基于云計算的電力設(shè)備監(jiān)測數(shù)據(jù)的集中并行處理與診斷.pdf

1、數(shù)據(jù)集成與信息共享是建設(shè)堅強智能電網(wǎng)的必然趨勢。隨著電網(wǎng)調(diào)度中心向調(diào)控一體化的發(fā)展，越來越多的電力設(shè)備狀態(tài)數(shù)據(jù)將被送往調(diào)控中心。海量的歷史狀態(tài)數(shù)據(jù)和實時在線監(jiān)測數(shù)據(jù)的快速處理正面臨挑戰(zhàn)，本文基于云計算和大數(shù)據(jù)處理技術(shù)對電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的集中并行處理與診斷問題展開了研究。
　　本研究主要內(nèi)容包括：⑴設(shè)計了一種面向電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)處理中多應(yīng)用場景的綜合云計算平臺架構(gòu)。在該平臺下，多種并行計算框架共享同一套IT基礎(chǔ)設(shè)施，既節(jié)約了

2、計算平臺投資與維護成本，又利于數(shù)據(jù)集成與信息共享。根據(jù)監(jiān)測數(shù)據(jù)的處理模式和用戶對實時性的需求，計算任務(wù)會以指定資源分配給最合適的計算框架。⑵提出了一種局部放電信號基礎(chǔ)放電參數(shù)的自適應(yīng)提取算法，并在此基礎(chǔ)上提出了基于Hadoop MapReduce的大量局部放電信號的集中并行批處理方法。采用自適應(yīng)的放電幅值閾值和放電間隔閾值對局部放電信號的局部極值點進行雙重過濾，實現(xiàn)了放電次數(shù)、放電量與相位的自動化提取。借助MapReduce計算框架，實

3、現(xiàn)了局部放電信號從基礎(chǔ)放電參數(shù)提取、譜圖繪制與特征計算到類型識別整個分析過程的并行處理，提高了大數(shù)據(jù)量下的處理效率。⑶提出了基于Spark內(nèi)存計算技術(shù)的集合經(jīng)驗?zāi)B(tài)分解(EEMD)的并行化算法，彌補了Hadoop MapReduce應(yīng)用于復(fù)雜數(shù)據(jù)處理場景時的不足。通過對EEMD算法處理時序波形信號時的并行性分析，設(shè)計并實現(xiàn)了波形分段并行與EMD過程并行這兩種不同結(jié)構(gòu)的并行EEMD算法。將所提并行算法應(yīng)用于局部放電波形信號的特征提取，并在

4、計算性能上與串行EEMD算法和基于HadoopMapReduce的并行EEMD算法進行了比較。⑷提出了一種基于Storm實時處理技術(shù)和變量預(yù)測模型分類(VPMCD)的電力設(shè)備在線并行故障診斷方法。為了滿足在線診斷需求，將增量學(xué)習(xí)機制引入VPMCD中，采用遞推最小二乘法實現(xiàn)了變量預(yù)測模型(VPM)的增量更新?？紤]到大規(guī)模電力設(shè)備的在線故障診斷問題，設(shè)計了基于Storm的流式數(shù)據(jù)實時處理框架，通過構(gòu)建Storm拓?fù)浣M件的監(jiān)聽機制實現(xiàn)了VPM