基于电力行业云计算的大数据架构初探

经济增长速度不断加快,智能化电网持续性建设,电网建设规模在不断扩大。在外部环境不断发生变化的过程中,电力行业产生的数据量持续性增大,数据系统规模在不断扩大。在这样一种形势下,传统的数据处理技术很难满足当前的需要。为适应当前发展需要,云计算技术的应用可满足这项需要。文章就电力行业云计算的大数据架构进行分析。     

基于大数据的信令监测系统的设计与实现

随着计算机技术与通信技术的飞速发展,各种数据流量也随之急剧增加,这给信令数据的采集、存储、分析带来了巨大挑战.在传统信令监测系统的基础上结合大数据特征,设计了该信令监测系统建设方案,讨论了该方案的关键技术和功能架构,详细介绍了该方案在网络优化、业务经营、网络安全三方面的应用,为大数据时代下实现信令监测、提高网络安全,提供了理论支撑和实践基础.     

基于数据仓库的高校数据统计服务平台研究

为了适应新形势下高校对大数据统计、分析的需求,设计实现了一套基于数据仓库的高校数据统计服务平台的整体方案。对高校数据仓库的整体架构、数据仓库的建模进行了研究,并设计了一种基于数据仓库星型结构的统计数据模型;进一步探讨了统计服务平台在实现过程中ETL(extraction transformation loading)以及界面设计等方面的关键技术;为高校下一步搭建管理与决策支持平台提供了重要的实践基础和理论支撑。     

电网营销运营监控平台数据架构发展探析

大数据背景下,对电网工作者而言,电网信息技术发展是一项非常重要的工作内容.智能电网建设深入的同时,营销运营监控数据集成的需求越来越高,数据交换趋向复杂化,要求较高的数据实时性,为把数据集成产生的性能、管理及安全等的风险降至最低,数据交互的统一管理工具构建相当重要.大数据技术需要具备研发团队,营销运营监控数据一级共享比较突出,建立一体化的营销数据中心是必然,现阶段营销运营监控信息建设是工作的重心,为大数据的发展奠定了坚实的基础.探究性分析了电网营销运营监控平台数据架构发展,供有关研究参考使用.     

基于B/S的高校教师工作量管理系统

针对传统高校教师工作量统计审核效率低和数据错误率高等问题，研究了教师工作量管理系统架构，利用B/S体系和SSM框架，应用Shiro权限控制技术，结合MySQL数据库及Java开发语言，设计了具有高效准确管理功能的教师工作量Web管理系统，实现了工作量申报、查询、下载以及审核统计与分析等功能。测试结果表明，系统运行稳定、管理功能齐全、操作简单便捷，工作量申报与计算、审核统计与分析信息准确，达到了预期需求，为高校教师工作量的信息化管理提供技术支持。     

基于大数据框架的智能电网分析和可视化应用

大数据技术的进步和智能电表的推广,使得智能电网的大量数据能够进行聚合和分析,然而传统的智能电网数据管理系统无法扩展并提供足够的存储和处理能力。为了解决该问题,本文提出了一种基于Lambda架构的智能电网大数据分析系统? 并采用云计算平台进行实现,该系统能够存储各种类型的智能电网数据,可对分布式数据进行并行批处理和实时操作, 为了测试所提出的大数据分析系统的性能,对含360个居民用户的电网数据进行了数据分析和可视化,系统程序在智能电网上的应用结果表明,该大数据系统利用Lambda架构成功克服了智能电网大数据框架的延迟问题,实现了负荷分组和实时可视化。     

电力需求侧管理平台分布式通讯架构设计

电力需求侧管理与服务集成平台是智能电网的重要组成部分。针对需求侧复杂环境下的电信息采集与控制数据交互问题,以及基于分布式计算通信需求问题,提出了基于ZeroMQ(Zero Message Queue,零消息队列)消息中间件的分布式通信架构,并设计了能够传输需求侧数据采集与需求响应及其它复杂消息的通用消息格式。ZeroMQ的优秀性能使得该通信架构可有效支撑分布式计算平台在异构系统间快速交换数据,缩短了智能电网高级应用分析的数据交互与计算时间,增加了系统的容错性。利用佛山市需求侧服务集成平台的实际工程环境进行了部署和测试,测试结果证明了该通信架构的可行性。     

基于Hadoop技术的数据查询平台建设

传统的关系型数据库架构在应对电信运营商海量的大数据处理时建设成本高昂,处理能力低下,已经无法满足在大数据场景模式下的新型业务需求。Hadoop云计算平台作为一种新型的大数据处理方案,充分利用其低价格和高性能的优势,可以满足海量数据存储及数据处理功能。文章在对Hadoop技术介绍的情况下,设计一套基于Hadoop架构的数据查询平台,实验证明,该平台能够有效提高数据处理效率,降低建设成本。     

基于加密通信技术的电网调度指令开放共享与智能交互系统

针对传统集中式电力系统在组织、运行方式以及对电网调度通信安全等方面的需求日益增加的问题。文中提出一种ECC-AES混合加密算法,设计通信架构,并在嵌入式平台进行实现。该算法的时间成本大约保持在70 ms以内,可以有效满足主电网的通信需求。将文中算法与wNAF传统加密算法和MBNS算法进行比较,结果表明,该算法具有良好的正确性、可靠性及高效性。在应用加密技术确保网络安全的基础上,搭建网络一体化平台,并建立电网指令交互模型,确保电网指令交互的适用度与实用化。     

智能电网应用的电力大数据关键技术研究

大数据挖掘本质上以智能电网大数据平台为基础的,因此必须重视智能电网、云计算、大数据的相关研究。本文结合智能电网大数据关键技术,给出了大数据平台架构和业务应用架构。     

基于大数据的应用系统架构研究与应用

本文提出一种基于大数据的应用系统架构参考模型。系统架构采用分层设计,主要分为数据源、存储层、数据采集和处理层、分析层及应用层等五层,文中详细解释了架构中各层的功能,并阐述了主要实现过程,最后给出了一个大数据应用与WEB在线系统无缝结合的具体应用案例。     

面向智能电网的骨干通信网演进趋势研究

结合“十三五”期间建设“坚强智能电网”的总体方向和云计算、大数据、能源路由器等新一代信息通信技术趋势,分析电网业务需求的变化特点,提出未来电力通信网网络架构及技术与设备的应用建议,以支持构建开放、泛在、智能、互动、可信的电力通信网,有效支撑电力系统新应用的发展.     

