基于LOF-GMM方法的电网异常数据动态辨识及分析

为了进一步提高电网异常数据动态辨识精度,结合高斯混合模型,并利用邻域局部异常因子来确定此点是否属于异常数据,设计了一种基于邻域局部异常因子-高斯混合模型聚类方法的电网异常数据动态辨识方法。研究结果表明:设计的邻域局部异常因子-高斯混合模型聚类算法满足了配电网大数据一体化动态清洗过程需要,获得更高精度的负荷预测结果,有助于大幅增强配电网的响应能力。设计的方法实现了缺失数据填补精度与速度平衡,具有较好工程应用价值。