Page 116 - 201909数码世界9.9
P. 116

科技交流





                                      分布式实时数据库在输变电系统中的应用



                                                                蔡晓龙  张锋


                 摘要:本论文主要对分布式实时数据在输变电系统中各项事务管理和数据汇总处理等应用进行阐述。首先介绍了分布式实时
                 数据库及其特点,接着,详细介绍了分布式实时数据库在输变电系统中的应用。分布式实时数据库的建立可以实现对国网山
                 西省电力公司检修公司所有事务的处理和对所运营的各地区的变电站实时数据进行汇总和处理,同时为智能变电站网络管理
                 系统的建立提供知识库数据和专家经验。为变电站的联网运行奠定基础。






                    国网山西省电力公司检修公司是省公司直属的大型输变电                         的处理能力,实现跨厂区、跨地域的信息管理,将分散在各个
                 企业,运维设备遍及全省,包括 500kV 及以上输电线路共 88 条                   区域的控制系统、监控系统等获得的大规模实时数据进行统一
                 (6512.791km),其中 1000kV 特高压线路 1 条 (116.181km),        管理,提高实时数据库系统的处理能力。为了实现输变电系统
                 士 800kV 直流线路 l 条 (248.513 公里 ) 士 660kV 直流线路 1        的安全运行管理,防止输变电站系统出现问题而引发事故,进
                 条 (304.792km)。1000kV 变电站 l 座,500kV 变电站 ( 开闭站 )21     一步提高输变电系统的可靠性,同时缩短电网故障处理时间,
                 座,总容量为 36524MVA。分布式实时数据库系统可以提高系统                     必须采用数字化、现代化、科学化的指导管理和维护手段,以









                 出高斯图模型中的 Graphical  lasso,2014 年张凌洁等分析               大数据领域不得不关注的重要问题。本文介绍了高维数据变量
                 研究了分层惩罚链接单个图模型的估计的多图模型,2011 年                        选择方法的研究历史和研究现状,总结了一些已有的研究成果。
                 卢颖提出 poisson 对数线性模型下和 logistic 回归模型下的                高维数据变量选择模型多种多样,从中选择与实际情况相结合
                 ElasticNet 变量选择方法 , 同年 Nardi 提出时间序列模型下的              并不断地修改模型使其具有实际应用价值。如果采用最优的函
                 lasso,Kai 等提出的变系数半参数模型下的 SCAD 及其理论性                  数和有效的算法,用于模型的建立与算法的实现,可为高维数
                 质,崔静等提出 Poisson 对数回归模型下 ALasso 的定义和性质,               据变量选择的应用提供研究基础,有利于推进研究工作的进一
                 2012 年 Li 提出半参数模型的 lasso,2015 年苏美红等         [4]  分析  步深化,也有利于体现现实价值。
                 研究了 LAD-Elastic Net 模型选择的一致性。
                 2.3 方法研究注意的事项                                        参考文献
                    正则化方法研究的模式通常是“损失函数 + 惩罚函数”,                       [1]  Tibshirani,  R.  Regression  shrinkage  and  selection
                 一个较优的惩罚估计需注意以下几个问题:                                  via  the  Lasso[J].  Journal  of  the  Royal  Statistical
                    (1) 选择损失函数。损失函数的好坏决定着模型的稳健性,                      Society Series B. 1996, 58: 267-288.
                 数据模型呈正态分布时,其结果最佳;                                    [2] 张凌洁,苏美红,张海。LS,LAD 组合损失的高维统计
                    (2) 选择惩罚函数。惩罚估计的理论性质(稀疏性、连续                       性质分析 [J]. 纯粹数学与应用数学期刊(自然科学版),
                 性和无偏性)取决于惩罚函数的选择;                                    2013,29(5):536-546.
                    (3) 采用的算法。算法的可行性,运算时间直接影响着估                       [3] 张凌洁,张海。多图模型的联合估计的群桥方法 [J]. 高校
                 计结果的准确性;                                             应用数学学报(自然科学版).2014,29(2):127-137.
                    (4) 选择调试参数。调试参数对模型稀疏性和相合性影响
                 较大。                                                  作者简介
                 3 总结与展望                                              张凌洁(1986-),女,陕西凤翔人,硕士学位,主要研究方向:
                    随着大数据应用的深广,人们对高维数据的研究和运用也                         机器学习。
                 日益普遍。高维数据变量选择是大数据研究领域的热点,也是


 118...                                                                                                           ...119
   111   112   113   114   115   116   117   118   119   120   121