CN106649652A - 基于Hadoop的变电站主设备在线监测系统构架方法 - Google Patents

基于Hadoop的变电站主设备在线监测系统构架方法 Download PDF

Info

Publication number
CN106649652A
CN106649652A CN201611138954.4A CN201611138954A CN106649652A CN 106649652 A CN106649652 A CN 106649652A CN 201611138954 A CN201611138954 A CN 201611138954A CN 106649652 A CN106649652 A CN 106649652A
Authority
CN
China
Prior art keywords
data
hadoop
main equipment
transformer station
hdfs
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611138954.4A
Other languages
English (en)
Inventor
戴�峰
孙勇军
耿亚明
柴宇
揣振国
张顺
卢有清
戴永正
王鹏
顾宇峰
郑建勇
梅飞
潘益
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Nan Ruitai Shi Da Electric Applicance Co Ltd
State Grid Corp of China SGCC
Southeast University
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Jiangsu Nan Ruitai Shi Da Electric Applicance Co Ltd
State Grid Corp of China SGCC
Southeast University
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Nan Ruitai Shi Da Electric Applicance Co Ltd, State Grid Corp of China SGCC, Southeast University, Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd filed Critical Jiangsu Nan Ruitai Shi Da Electric Applicance Co Ltd
Priority to CN201611138954.4A priority Critical patent/CN106649652A/zh
Publication of CN106649652A publication Critical patent/CN106649652A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/14—Details of searching files based on file metadata
    • G06F16/148—File search processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/14—Details of searching files based on file metadata
    • G06F16/156—Query results presentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于Hadoop的变电站主设备在线监测系统，包括：以变电站主设备在线监测装置构成的数据采集层，以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成的数据存储层，采用MapReduce软件框架构成的数据应用服务层，以及对电气设备状态参数的全景展示的数据可视化层。本发明将在互联网、金融、物流等领域较为火热的大数据技术引入到智能变电站电气设备在线监测的数据处理中。利用大数据的数据处理存储、管理和处理技术，并结合Hadoop 云计算实现快速、高效、准确、低成本的实现在线监测数据处理。

