相較于傳統(tǒng)的配電網(wǎng),分布式智能配電網(wǎng)的基礎(chǔ)是數(shù)據(jù)傳輸和大數(shù)據(jù)處理,包括多個(gè)供電單元之間數(shù)據(jù)和控制命令的高效傳輸處理,例如變配電設(shè)備的狀態(tài)監(jiān)控、用電信息采集、配電自動(dòng)化等工程應(yīng)用數(shù)據(jù)。按照規(guī)定的時(shí)序采集,并能在亞秒級(jí)到達(dá)處理環(huán)節(jié)、滿足量測(cè)精度的數(shù)據(jù)都可稱為準(zhǔn)實(shí)時(shí)數(shù)據(jù)。配電網(wǎng)準(zhǔn)實(shí)時(shí)數(shù)據(jù)能夠展現(xiàn)給定線路上設(shè)定時(shí)間的電流、電壓、有功功率、無功功率、功率因素、電力極值數(shù)據(jù),進(jìn)而列出單線圖中超負(fù)荷的設(shè)備數(shù)據(jù)列表,因此,它是獲取高效配電網(wǎng)管控決策的重要保障。為了準(zhǔn)確獲取設(shè)備的運(yùn)行狀態(tài)信息,被測(cè)站所設(shè)備采集點(diǎn)越來越多,常規(guī)的站所調(diào)度自動(dòng)化系統(tǒng)含數(shù)十萬個(gè)采集點(diǎn),配用電、數(shù)據(jù)中心將達(dá)到百萬甚至千萬級(jí),國家電網(wǎng)已經(jīng)啟動(dòng)了準(zhǔn)實(shí)時(shí)數(shù)據(jù)平臺(tái)研究項(xiàng)目,并通過接入2800多萬個(gè)測(cè)點(diǎn),提供準(zhǔn)實(shí)時(shí)數(shù)據(jù)服務(wù)�？紤]到智能配電網(wǎng)需要進(jìn)行全景數(shù)據(jù)采集,時(shí)間序列采集的電壓、電流及設(shè)備狀態(tài)等準(zhǔn)實(shí)時(shí)信息已成為支撐智能配電網(wǎng)可靠運(yùn)行的數(shù)據(jù)基礎(chǔ),如何對(duì)配電網(wǎng)準(zhǔn)實(shí)時(shí)數(shù)據(jù)進(jìn)行快速查詢處理,已成為智能配電網(wǎng)調(diào)度決策的技術(shù)瓶頸。針對(duì)配電網(wǎng)準(zhǔn)實(shí)時(shí)大數(shù)據(jù)快速查詢處理問題,學(xué)術(shù)界通過在調(diào)度監(jiān)控界面端和數(shù)據(jù)服務(wù)器端的加快以應(yīng)對(duì)智能調(diào)度監(jiān)控海量準(zhǔn)實(shí)時(shí)數(shù)據(jù)的...

