基于改进K-means的电力数据异常检测算法
来源：华东师范大学学报·哲学社会科学版杂志2020年第4期北京时间：
作者：吴蕊, 张安勤, 田秀霞, 张挺
摘要：异常检测方法在电力领域有着广泛的应用, 如设备故障检测和异常用电检测等. 改进了传统K-means聚类随机选择初始聚类中心的策略; 结合数据对象的密集度与最大近邻半径, 选择更加接近实际簇中心的数据点作为初始聚类中心, 并在此基础上提出了一种基于改进K-means算法的电力数据异常检测新方法. 实验表明, 上述算法具有更优的聚类效果和异常检测性能, 并且在应用于电力领域时, 算法可以有效地检测出异常电力数据.
关键词：初始聚类中心,密集度,异常检测,
基金资助：国家自然科学基金(61772327, 61532021)