Description

基于Hadoop的变电站主设备在线监测系统构架方法
技术领域
本发明涉及基于Hadoop的变电站主设备在线监测系统构架方法，属于电工技术领域。
背景技术
进入21世纪以来，信息化席卷全球，迎来了数据大爆炸的时代，从商业公司的运营到个人的日常生活消费再到互联网的数字文档、视频音乐等内容的大量生产，整个社会的不同类型的海量数据以大爆炸的方式喷发出来。目前，对于大数据还没有具体明确的定义，主要体现为体量规模巨大、类型复杂繁多。与传统的数据相比，大数据的特点可以归纳为规模性（Volume）、多样性（Variety）、高速性（Velocity）和低价值密度性（value），由于这些特点，大数据的采集、存储、管理和运算方式也与传统数据有很大不同，而其价值就在于从海量看似无关的数据中挖掘出有用的信息。一些领先的对大数据探索的公司如谷歌、微软、亚马逊等已经在大数据系统的基本构架、分布式文件存储和分布式数据处理等关键领域给出了很好的解决方案。
目前国网系统中有成千上万台在线监测装置，随着国民经济的发展电网规模不断扩大以及在线检测技术的飞速发展，电力设备的在线监测数据呈几何性增长。在线监测本身又具有实时性，在电力设备运行的每时每刻都在不断产生体量巨大、类型各异的海量在线监测数据。因此，智能变电站在线监测数据具有规模大、增长快、实时性、类型复杂多样、地域分布广等特点，这给在线监测数据的处理带来了巨大的挑战，表现为以下几点：
（1）在线监测数据基本为正常数据。由于一次设备制造技术水平的不断提高，同时目前变电站设备的管理和维护自动化技术的普及，使得电气设备的故障率维持在极低的水平。而且像断路器这类开关设备动作不是十分频繁，因而在线监测的分合闸电流、储能电机电流、三相动触头位移等动作时信号采集周期较长，采集的大部分非动作时间区间内的数据价值较低。因此在线监测的数据中异常时数据比例很低，需要对异常数据进行辨识和挖掘才能实现故障诊断和状态检修。
（2）电气设备监测参数和实际状态关系模糊、内涵机理复杂，一些无法用函数进行精确表达。目前人工神经网络（ Artificial Neural Networks，ANN ）、支持向量机（Support Vector Machine，SVM ）、粗糙集与模糊理论等智能算法被广泛的应用于电气设备是故障诊断，这些算法对于处理模糊和不确定性参数关系，发现其隐含的潜在规律较为适合，而大数据处理算法更关注于数据间的相关关系却不注重因果关系，所以基于大数据思想的相关算法能够有效处理电气设备的在线监测数据。
（3）在线监测数据采集的数据量大，一般是以数据流的形式上传，需要能够快速地对数据流进行处理。在线监测数据为实时采集且数据量大，对于上传的数据需要进行及时地故障诊断，因而必须利用大数据的技术手段实现数据流内数据的快速准确地分析处理。
综上所述，本发明将在互联网、金融、物流等领域较为火热的大数据技术引入到智能变电站电气设备在线监测的数据处理中。利用大数据的数据处理存储、管理和处理技术，并结合Hadoop 云计算实现快速、高效、准确、低成本的实现在线监测数据处理。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供基于Hadoop的变电站主设备在线监测系统构架方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种基于Hadoop的变电站主设备在线监测系统，包括：以变电站主设备在线监测装置构成的数据采集层，以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成的数据存储层，采用MapReduce软件框架构成的数据应用服务层，以及对电气设备状态参数的全景展示的数据可视化层。
一种基于Hadoop的变电站主设备在线监测系统构架方法，包括如下步骤：
步骤一：将变电站主设备在线监测装置构成数据采集层；
步骤二：通过数据采集层采集不同一次设备的数据；所述数据性质分为：动态时序数据、静态数据、视频数据；所述动态时序数据包括：机械信号、电信号，所述静态数据包括：用户数据、杆塔数据。
步骤三：以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成数据存储层；将静态数据存储在MySQL中；视频信息存储在HDFS中，动态时序数据存储在HDFS文件系统上的HBase中；
步骤四：采用MapReduce软件框架构成数据应用服务层，完成对变电站在线监测状态信息的并行处理，根据用户的需求存储或查询数据；
步骤五：设计客户端访问界面，作为数据可视化层，对状态信息全景展示。
进一步，所述一次设备包括：变压器、断路器、GIS开关设备、电容型设备、避雷器。
进一步，HBase将动态时序数据作为对象来处理，形成一个分布式多维数据表，将动态时序数据一律看成字符串，处理变电站中类型不同的多元数据；HBase表的结构由行健、时间戳、列簇组成；行健为表的主题，表中的记录按照行健排序，时间戳表示每次数据操作对应的时间，列簇可以由任意多个列组成，并且支持动态扩展。
进一步，所述存储在HDFS中的动态时序数据和视频数据按照MapReduce的程序框架进行查询。
进一步，还包括步骤六，所述步骤六：使用虚拟化工具，在不同的操作系统上虚拟Linux操作系统，Hadoop平台搭建在Linux虚拟上，实现异构操作系统的屏蔽。
有益效果：本发明将分布式计算框架Hadoop应用到变电站的数据存储与处理上，在数据存储上简化了数据管理工作，降低了数据维护成本，提高了数据库容错能力；在数据处理上利用大数据处理并行计算的优势使得在数据量大、数据维度高时处理时间大幅度下降，而且大数据算法注重相关关系而非因果关系的思维方式对于辨识一些故障机理复杂、参数所对应状态模糊的电气设备在线监测数据具有很强的适用性。
附图说明
图1 基于Hadoop的变电站主设备在线监测系统
图2 HDFS数据文件上传流程图
图3 HDFS数据文件查询流程图
图4 HBase数据上传流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，从而使得本发明的优点和特征能更易于被本领域的技术人员理解，从而对本发明的适用范围做出更明确的界定。
如图1所示为一种基于Hadoop的变电站主设备在线监测大数据平台构架示意图，包括以变电站主设备在线监测系统构成的数据采集层，以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成的数据存储层，采用MapReduce软件框架构成的数据应用服务层，以及对电气设备状态参数的全景展示的数据可视化层。
