资料下载
×
ODPS平台下的电力设备监测大数据存储
消耗积分:2 |
格式:rar |
大小:3.75 MB |
2018-02-09
分享资料个
计算性能是制约电力大数据应用（基于大数据的故障诊断、预测等）的关键问题。利用分布式存储、并行计算加速此类数据密集型应用是目前较有效的手段。尝试利用阿里云开放数据处理服务（ ODPS）存储并加速电力设备监测大数据分析过程。以变压器局部放电（PD）数据相位图谱分析（PRPD）为例，提出了适合高采样率、时序性强的局部放电信号数据存储方法。采用ODPS扩展MapReduce模型（ MR2）设计了“Map-Reduce-Reduce”方式的PD信号宏观特征提取方法，提出了并行化PRPD分析算法（ ODPS-PRPD），实现了大量PD信号的并行基本参数提取、统计特征计算与放电类型识别。在实验室中构造了4种放电模型并采集了大量PD信号，分别在ODPS平台上和实验室自建的Hadoop平台上进行了性能评估和成本分析。实验分析和结果表明，ODPS-PRPD将大量的中间过程数据（PD谱图数据等）一直保存在内存中，相比自建Hadoop MapReduce平台性能明显提升，并在数据可靠性、服务可用性以及成本方面具有明显优势。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
