摘要：针对智能电网建设过程中收集的电力大数据,基于电力系统全景实时数据分析的需求,探讨基于大数据的电力系统安全可靠性分析、实时状态监控及能源全景动态平衡调度等核心问题的解决思路。分析了利用大数据解决安全可靠性、设备全寿命周期管理及能源实时平衡调度等问题的挑战及解决思路,基于大规模实时多源细节数据和设备全景数据的计算,有助于提高系统分析的精度和准确度,保证电网安全运行;探讨了内存计算、实时流式大数据处理、大规模并行计算及列存储等技术在电力大数据实时分析中的应用;结合主流开源大数据处理技术,设计了电力大数据分析平台的分层体系架构,为电力系统的高效运行提供保证。

摘要：针对大数据背景下K-means存在选取质心导致的局部最优解、聚类速度慢的问题,提出一种Flink平台下的CK-means聚类优化及并行策略。从算法优化层面,采用Canopy算法确定聚类数目k并选取初始质心;从并行化加速层面,基于Flink平台设计了一种面向CK-means的并行加速策略,并分析不同并行度对计算耗时的影响。经实验,相较于K-means算法,CK-means算法的准确率与迭代次数间的比值更高,算法性能更优,在iris数据集中性能比提升44.79%,在wine数据集中性能比提升32.03%;同时证明了不同并行度下CK-means算法的聚类耗时呈现先下降后上升的趋势,其聚类耗时的最小值与数据集的大小相关。

摘要：电力监控网大数据分析平台定位为电力监控网数据共享平台、数据安全分析平台、大数据应用开发运行平台,从电力监控网数据采集、存储、计算、分析等多个层面,为运维管理人员、安全分析人员、安全应用开发人员提供服务。因此,分析电力监控网大数据安全分析平台应用需求,详细设计了平台的系统架构,并对多源异构数据融合技术和海量告警事件分析技术等关键技术进行研究,最后针对电力监控网大数据分析平台下一步的研究思路、重点研究方向提出了相关建议。

摘要：针对任务类型的多样化、大量化、复杂化带来的数据源结构、数据类型的问题,文中提出了将Zookeeper消息调度和Redis内存计算相结合的方式,设计分布式实时抽取框架。利用Zookeeper消息通知,队列优先,共享锁等功能,结合Redis支持网络、可基于内存计算亦可持久化日志存储等特性,系统的吞吐量、执行效率、存储效率等都有显著提高。

摘要：目前很多大型企业的核心业务采用二级部署模式,此模式下总部对全公司范围内业务数据进行全面即时统计分析时会存在数据量大、存储分散、需求变化响应不及时以及手工统计填报等问题.基于以上问题,设计了一种基于分级存储环境的多维数据分析软件.该产品能够让用户从不同视角分析业务数据,快速形成满足业务工作需要的数据视图,最后通过报表的形式进行展示.该产品已成功应用于国家电网公司,具有一定的经济效益和理论价值.

摘要：HANA作为基于内存计算的数据库平台,配合SAP SLT系统可以提供灵活的、数据源无关性的、实时的大量业务数据进行查询和分析。以工单备件采购联合报表为例,对基于HANA的实时数据分析报表的技术、实施方法、实施过程进行了分析,为跨系统跨平台地联合查询报表和大数据量查询报表的设计思路提供了参考。

摘要：电力大数据平台定位为数据共享平台、数据分析应用平台、大数据应用开发运行平台,从数据采集、存储、预处理、计算、分析、可视化等多个层面为数据分析人员、大数据应用开发人员提供服务。文章分析了电力大数据平台应用需求,详细设计了电力大数据平台的应用架构、技术架构和数据架构,并对电力大数据平台的多源异构数据融合技术、异构数据并行处理技术、基于工作流的任务调度技术等关键技术进行了研究,最后针对电力大数据平台下一步的研究思路、重点和方向提出了建议。

摘要：通过对SAP HANA存储结构和工作原理的分析,结合大港油田ERP系统运行实际,论述了SAP报表加速技术、方案设计与实现方法,分析利用SAP HANA实施提升重要报表访问速度,支持企业决策;SAP HANA技术改变了传统数据应用模式,为企业ERP深化应用提供了典型案例。

摘要：随着智能变电站的逐步覆盖,以及智能电网监控运行大数据分析系统数据接入范围的扩大,监控大数据系统具备海量数据的基本特征。文章设计的基于监控大数据系统的调控机构设备监控业务评价指标体系,主要包括数据管理、业务指标计算、GIS展示等功能,其中业务指标计算是以全网设备运行数据为基础,业务指标的计算具备数据规模大、计算复杂的特点。为了解决海量数据的统计效率,系统采用去中心化的建设思路,设计采用分级复用、面向服务和内存计算策略的多级指标计算框架,实现各类监控业务指标的高效统计,能够满足系统快速响应的非功能性需求,同时结合面向服务的分布式架构设计,实现不同系统之间的数据贯通,提升设备监控的业务协同能力,系统具备良好的扩展性。

摘要：GIS具有空间定位特性,能很好地处理复杂的空间拓扑关系,并提供丰富的数据可视化展示方法,对海量数据有着极强的管理能力。因此,以成功应用到1.7亿m^(2)城市级供热中的智慧供热平台为例,详细介绍基于GIS数据融合模型在超大规模城市集中供热中的处理与应用;结合大数据技术Hadoop,介绍了基于分布式文件存储的海量数据存储方法与基于内存计算处理高并发、秒级数据处理方法;最后,介绍了边缘计算与云边协同,解决了边缘数据不准、容错率低、与云端协同效率低、调节滞后等问题。