基于Hadoop的变电站设备故障状态识别与预测模型 |
| |
引用本文: | 曲朝阳,刘晓庆,辛鹏.基于Hadoop的变电站设备故障状态识别与预测模型[J].教育技术导刊,2015,14(3):61-63. |
| |
作者姓名: | 曲朝阳 刘晓庆 辛鹏 |
| |
作者单位: | 东北电力大学 信息工程学院;国家电网吉林省电力有限公司 吉林供电公司,吉林省 吉林市 132012 |
| |
摘 要: | 在智能变电站环境下,各种智能量测装置运行过程中产生了海量的状态监测数据。针对在数据量巨大的情况下,现有故障诊断方法分析效率缓慢且预测精度不高等问题,提出一种大数据环境下设备故障快速识别与预测模型,改进并实现了MapReduce并行模式下设备故障分类算法,通过专家推理机制,依据规则进行准确的故障预测。建立了一个基于Hadoop集群的数据处理实验环境,以SF6断路器的3种故障状态为对象,分析证明了该模型在不同故障模式下识别与预测的正确性和有效性。
|
关 键 词: | 智能变电站 故障识别 故障预测 Hadoop HBase |
Substation Equipment Failure State Identify and Prediction Model Based on Hadoop |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |