电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2010年
9期
56-58
,共3页
SOM网络%改进K-均值算法%聚类%工况划分
SOM網絡%改進K-均值算法%聚類%工況劃分
SOM망락%개진K-균치산법%취류%공황화분
以利用火电厂实时数据的工况划分为对象,提出了一种基于SOM网络模型和改进K-均值算法的双层聚类算法.海量数据通过SOM网络的压缩,神经元保持了与原始数据的相同结构;再利用优化了初始聚类中心和可自适应调整到最佳K值的改进K-均值聚类算法,将神经元进一步聚类.实现了在较短时间内合理划分电厂生产过程工况的目标.
以利用火電廠實時數據的工況劃分為對象,提齣瞭一種基于SOM網絡模型和改進K-均值算法的雙層聚類算法.海量數據通過SOM網絡的壓縮,神經元保持瞭與原始數據的相同結構;再利用優化瞭初始聚類中心和可自適應調整到最佳K值的改進K-均值聚類算法,將神經元進一步聚類.實現瞭在較短時間內閤理劃分電廠生產過程工況的目標.
이이용화전엄실시수거적공황화분위대상,제출료일충기우SOM망락모형화개진K-균치산법적쌍층취류산법.해량수거통과SOM망락적압축,신경원보지료여원시수거적상동결구;재이용우화료초시취류중심화가자괄응조정도최가K치적개진K-균치취류산법,장신경원진일보취류.실현료재교단시간내합리화분전엄생산과정공황적목표.
