基于改进的快速密度峰值聚类的调控系统故障定位算法

为了解决目前电力调控数据中心机房设备众多且日趋复杂而难以有效管理的问题,提出了一种改进的快速密度峰值聚类算法,通过对机房设备产生的海量运行数据进行深度分析和挖掘,从而完成精确故障定位的目的.该算法在原始快速密度峰值聚类算法(FDPC)的基础上,采用带有递减的本地自适应窗口(LAW)的迭代覆盖图(OM)程序来构建多维密度图和决策图.通过将构建的密度图与FDPC进行结合显著减少了后续步骤处理的复杂度.此外,提出的算法对参数变化不敏感,因此,可以对聚类簇中心的选择过程进行持续优化.实验结果表明,提出的算法对电力调控数据中心机房设备的故障检测达到了较高的准确率.