智能電網(wǎng)大數(shù)據(jù)云計(jì)算技術(shù)研究

第1章 智能電網(wǎng)大數(shù)據(jù)現(xiàn)狀及挑戰(zhàn)
1．1 智能電網(wǎng)
1．2 云計(jì)算與大數(shù)據(jù)
1．3 智能電網(wǎng)大數(shù)據(jù)及特點(diǎn)
1．3．1 智能電網(wǎng)中的大數(shù)據(jù)
1．3．2 智能電網(wǎng)中大數(shù)據(jù)的特點(diǎn)
1．4 大數(shù)據(jù)處理技術(shù)
1．4．1 大數(shù)據(jù)處理的價(jià)值和復(fù)雜性
1．4．2 并行數(shù)據(jù)庫
1．4．3 云計(jì)算技術(shù)
1．4．4 云計(jì)算在智能電網(wǎng)中的應(yīng)用
1．5 智能電網(wǎng)大數(shù)據(jù)機(jī)遇與挑戰(zhàn)
1．5．1 大數(shù)據(jù)傳輸及存儲(chǔ)技術(shù)
1．5．2 實(shí)時(shí)數(shù)據(jù)處理技術(shù)
1．5．3 異構(gòu)多數(shù)據(jù)源處理技術(shù)
1．5．4 大數(shù)據(jù)可視化分析技術(shù)
1．5．5 流式計(jì)算技術(shù)
1．6 小結(jié)
第2章 批處理計(jì)算模式及其應(yīng)用
2．1 批處理技術(shù)
2．2 用戶短期用電負(fù)荷預(yù)測技術(shù)
2．2．1 智能電網(wǎng)的互動(dòng)特性
2．2．2 電力短期負(fù)荷預(yù)測
2．2．3 基于MapReduce的用戶短期電力負(fù)荷預(yù)測技術(shù)
2．3 絕緣子泄漏電流數(shù)據(jù)聚類劃分技術(shù)
2．3．1 狀態(tài)監(jiān)測數(shù)據(jù)特點(diǎn)
2．3．2 基于數(shù)據(jù)驅(qū)動(dòng)的狀態(tài)監(jiān)測技術(shù)
2．3．3 狀態(tài)監(jiān)測大數(shù)據(jù)存儲(chǔ)技術(shù)
2．3．4 基于分形維數(shù)的密度聚類劃分
2．3．5 大數(shù)據(jù)聚類算法及仿真試驗(yàn)
2．4 局部放電信號(hào)處理的并行EEMD算法
2．4．1 局部放電信號(hào)處理介紹
2．4．2 經(jīng)驗(yàn)?zāi)B(tài)分解EMD
2．4．3 總體經(jīng)驗(yàn)?zāi)B(tài)分解EEMD
2．4．4 EEMD去噪
2．4．5 基于MapReduce模型的并行化EEMD算法
2．4．6 實(shí)驗(yàn)研究
2．5 小結(jié)
第3章 智能電網(wǎng)中內(nèi)存計(jì)算高性能數(shù)據(jù)分析技術(shù)及應(yīng)用
3．1 內(nèi)存計(jì)算技術(shù)
3．2 高性能數(shù)據(jù)分析
3．3 狀態(tài)監(jiān)測實(shí)時(shí)內(nèi)存計(jì)算技術(shù)
3．3．1 狀態(tài)監(jiān)測實(shí)時(shí)批處理技術(shù)
3．3．2 實(shí)時(shí)批處理的Spark技術(shù)
3．3．3 Spark大數(shù)據(jù)分析
3．4 模糊C均值聚類算法
3．4．1 FCM算法
3．4．2 Spark上矩陣操作定義
3．4．3 SparkFCM算法
3．4．4 實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果分析
3．5 Spark環(huán)境下的高性能OLAP分析查詢
3．5．1 相關(guān)背景及工作介紹
3．5．2 相關(guān)理論知識(shí)介紹
3．5．3 基于Spark的BUC算法設(shè)計(jì)及改進(jìn)
3．5．4 實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果分析
3．6 小結(jié)
第4章 智能電網(wǎng)多源異構(gòu)數(shù)據(jù)分析技術(shù)
