随着电网规模的完善和用电需求量的上升,电力在日常生活中扮演着重要角色,是国民经济发展的基础。停电不但对供电企业造成售电量的损失,对社会造成间接的经济损失大约是电费损失的10倍。目前供电公司普遍采用定期检修的方式来保证电力系统的安全运行,以减少停电事故的发生。按照固定的时间周期对电力设备开展检修工作,而不是建立在设备运行状态的基础上,这种方式具有盲目性,大大降低了检修的精准性,导致不该停电检修的检修,该检修的漏检修,造成了经济的损失并影响了设备的使用寿命。因此,定期检修的作业方式不能满足智能电网的发展要求。基于数据采集与分析的电力设备状态检修是一种按需检修的方式,克服了定期检修的盲目性,是目前发展的趋势。电力设备状态检修是指对设备运行数据进行实时监测,以现场监测到的数据为依据,通过提取数据的特征值来判断设备运行状态。但是电网结构错综复杂设备众多,设备监控量巨大,如何对海量数据进行有效存储和数据分析是开展电力状态检修所面临的两大难题。近年来,Hadoop作为开源的云计算平台,被广泛应用于大数据分析领域,将其引入电力系统中,为电力系统提供超级计算能力,可以大大提高电网数据存储和数据处理的能力。本文通过搭建Hadoop云计算集群,为大规模数据存储和数据分析提供一套解决方案。本文首先分析当前电力设备状态检修工作的研究热点和难点问题,建立一种电缆等值热路模型和覆冰线路力学分析模型。借助Hadoop云平台的高性能、高可靠性以及在大数据处理上的优势,设计了一套针对电缆和覆冰线路的电力设备状态检修系统。该系统的核心功能包括电力设备状态评估,大规模电力设备运行数据存储,数据预处理和数据分析,智能决策等,为电力状态检修提供决策支持。系统的实现对提高供电公司设备管理水平和供电可靠性、保证电网安全、经济运行,具有实际意义。在系统设计方面,本文对系统需求开展调研和分析。在此基础上提出一套系统设计框架,采用滤波算法去除噪声干扰保证数据质量,采用BP神经网络算法和层次分析法对电力设备状态进行评估。在系统功能实现方面,搭建Hadoop云计算环境,使用MapReduce并行编程模型。对核心算法进行并行优化,以提高数据分析的性能,对各功能模块进行测试分析,完成实验分析,达到了预期的目的。最后对研究工作归纳总结,对下一步工作进行展望。