基于Hadoop+Spark的电能计量与分析自动化系统研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 相关技术介绍 | 第15-28页 |
| 2.1 电能计量自动化系统 | 第15-17页 |
| 2.1.1 电能计量自动化系统简介 | 第15-16页 |
| 2.1.2 电能计量自动化系统应用 | 第16-17页 |
| 2.2 分布式文件系统 | 第17-20页 |
| 2.2.1 分布式文件系统基本结构 | 第17-19页 |
| 2.2.2 Hadoop文件系统 | 第19-20页 |
| 2.3 Spark大数据处理框架 | 第20-27页 |
| 2.3.1 Spark简介 | 第20-22页 |
| 2.3.2 Spark并行编程模型 | 第22-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 系统总体设计 | 第28-35页 |
| 3.1 电能计量与分析自动化系统设计目标 | 第28页 |
| 3.2 电能计量与分析自动化系统总体架构 | 第28-30页 |
| 3.2.1 终端设备 | 第30页 |
| 3.2.2 网络通信模块 | 第30页 |
| 3.2.3 前置采集模块 | 第30页 |
| 3.2.4 电能计量与分析模块 | 第30页 |
| 3.2.5 电能计量业务应用 | 第30页 |
| 3.3 电能计量与分析模块设计 | 第30-34页 |
| 3.3.1 电能数据解析 | 第32-33页 |
| 3.3.2 电能数据存储 | 第33页 |
| 3.3.3 电能计量与分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 电能计量软件的实现和用户用电量分析 | 第35-56页 |
| 4.1 电能计量 | 第35-41页 |
| 4.1.1 电能计量的算法 | 第35-36页 |
| 4.1.2 电能并行计算算法 | 第36-38页 |
| 4.1.3 电能并行计算算法的实现 | 第38-41页 |
| 4.2 用户用电量分析 | 第41-47页 |
| 4.2.1 聚类分析算法k-means | 第41-42页 |
| 4.2.2 k-means算法的并行实现 | 第42-47页 |
| 4.3 实验与结果分析 | 第47-55页 |
| 4.3.1 实验环境 | 第47页 |
| 4.3.2 电能计算算法的性能分析 | 第47-53页 |
| 4.3.3 用电量聚类分析结果 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |
