文献类型：期刊文章

作　　者：周国亮[1,2] 朱永利[1] 王桂兰[1] 宋亚奇[1]

机构地区：[1]华北电力大学新能源电力系统国家重点实验室,北京102206 [2]国网冀北电力有限公司技能培训中心,保定071051

出　　处：《电工技术学报》

基　　金：中央高校基本科研业务费专项资金(13MS103);河北省自然科学基金(F2014502069)资助项目

年　　份：2014

卷　　号：29

期　　号：S1

起止页码：432-437

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着智能电网建设和研究的不断推进,对输变电设备状态监测的广度和深度不断加强,状态监测过程中收集的数据量呈指数级增长。然而,电力系统要求对生产、管理、运营能够实时监控,对在线监测系统的实时性要求很高。现有的大数据处理技术(如Map Reduce等适合离线大数据分析)应用于在线状态监测系统时,其性能很难保证。根据状态监测数据特点,利用Storm实时处理监测数据流,设计了数据流处理拓扑结构和消息树;利用Spark内存集群计算技术,提高状态评价和数据分析算法的性能,设计了k-means的聚类算法,实现数据的聚类划分。最后提出了结合大数据处理、实时流数据处理和内存批处理技术的状态监测数据实时分析框架。

关 键 词：在线状态监测 数据流 内存批处理技术  实时分析框架  

分 类 号：TM76]