第一章 电力设备监测大数据的特点和所面临的技术挑战 1
第一节 电力设备监测大数据的特点 1
第二节 电力设备监测数据存储和数据处理所面临的技术挑战 6
第三节 电力设备监测数据存储和数据处理的研究现状 11
参考文献 18
第二章 云计算与大数据处理技术 24
第一节 云计算与大数据的关系 24
第二节 大数据处理技术概述 25
参考文献 28
第三章 基于Hadoop的电力设备监测大数据存储与处理方法 29
第一节 监测大数据的存储和批量计算需求 29
第二节 Hadoop大数据处理技术 30
第三节 电力设备高速采样数据的Hadoop存储方法研究 35
第四节 Hadoop平台下电力设备监测数据的存储优化与并行分析 51
第五节 云平台下并行EEMD局部放电信号去噪方法研究 72
第六节 基于并行化半监督K-means聚类的电力设备状态评估 94
第七节 并行化分形维数特征提取与密度聚类划分 100
参考文献 107
第四章 基于Spark的电力设备监测大数据并行分析及其应用研究 113
第一节 Spark大数据处理技术 113
第二节 电力设备状态快速模式识别 114
参考文献 125
第五章 基于大数据计算服务的局部放电相位分析和模式识别 126
第一节 大数据环境下传统局部放电相位分析的局限性 126
第二节 自建Hadoop存储系统的局限性 128
第三节 大数据计算服务的存储模式和并行计算模型 129
第四节 并行化PD信号分析整体流程 134
第五节 数据预处理和数据上传 135
第六节 变压器局部放电数据的MaxCompute表存储方法 135
第七节 PD信号放电基本参数n-q-φ并行提取算法 139
第八节 谱图构造和统计特征计算 140
第九节 并行化KNN局部放电类型识别 143
第十节 实验结果与分析 144
参考文献 150
第六章 基于Stream Compute的电力设备监测数据实时分析 151
参考文献 167
第七章 同步多通道的电力设备状态监测数据特征提取方法 168
第一节 同步多通道监测数据的多尺度分析研究的意义 168
第二节 同步多通道监测数据的多尺度分析研究现状 170
第三节 同步多通道监测数据的多尺度分析研究方案 174
参考文献 179
第八章 总结与展望 182
第一节 总结 182
第二节 展望 184