摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-17页 |
1.1 研究背景和意义 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 研究的目的和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-16页 |
1.2.1 国外研究现状 | 第11-14页 |
1.2.2 国内研究现状 | 第14-16页 |
1.3 主要研究内容 | 第16页 |
1.4 研究方法和技术路线 | 第16-17页 |
第2章 智能电网和大数据分析基础理论 | 第17-36页 |
2.1 智能电网和大数据 | 第17-21页 |
2.1.1 智能电网 | 第17页 |
2.1.2 智能电网大数据 | 第17-20页 |
2.1.3 智能电网大数据应用领域 | 第20-21页 |
2.2 分布式计算框架和服务 | 第21-32页 |
2.2.1 分布式计算框架MapReduce | 第21-24页 |
2.2.2 分布式文件系统服务 | 第24-28页 |
2.2.3 分布式应用程序协调服务 | 第28-30页 |
2.2.4 分布式资源管理服务 | 第30-32页 |
2.3 分布式数据分析算法基础模型 | 第32-33页 |
2.3.1 MapReduce迭代计算模型 | 第32-33页 |
2.3.2 BSP计算模型 | 第33页 |
2.3.3 SSP计算模型 | 第33页 |
2.4 数据分析与决策支持系统 | 第33-35页 |
2.5 本章小结 | 第35-36页 |
第3章 智能电网大数据在线流处理研究 | 第36-51页 |
3.1 流处理的概念 | 第36-38页 |
3.1.1 流式计算 | 第36-37页 |
3.1.2 分布式消息系统 | 第37-38页 |
3.1.3 智能电网流处理 | 第38页 |
3.2 流处理和分析框架 | 第38-43页 |
3.2.1 Storm | 第39-40页 |
3.2.2 Spark Streaming | 第40-41页 |
3.2.3 Samza | 第41-42页 |
3.2.4 流处理框架对比分析 | 第42-43页 |
3.3 基于Strom的VFDT算法的重要电力客户供用电安全分析 | 第43-50页 |
3.3.1 分析指标的构建 | 第43-45页 |
3.3.2 VFDT算法 | 第45-46页 |
3.3.3 基于Strom的VFDT算法 | 第46-48页 |
3.3.4 仿真分析 | 第48-50页 |
3.4 本章小结 | 第50-51页 |
第4章 智能电网大数据批处理研究 | 第51-63页 |
4.1 批处理 | 第51-52页 |
4.1.1 批处理计算 | 第51页 |
4.1.2 DAG计算模型 | 第51-52页 |
4.1.3 智能电网大数据批处理计算 | 第52页 |
4.2 Spark计算平台 | 第52-54页 |
4.2.1 RDD和RDD操作 | 第52-53页 |
4.2.2 Spark MLlib | 第53-54页 |
4.2.3 基于Spark的智能电网批处理平台 | 第54页 |
4.3 基于Spark和随机森林的短期电力负荷预测 | 第54-62页 |
4.3.1 模型相关属性的确定 | 第54-56页 |
4.3.2 随机森林 | 第56-58页 |
4.3.3 基于Spark的随机森林算法 | 第58页 |
4.3.4 实验用例分析 | 第58-62页 |
4.4 本章小结 | 第62-63页 |
第5章 系统分析与设计 | 第63-71页 |
5.1 系统需求分析 | 第63-66页 |
5.1.1 功能性需求 | 第63-66页 |
5.1.2 非功能性需求 | 第66页 |
5.2 系统架构分层设计 | 第66-68页 |
5.3 系统模块设计 | 第68-70页 |
5.3.1 数据管理模块设计 | 第68-69页 |
5.3.2 数据分析模块设计 | 第69页 |
5.3.3 数据展示模块设计 | 第69-70页 |
5.3.4 安全管理模块设计 | 第70页 |
5.4 本章小结 | 第70-71页 |
第6章 研究成果和结论 | 第71-73页 |
6.1 成果和结论 | 第71-72页 |
6.2 展望 | 第72-73页 |
参考文献 | 第73-82页 |
攻读硕士学位期间发表的论文及其它成果 | 第82-83页 |
致谢 | 第83页 |