海量电能质量数据的实时存储与治理技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究问题 | 第11-13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.3.1 电力系统的数据存储 | 第13页 |
| 1.3.2 资源调度优化 | 第13-14页 |
| 1.3.3 电能质量数据治理 | 第14-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 相关技术 | 第17-27页 |
| 2.1 Hadoop中的数据存储 | 第17-19页 |
| 2.1.1 HDFS | 第17-18页 |
| 2.1.2 HBase | 第18-19页 |
| 2.2 Spark 概述 | 第19-21页 |
| 2.3 资源管理与调度 | 第21-23页 |
| 2.3.1 资源调度结构 | 第21-22页 |
| 2.3.2 资源调度算法 | 第22-23页 |
| 2.4 概率分布模型 | 第23-26页 |
| 2.4.1 正态分布 | 第23-24页 |
| 2.4.2 云模型 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 电能质量数据的存储及调度优化 | 第27-38页 |
| 3.1 电能质量数据存储系统 | 第27-32页 |
| 3.1.1 系统结构设计 | 第28-30页 |
| 3.1.2 数据存储结构设计 | 第30-32页 |
| 3.2 电能质量数据存储系统调度优化 | 第32-37页 |
| 3.2.1 任务调度问题描述 | 第32-34页 |
| 3.2.2 基于蚁群算法的调度优化模型 | 第34-35页 |
| 3.2.3 算法设计 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 电能质量异常数据治理 | 第38-47页 |
| 4.1 基于数据阈值异常的判断 | 第38页 |
| 4.2 基于曲线斜率变化的异常数据处理 | 第38-40页 |
| 4.3 基于云模型的电能质量异常数据处理 | 第40-46页 |
| 4.3.1 基于云模型的电能质量问题描述 | 第40-41页 |
| 4.3.2 自适应云模型的异常数据处理方法 | 第41-43页 |
| 4.3.3 算法设计 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验分析 | 第47-58页 |
| 5.1 实验平台 | 第47-49页 |
| 5.2 调度优化实验 | 第49-52页 |
| 5.2.1 实验目的 | 第49页 |
| 5.2.2 实验环境与数据 | 第49页 |
| 5.2.3 实验结果与分析 | 第49-52页 |
| 5.3 异常数据处理实验 | 第52-57页 |
| 5.3.1 实验目的 | 第52-53页 |
| 5.3.2 实验环境与数据 | 第53页 |
| 5.3.3 实验结果与分析 | 第53-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 主要结论 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 在学期间的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
