《智能电网大数据云计算技术研究》是由清华大学出版社出版的一本关于大数据方面的书籍，作者是周国亮,宋亚奇,朱永利,王桂兰,萨初日拉，主要介绍了关于智能电网、大数据、云计算方面的知识内容，目前在大数据类书籍综合评分为：7.7分。
书籍介绍
《智能电网大数据云计算技术研究》针对智能电网大数据云计算技术展开研究，通过提高数据利用率，探索数据驱动的电力系统各种挑战解决方案。重点研究了批处理、流式计算和内存计算等在智能电网大数据分析处理中的应用，探讨了电力系统全景实时大数据体系架构。
《智能电网大数据云计算技术研究》在深入分析智能电网大数据特点的基础上，开展了云计算与电力系统深度融合的研究工作，是云计算在电力系统中落地的尝试。《智能电网大数据云计算技术研究》可以作为电气工程类、计算机科学与技术类专业的研究生课外参考读物，也可作为相关专业工程技术人员、教师及科技工作者的参考。
目录
- 第1章 智能电网大数据现状及挑战
- 1.1 智能电网
- 1.2 云计算与大数据
- 1.3 智能电网大数据及特点
- 1.3.1 智能电网中的大数据
- 1.3.2 智能电网中大数据的特点
- 1.4 大数据处理技术
- 1.4.1 大数据处理的价值和复杂性
- 1.4.2 并行数据库
- 1.4.3 云计算技术
- 1.4.4 云计算在智能电网中的应用
- 1.5 智能电网大数据机遇与挑战
- 1.5.1 大数据传输及存储技术
- 1.5.2 实时数据处理技术
- 1.5.3 异构多数据源处理技术
- 1.5.4 大数据可视化分析技术
- 1.5.5 流式计算技术
- 1.6 小结
- 第2章 批处理计算模式及其应用
- 2.1 批处理技术
- 2.2 用户短期用电负荷预测技术
- 2.2.1 智能电网的互动特性
- 2.2.2 电力短期负荷预测
- 2.2.3 基于MapReduce的用户短期电力负荷预测技术
- 2.3 绝缘子泄漏电流数据聚类划分技术
- 2.3.1 状态监测数据特点
- 2.3.2 基于数据驱动的状态监测技术
- 2.3.3 状态监测大数据存储技术
- 2.3.4 基于分形维数的密度聚类划分
- 2.3.5 大数据聚类算法及仿真试验
- 2.4 局部放电信号处理的并行EEMD算法
- 2.4.1 局部放电信号处理介绍
- 2.4.2 经验模态分解EMD
- 2.4.3 总体经验模态分解EEMD
- 2.4.4 EEMD去噪
- 2.4.5 基于MapReduce模型的并行化EEMD算法
- 2.4.6 实验研究
- 2.5 小结
- 第3章 智能电网中内存计算高性能数据分析技术及应用
- 3.1 内存计算技术
- 3.2 高性能数据分析
- 3.3 状态监测实时内存计算技术
- 3.3.1 状态监测实时批处理技术
- 3.3.2 实时批处理的Spark技术
- 3.3.3 Spark大数据分析
- 3.4 模糊C均值聚类算法
- 3.4.1 FCM算法
- 3.4.2 Spark上矩阵操作定义
- 3.4.3 Spark-FCM算法
- 3.4.4 实验与实验结果分析
- 3.5 Spark环境下的高性能OLAP分析查询
- 3.5.1 相关背景及工作介绍
- 3.5.2 相关理论知识介绍
- 3.5.3 基于Spark的BUC算法设计及改进
- 3.5.4 实验与实验结果分析
- 3.6 小结
- 第4章 智能电网多源异构数据分析技术
- 4.1 多源异构数据
- 4.2 存储优化研究
- 4.2.1 数据分布优化
- 4.2.2 数据块尺寸调优
- 4.2.3 Hadoop集群网络拓扑规划
- 4.3 并行数据融合算例分析
- 4.3.1 多数据源并行连接查询
- 4.3.2 多通道数据融合特征提取
- 4.3.3 实验与结果分析
- 4.4 多维数据连接技术
- 4.4.1 连接操作
- 4.4.2 多维Bloom Filter
- 4.4.3 基于MDBF的星型连接算法
- 4.4.4 算法分析及性能测试
- 4.5 小结
- 第5章 流式计算技术应对智能电网高速实时数据
- 5.1 流式数据
- 5.1.1 流式计算概述
- 5.1.2 智能电网中的流式数据
- 5.1.3 基于分布式技术的监测大数据可靠接收及其快速分发
- 5.1.4 流式计算在电力系统中的应用
- 5.2 状态监测实时流数据处理技术
- 5.2.1 状态监测流数据
- 5.2.2 Storm流数据处理技术
- 5.2.3 状态监测流数据处理
- 5.3 大规模用电数据流实时聚类技术
- 5.3.1 用电数据流
- 5.3.2 DBSCAN聚类算法
- 5.3.3 流数据上DBSCAN
- 5.3.4 Spark中的流式DBSCAN算法
- 5.4 基于近似熵算法的电网数据特征提取
- 5.4.1 近似熵理论
- 5.4.2 Storm框架下近似熵算法的实现
- 5.5 小结
- 第6章 智能电网大数据全景实时分析平台探索
- 6.1 全景实时分析背景
- 6.2 全景实时分析关键技术问题
- 6.2.1 基于大数据的大电网安全可靠性分析技术
- 6.2.2 基于大数据的输变电设备全寿命周期管理
- 6.2.3 全景实时能源动态平衡调度技术
- 6.3 电力大数据实时分析核心技术
- 6.3.1 主要技术挑战
- 6.3.2 多核/众核并行计算技术
- 6.3.3 列存储技术
- 6.3.4 基于优先级的电力云平台的任务调配
- 6.3.5 大规模流数据可靠接收技术
- 6.4 电力大数据分析平台
- 6.4.1 平台架构
- 6.4.2 平台特色
- 6.5 小结
- 第7章 大数据支撑能源互联网建设
- 7.1 能源互联网
- 7.2 能源互联网中的实时大数据
- 7.3 大数据支撑能源互联网
- 7.3.1 大数据支撑能源互联网整体优化和调度
- 7.3.2 大数据提高能源互联网安全等级
- 第8章 总结与展望
- 8.1 总结
- 8.2 展望
- 参考文献
