论文部分内容阅读
铁路供电系统是铁路运输的重要装备,担负着为电力机车、沿途车站、信号灯和闭塞装置等设备供电的重任,供电的安全性将直接关系到铁路运输的安全,为保障铁路系统的安全供电,铁路部门通过铁路供电监控系统对铁路供电系统进行调度监控。铁路牵引供电系统是一种典型的动态电网络,且机车负荷是大功率的冲击性负荷,具有波动幅度大、变化快等特点,同时高速列车的运行速度快、开行密度大,使得铁路电网的电压、电流等运行参数变化频繁,监控终端将采集到海量现场实时监测信息上传至调度中心,随着现场量测点的增多以及采集频率的增大,采集到的供电调度信息量也越来越多,长期运行将产生海量信息。传统的数据处理模式在处理海量监控信息时容易造成较大处理延时,不仅影响铁路供电调度系统的实时性,严重时甚至造成关键监测信息的丢失,从而导致故障信息的处理不及时,进而威胁到铁路系统的供电安全。因此,如何快速处理海量实时监控数据,是一个需要迫切解决的关键问题。本文针对铁路供电监控系统中海量监控信息的快速实时处理问题,结合实际工程应用中海量监控信息的处理要求,搭建铁道调度监控流计算实时处理系统,该系统以Storm流计算框架作为监测数据的实时处理模块,以分布式消息系统Kafka作为数据缓存模块,并以铁路动车段10kV电力远动监控系统数据为测试对象,通过对流计算实时处理系统进行一系列监测数据的拓扑实例测试,对系统的数据处理延时性能和数据吞吐性能进行测试,测试结果表明流计算实时处理系统可获得百ms级处理延时,且具有良好的数据吞吐性能,为铁路供电监控海量数据的快速处理提供新的解决方案。同时为提升系统的整体运算能力,从数据缓存模块、拓扑组件并行度参数、任务调度方法等方面对流计算实时处理系统进行优化,通过优化前后的对比实验,验证了优化方案提高了流计算处理系统的运行性能,并且在运行任务时集群各工作节点负载更加均衡。