電力設備在線監(jiān)測指在不停電的情況下，對電力設備狀況進行連續(xù)或周期性地自動監(jiān)視檢測，使用的技術包括：傳感器技術、廣域通信技術和信息處理技術。電力設備在線監(jiān)測是實現電力設備狀態(tài)運行檢修管理、提升生產運行管理精益化水平的重要手段，對提升電網智能化水平、實現電力設備狀態(tài)運行管理具有積極而深遠的意義。

 

    隨著智能電網建設的推進，電力設備在線監(jiān)測得到了較大發(fā)展并成為趨勢，監(jiān)測數據變得日益龐大，逐漸構成電力設備監(jiān)測大數據，這給電力設備在線監(jiān)測系統在數據存儲和處理方面帶來非常大的技術挑戰(zhàn)。

 

    電力設備監(jiān)測大數據具有體量大、類型多、價值密度低和處理速度快的特點。電網公司監(jiān)測系統目前過于依賴集中式SAN存儲，并基于SOA進行數據集成，主要采用“企業(yè)級關系型數據庫”，受容量、擴展性以及訪問速度的制約，目前只存儲二次加工的“熟數據”，而所擅長的關聯查詢、事務處理在數據分析時又無用武之地，迫切需要新的大數據存儲和處理技術來應對。

 

    變壓器的局部放電數據是一種典型的電力設備監(jiān)測數據。局部放電相位分析（phaseresolvedpartialdischarge,PRPD）包含了從特征提取到模式識別的過程。本文將全面介紹利用MaxCompute實現局部放電監(jiān)測數據特征提取的過程。

 

    PD信號分析主要包括三個子過程：（1）基本參數n-q-φ的提取。掃描PD信號，統計信號中的放電峰值和相應的放電相位。（2）譜圖構造和統計特征計算。劃分相窗，統計平均放電量和放電次數的分布，計算平均放電量相位分布譜圖qave-φ和放電次數相位分布譜圖n-φ?；趒ave-φ和n-φ，以φi為隨機變量，計算譜圖的偏斜度Sk、陡峭度Ku等統計特征，形成放電特征向量。（3）放電類型識別。本文將介紹，使用MapReduce實現第一個子過程的方法。

 

    MaxCompute(原ODPS)是阿里云提供的海量數據處理平臺。主要服務于批量結構化數據的存儲和計算，數據規(guī)模達EB級別。MaxCompute目前已在大型互聯網企業(yè)的數據倉庫和BI分析、網站的日志分析、電子商務網站的交易分析等領域得到大規(guī)模應用。