基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
计算性能是制约电力大数据应用(基于大数据的故障诊断、预测等)的关键问题.利用分布式存储、并行计算加速此类数据密集型应用是目前较有效的手段.尝试利用阿里云开放数据处理服务(ODPS)存储并加速电力设备监测大数据分析过程.以变压器局部放电(PD)数据相位图谱分析(PRPD)为例,提出了适合高采样率、时序性强的局部放电信号数据存储方法.采用ODPS扩展MapReduce模型(MR2)设计了“Map-Reduce-Reduce”方式的PD信号宏观特征提取方法,提出了并行化PRPD分析算法(ODPS-PRPD),实现了大量PD信号的并行基本参数提取、统计特征计算与放电类型识别.在实验室中构造了4种放电模型并采集了大量PD信号,分别在ODPS平台上和实验室自建的Hadoop平台上进行了性能评估和成本分析.实验分析和结果表明,ODPS-PRPD将大量的中间过程数据(PD谱图数据等)一直保存在内存中,相比自建Hadoop MapReduce平台性能明显提升,并在数据可靠性、服务可用性以及成本方面具有明显优势.
推荐文章
云平台下全维度电力设备监测数据并行化处理技术
云计算
大数据
电力设备
并行计算
云平台下输变电设备状态监测大数据存储优化与并行处理
大数据
输变电设备
状态监测
一致哈希
云计算
云平台下的NoSQL分布式大数据存储技术与应用
Hadoop云存储平台
MongoDB数据库
非关系型数据库
云存储
加密环境下大数据特征集并行存储方法研究
大数据特征集
并行存储
MMSE算法
Hash索引
结果分析
映射处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 ODPS平台下的电力设备监测大数据存储与并行处理方法
来源期刊 电工技术学报 学科 工学
关键词 电力大数据 公有云 开放数据处理服务 扩展MapReduce模型 局部放电 局部放电相位图谱分析
年,卷(期) 2017,(9) 所属期刊栏目 电力系统及其自动化
研究方向 页码范围 199-210
页数 12页 分类号 TM764
字数 7774字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱永利 华北电力大学控制与计算机工程学院 268 5516 39.0 62.0
2 李莉 华北电力大学控制与计算机工程学院 65 688 14.0 24.0
3 宋亚奇 华北电力大学控制与计算机工程学院 17 1166 9.0 17.0
4 王刘旺 华北电力大学控制与计算机工程学院 11 374 7.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电力大数据
公有云
开放数据处理服务
扩展MapReduce模型
局部放电
局部放电相位图谱分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电工技术学报
半月刊
1000-6753
11-2188/TM
大16开
北京市西城区莲花池东路102号天莲大厦10层
6-117
1986
chi
出版文献量(篇)
8330
总下载数(次)
38
总被引数(次)
195555
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导