景,获取医疗信息系统信息数据,随机选定一个信息数据作为聚类初始位置,划定信息数据的判断方向,形成一个基于改进K-means聚类算法判断信息数据安全状态的过程,构建不同层次信息的安全状态判断矩阵,完成安全检测方法的构建。结果表明:设计的检测方法误报率较低,产生的时延在0.1s左右,与两种文献中的检测方法相比,文中设计的安全检测方法产生的时延时间较短,实际检测过程所需的检测时间最短。

改进的K-Means和Grabcut相结合的壁画分割方法

在壁画数字化保护的过程中,壁画分割作为其中一重要流程,运用得当有利于壁画的后期修复工作。文章针对壁画的分割问题,提出一种K-Means和Grabcut算法结合的模型。首先对壁画进行去噪、平滑处理,然后确定K-Means算法的k值和聚类中心,进行预分割,最后利用GrabCut算法完成最终分割。通过利用真实古代壁画图像进行实验,既从直观的聚类效果和分割的视觉效果进行对比,也从量化指标峰值信噪比、过分割率、欠分割率进行对比,结果表明,文章提出的算法针对噪声的鲁棒性更强,分割结果的准确度更高,比经典的三类基准算法性能更优,能够对壁画图像进行有效分割。

基于改进K-means算法的冬小麦覆盖度提取研究

为快速、精准地提取冬前分蘖期冬小麦覆盖度,提出了一种基于改进K-means算法的冬小麦覆盖度提取方法。首先将冬小麦图像转换到Lab色彩空间,其次利用蜉蝣算法(Mayfly Algorithm, MA)获取K-means最优初始聚类中心,并用马氏距离代替欧氏距离进行算法改进,最后利用分割得到的二值图像计算冬小麦覆盖度。结果显示,该方法的平均分割精度和平均处理时间分别为94.66%和2.03 s,与过绿指数(excess green,EXG)自适应阈值分割和基于粒子群优化算法(particle swarm optimization,PSO)的K-means(PSO-K-means)分割相比,分割精度分别提高了12.04%和4.18%,处理时间分别减少了2.26和2.94 s。该方法分割效果优于EXG和PSO-K-means分割方法,可用于提取冬小麦覆盖度。

基于改进K-means聚类算法和最小生成树融合模型的配电网规划研究

本文针对配电网在规划分区时各分区用户负荷差值较大而造成可靠性不足和经济损失等问题,分别提出了一种基于负荷因子的平衡负荷初步分区方法和基于欧式距离权重的改进K-means聚类算法,并将其应用于配电网规划研究。以我国某城市街道为例,试验结果表明改进的K-means聚类在负荷分区的均匀分布上优于传统的K-means聚类方法,改进的K-means聚类负荷差值的平均值由0.364MW下降到0.1675 MW。输出聚类结果后的最短路径以实现配电网规划线路图。

基于改进K-means算法的退役动力电池一致性分析

针对现有退役动力电池聚类筛选方法计算量大、效率低等问题,本文提出了一种基于轮廓系数的K-means聚类算法并对退役动力电池进行聚类筛选,并以电压标准差作为评价指标对电池成组后的一致性进行评价。通过对电池进行HPPC实验,先提取电池容量、欧姆内阻、电压作为电池特征参数,再将特征参数归一化处理,同时在电池筛选成组过程中通过计算轮廓系数来评价聚类效果以确定k值。结果表明,该方法降低了电池筛选过程计算量,并且能够快速有效地将退役动力电池进行聚类重组,同时重组后的电池组一致性较好,进一步提高了退役动力电池测试装置的工作效率。