智能变电站中电力设备状态数据多样，在本发明所提出的基于Hadoop的变电站主设备在线监测系统及其构架方法中，重点需要处理三种数据：
动态时序数据：主要包括变压器的振动信号，电容电流，介质损失角正切值，局部放电，油中气体含量，过热点温度；断路器的分、合闸线圈电流，储能电机电流，三相位移，振动信号，泄漏电流；互感器的局部放电，励磁电流；母线的局部放电；GIS的局部放电；电容器的泄漏电流；绝缘支柱的污秽泄漏电流；金属氧化物避雷器MOA的电容电流，泄漏电流，等等。这类数据的采样频率为几百KHz，甚至高至几MHz，因此该类数据量的增长十分明显，随着时间增长，所需存储空间越来越大，并逐渐超越传统数据库处理能力；同样在该类数据查询中，待处理数据量也是庞大的。
静态数据：包括用户数据、杆塔数据、采集设备数据、线路数据、绝缘子数据等。其特点是占用空间少，但需要不断查询。
视频数据：视频数据的图像分辨率十分重要，分辨率越高，细节越明显，监控的准确度也就越高。这就导致了数据量的剧增，G级别的数据成为常态。现代智能变电站中的视频数据，包括定点监控视频数据和巡查监控视频数据（如无人机监控）等。
根据这三类数据的特点，采用不同的存储空间或数据库进行处理。
对于动态时序数据，数据文件直接存储在HDFS文件系统中，动态时序数据则采用HDFS文件系统上的HBase数据库存储，通过使用HBase数据库的API接口，结合MapReduce实现并行高效查询。
对于直接存储在HDFS中的数据文件，每条数据包括产生时间、数据编号、产生通道、设备节点物理地址、数据内容等，存储到文件名为设备名和时间组合而成的文件里，形成数据文件，文件上传流程如图2所示。上传时，设置缓存区，将数据首先放在缓存区内，当缓存区存储一定数目的数据后，再存入本地文件。对于数据的查询，在Hadoop提供的并行查询方法中，使用Map和Reduce函数，根据待查询关键词进行查询。为了提高效率，可以根据实际应用的情况，使文件命名中包括有时间段，当查找关键字是时间，先判定文件名时间段是否满足关键字，不满足则停止对该文件的查询任务。数据文件的查询流程如图3所示。对于视频数据，其上传和查询方式与上面类似，存储时首先建立缓存区，查询时根据关键字使用Map函数与Reduce函数查询。
对于存储在HBase数据库中的数据，由于变电站在线监测系统中，同一时间内会有多台电力设备的采样设备需要同步存储，因此设计相应的传感器Mac地址与通道号串联构成行键，用于采样数据检索，HBase表中每行数据都带有时间戳，表明了该数据的采集时间，可在插入数据时由数据库自动生成。以变压器的状态监测为例，设置相关传感器的Mac地址和通道号为行健，列簇包括被监测设备码，监测装置标识，被监测设备相别，监测时间和采样点数据等。数据上传到HBase的流程如图4所示。查询HBase表时，只能通过对行健查询，或者在存储数据时，根据查询的需要，设计复合行健，来满足多条件查询。
静态数据，如简单的用户信息、设备信息等，使用MySQL数据库进行存储。设计客户端访问界面，列出系统集成的各应用，并集成服务器集群的端口，以便用户能够方便的查询集群数据存储情况和MapReduce程序运行情况。由此，构成了数据可视化层。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于Hadoop的变电站主设备在线监测系统，其特征在于：包括：以变电站主设备在线监测装置构成的数据采集层，以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成的数据存储层，采用MapReduce软件框架构成的数据应用服务层，以及对电气设备状态参数的全景展示的数据可视化层。
2.一种基于Hadoop的变电站主设备在线监测系统构架方法，其特征在于：包括如下步骤：
步骤一：将变电站主设备在线监测装置构成数据采集层；
步骤二：通过数据采集层采集不同一次设备的数据；所述数据性质分为：动态时序数据、静态数据、视频数据；所述动态时序数据包括：机械信号、电信号，所述静态数据包括：用户数据、杆塔数据；
步骤三：以关系数据库MySQL，Hadoop构架中的分布式文件系统HDFS及其所包括的分布式数据库HBase构成数据存储层；将静态数据存储在MySQL中；视频信息存储在HDFS中，动态时序数据存储在HDFS文件系统上的HBase中；
步骤四：采用MapReduce软件框架构成数据应用服务层，完成对变电站在线监测状态信息的并行处理，根据用户的需求存储或查询数据；
步骤五：设计客户端访问界面，作为数据可视化层，对状态信息全景展示。
3.根据权利要求2所述的基于Hadoop的变电站主设备在线监测系统构架方法，其特征在于：所述一次设备包括：变压器、断路器、GIS开关设备、电容型设备、避雷器。
4.根据权利要求2所述的基于Hadoop的变电站主设备在线监测系统构架方法，其特征在于：HBase将动态时序数据作为对象来处理，形成一个分布式多维数据表，将动态时序数据一律看成字符串，处理变电站中类型不同的多元数据；HBase表的结构由行健、时间戳、列簇组成；行健为表的主题，表中的记录按照行健排序，时间戳表示每次数据操作对应的时间，列簇可以由任意多个列组成，并且支持动态扩展。
5.根据权利要求2所述的基于Hadoop的变电站主设备在线监测系统构架方法，其特征在于：所述存储在HDFS中的动态时序数据和视频数据按照MapReduce的程序框架进行查询。
6.根据权利要求2所述的基于Hadoop的变电站主设备在线监测系统构架方法，其特征在于：还包括步骤六，所述步骤六：使用虚拟化工具，在不同的操作系统上虚拟Linux操作系统，Hadoop平台搭建在Linux虚拟上，实现异构操作系统的屏蔽。
CN201611138954.4A 2016-12-12 2016-12-12 基于Hadoop的变电站主设备在线监测系统构架方法 Pending CN106649652A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611138954.4A CN106649652A (zh) 2016-12-12 2016-12-12 基于Hadoop的变电站主设备在线监测系统构架方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611138954.4A CN106649652A (zh) 2016-12-12 2016-12-12 基于Hadoop的变电站主设备在线监测系统构架方法

