状态监测大数据存储及聚类划分技术
(0) 近年来,随着输变电设备状态监测的广度和深度不断加强,收集的监测数据越来越多,逐渐形成了智能电网状态监测大数据.然而,如何有效的存储和分析状态监测大数据是大数据在状态监测领域应用的关键问题之一.基于云计算平台并考虑状态监测数据的特点,将监测数据海量小文件组合成大的序列文件,并压缩存储,从而提高存储和处理效率.针对状态监测大数据价值密度低的特点,首先利用分形理论对监测数据降维处理,提取时域和频域特征量,并使用密度聚类算法DBSCAN对样本数据聚类划分,提取不同聚类的特征数据;然后结合云平台的数据处理能力设计MapReduce并行算法,实现状态监测大数据的聚类划分,并更新和丰富样本特征数据.实验结果表明该方法可以有效存储状态监测大数据并提取特征数据,为提高设备的状态评估及诊断具有一定辅助作用.
智能电网 状态监测 大数据存储技术 聚类划分算法
周国亮 周国亮 宋亚奇 蒋玉柱 朱永利 王桂兰
华北电力大学控制与计算机工程学院,河北 保定 071003;国网冀北电力有限公司技能培训中心,河北 保定 071051 华北电力大学控制与计算机工程学院,河北 保定 071003
国内会议
天津
中文
135-140
2013-10-24（万方平台首次上网日期，不代表论文的发表时间）