文件名称：负荷曲线数据中概念漂移的聚类生存模型
文件大小：2.75MB
文件格式：PDF
更新时间：2024-04-27 03:31:03
Concept drift; clustering pattern; data
客户的电力消耗模式的准确情景对于电力供应商来说是一项有价值的资产。 本文提出了负荷分布数据中概念漂移的聚类生存模型。 概念漂移的集群生存模型检索集群随时间的动态行为。 我们制定了一种新的数据流聚类算法I-niceStream，该算法自动识别聚类的数量和初始聚类中心，以产生聚类结果。 我们从聚类结果中得出修正的Kullback-Leibler散度，用于计算概念漂移得分。 概念漂移分数用于估计相关的聚类和聚类模式。 生存模型将聚类模式分为持续，衰落和新兴类型。 对从中国广东省不同工厂收集的合成数据集和实际载荷概貌数据集进行了实验。 实验结果表明，集群生存模型能够从负载配置文件数据流中有效识别集群模式。 I-niceStream算法在合成流数据集的聚类精度上明显优于三种最新算法。