文献

J-GLOBAL ID：201702282752469010   整理番号：17A1591936

ODPSプラットフォームにおける電力設備監視大データ蓄積と並列処理方法【JST・京大機械翻訳】

Storage and Parallel Processing of Big Data of Power Equipment Condition Monitoring on ODPS Platform

著者 (4件)： Zhu Yongli (華北電力大学控制与計算机工程学院 保定071003) ,  Li Li (華北電力大学控制与計算机工程学院 保定071003) ,  Song Yaqi (華北電力大学控制与計算机工程学院 保定071003) ,  Wang Liuwang (華北電力大学控制与計算机工程学院 保定071003)
資料名： Diangong Jishu Xuebao  (Diangong Jishu Xuebao)
巻： 32  号： 9  ページ： 199-210  発行年： 2017年 
JST資料番号： C2502A  ISSN： 1000-6753  CODEN： DIJXE5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 計算性能は大電力データの応用(大データに基づく故障診断、予測など)を制約する重要な問題である。分散ストレージと並列計算を利用することにより、このようなデータの密集型の応用を加速することは、現在比較的有効な手段である。本論文において,著者らは,データ収集プロセスを加速するために,クラウドデータ処理サービス(ODPS)を使用することによって,電力設備監視のための大規模データ解析プロセスを加速することを試みた。変圧器の部分放電(PD)データの位相画像分析(PRPD)を例として、高サンプリング率、タイミング性の強い局部放電信号のデータ蓄積方法を提案した。本論文は,ODPS拡張MapReduceモデル(MR2)を用いて,「Maple-Reduce-Reduce」方式によるPD信号のマクロ特徴抽出法を設計し,並列化PRPD解析アルゴリズム(ODPS-PRPD)を提案した。大量のPD信号の並列基本パラメータ抽出、統計特徴計算と放電類型識別を実現した。実験室において4種類の放電モデルを構築し、大量のPD信号を収集し、それぞれODPSプラットフォーム上と実験室で構築したHadoopプラットフォーム上で性能評価とコスト分析を行った。実験結果と実験結果は,ODPS-PRPDが多くの中間プロセスデータ(PDスペクトルデータなど)をメモリに保存し,Hadoop MapReduceプラットフォームよりも性能が著しく改善されることを示した。それは,データ信頼性,サービス利用性,およびコストにおいて明白な優位性を持っている。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *並列処理 ,  並列演算 ,  特徴抽出 ,  変圧器 ,  性能評価 ,  放電 ,  データ収集 ,  *電気設備 ,  信頼性 ,  故障診断 ,  データ処理 ,  *データ蓄積
準シソーラス用語： Hadoop ,  MapReduce ,  分散ストレージ , 【Automatic Indexing@JST】

著者キーワード (6件)： Big power data ,  public cloud ,  open distributed processing service(ODPS) ,  extended MapReduce model(MR2) ,  partial discharge ,  phase resolved partial discharge

分類 (1件)： 変圧器  (NB08020Q)

タイトルに関連する用語 (4件)： プラットフォーム ,  電力設備 ,  データ蓄積 ,  処理方法