简介：摘要： 现如今，人们的生活质量在不断提高，对于电力的需求在不断加大， 针对电力大数据流的异常检测问题，该文将流数据聚类算法与电力大数据相结合，针对现有流数据聚类算法不易存储全部数据、断电数据易丢失等问题，以及流数据聚类算法对于离线阶段聚类算法实时应答的要求，从数据的完整性、安全性以及流数据聚类算法的低时间复杂度的角度出发，对 CluStream 流数据聚类算法进行改进，提出流式 K-means 聚类算法。对在线阶段，使用 Redis 集群进行流数据的缓冲，并设计节点时间衰减策略，增大心跳消息中有效消息所占比例；对离线阶段聚类算法进行优化，使用最佳距离法确定初始聚类中心，减少迭代次数；最后，使用所提出的流式 K-means 聚类算法进行用户用电异常行为检测，实验结果表明，该算法能够很好的发现用户用电异常行为。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
