基于机器学习的配电网监控信息批处理方法

摘要

智能配电网系统存在计算机延迟、信息批处理存储负荷较低的问题,为此提出基于机器学习的配电网监控信息批处理方法。利用HDFS分布式文件系统衡量数据传输记录,搭建配电网监控信息调度集群;测算计算机系统的延迟性,利用数据响应任务填补系统延迟时间;规划监控信息接口的处理模式,对机器学习的大规模流计算进行区域划分,构建监控信息批处理模型;对信息调度集群进行特征化划分,增加并统计信息批处理堆积节点;利用配电网监控信息堆积特征扩展规律,通过云计算服务层次制定智能分析机器的学习路径;智能分析机器训练分析配电监控信息系统样本,采集配电网监控信息堆积特征;利用机器学习标记有效监控信息和有效事件信息,计算待聚集处理的遥测信息数量;通过HDFS规划遥测协调节点的布局,对监控信息的存储空间进行划分;利用遥控元数据库对存储空间进行监控,利用管理器完成堆积V002配电网监控信息的批处理与存储。实验结果表明,基于机器学习的配电网监控信息批处理方法在信息集群处理中的存储负荷率最高为95%,其配电网监控信息批处理效果得到保证。