基于Spark云平台的变压器故障并行诊断与分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现 | 第10-13页 |
| 1.2.1 变压器故障诊断研究现状 | 第10页 |
| 1.2.2 电力大数据的发展和挑战 | 第10-11页 |
| 1.2.3 云计算技术在电网中的应用 | 第11-13页 |
| 1.3 论文研究内容和章节安排 | 第13-14页 |
| 第2章 变压器故障诊断方法概述 | 第14-23页 |
| 2.1 常见的变压器故障概述 | 第14-15页 |
| 2.2 基于DGA的传统变压器故障诊断方法 | 第15-19页 |
| 2.2.1 基于特征气体含量 | 第15-16页 |
| 2.2.2 基于比值法的判别 | 第16-17页 |
| 2.2.3 图解法 | 第17-19页 |
| 2.3 智能变压器故障诊断方法 | 第19-22页 |
| 2.3.1 基于SVM的方法 | 第19-20页 |
| 2.3.2 基于人工神经网络的方法 | 第20-21页 |
| 2.3.3 模糊理论和专家系统 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 SPARK相关技术 | 第23-30页 |
| 3.1 大数据处理技术 | 第23-25页 |
| 3.1.1 Spark概述 | 第23-24页 |
| 3.1.2 其他并行计算技术 | 第24-25页 |
| 3.2 弹性分布式数据集 | 第25-27页 |
| 3.2.1 RDD创建 | 第25-26页 |
| 3.2.2 RDD操作 | 第26-27页 |
| 3.2.3 容错机制 | 第27页 |
| 3.3 性能优化 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于SPARK的电力变压器故障并行分析 | 第30-43页 |
| 4.1 算法介绍 | 第30-32页 |
| 4.1.1 分类算法简介 | 第30-31页 |
| 4.1.2 聚类算法简介 | 第31-32页 |
| 4.2 朴素贝叶斯算法 | 第32-37页 |
| 4.2.1 朴素贝叶斯原理 | 第32-33页 |
| 4.2.2 朴素贝叶斯分类过程 | 第33-34页 |
| 4.2.3 并行朴素贝叶斯 | 第34-37页 |
| 4.3 FCM算法 | 第37-42页 |
| 4.3.1 模糊数学理论 | 第37页 |
| 4.3.2 FCM算法求解 | 第37-40页 |
| 4.3.3 基于分布式矩阵Spark-FCM算法 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 实验 | 第43-50页 |
| 5.1 搭建集群环境 | 第43-44页 |
| 5.2 并行朴素贝叶斯实验 | 第44-48页 |
| 5.2.1 数据预处理 | 第44-46页 |
| 5.2.2 并行化验证 | 第46-48页 |
| 5.3 并行模糊聚类实验 | 第48-49页 |
| 5.3.1 并行化验证 | 第48页 |
| 5.3.2 运行时间对比 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54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 |
