智能配用電大數(shù)據(jù)存儲架構(gòu)設(shè)計

葛磊蛟，王守相，瞿海妮

（1.天津大學(xué) 智能電網(wǎng)教育部重點實驗室，天津 300072；2.國網(wǎng)上海市電力公司，上海 200122）

0 引言

大數(shù)據(jù)技術(shù)正成為各行各業(yè)的應(yīng)用熱點，智能配用電（SPDU）作為實現(xiàn)電網(wǎng)資源優(yōu)化配置、電能合理利用、節(jié)能降耗和能效提升的重要手段，不僅含有量大面廣的電力設(shè)備和應(yīng)用系統(tǒng)，還包括支撐這些設(shè)備和系統(tǒng)正常運行的多種途徑、多類型輸入輸出海量數(shù)據(jù)，并且這些數(shù)據(jù)容量大、采集頻率高、來源渠道（電網(wǎng)企業(yè)、電力用戶、社會資源等）多樣、類型復(fù)雜而價值密度低。

配用電數(shù)據(jù)之所以稱為大數(shù)據(jù)，是因為其符合大數(shù)據(jù)的特征，一是數(shù)據(jù)來源廣，即多源，既包括多達(dá)十幾個的配用電數(shù)據(jù)采集系統(tǒng)，也包括氣象數(shù)據(jù)和經(jīng)濟(jì)社會數(shù)據(jù)采集；二是異構(gòu)，即為多種類型的數(shù)據(jù)，既有文本數(shù)據(jù)，也有多媒體數(shù)據(jù)，既有時間序列數(shù)據(jù)，也有經(jīng)濟(jì)社會指標(biāo)數(shù)據(jù)；三是數(shù)據(jù)量大，僅上海市某個區(qū)的配用電數(shù)據(jù)年存儲量就達(dá)到幾TByte。配用電大數(shù)據(jù)的多源和異構(gòu)的特性給數(shù)據(jù)集成和存儲處理帶來技術(shù)挑戰(zhàn)，整合存儲配用電大數(shù)據(jù)的目的和用途是：實現(xiàn)配用電結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的集成，滿足大數(shù)據(jù)集成和存儲的高容量和高速度要求，提高數(shù)據(jù)集成和存儲的效率；通過對智能配用電大數(shù)據(jù)的存儲和分析，實現(xiàn)基于大數(shù)據(jù)的融合多源高維時序數(shù)據(jù)的用電預(yù)測、節(jié)電、網(wǎng)架優(yōu)化、錯峰調(diào)度等多種電力應(yīng)用。

具體而言，智能配用電數(shù)據(jù)不僅包括來自配電自動化系統(tǒng) DAS（Distribution Automation System）、地理信息系統(tǒng)（GIS）、配電 SCADA／EMS（能量管理系統(tǒng)）、用電信息采集系統(tǒng)等應(yīng)用系統(tǒng)的配用電運行、計量計費等結(jié)構(gòu)化數(shù)據(jù)，也包括電力用戶、電網(wǎng)企業(yè)等監(jiān)控平臺中的Web頁面等半結(jié)構(gòu)化數(shù)據(jù)，還有95598等電力客戶的文本、音頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)，這些結(jié)構(gòu)化和非結(jié)構(gòu)化混合數(shù)據(jù)在網(wǎng)省公司年存儲量達(dá)到TByte級，甚至PByte級，從存儲的經(jīng)濟(jì)性角度考慮需要應(yīng)用大數(shù)據(jù)存儲技術(shù)；此外，智能配用電涉及多應(yīng)用系統(tǒng)、多業(yè)務(wù)主體、多用戶對象等，隨著采集頻度大幅增強(qiáng)和采集類型多樣化，致使數(shù)據(jù)的維度越來越大，如果依然按照以往分別采集-傳輸-集中存儲的方式，將使數(shù)據(jù)冗余大、重復(fù)存儲多、系統(tǒng)資源利用率低等問題更加突出［1-3］。因此，有必要對高維度、非結(jié)構(gòu)化和結(jié)構(gòu)化混合、點多面廣、多源異構(gòu)的智能配用電大數(shù)據(jù)存儲技術(shù)進(jìn)行研究。

近年來，國內(nèi)外學(xué)者在智能電網(wǎng)的大數(shù)據(jù)方面進(jìn)行了一些研究，在智能配用電大數(shù)據(jù)應(yīng)用需求分析方面，文獻(xiàn)［4］從配電網(wǎng)負(fù)荷預(yù)測、運行狀態(tài)評估與預(yù)警、電能質(zhì)量監(jiān)測和評估、基于配電網(wǎng)數(shù)據(jù)融合的停電優(yōu)化等多方面進(jìn)行了大數(shù)據(jù)的應(yīng)用闡述；文獻(xiàn)［5］從用戶用電行為和負(fù)荷預(yù)測2個應(yīng)用場景，提出了大數(shù)據(jù)的研究思路和方法；文獻(xiàn)［6］闡述了大數(shù)據(jù)在智能配電網(wǎng)中的應(yīng)用所涉及的大數(shù)據(jù)存儲與處理以及大數(shù)據(jù)解析等關(guān)鍵技術(shù)；文獻(xiàn)［7］從能量數(shù)據(jù)平臺（EDP）和需求側(cè)管理系統(tǒng)（DROMS）的應(yīng)用角度，分析了大數(shù)據(jù)技術(shù)在配電網(wǎng)數(shù)據(jù)分析中的應(yīng)用。在智能配用電大數(shù)據(jù)的基本概念［8］、應(yīng)用架構(gòu)［9-10］、技術(shù)現(xiàn)狀和特點［11-13］、關(guān)鍵技術(shù)［14-15］等諸多方面，國內(nèi)外學(xué)者也均有研究。針對電力系統(tǒng)特定應(yīng)用場景，在大數(shù)據(jù)存儲方面也有一些學(xué)者進(jìn)行了探討，文獻(xiàn)［16］針對輸變電設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)，基于Hadoop云計算試驗平臺進(jìn)行了數(shù)據(jù)分布策略、數(shù)據(jù)塊尺寸調(diào)優(yōu)、集群網(wǎng)絡(luò)拓?fù)湟?guī)劃3個方面的存儲優(yōu)化研究；文獻(xiàn)［17］面向用電信息采集系統(tǒng)大數(shù)據(jù)，提出了Hadoop集群的大數(shù)據(jù)處理架構(gòu)和計算服務(wù)架構(gòu)。

本文針對智能配用電數(shù)據(jù)具有海量、高維度、結(jié)構(gòu)化與非結(jié)構(gòu)化混雜、多源異構(gòu)等特點，從資源管理、元數(shù)據(jù)管理和實際數(shù)據(jù)管理3個方面闡述了智能配用電數(shù)據(jù)存儲技術(shù)框架設(shè)計方案，為配用電大數(shù)據(jù)的應(yīng)用奠定良好的基礎(chǔ)。

1 智能配用電大數(shù)據(jù)組成

智能配用電海量數(shù)據(jù)依據(jù)數(shù)據(jù)類型主要分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；依據(jù)數(shù)據(jù)來源可分為電網(wǎng)內(nèi)部數(shù)據(jù)和電網(wǎng)外部數(shù)據(jù)，且這些數(shù)據(jù)一般以信息集成化平臺的方式呈現(xiàn)。其中，電網(wǎng)內(nèi)部數(shù)據(jù)主要包括配電自動化、GIS、SCADA／EMS、用電信息采集系統(tǒng)、營銷管理系統(tǒng)以及95598等電網(wǎng)數(shù)據(jù)；電網(wǎng)外部數(shù)據(jù)主要包括政府、電力用戶、第三方機(jī)構(gòu)等3個方面的數(shù)據(jù)。政府?dāng)?shù)據(jù)主要包括能耗監(jiān)測系統(tǒng)、能源公共服務(wù)平臺、智慧城市監(jiān)控系統(tǒng)等監(jiān)測數(shù)據(jù)；電力用戶數(shù)據(jù)主要包括分布式電源EMS、微電網(wǎng) EMS、家庭 EMS、樓宇 EMS、企業(yè) EMS等用戶數(shù)據(jù)；第三方機(jī)構(gòu)數(shù)據(jù)主要包括氣象監(jiān)測系統(tǒng)、交通監(jiān)控系統(tǒng)、醫(yī)務(wù)信息平臺等平臺數(shù)據(jù)。綜上所述，智能配用電數(shù)據(jù)組成情況如表1所示。

表1 智能配用電數(shù)據(jù)組成Table1 Components of SPDU data

智能配用電的數(shù)據(jù)涉及電網(wǎng)、用戶、政府和第三方機(jī)構(gòu)等多個主體，各參與主體由于所聚焦的業(yè)務(wù)重心、工作流程和關(guān)注重點不完全一致，數(shù)據(jù)呈現(xiàn)以下幾個特點。

（1）結(jié)構(gòu)化、半結(jié)構(gòu)化與非結(jié)構(gòu)化共存。智能配電網(wǎng)相關(guān)的傳統(tǒng)業(yè)務(wù)涉及狀態(tài)估計、潮流計算、短路計算等穩(wěn)態(tài)分析，主要由結(jié)構(gòu)化數(shù)據(jù)支撐。隨著分布式電源、微電網(wǎng)、電動汽車接入智能配電網(wǎng)，電網(wǎng)與用戶的雙向互動化，以及區(qū)域負(fù)荷預(yù)測、第三方機(jī)構(gòu)的客戶在線認(rèn)證、客戶日志信息分析等高級應(yīng)用業(yè)務(wù)分析的發(fā)展，智能配用電的基礎(chǔ)分析數(shù)據(jù)逐漸包括了越來越多的Web頁面、文本、視頻、聲音等半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。另外，電網(wǎng)企業(yè)、用戶、政府等特定應(yīng)用網(wǎng)站的Web類半結(jié)構(gòu)化數(shù)據(jù)也快速增長，這就形成了結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)混存的情形。

