[发明专利]基于流式计算的电压暂降并行实时模式识别方法在审
| 申请号： | 201811078852.7 | 申请日： | 2018-09-17 |
| 公开（公告）号： | CN109255189A | 公开（公告）日： | 2019-01-22 |
| 发明（设计）人： | 齐林海;康瑞;王红 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08;G06Q50/06 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 102206*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于流式计算的电压暂降并行实时模式识别方法，属于电能质量分析技术领域。该方法采用基于Storm的云计算平台，利用logstash和Kafka消息中间件，在流计算拓扑实例和拓扑并行编程模型上，引入storm中的并行快速滑动时间窗口算法满足不同监测点数据的时间颗粒度，并将训练好的深度学习判别模型模型融入不同时间窗格中，在规定时间窗口内对监测数据进行暂降源类型判断。本发明使电压暂降的监测数据可以直接通过Storm云计算平台，在多台计算机上通过分布式内存并行计算，避免了单个计算机内存容量小的限制，从而实现大规模监测点海量数据并行实时计算处理，云平台的容错性也提升了暂降计算结果的可靠性。 | ||
| 搜索关键词： | 电压暂降 并行 实时模式识别 云计算平台 监测数据 流式 拓扑 并行编程模型 电能质量分析 滑动时间窗口 单个计算机 多台计算机 监测点数据 时间颗粒度 消息中间件 并行计算 海量数据 内存容量 判别模型 时间窗口 实时计算 监测点 容错性 源类型 云平台 窗格 算法 内存 引入 融入 学习 | ||
【主权项】：
1.一种基于流式计算的电压暂降并行实时模式识别方法，其特征在于，采用基于Storm的云计算平台，利用logstash和Kafka消息中间件，在流计算拓扑实例和拓扑并行编程模型上，引入storm中的并行快速滑动时间窗口算法满足不同监测点数据的时间颗粒度，并将训练好的深度学习判别模型模型融入不同时间窗格中，在规定时间窗口内对监测数据的进行暂降源类型判断，该方法步骤为：步骤1：利用logstash软件实现数据实时收集、分析、处理，并将接收到监测点的数据流进行转发到Kafka集群中；步骤2：Kafka把上游logstash传输过来的海量监测点数据暂存起来并交给拓扑；步骤3：利用并行滑动时间窗口算法提高模式识别效率，体现实时性；步骤4：并行滑动时间窗口算法中融入的深度置信网络进行电压暂降源识别；步骤5：将拓扑中的结果统计并输出；步骤6：对搭建的框架进行性能测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华北电力大学，未经华北电力大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811078852.7/，转载请声明来源钻瓜专利网。
