摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 引言 | 第10-16页 |
1.1 课题背景及研究的目的和意义 | 第10-11页 |
1.2 电力调度数据网的发展现状 | 第11-12页 |
1.3 电力大数据及调度监控的发展现状 | 第12-14页 |
1.4 本文主要工作内容 | 第14页 |
1.5 论文的章节安排 | 第14-16页 |
第2章 相关技术综述 | 第16-26页 |
2.1 流计算技术简介 | 第16-17页 |
2.2 流计算框架介绍 | 第17-21页 |
2.2.1 Spark平台简介 | 第17-19页 |
2.2.2 SparkStreaming技术 | 第19-20页 |
2.2.3 SparkMLib编程接口 | 第20-21页 |
2.3 分布式消息队列系统介绍 | 第21-23页 |
2.3.1 Kafka分布式消息队列系统 | 第22-23页 |
2.3.2 MQTT协议 | 第23页 |
2.4 调度数据网异常检测技术 | 第23-24页 |
2.5 本章小结 | 第24-26页 |
第3章 调度数据网监测平台的整体架构 | 第26-39页 |
3.1 基于流计算的调度数据网监测平台需求分析 | 第26-27页 |
3.2 流计算网络监测模型 | 第27-28页 |
3.3 流计算网络监测平台整体架构设计 | 第28-34页 |
3.3.1 数据接入模块 | 第30-31页 |
3.3.2 实时流计算模块 | 第31-33页 |
3.3.3 分布式存储模块 | 第33-34页 |
3.4 流计算网络监测数据建模 | 第34-38页 |
3.4.1 基于聚类算法的异常划分 | 第35-36页 |
3.4.2 基于分类算法的异常识别 | 第36-38页 |
3.5 本章小结 | 第38-39页 |
第4章 基于流计算的调度数据网监测平台实现 | 第39-53页 |
4.1 监测数据接入模块实现 | 第39-42页 |
4.1.1 分布式消息队列集群部署 | 第39-40页 |
4.1.2 监测数据的发布/订阅实现 | 第40-42页 |
4.2 实时计算模块实现 | 第42-44页 |
4.2.1 实时流计算框架的集群部署 | 第42-43页 |
4.2.2 SparkStreaming流计算操作实现 | 第43-44页 |
4.3 异常监测模块实现 | 第44-48页 |
4.3.1 异常网络划分模型的实现 | 第45-46页 |
4.3.2 网络异常识别模型实现 | 第46-48页 |
4.4 分布式存储模块实现 | 第48-51页 |
4.4.1 基于redis的监测结果存储实现 | 第48-50页 |
4.4.2 基于HBase的分布式离线存储实现 | 第50-51页 |
4.5 本章小结 | 第51-53页 |
第5章 实验和结果分析 | 第53-58页 |
5.1 实验环境及数据划分 | 第53-54页 |
5.2 实验结果和分析 | 第54-58页 |
第6章 结论与展望 | 第58-60页 |
参考文献 | 第60-64页 |
致谢 | 第64-66页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第66页 |