基于Spark的电网扰动影响域识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 电网扰动域识别的目的和意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-15页 |
| 1.2.1 电网扰动研究现状 | 第11-12页 |
| 1.2.2 电力大数据研究现状 | 第12-13页 |
| 1.2.3 电网时空序列大数据支撑技术 | 第13-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 第2章 基于Spark的电力大数据平台设计 | 第16-27页 |
| 2.1 电力大数据特征及应用 | 第16-17页 |
| 2.1.1 电力大数据特征 | 第16页 |
| 2.1.2 大数据在电网中的应用 | 第16-17页 |
| 2.2 Spark分布式平台优势 | 第17-19页 |
| 2.2.1 计算优势 | 第17-18页 |
| 2.2.2 集成优势 | 第18-19页 |
| 2.3 基于Spark的电力大数据平台设计 | 第19-24页 |
| 2.3.1 平台目标 | 第19-20页 |
| 2.3.2 平台架构及简介 | 第20-24页 |
| 2.4 基于Spark的电网时空序列数据处理 | 第24-25页 |
| 2.4.1 数据处理 | 第24-25页 |
| 2.4.2 时空序列数据分析 | 第25页 |
| 2.5 小结 | 第25-27页 |
| 第3章 基于状态及结构脆弱性的电网扰动域识别方法 | 第27-34页 |
| 3.1 电网状态及结构脆弱性 | 第27页 |
| 3.2 变量相关性及电气介数 | 第27-29页 |
| 3.2.1 变量相关性 | 第27-28页 |
| 3.2.2 电气介数 | 第28-29页 |
| 3.3 节点势能函数 | 第29-31页 |
| 3.4 识别扰动域方法 | 第31-33页 |
| 3.4.1 势能强度 | 第31页 |
| 3.4.2 扰动影响域识别—流式K-Means | 第31-32页 |
| 3.4.3 势能强度基尼系数 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于Spark的扰动影响域识别研究 | 第34-46页 |
| 4.1 实验环境 | 第34页 |
| 4.2 Spark、Hadoop算法对比测试 | 第34-37页 |
| 4.2.1 测试数据 | 第34-35页 |
| 4.2.2 单机环境对比 | 第35页 |
| 4.2.3 集群环境对比 | 第35-37页 |
| 4.3 扰动域识别的过程 | 第37-39页 |
| 4.4 扰动影响域识别 | 第39-45页 |
| 4.4.1 结构脆弱性分析 | 第40-41页 |
| 4.4.2 扰动域识别 | 第41-43页 |
| 4.4.3 不同时刻扰动域变化情况分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 结论与展望 | 第46-48页 |
| 5.1 结论 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
