国家电投集团内蒙古能源有限公司 高建民

由于火电机组设备的状态数据来源广泛，经常会出现数据统计口径不同、数据录入员输入错误等问题，又因为缺少检测机构而造成间歇性的数据异常，这些异常数据会直接影响到电力数据传输的准确性。为能够准确整理这些电力数据，电力中心大多采用聚类分析的方法对这些火电机组设备的状态数据进行整理和分析，从中判断出异常数据。目前已有很多火电机组设备的状态异常数据的检测方法，如基于统计的火电机组设备状态数据检测、基于近邻模型的火电机组设备状态数据检测等，但这些方法大多准确性很低，在检测异常值的过程中经常出错。

为得到具备高准确性的检测方法，本文提出了基于密度峰值聚类的火电机组设备状态检修技术改进方法。首先需基于密度峰值聚类算法计算两个样本点的基础参数，并根据这两个参数进行火电机组设备状态数据的类间距离进行优化。通过样本点与聚类中心的距离集合构建决策图，有了决策图后，就能直接计算密度峰值聚类算法的无标签归类，以此判断故障数据并应用于火电机组设备状态检修技术中。最后设计实验，验证本文算法的准确性与优越性。

1 密度峰值聚类算法优化研究

1.1 火电机组设备状态数据类间距离优化

密度峰值聚类算法是一种新的基于数据挖掘的密度聚类方法，该算法的中心思想在于对中心聚类点的描述[1]。……