| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 电力大数据研究现状 | 第10-11页 |
| 1.2.2 多维分析和诊断研究现状 | 第11-12页 |
| 1.2.3 多维分析和诊断研究存在的问题 | 第12-13页 |
| 1.3 本文工作 | 第13页 |
| 1.4 章节安排 | 第13-15页 |
| 第2章 大数据存储、计算和分析技术 | 第15-23页 |
| 2.1 Hadoop基础平台概述 | 第15-19页 |
| 2.1.1 HDFS分布式文件系统 | 第15-17页 |
| 2.1.2 Hive数据仓库技术 | 第17-19页 |
| 2.2 ETL技术 | 第19页 |
| 2.3 Spark计算框架 | 第19-21页 |
| 2.3.1 内存计算编程模型 | 第20-21页 |
| 2.3.2 Spark SQL技术 | 第21页 |
| 2.4 基于大数据技术的多维分析方法 | 第21-22页 |
| 2.4.1 OLAP技术 | 第21-22页 |
| 2.4.2 基于大数据分析的分布式OLAP技术 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 计量装置大数据处理整体设计 | 第23-28页 |
| 3.1 电能计量装置相关数据的来源和特点 | 第23-24页 |
| 3.2 计量装置大数据处理框架 | 第24-27页 |
| 3.2.1 采集模块 | 第25-26页 |
| 3.2.2 存储模块和计算模块 | 第26页 |
| 3.2.3 多维分析和智能诊断模块 | 第26-27页 |
| 3.2.4 应用模块 | 第27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 计量装置异常信息多维分析与诊断方法 | 第28-40页 |
| 4.1 计量装置大数据的分析和故障诊断 | 第28-29页 |
| 4.2 计量装置异常特征计算 | 第29-33页 |
| 4.2.1 电量异常 | 第29-31页 |
| 4.2.2 异常用电 | 第31-32页 |
| 4.2.3 接线异常 | 第32-33页 |
| 4.3 多维分析中的常见操作 | 第33-35页 |
| 4.4 基于Spark SQL的计量装置异常信息多维分析 | 第35-37页 |
| 4.5 基于朴素贝叶斯算法的并行故障诊断 | 第37-39页 |
| 4.5.1 朴素贝叶斯算法原理 | 第37-38页 |
| 4.5.2 朴素贝叶斯算法智能诊断的并行化 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 实验与测试 | 第40-55页 |
| 5.1 大数据平台搭建 | 第40-42页 |
| 5.2 样本数据 | 第42-45页 |
| 5.3 多维分析测试和实验 | 第45-50页 |
| 5.3.1 异常特征计算测试和验证 | 第46-47页 |
| 5.3.2 计量装置异常情况与环境的关系 | 第47-48页 |
| 5.3.3 异常多维度查询的实现 | 第48页 |
| 5.3.4 Spark SQL和HQL的实验对比 | 第48-50页 |
| 5.4 计量装置智能诊断实验及结果分析 | 第50-53页 |
| 5.5.1 朴素贝叶斯算法诊断结果 | 第50-51页 |
| 5.5.2 不同计算环境下故障诊断所需时间对比 | 第51-52页 |
| 5.5.3 集群加速比分析 | 第52-53页 |
| 5.5 平台部分功能的实现 | 第53-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |