前言
第一章 电力设备监测大数据的特点和所面临的技术挑战
第一节 电力设备监测大数据的特点
第二节 电力设备监测数据存储和数据处理所面临的技术挑战
第三节 电力设备监测数据存储和数据处理的研究现状
参考文献
第二章 云计算与大数据处理技术
第一节 云计算与大数据的关系
第二节 大数据处理技术概述
参考文献
第三章 基于Hadoop的电力设备监测大数据存储与处理方法
第一节 监测大数据的存储和批量计算需求
第二节 Hadoop大数据处理技术
第三节 电力设备高速采样数据的Hadoop存储方法研究
第四节 Hadoop平台下电力设备监测数据的存储优化与并行分析
第五节 云平台下并行EEMD局部放电信号去噪方法研究
第六节 基于并行化半监督K-means聚类的电力设备状态评估
第七节 并行化分形维数特征提取与密度聚类划分
参考文献
第四章 基于Spark的电力设备监测大数据并行分析及其应用研究
第一节 Spark大数据处理技术
第二节 电力设备状态快速模式识别
参考文献
第五章 基于大数据计算服务的局部放电相位分析和模式识别
第一节 大数据环境下传统局部放电相位分析的局限性
第二节 自建Hadoop存储系统的局限性
第三节 大数据计算服务的存储模式和并行计算模型
第四节 并行化PD信号分析整体流程
第五节 数据预处理和数据上传
第六节 变压器局部放电数据的MaxCompute表存储方法
第七节 PD信号放电基本参数n-q-ψ并行提取算法
第八节 谱图构造和统计特征计算
第九节 并行化KNN局部放电类型识别
第十节 实验结果与分析
参考文献
第六章 基于Stream Compute的电力设备监测数据实时分析
参考文献
第七章 同步多通道的电力设备状态监测数据特征提取方法
第一节 同步多通道监测数据的多尺度分析研究的意义
第二节 同步多通道监测数据的多尺度分析研究现状
第三节 同步多通道监测数据的多尺度分析研究方案
参考文献
第八章 总结与展望
第一节 总结
第二节 展望2100433B