电力数据中心系统的规划分析

阐述电力数据中心的特点、系统规划、技术创新、融通应用,探讨数据中心的发展布局,提前谋划能源供应、优化电网结构、促进综合能源系统与数据中心的融合。

基于云平台的电力数据中心自动运维体系研究

随着云计算技术的逐步成熟,电力数据中心开始向云平台迁移,因此出现了许多新的运维需求,例如可扩展性、安全性、可配置性等。为了满足这些需求,文章提出了一种基于云平台的电力数据中心自动运维体系,该体系采用云计算平台和虚拟化技术将电力数据中心中的硬件资源、数据资源、配置资源、安全资源等进行建模,将资源数据化,通过系统对数据的采集、分析、传递,实现资源的自动化管理,达到自动高效运维的目的,较好地满足了电力数据中心运维中出现的新需求。

基于电力数据中心架构的SDN控制器优化部署

随着SG-186工程及随后的SG-EPR的提出,智能通信信息平台的建设和发展,电力数据爆炸式增长,现有的电力数据中心处理庞大数据的效率不高,无法满足电力用户的需求即服务质量(Qo S)得不到保障。通过对电力数据中心的分析及对SDN的研究,阐释了SDN对电力数据中心的实用性,将SDN合理的运用于电力数据中心,并在此基础上提出一种优化方案,最后在mininet实验平台上进行仿真测试。

基于云计算及SDN的电力数据中心安全问题分析和防护策略

针对电力系统数据中心安全问题,通过结合目前互联网在云计算及SDN技术下数据中心所面临的安全问题和电力系统特殊应用场景,对电力系统数据中心的安全问题进行分析,并提出一些防护策略。整个框架主要集中在SDN控制器中,控制器自下向上分别为南向接口、服务抽象层、北向接口3个部分。通过对安全威胁进行建模、受攻击面展开分析论证,使得不同场景的用户都能得到安全架构的保障,具备较高的可行性。

天津电力数据中心集中备份解决方案

近年来随着天津电力ATM综合业务广域网的建设，信息化建设已由局域网应用转入广域网应用和信息化阶段，依托广域网上的大型、集中式的专业应用管理系统相继投入使用。应用和数据走向了集中，数据的可靠性显得尤为突出，必须建立可靠、安全的数据备份系统，保证应用系统的正常运行。

基于云计算的电力数据中心架构

云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。云计算是当今的时代主题,也是智能电网发展新一代数据中心的需要。基于云计算的电力数据中心的构建能有效提升电力数据的准确性和可靠性,实现资源利用率提升的目的。

电力数据中心运维管理的发展研究

随着大数据技术的不断成熟完善,进一步推动了数据中心在硬件设施和软件资源方面的标准化和虚拟化。对于电力企业来讲,云计算的应用给电力数据中心的运维管理带来了新的发展,同时也对企业的数据处理技术和设备提出了更高的要求。本文在阐述电力数据中心运维管理所呈现问题的基础上,对运维管理的发展措施提出了建议。希望本文的研究,能够为现代化的电力数据中心运维管理的发展,提供一定的理论支持。

基于多维数据环境的电力数据中心安全生产分析系统

本文基于多维数据环境设计了电力数据中心安全生产分析系统,统一了数据环境,基于抽取、转换、装载获取了高质业务数据,提供了以业务数据为载体的多维分析能力。通过熟悉了解电力企业安全生产业务,利用ODS、数据仓库(DW)、数据集市技术(DM)、ETL技术等,实现了安全生产分析系统。同时基于多维数据环境进行了系统测试,结果表明系统的ETL与BI实现都成功通过了电力企业真实业务数据严格测试,且运行稳定性与可靠性良好,与实际需要明确相符。

大数据技术下的电力数据中心运维管理

在信息化技术飞速发展的新时代,对于数据的应用程度不断加深,在此基础上,推动社会经济的发展与各行业领域的深化变革。在大数据技术下,电力信息化建设水平不断提高,电力数据中心采集的数据信息类型不断丰富,体量不断增加,对于这些数据信息的分析整理,为电力行业发展提供了有力支撑,应大力加强对电力数据中心的运维管理,已经成为现阶段电力行业的共识。本文主要分析讨论大数据技术下的电力数据中心运维管理的相关内容,希望对解决电力数据中心存在的问题有所帮助。

电力数据中心运维管理探讨

在大数据技术快速发展下,电力行业数据中心建设也得到了支持,在运维管理方面需要进一步改善,为了发挥出其作用,应对大数据技术等合理应用。通过明确数据中心运维管理内容,分析电力数据中心管理平台总体架构设计,提出大数据时代下电力数据中心运维管理应用的技术以及加强电力数据中心运维管理效果的措施,促进电力数据中心的发展。

基于流域电力生产数据中心的主设备故障诊断研究

随着智能水电站、集控中心的发展,各流域水电开发公司建设了电力生产数据中心,构建了标准化、规范化的数据模型,打通了底层系统通道。在电力生产数据中心的基础上,构建统一的主设备监测数据模型,并为应对现有设备报警模式的缺陷,分析专家知识和智能诊断方式的优势,建立了电站主设备的综合诊断系统,提供了多层次、多角度地的诊断参考意见,对推进智能水电建设、集控发展有着重要的意义。最后,以某混流式发电机组运行工况数据为例,分析并验证了综合诊断模型的有效性。

