10.13334/j.0258-8013.pcsee.2016.05.008
局部放电大数据的并行PRPD分析与模式识别
随着在线监测的推广应用,输变电设备监测中心已在国内许多电网相继建立,在极端条件下很多电力设备的局部放电(partial discharge,PD)越限数据会蜂拥而至,其快速处理最具挑战性.针对传统局部放电相位分析(phase resolved partial discharge,PRPD)方法处理大数据时的效率低下问题,该文提出了基于MapReduce编程模型的并行化PRPD分析算法(P-PRPD),实现了海量PD信号的并行基本参数提取、统计特征计算与放电类型识别.在实验室中构造了4种放电模型并采集了大量PD信号,对所提算法在拥有6台计算节点的Hadoop平台上进行了详细的性能评估和实验分析.实验和分析结果表明,该算法在处理海量PD信号时较传统方法具有显著的效率提升,模式识别总准确率达到90%,满足工程应用需求.
大数据、局部放电、局部放电相位分析、数据处理、云计算、MapReduce
36
TM76(输配电工程、电力网及电力系统)
中央高校基本科研业务费专项资金资助项目2015XS106;河北省自然科学基金项目F2014502069.Project Supported by the Fundamental Research Funds for the Central Universities 2015XS106; Hebei Provincial Natural Science Foundation of ChinaF2014502069
2016-06-13(万方平台首次上网日期,不代表论文的发表时间)
1236-1244