用于智能电表数据分析的大数据平台

智能电网所产生的海量计量数据对数据存储和数据处理的系统架构提出了苛刻的性能要求,为此,文中提出了一种以内核、代理和客户端为主的模块化的大数据平台架构。所提议的大数据平台是基于Hadoop平台扩展,针对TB级别的静态智能电表数据集的存储和查询。实验结果表明,提议的大数据平台能够为电力行业提供一个具有竞争力且易于操作的大型能源数据管理和可视化知识平台,具有支持数据密集型决策的潜力。     

跨部门数据共享的安全存储机制研究

作为一种新型网络存储架构,IPSAN存储网络可提供集中、统一和共享的存储服务,在跨部门数据安全共享需求日益迫切的背景下,基于IPSAN的安全存储可实现对数据共享的有效控制。文中通过对跨部门数据共享需求和IPSAN集中存储网络的应用安全研究,提出了跨部门数据安全存储方案,给出了存储资源授权访问模型,并设计了一个基于iSCSI协议的安全存储控制系统。     

基于大数据的电力通信网络状态感知分析

在分布式电源接入和可再生能源的大量应用下，其渗透率逐渐提高，此时电网的规模、设备状态等各项指数会大幅增长。如果仍依靠传统的模型和技术来判断电力通信网络的状态，则难以全面、精准地掌握具体信息。文中提出了一种新型感知电力通信网络状态的方法，其借助大数据技术，可深层次阐述电力通信网络组成和通信业务的特点，并分析了基于大数据的电力通信网络状态感知模型，对于全面展示电力通信网络的态势变化和功能变化有着积极的作用。     

基于物联网技术的计算机网络数据分类存储系统的设计

为提高计算机网络数据的存储效率,文中设计了一种基于物联网技术的计算机网络数据分类存储系统。在该设计中,物联网技术架构为多层结构,分别为数据感知层、信息交互层和数据存储层。该系统可以利用数据感知层来感知、采集数据,通过信息交互层实现计算机网络数据的传输与交互,结合分簇算法并对采集到的计算机网络数据进行分类处理,将分类后的数据传输至存储层,同时将计算机网络存储于固定的数据库内,实现计算机网络数据的分类存储。实验表明,该系统存储响应时间较短,整体存储效率较高,具有较强的实用性。     

面向对象流程驱动的大数据集中管控模式

随着大数据时代的来临,数据快速增长,大规模并行处理和访问要求日益迫切,分区分域的数据存储、处理和应用架构已逐渐形成。企业迫切需要通过实现全网数据一体化运营管理,有效开展数据应用,保障数据质量,充分发挥数据对经营管理的价值。为此,提出了一种面向对象流程驱动的大数据集中管控模式,应用数据的生命周期方法,梳理出几大典型的数据对象,并通过规范化的流程来驱动数据的协同管理。     

5G云边协同场景中医疗隐私数据安全保护研究

基于移动医疗边缘云网络体系架构,从物理上把患者个人隐私信息的使用与存储分离,运用不同加密算法对隐私信息进行分级加密,医院各科室采用分层分级、按需获取的机制,从源头保护患者个人隐私信息的安全。针对当前的医疗信息系统只做最小化程度改造,即可快速推广安全平台机制,最大限度保护患者个人隐私信息的泄露。同时,同时，依靠5G专网云边协同的整体安全框架，从业务应用、软硬一体化、本地化等机制上，进一步落实医疗数据不出院的基本数据安全原则。对医疗隐私数据的分级保护有利于开放海量医疗健康数据的精细化分析及应用，充分发挥大数据价值，更好地服务于人类健康。     

基于卷积神经网络的混叠光谱解调方法

研究了一种基于深度学习的光纤光栅混叠FBG光谱解调方法。利用卷积神经网络(Convolutional Neural Networks, CNN)模型处理混叠光谱非线性序列模型问题,通过一维卷积神经网络预测识别混叠光谱中心波长,并搭建了并联结构的混叠光谱数据自动采集实验系统,验证了混叠光谱的中心波长高精度解调。实验分析了训练样本、迭代次数对训练时间、测试时间、解调精度的影响,并对训练完成后的模型进行了解调时间测试。分别与其他解调算法进行了解调精度和测试时间对比,同时对同一组光谱数据使用解调模型算法及最高点寻峰算法进行中心波长值的对比并进行误差分析。实验结果表明:解调模型均方根误差结果为0.082 58 pm,使用Intel(R) Core(TM) i7-8550U CPU （Central Processing Unit）的解调计算时间为0.338 s。研究结果表明:采用卷积神经网络模型对于混叠光谱中心波长解调结果的准确性具有合理性,与其他算法相比,文中的解调算法在解调精度和时间上具有优势,模型大小在400 kB以下,所需算力较小,可部署在小型嵌入式设备中,在大规模机载传感网络,结构健康监测中有良好的应用前景。