于君　范文彬　杜永军

摘要：随着电网智能化程度的逐步深入，智能电网高维数据成为了“电网2.0”的重要价值资源。本文论述了智能电网大数据源、大数据流体系，讨论了传统电力数据聚类方法与特征，分析了智能电网高维数据所具有的稀疏性、空空间现象、维度效应、Hubness现象和离群点检测的特征，对智能电网高维数据从维数简化、索引技术、结果表征与评价方面论述了高维数据聚类分析方法和应用实践。

关键字：智能电网；电网高维数据；高维数据聚类

中图分类号：TP391，TP274， TM769文献标志码：A文章编号：2095-2163（2016）01-

Abstract： With the intellectualized development of power grid， SG （Smart Grid） high-dimensional databecomes the valuable resources of “Power Grid 2.0”. The big data resource and big data flow architecture of SG has been discussed. And the methods and characteristics of traditional electric power data clustering have been analyzed. After that， the characteristics of sparsity， empty space phenomenon， Dimensionality， Hubnessphenomenon， outlier detection and similarity measurein SGhigh-dimensional data have also been analyzed. Based on the aboved， the analytical methods and applications have been discussed in detail from several aspects of dimension reduction， indexing technique， result demonstrability and evaluation.

Keywords： smart Grid； SG high-dimensional data；high-dimensional data clustering

0 引言

随着电力网络向着智能化、集约化、清洁化方向的发展，电力网络数据的规模化、高维化和关联化程度日益加深，对于高维数据的数据挖掘成为了电力数据“工程化”向电力运维“价值化”的关键环节[1-2]。通过电力网络高维大数据挖掘技术可以实现电网规划建设全景可视化、网络运行实时动态监控决策、复杂大电网建模降维与解耦、电网能量传递与转化效能分析、网络暂态保护控制策略分析等方面的价值应用[3]。聚类挖掘分析方法是数据挖掘技术重要手段，其在电力运动异常检测[4]、电力用户行为分析[5]、电力负荷曲线聚类[6]、电网覆冰预警[7]等方面具有重要的理论研究意义和工程实践价值。

1智能电网大数据

智能电网依托无线传感器网络（WSN，Wireless Sensor Network）和物联网技术（IOT，Internet of Things）实现了信息资源的整合，具体而言，WSN实现了末端设备/传感器完成数据采集和转换功能；IOT通过无线/有线数据传输技术实现感知数据、控制命令等信息资源的传播；……