摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 大数据与智能电网的兴起 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 研究目的和意义 | 第13-14页 |
1.4 论文完成的工作 | 第14-15页 |
1.5 论文组织结构 | 第15-16页 |
第二章 构建电力大数据智能分析平台的相关技术 | 第16-27页 |
2.1 Spark分布式计算框架 | 第16-20页 |
2.1.1 Spark简介 | 第16页 |
2.1.2 Spark整体组织架构 | 第16-19页 |
2.1.3 Spark工作原理 | 第19页 |
2.1.4 Spark与MapReduce对比分析 | 第19-20页 |
2.2 分布式文件系统HDFS | 第20-22页 |
2.2.1 HDFS简介 | 第20-21页 |
2.2.2 HDFS工作原理 | 第21-22页 |
2.3 分布式消息队列Kafka | 第22-23页 |
2.3.1 Kafka简介 | 第22页 |
2.3.2 Kafka工作原理 | 第22-23页 |
2.4 分布式存储数据库 | 第23-25页 |
2.4.1 列式存储数据库HBase | 第23-24页 |
2.4.2 嵌套式存储数据格式Parquet | 第24-25页 |
2.5 分布式协调服务Zookeeper | 第25-26页 |
2.5.1 Zookeeper简介 | 第25页 |
2.5.2 Zookeeper工作原理 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第三章 基于Spark的电力大数据智能分析平台的设计 | 第27-42页 |
3.1 平台需求分析 | 第27-28页 |
3.1.1 平台总体需求分析 | 第27页 |
3.1.2 平台扩展性可用性需求分析 | 第27-28页 |
3.2 平台总体架构设计 | 第28-31页 |
3.2.1 Lambda架构原理 | 第29页 |
3.2.2 基于Lambda的平台架构设计 | 第29-31页 |
3.3 数据仓库的设计 | 第31-35页 |
3.3.1 数据中间件的设计 | 第31-33页 |
3.3.2 数据存储的设计 | 第33-35页 |
3.4 计算层的设计 | 第35-38页 |
3.4.1 批处理层的设计 | 第35-37页 |
3.4.2 流计算层的设计 | 第37-38页 |
3.5 业务算法层的设计 | 第38-40页 |
3.6 应用服务层的设计 | 第40-41页 |
3.7 本章小结 | 第41-42页 |
第四章 基于Spark的电力大数据智能分析平台的实现 | 第42-57页 |
4.1 数据中间件的关键技术实现 | 第42-47页 |
4.1.1 中间件“数据丢失”的隐患 | 第42页 |
4.1.2 基于DO方案的中间件“数据零丢失”实现 | 第42-44页 |
4.1.3 验证分析 | 第44-47页 |
4.2 数据存储层的关键技术实现 | 第47-53页 |
4.2.1 基于WAL的数据容灾机制 | 第47-49页 |
4.2.2 基于ECS的数据一致性机制 | 第49-51页 |
4.2.3 验证分析 | 第51-53页 |
4.3 计算层的关键技术实现 | 第53-56页 |
4.3.1 流与动态表 | 第53页 |
4.3.2 动态表与批处理层 | 第53-55页 |
4.3.3 验证分析 | 第55-56页 |
4.4 本章小结 | 第56-57页 |
第五章 SSHA平台的部署与性能分析 | 第57-63页 |
5.1 硬件部署 | 第57页 |
5.2 软件部署 | 第57-59页 |
5.3 平台运行测试与分析 | 第59-62页 |
5.3.1 验证SSHA平台的正确性和可用性 | 第59-61页 |
5.3.2 验证SSHA平台的高效性 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 基于SSHA平台的超声波局部放电信号识别系统 | 第63-73页 |
6.1 超声波局部放电信号识别系统的框架 | 第63-69页 |
6.1.1 数据预处理模块 | 第64-67页 |
6.1.2 超声波局部放电信号识别模型 | 第67-69页 |
6.2 系统实验与结果分析 | 第69-72页 |
6.2.1 实验数据来源 | 第69页 |
6.2.2 实验结果分析 | 第69-72页 |
6.3 本章小结 | 第72-73页 |
总结与展望 | 第73-75页 |
参考文献 | 第75-78页 |
攻读硕士学位期间取得的研究成果 | 第78-79页 |
致谢 | 第79-80页 |
附件 | 第80页 |