电力设备监测数据的流式计算与动态可视化展示

doi:10.3969/j.issn.1000－7229.2017.05.012

电力建设 ›› 2017, Vol. 38 ›› Issue (5): 91-.doi: 10.3969/j.issn.1000－7229.2017.05.012

电力设备监测数据的流式计算与动态可视化展示

李莉，朱永利，宋亚奇

华北电力大学控制与计算机工程学院, 河北省保定市 071003

出版日期:2017-05-01
作者简介:李莉(1980)，女，博士研究生，讲师，本文通信作者，主要从事输变电设备状态检测大数据分析与信号处理等方面的研究工作；朱永利(1963)，男，教授，博士生导师，主要从事大数据技术在输变电设备状态监测数据分析中的应用与智能信息处理等方面的研究工作；宋亚奇（1979），男，博士，讲师，主要从事电力大数据与云计算等方面的研究工作。
基金资助:
国家自然科学基金项目(51677072); 中央高校基本科研业务费专项资金资助项目(2016MS116，2016MS117)

Stream Computing and Dynamic Visualization for Electric Power Equipment Monitoring Data

LI Li, ZHU Yongli, SONG Yaqi

School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, Hebei Province, China

Online:2017-05-01
Supported by:
Project supported by National Natural Science Foundation of China(51677072)

摘要/Abstract

摘要： 电力设备监测数据的实时分析和可视化展示是智能电网建设的重要内容。以Hadoop为代表的传统数据处理模型不能满足业务时延要求。提出基于阿里云流计算（Stream Compute）的电力设备监测数据流式计算与动态可视化展示方法，并应用Stream Compute的上下游服务搭建了用于电力设备监测数据的时频分析和可视化展示的应用系统。试验测试表明，所搭建的系统整体的处理延迟被控制在s级，能够满足电力设备在线监测及实时数据展示的性能要求。

关键词: , 在线监测, 大数据, 流计算, 数据可视化, 阿里云

Abstract: Real-time analysis and visualization of power equipment monitoring data are the important contents of smart grid construction. The traditional data processing model represented by Hadoop cannot meet the requirements of business delay. This paper presents a method of stream computing and dynamic visualization for power equipment monitoring data based on Alibaba Cloud Stream Compute, and uses Stream Compute upstream and downstream service to build an application system for time-frequency analysis and visualization of power equipment monitoring data. The experimental tests show that the overall processing delay of the system is controlled at the second level, which can meet the performance requirements of on-line monitoring and real-time data display.

Key words: on-line monitoring, big data, stream computing, data visualization, Alibaba cloud

中图分类号:

TM 93

李莉，朱永利，宋亚奇. 电力设备监测数据的流式计算与动态可视化展示[J]. 电力建设, 2017, 38(5): 91-.

LI Li, ZHU Yongli, SONG Yaqi . Stream Computing and Dynamic Visualization for Electric Power Equipment Monitoring Data[J]. Electric Power Construction, 2017, 38(5): 91-.

参考文献

［1］ Tom W. Hadoop权威指南:中文版［M］. 周敏奇，王晓玲，金澈清, 译. 北京: 清华大学出版社, 2010:51-55.

［2］ DEAN J, GHEMAWAT S.MapReduce: simplified data processing on large clusters［C］//6th Conference on Symposium on Opearting Systems Design & Implementation. Berkeley:USENIX Association, 2004:137-150.

［3］ AGNEESWARAN V S. Big data analytics beyond hadoop : real-time applications with storm, spark, and more hadoop alte［M］. New Jersey：Pearson Education, 2014：55-70.

［4］孙大为, 张广艳, 郑纬民. 大数据流式计算:关键技术及系统实例［J］.软件学报, 2014, 25(4):839-862.

SUN Dawei, ZHANG Guangyan, ZHENG Weimin. Big data stream computing: Technologies and instances［J］. Journal of Software, 2014, 25(4):839-862.

［5］林子雨, 林琛, 冯少荣,等. MESHJOIN*:实时数据仓库环境下的数据流更新算法［J］. 计算机科学与探索, 2010, 04(10):927-939.

LIN Ziyu, LIN Chen, FENG Shaorong, et al. MESHJOIN*: An algorithm supporting streaming updates in a real-time data warehouse［J］. Journal of Frontiers of Computer Science and Technology, 2010, 4(10):927-939.

［6］ SILVA B N, KHAN M, HAN K. Big data analytics embedded smart city architecture for performance enhancement through real-time data processing and decision-making［J/OL］.Wireless Communications and Mobile Computing,2017, ［2017-01-18］.https://

DOI.org/10.1155/2017/9429676.

［7］乔通, 赵卓峰, 丁维龙. 面向套牌甄别的流式计算系统［J］. 计算机应用, 2017, 37(1):153-158.

QIAO Tong, ZHAO Zhuofeng, DING Weilong. Stream computing system for monitoring copy plate vehicles［J］. Journal of Computer Applications, 2017, 37(1):153-158.

［8］王德文, 杨力平. 智能电网大数据流式处理方法与状态监测异常检测［J］. 电力系统自动化, 2016, 40(14):122-128.

WANG Dewen, YANG Liping. Stream processing method and condition monitoring anomaly detection for big data in smart grid［J］. Automation of Electric Power Systems, 2016, 40(14): 122-128.

［9］刘子英, 唐宏建, 肖嘉耀,等. 基于流式计算的Web实时故障诊断分析与设计［J］. 华东交通大学学报, 2014(1):119-123.

LIU Ziying, TANG Hongjian, XIAO Jiayao, et al. Analysis and design of web real-time fault diagnosis based on stream computing［J］. Journal of East China Jiaotong University, 2014(1):119-123.

