优化GSA算法在电力调度系统不良数据检测中的应用

作者：犹峰; 王渊

来源：自动化技术与应用, 2019, 38(07): 33-36.

• 电力系统
• 不良数据辨识
• 面积密度
• 间隙统计算法
• 聚类

为了克服传统聚类方法的初始值随机性较大对GSA算法的影响,本文提出了一种基于区域密度统计方法的优化GSA算法。该算法通过计算每个聚类对象的区域密度来选择最远的点,并以最高的区域密度作为初始聚类中心。实验结果表明,优化后的GSA算法提高了聚类的色散和不良数据辨识精度的准确性。同时,该算法大大降低了迭代计算的计算复杂度,提高了计算速度,节省了大量的计算时间。在系统庞大、数据量大的情况下,该算法是一种快速有效的算法,具有良好的应用前景。