基于最优K均值聚类算法的负荷大数据任务均衡调度研究                                                                                                                        附视频

doi:10.14044/j.1674-1757.pcrpc.2022.06.013

您当前的位置：

首页 >

文章列表页 >

基于最优K均值聚类算法的负荷大数据任务均衡调度研究附视频

系统应用研究 | 更新时间：2024-09-21

- 基于最优K均值聚类算法的负荷大数据任务均衡调度研究附视频
- 暂无标题
- 电力电容器与无功补偿 2022年第6期页码：85-91
- 作者机构：
- 作者简介：
- 基金信息：
  
  国网内蒙古东部电力有限公司信息通信分公司科技项目（SGMDx700GCxx2000033）
- DOI：10.14044/j.1674-1757.pcrpc.2022.06.013
  中图分类号： TM73;TP311.13
- 纸质出版日期：2022，
- 稿件说明：
移动端阅览
基于最优K均值聚类算法的负荷大数据任务均衡调度研究附视频[J]. 电力电容器与无功补偿, 2022,(6):85-91.
基于最优K均值聚类算法的负荷大数据任务均衡调度研究附视频[J]. 电力电容器与无功补偿, 2022,(6):85-91. DOI： 10.14044/j.1674-1757.pcrpc.2022.06.013.

DOI：

摘要

传统电力负荷大数据均衡调度方法无法应用于多源数据，导致负荷数据的划分精度偏低，开销较大，电力负载均衡性改善效果不明显。为此，提出基于最优K均值聚类算法的负荷大数据任务调度均衡方法。采用K均值聚类算法划分电力负荷大数据，并利用密度法优化K均值聚类算法的初始聚类中心点，获取电力负荷大数据最优分类结果；通过提取各分类结果的关联特征，获取电力大数据跨域调度的输出特征量，结合自适应权重学习方法，完成电力负荷大数据的跨源调度。实验测试结果表明：该方法可根据不同的电力负荷特点，高效完成用户电力负荷大数据分类。具备良好的负荷大数据跨源调度均衡性，且负载均衡离差均低于0.19，调度开销低于0.95 s，以上数据表明所提的电力负荷大数据跨源调度方法具有实用性。

Abstract

关键词

最优K均值大数据聚类电力负荷跨源调度关联特征提取

Keywords

references

浏览量

227

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据

基于最优K均值聚类算法的负荷大数据任务均衡调度研究 附视频

暂无标题

DOI：10.14044/j.1674-1757.pcrpc.2022.06.013

摘要

Abstract

关键词

Keywords

references

基于最优K均值聚类算法的负荷大数据任务均衡调度研究附视频