［10］高欢. 基于流式计算的网络舆情分析模型研究［J］. 情报学报, 2016, 35(7):723-729.

GAO Huan. Research on model of network public opinion analysis based on stream computing［J］. Journal of the China Society for Scientific and Technical Information, 2016, 35(7):723-729.

［11］张丽岩, 马健. 流式计算在交通信息实时处理中的应用框架初探［J］. 物流科技, 2014, 37(9):8-9.

ZHANG Liyan, MA Jian. A preliminary application framework study of stream computing in traffic information real-time processing［J］. Logistics Sci-Tech, 2014, 37(9):8-9.

［12］周建宁, 徐晓东, 蔡岗. 流式计算在交通管理中应用研究［J］. 中国公共安全:学术版, 2016(1):70-75.

ZHOU Jianning, XU Xiaodong, CAI Gang. Study on the application of steam computing in traffic management［J］. China Public Security， Academy Edition, 2016(1):70-75.

［13］ SHRUTHI K, SIDDHARTH P. Easy, real-time big data analysis using storm ［EB/OL］. ［2012-12-04］. http://www.drdobbs.com/cloud/easy-real-time-big-data-analysis-using-s/240143874?pgno=1.

［14］张少敏, 孙婕, 王保义. 基于Storm的智能电网广域测量系统数据实时加密［J］. 电力系统自动化, 2016, 40(21):123-127.

ZHANG Shaomin, SUN Jie, WANG Baoyi. Storm based real-time data encryption in wide area measurement system of smart grid［J］. Automation of Electric Power Systems, 2016, 40(21):123-127.

［15］王铭坤, 袁少光, 朱永利,等. 基于Storm的海量数据实时聚类［J］. 计算机应用, 2014, 34(11):3078-3081.

WANG Mingkun, YUAN Shaoguang, ZHU Yongli, et al. Real-time clustering for massive data using storm［J］. Journal of Computer Applications, 2014, 34(11):3078-3081.

［16］阿里云. 流计算产品特点［EB/OL］. ［2017-02-28］. https://help.aliyun.com/document_detail/49930.html ?spm=5176.doc49929.6.550.DVbqvj.

［17］阿里云. 阿里云DataHub［EB/OL］. ［2016-11-21］. https://data.aliyun.com/product/datahub?spm=a2c0j.117599.588239.11.abJECp.

［18］阿里云. DataV数据可视化［EB/OL］. ［2016-09-15］. https://data.aliyun.com/visual/datav?spm=a2c0j.117599.416540.109.abJECp.

［19］鲍永胜. 局部放电脉冲波形特征提取及分类技术［J］. 中国电机工程学报, 2013, 33(28):168-175.

BAO Yongsheng. Partial discharge pulse waveform feature extraction and classification techniques［J］. Proceedings of the CSEE, 2013, 33(28):168-175.

[1]	汤吉鸿, 章德, 丛凡超, 田国梁, 吴贵烘, 李宇骏, 禹海峰. 基于线性二次型最优控制的多端直流最优功率调制方案[J]. 电力建设, 2020, 41(8): 32-39.
[2]	赵洱岽, 王浩, 林弘杨. 现货市场中基于演化博弈的火电企业阶梯报价策略[J]. 电力建设, 2020, 41(8): 68-71.
[3]	原吕泽芮，顾洁，金之俭. 基于云-边-端协同的电力物联网用户侧数据应用框架[J]. 电力建设, 2020, 41(7): 1-8.
[4]	宋建，束洪春，董俊，梁雨婷，李雨龙，杨博. 基于GM(1，1)与BP神经网络的综合负荷预测[J]. 电力建设, 2020, 41(5): 75-80.
[5]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[6]	荆江平，吴奕，胡伟，陆晓，王文学，卫志农，孙国强. 电-热互联综合能源系统潮流计算的数值方法[J]. 电力建设, 2020, 41(2): 58-66.
[7]	钟永洁，谢东亮，孙永辉，翟苏巍，常福刚，张明理. 考虑能源子系统与储能的综合能源系统优化分析[J]. 电力建设, 2019, 40(8): 59-68.
[8]	傅质馨，李潇逸，袁越. 泛在电力物联网关键技术探讨[J]. 电力建设, 2019, 40(5): 1-12.
[9]	杨军，林洋佳，陈杰军，李逸欣，詹祥澎. 未来城市共享电动汽车发展模式[J]. 电力建设, 2019, 40(4): 49-59.
[10]	陈宁，齐磊，崔翔，马江江. 柔性直流电网单极接地短路电流计算方法[J]. 电力建设, 2019, 40(4): 119-127.
[11]	江帆，杨洪耕. 基于选择性贝叶斯分类的非侵入式负荷识别方法[J]. 电力建设, 2019, 40(2): 94-.
[12]	刘中原，王维庆，王海云，袁成玉，王亮，李永钦，丁文彬. 基于VSG技术的VSC-HVDC输电系统受端换流器控制策略[J]. 电力建设, 2019, 40(2): 100-.
[13]	林伟芳，易俊，贾俊川，王安斯，余芳芳，方诗卉. 故障后半波长输电线路的稳态过电压控制措施[J]. 电力建设, 2019, 40(2): 109-.
[14]	崔树银，陆奕，常啸. 考虑信用评分机制的电力碳排放交易区块链模型[J]. 电力建设, 2019, 40(1): 104-111.
[15]	黄裕春，王宏，王珂，文福拴. 考虑电动汽车充电设施接入的居民配电系统供电容量最优规划[J]. 电力建设, 2018, 39(6): 1-.

电力设备监测数据的流式计算与动态可视化展示

Stream Computing and Dynamic Visualization for Electric Power Equipment Monitoring Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价