Publications (1)

Publication Number Publication Date
CN106649652A true CN106649652A (zh) 2017-05-10

Family

ID=58824662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611138954.4A Pending CN106649652A (zh) 2016-12-12 2016-12-12 基于Hadoop的变电站主设备在线监测系统构架方法

Country Status (1)

Country Link
CN (1) CN106649652A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730394A (zh) * 2017-09-07 2018-02-23 国网山东省电力公司淄博供电公司 基于大数据的全景电网多元异构数据融合方法
CN109063012A (zh) * 2018-07-11 2018-12-21 北京百度网讯科技有限公司 存储、查询时序数据的方法、装置、设备和计算机存储介质
CN109995530A (zh) * 2019-05-09 2019-07-09 东南大学 一种适用于移动定位系统的安全分布式数据库交互方法
CN111142963A (zh) * 2019-11-22 2020-05-12 贵州电网有限责任公司 变电站仪器的端口查询方法、装置设备及存储介质
CN111157838A (zh) * 2018-11-08 2020-05-15 中国铁路沈阳局集团有限公司科学技术研究所 一种铁路配电网运行状态大数据智能化管理系统
WO2020204685A1 (ru) * 2019-04-05 2020-10-08 Автономная Организация Образования "Назарбаев Университет" Способ мониторинга нагрузки, вибрации и изнашивания распределительных трансформаторов в режиме реального времени
CN117271610A (zh) * 2023-11-17 2023-12-22 深圳曼顿科技有限公司 设备状态管理方法、装置、终端设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366312A (zh) * 2013-07-15 2013-10-23 国家电网公司 一种智能变电站云系统
CN104124756A (zh) * 2013-04-27 2014-10-29 国家电网公司 一种基于全网数据的省级配电网运行监测系统
US20160070769A1 (en) * 2012-11-30 2016-03-10 Orbis Technologies, Inc. Ontology harmonization and mediation systems and methods

