基于云計算的智能電網(wǎng)狀態(tài)監(jiān)測數(shù)據(jù)存儲與分析研究.pdf

1、隨著智能電網(wǎng)研究和建設的不斷推進，電網(wǎng)智能化和數(shù)字化水平越來越高，對其環(huán)境下的電力設備進行狀態(tài)監(jiān)測的深度和力度也越來越大，收集到的電力設備狀態(tài)監(jiān)測數(shù)據(jù)呈現(xiàn)指數(shù)級增長，如何高效地存儲海量的狀態(tài)監(jiān)測數(shù)據(jù)并對其進行有效地分析處理以便對電力設備進行準確地狀態(tài)評估已成為熱點研究問題。而傳統(tǒng)的單機環(huán)境面臨著存儲和計算資源不足的問題，無法滿足狀態(tài)監(jiān)測數(shù)據(jù)的處理要求。本文將云計算技術引入到智能電網(wǎng)狀態(tài)監(jiān)測領域中，通過引入分布式文件系統(tǒng)和對傳統(tǒng)的密度聚類

2、算法進行改進和并行化設計等改進措施，有效地解決了狀態(tài)監(jiān)測大數(shù)據(jù)的存儲和聚類劃分問題，為云計算在狀態(tài)監(jiān)測領域的應用提供了一個可行的方法。本文主要做了以下幾方面的工作：
　　1）首先分析了目前智能電網(wǎng)狀態(tài)監(jiān)測數(shù)據(jù)處理方面面臨的問題，研究了目前狀態(tài)監(jiān)測數(shù)據(jù)處理的思路和方法，根據(jù)狀態(tài)監(jiān)測數(shù)據(jù)的特點選擇合適的算法進行針對性改進；
　　2）針對電力設備狀態(tài)監(jiān)測數(shù)據(jù)規(guī)模越來越大，傳統(tǒng)的存儲方式無法滿足狀態(tài)監(jiān)測大數(shù)據(jù)存儲的問題，設計了基于云

3、平臺的狀態(tài)監(jiān)測數(shù)據(jù)存儲系統(tǒng)。利用分布式文件系統(tǒng)HDFS和 Hbase數(shù)據(jù)庫存儲狀態(tài)監(jiān)測數(shù)據(jù)，為下一步進行狀態(tài)監(jiān)測數(shù)據(jù)的分析與評估做好準備；
　　3）針對傳統(tǒng)的密度聚類算法的缺點，設計了基于密度簇結構的聚類算法DBCLustering，該算法首先構建了存儲數(shù)據(jù)節(jié)點核心可達關系的索引結構CR-Tree，然后從中提取出關于數(shù)據(jù)可達關系的排序線性表，最后根據(jù)線性表的結果輸出聚類結果。為解決單機版算法計算能力不足的問題，提出一種基于Spar

4、k的狀態(tài)監(jiān)測數(shù)據(jù)聚類算法—RDD-DBClustering算法。該算法在Spark平臺下實現(xiàn)DBClustering算法的并行化應用，提高算法處理大規(guī)模數(shù)據(jù)的能力；
　　4）最后在實驗室搭建了9個節(jié)點組成的Spark集群，利用在實驗室采集的絕緣子泄漏電流數(shù)據(jù)集，對第五章提出的 RDD-DBClustering并行算法進行了聚類劃分實驗。實驗結果表明，并行算法在處理效率上優(yōu)于單機版，算法具有良好的并行性，適合于對狀態(tài)監(jiān)測大數(shù)據(jù)進行聚