一种基于环境特征的智能电能表初值优选型K-means聚类算法

摘要

为探究不同环境特征(温度、湿度等)对智能电能表运行误差的影响,需要将不同地区运行下的智能电能表根据环境特征进行聚类划分。现有关于智能电能表的聚类算法研究中,都是依据运行数据或者负荷曲线进行聚类,缺少利用环境因素对其进行聚类的研究。因此,文章提出环境信息提取原则,有效降低数据维度提高计算效率。并提出初值优选型K-means算法,该算法是对传统的K-means算法在初值选取和聚类中心移动规则上进行改进,使其更加适用于基于环境特征的智能电能表聚类问题。通过数据仿真验证,该方法的准确率较其他算法平均提升17.7%,计算耗时平均减少0.16 s。