基于spark的實時電力負荷統(tǒng)計與事件檢測.pdf

1、近些年來，隨著能源需求量的迅猛增長，節(jié)能成為當今迫切需要解決的問題并且吸引了越來越多的關注。電力系統(tǒng)中“節(jié)能”的技術與措施可以概括為降損節(jié)能和需求側節(jié)能兩類。需求側節(jié)能旨在：通過相關技術手段，引導用戶進行合理用電，從而減少電力消耗和電力需求。比如根據(jù)詳盡的用電量統(tǒng)計數(shù)據(jù)了解用電分布，合理安排用電；根據(jù)負荷投切事件了解電器的使用情況及負荷構成，減少不必要的電量消耗等。更細化的負荷數(shù)據(jù)信息有助于了解系統(tǒng)設備運行情況，排查設備故障，合理安排用

2、電達到節(jié)能的效果。因此，對電力系統(tǒng)中負荷實時數(shù)據(jù)的分析具有很實用的市場價值。
　　電力負荷分析在實際生產環(huán)境中已有應用。其中，絕大部分是在單機上采用離線或在線計算方式，時延較大，不具備可伸縮性，并行度不高。因此，在海量數(shù)據(jù)和高并發(fā)的場景下，現(xiàn)有的電力負荷分析系統(tǒng)優(yōu)勢不明顯，不能滿足良好的實時性要求。本文針對該問題，以實時計算和大數(shù)據(jù)為背景，對在高性能分布式平臺上進行電力負荷實時分析的解決方案進行了研究與探索。此外，本文把針對暫態(tài)高

3、頻數(shù)據(jù)的事件檢測算法進行改進，使其能夠適用于穩(wěn)態(tài)低頻電力負荷數(shù)據(jù)上的事件檢測，并對改進的算法以實時計算方式實現(xiàn)。
　　并行計算平臺Spark基于內存計算，其流處理框架Spark Streaming為批處理與實時處理結合的準實時處理模型，能保證高容錯性。此外，Spark可以部署在大量廉價硬件之上，形成集群，可伸縮性強。本文以Spark的流處理框架Streaming為平臺，進行電力負荷實時統(tǒng)計分析與事件檢測，探索在保證實時性要求和吞吐