[发明专利]一种基于云计算技术的电压暂降数据分析方法

说明书

技术领域

本发明涉及一种基于云计算技术的电压暂降数据分析方法，属于电能质量分析技术领域。

背景技术

电压暂降也称电压凹陷，属于一种电能质量问题。在现代工业生产中，电力电子设备大量应用，这些设备大多对电压暂降非常敏感，一旦发生严重或频繁的暂降事件，这些设备很可能停机停产，导致损坏甚至报废等巨大损失。这就要求电力部门能够对各区域、各时间段的暂降情况能够深入地了解，通过分析，统计其特征值、发生频次和原因等信息。因此，在电能质量监测系统中，需要对大量的暂降数据进行深入挖掘和分析，这对于系统的分析计算能力无疑是一个挑战。

对于电压的暂降事件，我们的监测装置会实际采集电压瞬时值波形，每个事件存储其发生前后的波形。电能质量监测的后台计算系统的任务是，通过采集的瞬时波形，计算有效值曲线，再通过有效值曲线，计算暂降幅值、暂降相、开始时间、持续时间等电压暂降特征值。

传统的计算方法是：首先通过事件ID（序列号）从录波数据表取到各相电压的波形瞬时值数据，然后循环获取每个周波的数据，通过公式1计算其RMS（有效值）。

Urms(k)=1NΣi=ki=k+N-1ui2---(1)]]>

这样得出RMS曲线，然后遍历RMS曲线中的每个点，找出小于0.9倍基准电压的第一个点，记为暂降开始点，继续遍历，找到小于0.9倍基准电压的最后一个点，记为暂降结束点，统计两点间点的个数，再乘以RMS点值的间隔时间，可得暂降持续时间。再次遍历曲线，查找出暂降幅值，即最小的RMS值。

传统方法的最大的缺陷就是程序严格串行执行，导致效率低下。在计算RMS（方均根值）曲线值阶段，每个暂降事件分为三相，也就是三个瞬时值波形数据，假设每个波形包括1000个点，也就是每个事件要遍历约1000个点，并将其作乘方和开方运算。假设遍历并计算一个点的时间为0.001s，那么遍历一个事件需要3*1000*0.001=3s。也许一个事件的计算看不出什么，但实际情况是这样的，每个省大约部署200左右的电能质量监测点，也就是我们整个系统需要统计200个监测点的数据。每个监测点平均每天大约监测到10个暂降事件，如果我们统计多个监测点，一个月甚至一年的暂降RMS曲线和暂降特征值，那耗时是多少呢？我们假设要计算200个监测点一周的数据，那么其复杂度约200*7*10*3*1000=4.2*10⁷，那么，计算这样的数据需要约4.2*10⁴s，约11.7个小时，这样的计算时间是难以接受的，系统的响应时间的缓慢也更容易导致计算的非正常中断、计算数据丢失甚至计算失误。

针对此计算效率问题，结合当前计算机前沿技术，提出一种基于云计算技术的电压暂降数据并行计算方法。云计算技术可以将普通的计算机集合成计算机集群，形成资源云，对外提供存储和计算等各种服务，其核心技术包括协调各主机资源，使其并行地执行计算任务。

Hadoop云计算平台是一个分布式系统基础架构，利用计算机集群的方式，实现分布式高速运算和存储。它通过分布式文件系统（Hadoop Distributed File System，HDFS），支持编写和运行分布式应用程序，实现大规模数据的计算处理。