| 基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法 |
| |
| 引用本文： | 谭志锋,姬联涛,荆岫岩,王璞,田海平.基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法[J].中国农村水利水电,2024(3):250-254. |
| |
| 作者姓名： | 谭志锋 姬联涛 荆岫岩 王璞 田海平 |
| |
| 作者单位： | 1. 中国电力科学研究院有限公司;2. 国家电网有限公司;3. 国网湖南电科院 |
| |
| 基金项目： | 国家电网公司科学技术项目（4000-202355082A-1-1-ZN）； |
| |
| 摘 要： | 针对水电机组状态监测数据量逐步增大，数据质量差的问题，提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法，首先对输入数据建立KD-Tree，再使用DBSCAN在最近邻样本上扫描完成聚类，聚类结束以后会分离出噪声点，将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条，再以相同时间间隔插入随机数据100条，通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能，所提出的方法识别正确率最高，为97.78%，消耗时间最少，为0.007 732 s，数据清洗效果最优，并可以大幅减少计算时间。
|
| 关 键 词： | KD-Tree DBSCAN 水电机组 状态监测 数据清洗 |
|
