基于K均值聚类的智能建筑应用电气设备识别。

随着建筑物联网(BIoT)系统的发展和广泛应用,连接了多种类型的设备,并收集了大量的设备数据。 为方便设备管理,应标识设备并贴上标签。 传统上,此过程是手动执行的,这不仅费时,而且会导致不可避免的遗漏。 在本文中,我们针对智能建筑应用提出了一种基于k均值聚类的电气设备识别方法,可以自动识别连接到BIoT系统的未知设备。 首先,分析负载特性,并从收集的数据中提取用于设备识别的电气特性。 其次,两次使用k-means聚类来构建识别模型。 初步聚类采用传统的k均值算法对总谐波电流畸变数据进行分析,并根据其电气特性将设备数据分为两到三个簇。 后来的聚类使用改进的k均值算法,该算法加权欧几里得距离,并使用弯头法确定聚类数并分析初步聚类的结果。 然后,通过选择聚类质心向量和距离阈值来构建设备识别模型。 最后,通过使用新收集的数据,在模型输出的基础上在线获得识别结果。 BIoT系统的成功应用验证了所提出识别方法的有效性。