【文章頁數(shù)】：87 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀與趨勢(shì)
    1.3 主要研究內(nèi)容及結(jié)構(gòu)
第二章 鐵道供電監(jiān)控系統(tǒng)大數(shù)據(jù)查詢處理問題
    2.1 鐵路供電系統(tǒng)
    2.2 鐵路調(diào)度供電監(jiān)控技術(shù)
    2.3 調(diào)度監(jiān)控準(zhǔn)實(shí)時(shí)數(shù)據(jù)
    2.4 本章小結(jié)
第三章 調(diào)度監(jiān)控大數(shù)據(jù)處理技術(shù)
    3.1 配電網(wǎng)數(shù)據(jù)服務(wù)器端處理方法
        3.1.1 內(nèi)存數(shù)據(jù)庫與傳統(tǒng)數(shù)據(jù)庫的比較
        3.1.2 非關(guān)系型數(shù)據(jù)庫分類對(duì)比
    3.2 Hadoop云計(jì)算大數(shù)據(jù)組件
        3.2.1 Hadoop核心組件
    3.3 HBase的調(diào)度監(jiān)控?cái)?shù)據(jù)處理模式
    3.4 二級(jí)索引查詢優(yōu)化的選擇與實(shí)現(xiàn)
    3.5 調(diào)度監(jiān)控大數(shù)據(jù)查詢平臺(tái)的安裝部署
        3.5.1 快速查詢平臺(tái)核心組件Hadoop的搭建
        3.5.2 HBase的調(diào)度監(jiān)控集群搭建
    3.6 本章小結(jié)
第四章 調(diào)度監(jiān)控大數(shù)據(jù)Impala快速查詢平臺(tái)
    4.1 Impala并行分布式查詢引擎框架
        4.1.1 大規(guī)模并行處理MPP技術(shù)
        4.1.2 Impala查詢引擎
    4.2 集群化鐵道調(diào)度監(jiān)控系統(tǒng)
    4.3 Impala調(diào)度監(jiān)控集群工作執(zhí)行流程
    4.4 監(jiān)控系統(tǒng)集群模式下的隊(duì)列模型
    4.5 Impala調(diào)度監(jiān)控集群搭建
    4.6 Impala調(diào)度監(jiān)控集群的性能測(cè)試與實(shí)例運(yùn)行分析
        4.6.1 集群查詢時(shí)間查詢測(cè)試
        4.6.2 集群CPU影響測(cè)試分析
        4.6.3 集群測(cè)試結(jié)果對(duì)隊(duì)列模型的驗(yàn)證
    4.7 本章小結(jié)
第五章 RIA富網(wǎng)絡(luò)的分布式監(jiān)控交互的異步設(shè)計(jì)與實(shí)現(xiàn)
    5.1 監(jiān)控?cái)?shù)據(jù)交互模型設(shè)計(jì)
        5.1.1 調(diào)度監(jiān)控公共信息模型
        5.1.2 交互信息流
    5.2 RIA技術(shù)的Ajax異步交互原理
        5.2.1 富網(wǎng)絡(luò)鐵道SCADA監(jiān)控界面信息交互
        5.2.2 Ajax異步調(diào)用技術(shù)
    5.3 GWT框架的Ajax監(jiān)控界面緩存實(shí)現(xiàn)
        5.3.1 GWT遠(yuǎn)程調(diào)用機(jī)制
        5.3.2 GWT異步回調(diào)調(diào)度監(jiān)控信息處理
    5.4 Impala集群模式下的監(jiān)控原理
    5.5 GWT監(jiān)控界面端的安裝部署
        5.5.1 GWT的安裝配置
        5.5.2 Impala集群的跨平臺(tái)連接
        5.5.3 跨平臺(tái)的啟動(dòng)查詢測(cè)試
    5.6 調(diào)度監(jiān)控系統(tǒng)查詢測(cè)試及實(shí)例運(yùn)行分析
        5.6.1 調(diào)度監(jiān)控系統(tǒng)穩(wěn)定性實(shí)驗(yàn)
        5.6.2 查詢時(shí)間受Impala集群CPU使用率影響查詢測(cè)試
        5.6.3 Impala監(jiān)控集群的CPU使用率分析
    5.7 本章小結(jié)
第六章 調(diào)度監(jiān)控SVG圖元界面端的實(shí)現(xiàn)
    6.1 SVG電力圖元
        6.1.1 SVG電力圖元文檔
        6.1.2 SVG圖元信息的異步交互
    6.2 SVG圖元監(jiān)控界面端的實(shí)現(xiàn)
    6.3 RWI集群模式下的查詢測(cè)試
        6.3.1 集群網(wǎng)絡(luò)I/O接收、傳輸總字節(jié)影響測(cè)試
        6.3.2 集群磁盤I/O讀寫總字節(jié)測(cè)試
    6.4 本章小結(jié)
第七章 總結(jié)
    7.1 主要工作回顧
    7.2 本課題今后需進(jìn)一步研究的地方
參考文獻(xiàn)
個(gè)人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3882257