电力设备状态高速采样数据的云存储技术研究.pdf

电力自动化设备 V01．33No．10 ElectricPowerAutomation @乏言鬻：紫 Equipment 0ct．2013 电力设备状态高速采样数据的云存储技术研究 莉1 宋亚奇1，刘树仁1，朱永利1,2，王德文1，李 (1．华北电力大学控制与计算机工程学院，河北保定071003； 2．华北电力大学新能源电力系统国家重点实验室．北京102206) 并对集群进行了基准测试．测试结果表明所建集群适合进行大量数据的读写。以绝缘子泄漏电流数据为例， 延迟上提供了足够高的性能．能够满足智能电网状态监测数据可靠性及实时性要求。 ， 关键词：电力设备；监测；采样；数据处理；云计算；Hadoop；HBase 73 中图分类号：TM 文献标识码：A 0引言 常规的数据存储与管理方法．基础架构大多采用 价格昂贵的大型服务器．存储硬件采用磁盘阵列．数 智能电网的安全可靠．离不开对组成电网的设 据库管理软件采用关系数据库．紧密耦合类业务应 备的健康状况进行在线监测、数据搜集和评估。智能 用采用套装软件．因此系统扩展性较差、成本较高。 电网需要监测的设备众多．甚至包括线路的每串绝 传统的超级计算机[2-3]主要用于“计算密集型”的应 缘子的泄漏电流等动态信号。为了能对绝缘子放电 kHz以 用，如量子力学、天气预报等。超级计算机拥有多个 等状态进行诊断．信号的采样频率必须在200 上。变电站内设备状态监测，要求数据采样率可达 处理器．通过精良的设计，达到高度并行的目的，实 MHz级．变压器超高频局部放电信号的频率均在 现快速计算．但是其计算需要的数据通常采用磁盘阵 300 MHz以上，甚至超过1GHz。因此．采集的数据量 非常巨大…。 目前，受存储容量以及网络带宽等限制，对电网 状态监测数据的处理方式大多采用就地计算的方 外．超级计算机交互性较差，所采用并行编程方法(MPI 式．原始采样数据经过分析后．表征设备状态的相关 等)也难以掌握，对用户要求很高[s]；系统的扩展性 数据接入到状态监测系统中．原始采样数据并未保 差．且成本高．不适用于智能电网环境下信息平台的 存．这种就地处理的方式会导致如放电波形等重要 建设。 信息丢失，影响电力设备状态评估的准确率。例如， 云计算是分布式计算、并行计算和网格计算发展 在利用变压器局部放电信号进行故障诊断和状态 的结果，目前主要应用于“数据密集型”应用[引，通过 评估时，已有方法大都利用波形宏观特征(熟数据) 进行评估．而非常重要的放电过程波形(微观特征) 行编程模型等技术．为用户提供高可靠性、高安全性 被丢弃，影响诊断或评估的结果准确率。伴随设备硬 的海量数据存储平台．这为智能电网信息平台的建 件(存储容量和网络带宽)的改善，采集、传输并保存 设提供了