云技术在电力系统不良数据处理中的研究与应用

摘要

大数据时代，电网运行产生的数据呈爆炸式增长，传统的计算与存储模式已逐渐无法适应电力系统的需求。云计算技术作为一种具有超大规模、高可用性和高伸缩性等特性的海量数据处理新技术能够用于解决该问题，并为新一代电力信息平台的建设提供解决方案。本文着重针对云技术在电力系统不良数据辨识与修正领域的应用展开了研究。
　　论文阐述了云技术与电力系统不良数据处理的国内外研究现状，研究了批处理云计算框架Hadoop与实时云计算框架Storm的核心技术与实现机理，在此基础上，从数据挖掘技术与拓扑理论两个方面设计了多种云计算下的不良数据处理算法。
　　数据挖掘技术方面，提出了一种Hadoop下的分布式系统聚类算法用于数据预处理。通过将不良数据辨识问题转化为二类分类问题，提出了一种基于支持向量机并采用滑动窗口机制的分布式不良数据处理算法，算法分为离线与在线两个模式，离线模式采用Hadoop进行分布式处理，首先对样本数据进行聚类，对每个保留的类簇按时段划分并分别训练SVM模型;在线模式通过设置滑动窗口接收待辨识数据，采用对应的SVM模型辨识坏数据并采用线性插值法对其进行修正。
　　拓扑理论方面，提出了一种Storm下的针对全网有功功率的分布式不良数据处理算法。算法通过电路约束条件进行数据处理，在子网边界处引入冗余信息使得Storm能够对每个子网进行分布式计算，最后在母网层面整合计算从而实现全网数据辨识与修正。同时，提出了一种Storm下的分布式状态估计算法。算法通过在联络线处引入虚拟节点并从虚拟节点处进行子网分裂进而针对子网进行分布式状态估计计算与不良数据处理，其中坏数据处理部分简化了残差搜索辨识法的实现流程。
　　论文针对提出的每种算法进行了仿真测试，结果表明它们具备较好的不良数据处理能力和实时性，具有一定的应用前景。

目录

声明

摘要

第一章 结论

1．1 课题研究背景及意义

1．1．1 课题研究背景

1．1．2 课题研究意义

1．2 国内外研究现状

1．2．1 云技术研究现状

1．2．2 电力系统不良数据处理算法研究现状

1．3 论文主要研究内容

第二章 云技术及其框架

2．1 概述

2．2 批处理云计算框架Hadoop

2．2．1 Hadoop简介

2．2．2 分布式文件系统HDFS

2．2．3 MapReduce编程模型

2．3 实时云计算框架storm

2．3．1 Storm简介

2．3．2 Storm实现原理

2．4 本章小结

第三章 基于数据挖掘技术的不良数据处理算法

3．1 引言

3．2 分布式系统聚类算法及其实现

3．2．1 系统聚类算法

3．2．2 Hadoop下的分布式系统聚类算法

3．3 支持向量机(SVM)

3．3．1 线性分类

3．3．2 非线性分类

3．3．3 松弛变量

3．4 分布式不良数据辨识与修正算法及其实现

3．4．1 离线模式

3．4．2 在线模式

3．5 算例分析

3．6 本章小结

第四章 基于拓扑理论的不良数据处理算法

4．1 引言

4．2 分布式有功数据辨识与修正算法

4．2．1 辨识与修正规则

4．2．2 Storm下的算法实现

4．2．3 算例分析

4．3 分布式状态估计算法

4．3．1 算法设计及其在Storm下的实现

4．3．2 可观测性分析

4．3．3 算例分析

4．4 本章小结

第五章 结论与展望

致谢

参考文献

附录