电力数据中心基础架构关键技术研究

电力数据规模庞大,数据格式多样,给数据利用造成了一定阻碍,可通过架构电力数据中心而辅助完成数据采集、处理、分析等工作。本文分析电力数据基础架构整体设计,从系统功能模块设计、异构数据库读写分离、大容量固态硬盘技术三个方面,分析某公司在架构电力数据中心时所运用的关键技术,并采用试运行方式对其功能进行检验。

基于云计算的电力数据中心基础架构关键技术分析

阐述云计算电力数据中心的网络架构、主机架构、存储架构等基础架构的特点,探讨云计算电力数据中心的关键技术,包括虚拟化、自动化、云计算平台Hadoop技术架构的应用。

一种电力云数据中心的任务调度策略

随着智能变电站一体化监控平台及通信信息平台的建设与发展,电力数据呈现爆炸式的增长,而现有电力数据中心在处理海量数据时效率不高,无法满足电力用户多服务质量(QoS)需求。通过对电力云数据中心设计方案的分析,研究了云数据中心的任务调度策略。结合电力数据中心自身的特点,定义了一种电力用户多QoS评价模型,给出一种基于负载均衡的贪心算法,并以QoS总体效应值为目标进行任务调度。最后,以变电设备状态评估实验中心为例,对其故障诊断、状态评估、检修维护等任务进行模拟调度,并使用CloudSim平台进行仿真测试。结果表明,该算法能最大限度地满足电力用户多QoS需求,有效提高电力数据中心运行的效率,达到更加优越的负载均衡效果。

电力系统科学计算在云数据中心的优化任务调配算法研究

随着互联电网的规模不断扩大、结构的日趋复杂,以及状态感知的精细化,电力系统静态/暂态稳定分析等科学计算愈加复杂。鉴于此,针对电力科学计算基本范式-节点导纳矩阵的分解–协调DC计算范式,研究了其在云计算数据中心中优化调度配置方法,提出了一种新型的最小割二叉树任务调度优化算法。通过将高时间复杂度电力科学计算请求分解为了多任务计算–通信均衡型有向无环图(directed acyclic graph,DAG),并采用所提算法优先映射虚拟机至物理机,最小化了整体求解时间,实现计算加速。最后,通过CloudSim数据中心仿真平台进行了118节点至13659节点超大规模电力系统的多种科学计算混合运行实验,结果表明无论是在数据中心轻载或重载场景,所提算法均能通过提升底层物理机资源利用率,获得较好的计算加速性能,为大规模电网复杂电力科学计算的数据中心实时求解提供了技术支撑。

基于云计算的电力虚拟化数据中心架构研究

文中针对传统的电力系统数据中心难以满足新一代电力系统对海量数据的存储、处理、分析以及安全性和可靠性的需求,基于云计算技术,以蓝鲸智云平台为依托,利用IaaS的管理功能、PaaS的集成功能及SaaS的呈现功能,提出了一种电力虚拟化数据中心架构平台。该平台能够将底层物理系统虚拟化处理,采用面向电力企业的服务总线(ESB)和面向第三方应用的APIGateway总线技术,构建了物理系统和软件系统之间的桥梁,大幅提升了资源利用效率与数据处理速度。同时,还能够满足在计算机平台和移动终端的数据处理功能。该系统的研究对于实现新一代电力系统数据的高效、安全处理具有重要意义。

电力数据中心运维管理的发展探析

随着我国社会经济的不断发展,工业生产能力得到提高,因此我国的整体用电水平也在不断上升,用电量的增加对电力行业提出更高的要求。科学技术的不断发展,大数据成为了目前每个行业都使用到的重要工具之一,电力行业也不例外。通过对大数据和云计算的合理使用,电力行业的电力数据中心的运维管理,能够摆脱传统管理模式的束缚,走向一条全新的发展道路,提高企业电力数据中心管理水平的同时,也对管理的技术提出更高的要求。本文分析大数据在电力数据运维管理中的应用,对新时代电力行业管理模式进行探讨,希望能够为我国电力行业,提供科学的理论基础。

流域梯级水电站电力生产数据中心的架构设计与应用

根据智能水电站、智能集控的发展趋势,提出了构建基于Hadoop+MPP融合架构的流域梯级水电站电力生产数据中心的建设设计方案,搭建电力生产数据中心的硬件平台、大数据平台、业务应用平台,从而实现水电站电力生产数据间的数据共享、数据挖掘、应用服务的能力。该数据中心架构为流域水电开发公司打造信息化、智能化流域梯级水电站管理提供了坚实技术基础。

SAP BI在电力企业的应用

SAP BI作为国家电网公司数据中心建设的重要内容,提供国家电网公司在紧耦合业务领域内高级分析以及数据服务的功能,并与通用平台下数据中心构成国家电网整个数据中心建设的整体技术架构,向企业管理者提供强有力的决策支持。本文在介绍电力行业SAP BI的应用背景后,详细分析了其所采用的技术架构以及与通用平台的集成模式。

基于改进的快速密度峰值聚类的调控系统故障定位算法

为了解决目前电力调控数据中心机房设备众多且日趋复杂而难以有效管理的问题,提出了一种改进的快速密度峰值聚类算法,通过对机房设备产生的海量运行数据进行深度分析和挖掘,从而完成精确故障定位的目的。该算法在原始快速密度峰值聚类算法(FDPC)的基础上,采用带有递减的本地自适应窗口(LAW)的迭代覆盖图(OM)程序来构建多维密度图和决策图。通过将构建的密度图与FDPC进行结合显著减少了后续步骤处理的复杂度。此外,提出的算法对参数变化不敏感,因此,可以对聚类簇中心的选择过程进行持续优化。实验结果表明,提出的算法对电力调控数据中心机房设备的故障检测达到了较高的准确率。