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160070769A1 (en) * 2012-11-30 2016-03-10 Orbis Technologies, Inc. Ontology harmonization and mediation systems and methods
CN104124756A (zh) * 2013-04-27 2014-10-29 国家电网公司 一种基于全网数据的省级配电网运行监测系统
CN103366312A (zh) * 2013-07-15 2013-10-23 国家电网公司 一种智能变电站云系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘树仁: "基于Hadoop的电力设备状态监测数据存储与访问研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107730394A (zh) * 2017-09-07 2018-02-23 国网山东省电力公司淄博供电公司 基于大数据的全景电网多元异构数据融合方法
CN107730394B (zh) * 2017-09-07 2021-07-06 国网山东省电力公司淄博供电公司 基于大数据的全景电网多元异构数据融合方法
CN109063012A (zh) * 2018-07-11 2018-12-21 北京百度网讯科技有限公司 存储、查询时序数据的方法、装置、设备和计算机存储介质
CN111157838A (zh) * 2018-11-08 2020-05-15 中国铁路沈阳局集团有限公司科学技术研究所 一种铁路配电网运行状态大数据智能化管理系统
WO2020204685A1 (ru) * 2019-04-05 2020-10-08 Автономная Организация Образования "Назарбаев Университет" Способ мониторинга нагрузки, вибрации и изнашивания распределительных трансформаторов в режиме реального времени
CN109995530A (zh) * 2019-05-09 2019-07-09 东南大学 一种适用于移动定位系统的安全分布式数据库交互方法
CN109995530B (zh) * 2019-05-09 2022-02-15 东南大学 一种适用于移动定位系统的安全分布式数据库交互系统
CN111142963A (zh) * 2019-11-22 2020-05-12 贵州电网有限责任公司 变电站仪器的端口查询方法、装置设备及存储介质
CN111142963B (zh) * 2019-11-22 2023-05-16 贵州电网有限责任公司 变电站仪器的端口查询方法、装置设备及存储介质
CN117271610A (zh) * 2023-11-17 2023-12-22 深圳曼顿科技有限公司 设备状态管理方法、装置、终端设备及存储介质
CN117271610B (zh) * 2023-11-17 2024-03-12 深圳曼顿科技有限公司 设备状态管理方法、装置、终端设备及存储介质

Similar Documents

Publication Publication Date Title
CN106649652A (zh) 基于Hadoop的变电站主设备在线监测系统构架方法
CN109379420B (zh) 一种基于分布式架构的综合能源服务平台系统
CN107657019B (zh) 电网系统的网络拓扑结构获取方法和系统
CN107330056A (zh) 基于大数据云计算平台的风电场scada系统及其运行方法
CN107798062A (zh) 一种变电站历史数据统一存储方法和系统
CN110932405A (zh) 基于大数据的变电设备智能监控分析系统
CN115033657B (zh) 基于知识图谱的查询方法、装置、设备及存储介质
CN111523004B (zh) 一种边缘计算网关数据的存储方法及系统
Liu et al. On construction of an energy monitoring service using big data technology for smart campus
CN106599189A (zh) 基于云计算的动态Skyline查询装置
Ding et al. A hybrid search engine framework for the internet of things
Shukla et al. Efficient method for extracting network information from the CIM asset model
CN110674080A (zh) 一种基于NiFi的大数据量非结构文件采集方法及系统
Huang et al. Technical aspects and case study of big data based condition monitoring of power apparatuses
CN115658742A (zh) 一种现场级主动标识载体的标识解析方法及系统
Tripathi et al. A comparative analysis of conventional hadoop with proposed cloud enabled hadoop framework for spatial big data processing
Yu et al. A police big data analytics platform: Framework and implications
CN115374101A (zh) 轨道交通站段级数据管理系统
Zhou et al. Big data storage and parallel analysis of grid equipment monitoring system
Tang et al. Searching the Internet of Things using coding enabled index technology
CN113010373A (zh) 数据监控方法、装置、电子设备及存储介质
Çakmak et al. A new framework for the analysis of large scale multi-rate power data
Shuiyao et al. Power Wireless Heterogeneous Network Management System based on Big Data Technology
Thasnimol et al. Application of high‐performance computing in synchrophasor data management and analysis for power grids
CN109739883A (zh) 提升数据查询性能的方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 210000, Jiangsu, Jiangning Development Zone, Nanjing, the source of the road, No. 58, -5

Applicant after: National network Jiangsu Electric Power Co., Ltd. maintenance branch

Applicant after: State Grid Corporation of China

Applicant after: Jiangsu Nan Ruitai Shi Da Electric Applicance Co., Ltd

Applicant after: Southeast University

Address before: 210000, Jiangsu, Jiangning Development Zone, Nanjing, the source of the road, No. 58, -5

Applicant before: State Grid Jiangsu Electric Power Company Maintenance Branch Company

Applicant before: State Grid Corporation of China

Applicant before: Jiangsu Nan Ruitai Shi Da Electric Applicance Co., Ltd

Applicant before: Southeast University

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20170510

RJ01 Rejection of invention patent application after publication