论文部分内容阅读
随着智能电网的逐渐发展和完善,对其环境下的电力设备运行的安全性和稳定性要求越来越高,设备监测力度越来越大,电力设备种类多、数量大,在极端情况下(大雾天、阴雨天),短时间内就会累计大量的监测数据,早已超出现有监测方法的处理能力;如何利用这些海量的监测数据及时准确的预测电力设备的状态,已成为新的研究课题。Google提出云计算理念后,云计算平台Hadoop异军突起,具有海量存储与运算、高扩展性和高可靠性等优势,为解决上述状态监测问题提供了可能。本文首先详细归纳和总结了电力设备状态监测方法的研究现状,重点分析了现有方法在处理效率和处理准确率方面所存在的问题;随后对云计算Hadoop平台的应用情况和发展现状进行汇总,并对Hadoop平台各大软件进行了详细的介绍。接下来又说明了本文要解决的问题是如何及时地存储短时间内激增的设备监测数据,并利用这些海量监测数据对电力设备的状态进行高效、及时、准确的评估;通过对Hadoop平台的特性进行分析,确定使用Hadoop/HBase平台存储短时间内激增监测数据,并利用MapReduce实现自行设计的状态评估算法进行电力设备的状态评估。分析现有状态评估方法的问题和当前智能电网的应用需求,以及Hadoop平台的相关技术优势,针对智能电网对电力设备状态监测的高要求,提出了一种基于Hadoop平台的状态评估系统,并对系统总体架构、各子模块结构、所使用的算法、算法实现进行了详细的介绍,解决了现有评估方法效率低、实时性差的问题。文中详细介绍了Hadoop集群搭建方法、集群的调优、MapReduce程序设计的技巧、状态评估算法、及状态评估算法的MapReduce实现方法,并模拟了现实环境,对MapReduce算法进行了实时性和准确率进行了评估;尤其是算法实时性的测试,证明了在电力设备状态监测各类应用环境中相关设计的有效性和正确性。本课题为利用海量监测数据进行电力设备状态评估和预测提供了新的思路;是云计算Hadoop平台在智能电网领域的一次有益尝试。