基于华为云的电气开关设备大数据系统的研究

作     者：芦楠 

作者单位：天津科技大学 

学位级别：硕士

导师姓名：王以忠

授予年度：2020年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：电气开关设备 华为云 关联规则 GRU神经网络 Spark 

摘      要：电气开关柜是输配电系统中的基础设备,主要由负荷开关、隔离开关、断路器以及继电保护装置等组成,承担着开断和闭合电力线路、电路故障保护等重要作用,全面、及时、准确地掌握电气开关设备运行状态是保证电网安全运行的首要问题和技术难点。在物联网和云计算等高新技术快速发展的背景下,本文提出并搭建了基于华为云IoT平台和MRS平台的电气开关设备大数据系统,及时掌控设备的健康状态及发展趋势,对保障电气设备安全运行、延长设备使用寿命、降低运维成本具有十分重要的意义。本文将电气开关设备大数据系统分为数据接入层、数据清洗层、数据存储层、数据分析层以及可视化监管系统,并对各个功能层进行具体的设计和实现。本文主要完成的工作如下:(1)通过对NB-IoT终端软硬件进行设计,并对应用侧Profile文件以及编解码插件进行开发,实现底层设备与华为云IoT平台的通信连接。(2)针对设备状态原始数据中存在的噪声点以及缺失值等问题,提出一种将关联规则与小波神经网络相结合的数据清洗方案,其主要思想是通过Apriori算法对数据序列间的关联规则进行挖掘,建立衡量状态监测量间关联程度的数学模型,使用滑动窗口进行异常数据的检测,并结合小波神经网络生成的预测值替换异常数据,利用Spark Streaming流处理工具完成电气开关设备数据流的实时清洗。实验结果表明该清洗方案基本满足数据挖掘对数据质量的要求。(3)对Hbase数据表中行键和列键进行设计,将设备状态数据的时序性和关联性得以有效保留,并使用MySQL数据库来存储设备台账、人员信息等静态数据。通过各种存储工具的部署整合,实现电气开关设备大数据的多样化存储。(4)通过对GRU神经网络进行深入研究,构建GRU预测模型,并利用Spark分布式计算引擎实现GRU模型的并行化训练和智能预测。实验结果表明利用Spark基于内存的计算特性,在确保模型预测准确率的同时,也极大提高了其训练速度。(5)通过对监管系统服务器端以及Web前端的设计和开发,实现电气开关设备的实时监控、报警管理、历史数据查询、设备台账管理、系统权限管理和预测分析功能。