1、基于气候特征的智能电表改进K-means聚类算法研究

基于气候特征的智能电表改进K-means聚类算法研究

1. 引言

为研究智能电表在典型环境中的可靠性，相关部门在黑龙江、福建、新疆和西藏等地建立了智能电表运行基地，上传运行数据和当地环境信息，以研究环境特征对智能电表运行误差的影响。而研究这些问题的前提是根据环境特征对智能电表进行划分，进而研究不同环境特征对电表误差的影响。

目前，智能电表的分类主要基于运行参数、用电类型或负载条件。例如，有研究通过降低数据维度，使用经典集成聚类算法对电力负载曲线进行聚类；还有研究提出分布式聚类算法，利用自适应K - means算法对智能电表存储的用电数据进行聚类。但目前尚未有根据气候特征对智能电表进行分类的研究。

为满足大规模智能电表在特定气候下的分类需求，本文提出了基于气候特征的智能电表分类方法。先提出气候特征提取原则，再根据提取的气候数据特征，提出改进的K - means算法，改善初始聚类中心的选择，以提高分类结果对初始值的依赖性。该算法能有效对多地运行的智能电表进行分类，为进一步挖掘气候参数对智能电表可靠性的影响提供有效指导。

2. 气候特征的选择

为进一步研究智能电表在复杂气候中的运行情况，相关测量中心在黑龙江漠河、新疆恰特喀勒、西藏羊八井和福建湄洲岛四个地区，分别在严寒、干热、高海拔、湿热条件下对智能电表进行了可靠性验证。
- 黑龙江漠河县位于中国最北部，年平均气温为 - 5.5 °C。
- 新疆吐鲁番是独特的暖温带大陆性干旱荒漠气候，年平均气温为14 °C。
- 西藏羊八井海拔4300米，年平均大气压力为0.06 MPa。
- 福建湄洲岛位于莆田市南部，年平均降雨量约为1000毫米，每天的温度变化规律为