基于Spark环境变压器故障并行诊断

被引:11
作者
刘成 [1 ]
牛锐 [1 ]
范贺明 [2 ]
许静 [1 ]
朱永利 [1 ]
机构
[1] 华北电力大学控制与计算机工程学院
[2] 国网冀北电力有限公司承德供电公司
关键词
Spark; 变压器故障诊断; 朴素贝叶斯; 智能电网;
D O I
暂无
中图分类号
TM407 [维护、检修];
学科分类号
080801 ;
摘要
为处理海量的电力设备监测数据,满足智能电网快速诊断检修需求,以电力变压器故障诊断为例,提出了基于Spark环境下电力变压器监测数据并行诊断方法。以油中溶解气体数据作为实验输入,利用并行朴素贝叶斯进行故障分类。实验结果表明,并行朴素贝叶斯方法在变压器故障诊断中诊断速度要快于传统的单机环境下诊断速度,基于Spark电力设备监测数据并行诊断实验平台,能够快速处理数据量规模巨大、模型复杂的场景;集群加速比随着节点个数增加明显提高,能够适用电网大数据快速处理的需求。
引用
收藏
页码:32 / 37
页数:6
相关论文
共 14 条
[1]   Spark环境下并行立方体计算方法 [J].
萨初日拉 ;
周国亮 ;
时磊 ;
王刘旺 ;
石鑫 ;
朱永利 .
计算机应用, 2016, 36 (02) :348-352
[2]   深度学习神经网络在电力变压器故障诊断中的应用 [J].
石鑫 ;
朱永利 .
电力建设, 2015, 36 (12) :116-122
[3]   浅析变压器油中溶解气体色谱分析与故障诊断 [J].
张敏 .
科技创新与应用, 2015, (23) :96-97
[4]   基于云计算的数据挖掘算法的研究 [J].
甘枥元 .
电子技术与软件工程, 2015, (07) :195-195
[5]   电力用户侧大数据分析与并行负荷预测 [J].
王德文 ;
孙志伟 .
中国电机工程学报, 2015, 35 (03) :527-537
[6]   基于MapReduce的电力设备并行故障诊断方法 [J].
王德文 ;
刘晓建 .
电力自动化设备, 2014, 34 (10) :116-120
[7]   基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用 [J].
程声烽 ;
程小华 ;
杨露 .
电力系统保护与控制, 2014, 42 (19) :37-42
[8]   基于粒子群优化支持向量机的变压器故障诊断 [J].
韩世军 ;
朱菊 ;
毛吉贵 ;
詹汶燕 .
电测与仪表, 2014, 51 (11) :71-75+90
[9]   无线传感器电力设备监测 [J].
王海霞 ;
李传红 ;
李玉珍 ;
李萍 ;
柴雪平 .
化工管理, 2014, (14) :198-198
[10]   人工神经网络和信息融合技术在变压器状态评估中的应用 [J].
阮羚 ;
谢齐家 ;
高胜友 ;
聂德鑫 ;
卢文华 ;
张海龙 .
高电压技术, 2014, 40 (03) :822-828