基于线性调频盲卷积的大数据聚类控制方法

刘 炜

(广州番禺职业技术学院，广州 511483)



基于线性调频盲卷积的大数据聚类控制方法

刘 炜

(广州番禺职业技术学院，广州 511483)

海量的大数据在大型电力系统中以电压脉冲、电流、用电功率等形式在传输和存储，需要对大型电力系统中的大数据进行优化聚类控制处理，提高大数据的调度和模式控制识别能力。传统方法采用FCM聚类方法，对电力系统的热噪声具有较强的敏感性，导致数据聚类效果不好。提出一种基于线性调频盲卷积的大数据聚类控制方法，构建了大型电力系统中的大数据分布结构模型，对大数据信息流进行线性调频信号拟合，采用线性调频盲卷积方法进行数据融合滤波，优化数据聚类性能。实验结果表明，采用该算法进行大数据聚类，数据聚集度较高，为模式识别和信号检测奠定基础，可提高电力系统中的数据聚类和控制能力。

线性调频；盲卷积；电力系统；数据聚类

随着智能电力控制技术的发展，电力系统中存在着大量的信息资源数据，需要对大型电力系统中的大数据进行优化聚类控制处理，提高大数据的调度和模式控制识别能力，研究大型电力系统的大数据优化聚类控制算法，在进行大型电力系统优化设计和控制中具有重要意义[1]。

传统方法中，对大型电力系统的海量数据库的访问和聚类控制算法设计采用盲特征分离算法和负熵累积量特征提取算法等，而传统的用盲特征分离无法彻底消除挖掘信道对奇异特征具有卷积效应，影响特征挖掘精度[2]。……