数字技术与应用杂志社

摘要：<正>配电网运行数据的准确性对电网安全至关重要，但受设备故障、通信干扰等因素影响，采集数据中常包含大量异常数据，若不及时处理将影响状态估计、故障定位等关键功能，甚至可能引发安全事故。传统人工校核方法效率低且易遗漏复杂情况，而随着机器学习的发展，聚类算法为异常数据自动识别提供了新途径。谱聚类能够有效捕捉数据中的非线性结构和复杂模式，适用于配电网的多维数据特征，但在高噪声和多异常场景下仍有局限性。为此，本文提出一种融合邻域信息与物理约束的改进谱聚类方法，以提升配电网异常数据校核的准确性与可靠性。

基金资助： 国网湖南省电力有限公司科技项目（5216A124000F）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业;计算机软件及计算机应用

分类号： TP311.13;TM73