基于云计算的配电自动化集群Lzo无损压缩新方法

针对配电自动化监控系统中大数据集信息和压缩存储率低的问题,提出一种基于Hadoop云计算的信息流集群无损压缩新方法;从监控业务信息流出发,将Lzo无损压缩编码融入Map/Reduce计算任务中,实现对大数据集监控信息流的有效压缩;以配电网监控信息流的处理为例,分别取300万和1000万断面记录进行测试,结果表明:每秒可压缩处理记录数从4万提高至8.4万条,处理效率提高了52.4%,同时压缩比也从55.4%提高至62%,适用于动态量测过程的信息处理,提高了压缩处理的效果。

基于遗传优化聚类的GRU无损电力监测数据压缩

针对电力调度中心监测数据记录体量大、存储困难的问题,提出基于遗传优化K-means聚类的门控循环单元神经网络无损数据压缩方法。首先,搭建分布式集群,将多维原始电力数据聚类成相似性较高的数据块,并利用遗传算法对聚类进行寻优,提高数据聚类的效果;再通过门控循环单元神经网络训练数据编码的概率分布模型,结合算术编码对数据进行编码压缩;最后,以多个电力数据集为算例进行分析。经验证本文所提的压缩算法能实现数据的高比例压缩、优化集群性能。

智能配电网量测信息变断面柔性压缩新算法

针对智能配电网量测点多、运行变化快,容易造成海量大数据集信息,使调度产生处理延迟、响应慢的问题,提出了融合变断面压缩存取和分布式集群无损压缩的柔性压缩新算法。综合运用量测点元采样、阀值与时限控制技巧,实现变断面压缩存取,通过构建Hadoop云集群平台,以变断面量测数据作为集群压缩输入对象,利用Map/Reduce云计算引擎实现分布式无损集群压缩。以西陇海线电力调度自动化系统为例进行研究,结果表明:变断面压缩法使量测值存取压缩率达到约91%,集群无损压缩法使变断面存储的信息量进一步压缩75%左右,具有显著的柔性技术特征,为智能配电网量测大数据集信息研究提供了一种无损压缩新方法。

分布式空压机的模糊PID控制

根据空压机站房时滞大、非线性强、多输入多输出的特点,在变频控制、调解阀控制和模糊控制技术的基础上,设计模糊PID控制器来监督和自动调节空压机站房的恒压、露点、气量以及空压机排气温度等,达到很好的控制效果。