配電網(wǎng)是電力系統(tǒng)的重要組成部分,是為用戶配電和供電的關(guān)鍵環(huán)節(jié),它的投資規(guī)模、運(yùn)營成本和社會經(jīng)濟(jì)效益遠(yuǎn)大于輸電網(wǎng),準(zhǔn)確評估配電網(wǎng)的運(yùn)行狀態(tài)是電網(wǎng)安全穩(wěn)定運(yùn)行的基礎(chǔ)。與輸電網(wǎng)相比,配電網(wǎng)的結(jié)構(gòu)更加復(fù)雜,配電設(shè)備眾多,配電自動化水平低,運(yùn)行數(shù)據(jù)采集困難,增加了配電網(wǎng)運(yùn)行狀態(tài)評估的難度。另一方面,隨著智能電網(wǎng)的建設(shè),以及5G技術(shù)和物聯(lián)網(wǎng)技術(shù)的發(fā)展,電網(wǎng)采集的數(shù)據(jù)將指數(shù)級增加。因此,通過信息化提高電網(wǎng)的智能化水平,以及采用大數(shù)據(jù)技術(shù)從海量的配電網(wǎng)數(shù)據(jù)中挖掘有價值的信息成為了關(guān)鍵的一環(huán)。本文是在國家電網(wǎng)公司科研項目《基于大數(shù)據(jù)分析的配電網(wǎng)運(yùn)行狀態(tài)評估與預(yù)警方法研究》的支持下,結(jié)合配電網(wǎng)的實際現(xiàn)狀,即供電公司已有各種軟件系統(tǒng)在采集配電網(wǎng)的基礎(chǔ)數(shù)據(jù)、運(yùn)行數(shù)據(jù)等,采用將傳統(tǒng)評價方法與大數(shù)據(jù)技術(shù)結(jié)合的思路提出一種在并行計算框架下實施的運(yùn)行狀態(tài)評估方法,并開發(fā)了一套配電網(wǎng)運(yùn)行狀態(tài)評估軟件系統(tǒng),有助于發(fā)現(xiàn)配電網(wǎng)的薄弱環(huán)節(jié)和提升配電網(wǎng)精益化運(yùn)維水平。全文的主要工作如下:(1)構(gòu)建了一套涵蓋配電網(wǎng)各個重要方面的指標(biāo)體系,該指標(biāo)體系分為目標(biāo)層、準(zhǔn)則層和指標(biāo)層。準(zhǔn)則層包括電網(wǎng)結(jié)構(gòu)、運(yùn)行故障和裝備水平等6個因素,指標(biāo)層...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3.5單項指標(biāo)得分柱狀圖

3配電網(wǎng)運(yùn)行狀態(tài)評估方法29圖3.5單項指標(biāo)得分柱狀圖Fig.3.5Histogramofindividualindicatorscores從表3.6中可以看出，該轄區(qū)的供電區(qū)域A當(dāng)天的整體運(yùn)行情況得分為83.09分，評分為―良‖，因為當(dāng)天發(fā)生了3次運(yùn)行故障，以及該區(qū)域的10kV....

圖4.4WordCount并行計算時間線

4基于大數(shù)據(jù)技術(shù)的軟件系統(tǒng)分析與整體架構(gòu)設(shè)計35HadoopisgoodSparkisfastSparkmorebetterword.txtsc.textFile("hdfs://")HadoopisgoodSparkisfastSparkmorebetterRDD(lines)....

圖4.5Spark、Hadoop運(yùn)行WordCount的速率比Fig.4.5Spark,HadooprunningWordCountrateratio

重慶大學(xué)碩士學(xué)位論文36現(xiàn)Spark更擅長使用內(nèi)存來運(yùn)算加速。本文使用的是一個Master節(jié)點(diǎn)，兩個Slave節(jié)點(diǎn)的集群，因為集群規(guī)模較小，當(dāng)數(shù)據(jù)量大時，會導(dǎo)致JVM垃圾回收（GarbageCollection）的時間增多，但是在同樣的測試環(huán)境中，Spark比Hadoop更加快速....

圖4.6Spark、Hadoop運(yùn)行WordCount時間對比圖

重慶大學(xué)碩士學(xué)位論文36現(xiàn)Spark更擅長使用內(nèi)存來運(yùn)算加速。本文使用的是一個Master節(jié)點(diǎn)，兩個Slave節(jié)點(diǎn)的集群，因為集群規(guī)模較小，當(dāng)數(shù)據(jù)量大時，會導(dǎo)致JVM垃圾回收（GarbageCollection）的時間增多，但是在同樣的測試環(huán)境中，Spark比Hadoop更加快速....

本文編號：3968585