一种基于云计算的电压暂降并行计算方法

第34 卷 第31 期 中 国 电 机 工 程 学 报 Vol.34 No.31 Nov.5, 2014
2014 年11 月5 日 Proceedings of the CSEE ?2014 Chin.Soc.for Elec.Eng. 5493

DOI：10.13334/j.0258-8013.pcsee.2014.31.005 文章编号：0258-8013 (2014) 31-5493-07 中图分类号：TM 769
一种基于云计算的电压暂降并行计算方法
齐林海，艾明浩
(华北电力大学控制与计算机工程学院，北京市 昌平区 102206)

A Voltage Sag Parallel Calculation Method Based on Cloud Computing
QI Linhai, AI Minghao
(Control and Computer Engineering Department, North China Electric Power University, Changping District, Beijing 102206, China)
ABSTRACT: With the number of power quality monitoring
sites increasing and monitoring networks expanding, voltage
sag analyzing data are becoming larger quantity, heterogeneity
and polymorphism, and show a trend of big data. Considering
the efficiency problem, the traditional serial computational
methods for analyzing sag events are unable to meet analysis
demand of the big data. Hadoop cloud computing framework is
an open source solution for big data analysis and calculation.
By introducing the pros and cons of the traditional algorithms,
a voltage sag calculation method for voltage sag data analysis
was proposed based on MapReduce programming framework
on cloud-computing platform. The method processed sag
events hierarchically and parallelly, then put them into different
mappers to calculate the voltage sag effective values, and used
reducers to integrate eigen values after sorting. Through
comparing the efficiency of two methods, the superiority of
voltage sags parallel algorithm is verified based on the
cloud-computing platform.
KEY WORDS: big data; Hadoop; smart grid; cloud
computing; voltage sag; MapReduce
摘要：随着电能质量监测点数量不断增多，监测网络持续扩
大，电压暂降分析数据海量化、异构化、多态化，并呈现大
数据趋势。传统的暂降事件逐个串行计算的方法已无法满足
大数据的分析效率需求。Hadoop 云计算是一种针对大数据
分析计算的开源解决方案。介绍电压暂降数据分析传统算法
的利弊，提出一种基于云计算平台下 MapReduce 编程框架
的电压暂降计算方法，将不同暂降事件层次化并行处理，传
入不同的映射值，计算出电压有效值，排序后用化简值整合
并计算出电压暂降特征值。通过对 2 种方法的效率进行对
比，验证了基于云计算平台的电压暂降并行算法的优越性。
关键词：大数据；Hadoop；智能电网；云计算；电压暂降；
MapReduce
0 引言
电压暂降严重影响现代化设备的正常工作，电
力企业和用户对电压暂降表现出极大的关注
[1]
。随
着研究的深入，对于电压暂降的分析研究已不局限
于录波数据和特征值。暂降源的定位、暂降原因的
分析和凹陷域的分析等高级应用已经成为研究
热点。
长久以来，人们为提高暂降特征值的计算准确
度和效率，采用了多种方法。文献[2-3]对特征值各
种计算方法的原理、适用范围和利弊做了详细介
绍。文献[4-5]分别利用傅里叶变换和小波变换法来
提高特征值计算准确度，文献[6]利用求导代替

αβ

变换检测法中的相位延迟，从而提高特征值计算效
率。文献[7-10]是对电压暂降高级应用分析的介绍，
其中，文献[7]根据监测点的电压电流波形，基于小
波多分辨率分析方法，分析暂降期间监测点三相瞬
时功率信号，判断暂降源相对于监测点的位置。文
献[8]将故障点法和临界距离法相结合，精确计算出
电压暂降和电压凹陷域。文献[9]提出一种基于节点
阻抗矩阵精确确定凹陷域的算法，克服了临界距离
法和故障点法的缺陷。文献[10]综述了 4 类暂降源
定位方法，并对研究方向进行展望。
电压暂降高级应用分析不仅要依赖对 多个监
测点多个暂降事件特征值的计算，还需要结合对众
多监测点所属电网的分析计算，因此，计算数据量
很大。随着电能质量监测系统的完善，监测点数量
不断增多，监测网络覆盖范围扩大，捕捉的电压暂
降数据呈指数级别增长，分析数据呈现出数据海
量、结构类型多样、价值密度低等大数据
[11]
特征。
基于大数据环境的电压暂降高级应用分析是必然
趋势。
维基百科中将“大数据”定义为无法在一定时
间内用常规软件工具对其内容进行抓取、管理和处