4．1 多源異構(gòu)數(shù)據(jù)
4．2 存儲(chǔ)優(yōu)化研究
4．2．1 數(shù)據(jù)分布優(yōu)化
4．2．2 數(shù)據(jù)塊尺寸調(diào)優(yōu)
4．2．3 Hadoop集群網(wǎng)絡(luò)拓?fù)湟?guī)劃
4．3 并行數(shù)據(jù)融合算例分析
4．3．1 多數(shù)據(jù)源并行連接查詢
4．3．2 多通道數(shù)據(jù)融合特征提取
4．3．3 實(shí)驗(yàn)與結(jié)果分析
4．4 多維數(shù)據(jù)連接技術(shù)
4．4．1 連接操作
4．4．2 多維Bloom Filter
4．4．3 基于MDBF的星型連接算法
4．4．4 算法分析及性能測試
4．5 小結(jié)
第5章 流式計(jì)算技術(shù)應(yīng)對智能電網(wǎng)高速實(shí)時(shí)數(shù)據(jù)
5．1 流式數(shù)據(jù)
5．1．1 流式計(jì)算概述
5．1．2 智能電網(wǎng)中的流式數(shù)據(jù)
5．1．3 基于分布式技術(shù)的監(jiān)測大數(shù)據(jù)可靠接收及其快速分發(fā)
5．1．4 流式計(jì)算在電力系統(tǒng)中的應(yīng)用
5．2 狀態(tài)監(jiān)測實(shí)時(shí)流數(shù)據(jù)處理技術(shù)
5．2．1 狀態(tài)監(jiān)測流數(shù)據(jù)
5．2．2 Storm流數(shù)據(jù)處理技術(shù)
5．2．3 狀態(tài)監(jiān)測流數(shù)據(jù)處理
5．3 大規(guī)模用電數(shù)據(jù)流實(shí)時(shí)聚類技術(shù)
5．3．1 用電數(shù)據(jù)流
5．3．2 DBSCAN聚類算法
5．3．3 流數(shù)據(jù)上DBSCAN
5．3．4 Spark中的流式DBSCAN算法
5．4 基于近似熵算法的電網(wǎng)數(shù)據(jù)特征提取
5．4．1 近似熵理論
5．4．2 Storm框架下近似熵算法的實(shí)現(xiàn)
5．5 小結(jié)
第6章 智能電網(wǎng)大數(shù)據(jù)全景實(shí)時(shí)分析平臺(tái)探索
6．1 全景實(shí)時(shí)分析背景
6．2 全景實(shí)時(shí)分析關(guān)鍵技術(shù)問題
6．2．1 基于大數(shù)據(jù)的大電網(wǎng)安全可靠性分析技術(shù)
6．2．2 基于大數(shù)據(jù)的輸變電設(shè)備全壽命周期管理
6．2．3 全景實(shí)時(shí)能源動(dòng)態(tài)平衡調(diào)度技術(shù)
6．3 電力大數(shù)據(jù)實(shí)時(shí)分析核心技術(shù)
6．3．1 主要技術(shù)挑戰(zhàn)
6．3．2 多核/眾核并行計(jì)算技術(shù)
6．3．3 列存儲(chǔ)技術(shù)
6．3．4 基于優(yōu)先級的電力云平臺(tái)的任務(wù)調(diào)配
6．3．5 大規(guī)模流數(shù)據(jù)可靠接收技術(shù)
6．4 電力大數(shù)據(jù)分析平臺(tái)
6．4．1 平臺(tái)架構(gòu)
6．4．2 平臺(tái)特色
6．5 小結(jié)
第7章 大數(shù)據(jù)支撐能源互聯(lián)網(wǎng)建設(shè)
7．1 能源互聯(lián)網(wǎng)
7．2 能源互聯(lián)網(wǎng)中的實(shí)時(shí)大數(shù)據(jù)
7．3 大數(shù)據(jù)支撐能源互聯(lián)網(wǎng)
7．3．1 大數(shù)據(jù)支撐能源互聯(lián)網(wǎng)整體優(yōu)化和調(diào)度
7．3．2 大數(shù)據(jù)提高能源互聯(lián)網(wǎng)安全等級
第8章 總結(jié)與展望
8．1 總結(jié)
8．2 展望
參考文獻(xiàn)