智能电网大数据云计算技术研究 PDF 超清版

  • 更新时间:
  • 7649人关注
  • 点击下载

智能电网大数据云计算技术研究》是一本关于大数据相关的电子书资源,介绍了关于智能电网、大数据、云计算方面的内容,本书是由清华大学出版社出版,格式为PDF,资源大小19 MB,周国亮,宋亚奇,朱永利,王桂兰,萨初日拉编写,目前豆瓣、亚马逊、当当、京东等综合评分为:8.4分,一起来看下具体内容。

资源详情相关推荐
《智能电网大数据云计算技术研究》封面
  • 出版社:清华大学出版社
  • 作者:周国亮,宋亚奇,朱永利,王桂兰,萨初日拉
  • 大小:19 MB
  • 类别:大数据
  • 热度:828
  • 决战大数据:驾驭未来商业的利器
  • 大数据基础编程、实验和案例教程
  • 云计算中的大数据技术与应用
  • Mesos:大数据资源调度与大规模容器运行最佳实践
  • 数据不说谎:大数据之下的世界
  • 《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
    展开阅读

    大数据相关资源

    • ODPS权威指南:阿里大数据平台应用开发实践

      ODPS权威指南:阿里大数据平台应用开发实践

      ODPS(Open Data Processing Service)是阿里巴巴自主研发的海量数据处理和分析的服务平台,主要应用于数据分析、海量数据统计、数据挖掘、机器学习和商业智能等领域。目前,ODPS不仅在阿里内部

      大小:63.3 MBODPS

      立即下载
    • Python+Spark2.0+Hadoop机器学习与大数据实战

      Python+Spark2.0+Hadoop机器学习与大数据实战

      本书从浅显易懂的“大数据和机器学习”原理说明入手,讲述大数据和机器学习的基本概念,浅显易懂的原理介绍加上Step by Step 实机操作、范例程序详细解说,实现降低机器学习与大数据技术

      大小:109 MBHadoop

      立即下载
    • Spark大数据分析:核心概念、技术及实践

      Spark大数据分析:核心概念、技术及实践

      Spark大数据分析:核心概念、技术及实践 是关于大数据和Spark的一个简明手册。它将助你学习如何用Spark来完成很多大数据分析任务,其中覆盖了高效利用Spark所需要知道的重要主题:如何使用

      大小:88.3 MBSpark

      立即下载
    • 征信与大数据

      征信与大数据

      本书剖析国外成熟的知名征信机构的发展历程,商业模式和未来趋势,提取对中国征信业建设的启示和有益的经验,希望能够给混乱而有蓬勃发展的中国市场化征信提供借鉴,感兴趣的可以下载

      大小:86.8 MB大数据

      立即下载
    • 大数据Spark企业级实战

      大数据Spark企业级实战

      Spark是现如今互联网大数据行业最活跃性、最受欢迎、最高效率的互联网大数据通用性测算服务平台,是Apache手机软件慈善基金会下全部开源网站项目中几大*开源网站项目之首。 在OneStacktoru

      大小:139.6 MBSpark

      立即下载

    学习笔记

    2小时6分钟前回答

    大数据专业学什么

    大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。目前,大数据算是非常火的专业,下面我将和大家谈谈大数据专业学什么? 大数据专业分为两种,其一是大数据开发,其二是数据分析与挖掘。 1、大数据开发:Ja-va、大数据基础、Hadoop体系、Scala、kafka、Spark等内容; 2、数据分析与挖掘:Python、关系型数据库MySQL、文档数据库MongoDB、内存数据库Redis、数据处理、数据分析等。 以上就是大数据专业学什么的详细内容,更多请关注码农之家其它相关文……

    3小时43分钟前回答

    mysql大数据查询优化经验分享(推荐)

    正儿八经mysql优化! mysql数据量少,优化没必要,数据量大,优化少不了,不优化一个查询10秒,优化得当,同样查询10毫秒。 这是多么痛的领悟! mysql优化,说程序员的话就是:索引优化和where条件优化。 实验环境:MacBook Pro MJLQ2CH/A,mysql5.7,数据量:212万+ ONE: select * from article INNER JOIN ( SELECT id FROM article WHERE length(content_url) 0 and (select status from source where id = article.source_id)=1 and (select status from category where id = article.category_id)=1 and status = 1 and id 2164931 order by stick desc,pub_time desc limit 240,15 ) AS tUSING(id); 咋一看,大佬肯定会想杀了我,没事做啥自关联,还是inner join。XX楼的,把我的杀猪刀拿来,我要宰了博主!……