论文题目：基于大数据分析技术的用户侧电能质量研究
摘要：随着智能电网的发展,许多非线性元件的投入对电网的电能质量造成较大影响。再加上近年来我国经济发展呈稳中求进趋势,用户对电能质量的需求也逐渐攀升。面对日益增长的电能质量监测数据,传统的电能质量分析方法已经无法较好地满足电能质量分析。如何对电能质量大数据进行分析研究从而满足用户的用电需求,已经成为当下电力企业的当务之急。针对以上提到的问题,本文进行了相应的电压质量分析研究,主要研究内容如下:首先介绍了电能质量研究的背景及意义,并对现有的研究方法进行分析对比。然后针对目前的大数据技术研究范围进行阐述,确定大数据技术使用在电能质量分析上具有可行性。其次针对电能质量的基本参数和当下面临的问题进行分析,确定用数据挖掘算法进行电能质量数据的处理,并提出使用k-medoids算法和k-GMM算法来处理电能质量数据。然后基于聚类划分度量构建两个算法的数学模型,并用Java进行算法实现。最后在完成对电能质量数据特征的分析后,确定用大数据分析的方法进行电能质量分析并搭建Hadoop平台。在此基础上构建基于YARN的Map Reduce框架,并通过内部参数的修改使之能稳定地进行电能质量数据处理。然后在Hadoop平台上运用k-medoids算法和k-GMM算法对配电变压器出口电压数据进行分析处理。实验结果表明,在现行的配电网设备管理规定的标准下,实验数据结果可靠完整,且和实际数据相比具有极大参考价值。不仅能完善现有的电能质量分析模块,还能预测电能质量数据的趋势走向。通过本次研究的算例测试,不仅验证了本次实验提出的两种分析算法的可行性和正确性,还验证了利用Hadoop平台和Map Reduce框架实现的电能质量数据分析不仅具有突出的计算效率而且能保证良好的精确度,以及利用大数据技术在电力系统的状态评价方面的可行性。
关键词：智能电网;数据挖掘算法;大数据技术;Hadoop
学科专业：电气工程（专业学位）
摘要
Abstract
第一章 绪论
1.1 电能质量研究背景及意义
1.2 国内外研究现状
1.2.1 电能质量的定义
1.2.2 传统电能质量分析方法研究现状
1.2.3 大数据分析方法在电能质量分析中的研究现状
1.2.4 大数据分析平台在电能质量分析中的应用现状
1.3 论文的主要内容
第二章 电能质量分析算法研究
2.1 引言
2.2 电能质量数据分析概述
2.2.1 电能质量数据分析需求
2.2.2 电能质量问题分类
2.3 基于k-medoids聚类和高斯混合模型融合的电能质量分析方法
2.3.1 电能质量的基本参数
2.3.2 电能质量分析指标
2.3.3 电能质量分析流程
2.4 k-medoids聚类模型
2.4.1 k-medoids聚类模型基本原理
2.4.2 聚类度量函数计算方法
2.4.3 k-medoids算法改良结果
2.5 高斯混合模型
2.5.1 高斯混合模型基本原理
2.5.2 基于期望最大化模型的高斯混合模型参数求解方法
2.6 本章小结
第三章 电能质量大数据分析架构
3.1 引言
3.2 电能质量数据源概况
3.2.1 数据源特征
3.2.2 数据源分类
3.2.3 电能质量大数据处理流程
3.3 基于Hadoop的电能质量大数据分析平台搭建
3.3.1 基于Hadoop大数据层的电能质量数据处理流程
3.3.2 Hadoop架构
3.3.3 Map Reduce并行计算框架
3.3.4 分布式资源管理框架YARN
3.4 基于Hadoop的电能质量大数据分析环境搭建
3.4.1 Hadoop伪分布式框架
3.4.2 实验环境搭建
3.4.3 Map Reduce框架搭建
3.5 本章小结
第四章 HADOOP环境下针对配电变压器电压偏差研究
4.1 引言
4.2 Hadoop环境下数据处理
4.2.1 数据预处理
4.2.2 数据配置
4.3 结果分析
4.3.1 k-medoids数据结果分析
4.3.2 改良GMM的数据结果分析
4.3.3 试验结果对比
4.3.4 运行情况分析及实际应用
4.4 本章小结
第五章 结论和展望
5.1 工作总结
5.2 后续展望
致谢
参考文献