基于Hadoop的变电站设备故障状态识别与预测模型

• 作者: 刘晓庆 曲朝阳 辛鹏
• 来源期刊: 软件导刊
• 关键词: 智能变电站 故障识别 故障预测 Hadoop HBase
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法与语言
• 页码范围: 61-63
• 页数: 3页
• 字数: 2319字
• 语种: 中文
• DOI: 10.11907/rjdk.1431012

摘要

在智能变电站环境下，各种智能量测装置运行过程中产生了海量的状态监测数据。针对在数据量巨大的情况下，现有故障诊断方法分析效率缓慢且预测精度不高等问题，提出一种大数据环境下设备故障快速识别与预测模型，改进并实现了M apReduce并行模式下设备故障分类算法，通过专家推理机制，依据规则进行准确的故障预测。建立了一个基于 Hadoop集群的数据处理实验环境，以SF6断路器的3种故障状态为对象，分析证明了该模型在不同故障模式下识别与预测的正确性和有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲朝阳	东北电力大学信息工程学院	104	1025	15.0	26.0
2	刘晓庆	东北电力大学信息工程学院	2	7	1.0	2.0
3	辛鹏		1	7	1.0	1.0