（2）數(shù)據(jù)維度相當(dāng)大。一方面，智能配用電數(shù)據(jù)所屬的多個主體之間，原則上相對獨立，數(shù)據(jù)采集和存儲的時序性基本無法保證一致，致使數(shù)據(jù)的維度較大；另一方面，電力企業(yè)的用電信息、營銷、客服等各個業(yè)務(wù)也是相對獨立運行，數(shù)據(jù)采集過程中雖然通過全球GPRS進(jìn)行了時鐘同步，但是每一個獨立系統(tǒng)所選擇的數(shù)據(jù)采集時間較難保證一致性，也使其數(shù)據(jù)維度大幅增加。

（3）數(shù)據(jù)顆粒度混雜。

a.不同應(yīng)用系統(tǒng)由于自身業(yè)務(wù)特色需要，數(shù)據(jù)的顆粒度需求不同，例如：配電自動化的實時調(diào)度數(shù)據(jù)是s級或者min級；用電信息采集系統(tǒng)數(shù)據(jù)一般是1 d級；95598客戶信息數(shù)據(jù)中，一些運行穩(wěn)定的用戶可能是月度級或者年度級。

b.視頻、音頻、文本等非結(jié)構(gòu)化數(shù)據(jù)格式不同，存儲空間范圍和元數(shù)據(jù)的內(nèi)存劃分尺度不同。

c.相同數(shù)據(jù)格式的結(jié)構(gòu)化數(shù)據(jù)，不同用戶的數(shù)據(jù)的容量大小和屬性不同。

d.不同數(shù)據(jù)格式和不同數(shù)據(jù)屬性組成混合文件屬性。

e.半結(jié)構(gòu)化數(shù)據(jù)的來源渠道多樣，時間尺度、采集精度、頻率差異性較大。

智能配用電數(shù)據(jù)具有海量、數(shù)據(jù)更新速度極快、分布地域廣泛等特點。當(dāng)前非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)、大數(shù)據(jù)存儲和分析技術(shù)均處于研究階段，數(shù)據(jù)挖掘分析技術(shù)手段還不夠完善，大數(shù)據(jù)快速分析算法還不夠成熟。且當(dāng)前硬盤、磁帶、磁盤陣列等IT信息存儲物理設(shè)備在緩存容量、硬盤容量和處理器速度，以及性價比、異構(gòu)兼容性等方面也正在發(fā)展之中。因此，構(gòu)建一種快速有效的智能配用電數(shù)據(jù)存儲技術(shù)解決方案是十分必要的。

2 智能配用電大數(shù)據(jù)存儲技術(shù)框架

智能配用電數(shù)據(jù)一方面具有用戶種類復(fù)雜、點多面廣、類型多樣、海量、難以快速發(fā)現(xiàn)有價值信息和規(guī)律性等典型大數(shù)據(jù)特點，另一方面具有很多內(nèi)在的數(shù)據(jù)規(guī)律，符合大數(shù)據(jù)的特征信息，具備很大的挖掘空間。為此，依據(jù)數(shù)據(jù)存儲所涉及的存儲介質(zhì)、映射地址和物理空間，將智能配用電數(shù)據(jù)按照資源管理、元數(shù)據(jù)管理和實際數(shù)據(jù)管理3個方面進(jìn)行框架設(shè)計，如圖1所示，下面將逐一進(jìn)行詳細(xì)闡述。

圖1 智能配用電數(shù)據(jù)存儲技術(shù)架構(gòu)Fig.1 Storage framework of SPDU data

其中，資源管理主要實現(xiàn)智能配用電大數(shù)據(jù)計算資源的虛擬化、負(fù)載均衡和資源調(diào)度管理；元數(shù)據(jù)管理利用數(shù)據(jù)預(yù)處理技術(shù)，結(jié)合元數(shù)據(jù)分類原則，通過中間件技術(shù)實現(xiàn)元數(shù)據(jù)（實際數(shù)據(jù)映射地址）管理；實際數(shù)據(jù)管理采用NoSQL技術(shù)，依據(jù)實際數(shù)據(jù)分配策略，實現(xiàn)實際數(shù)據(jù)的分層分區(qū)存儲。

2.1 資源管理

智能配用電數(shù)據(jù)存儲的物理資源具備多方面異構(gòu)。一方面，其不僅包括硬件異構(gòu)，即國-網(wǎng)-省-市-縣多級電網(wǎng)企業(yè)、政府機(jī)構(gòu)、電力用戶等配置的大型服務(wù)器、刀片機(jī)、普通PC機(jī)等硬件資源，具有不同層次、品牌、性能配置混雜的特點，也包括軟件異構(gòu)，主要有Linux、Windows等不同操作系統(tǒng)和Oracle、SQL Service、MySQL等不同數(shù)據(jù)庫，以及多參與主體根據(jù)業(yè)務(wù)所需所設(shè)計的應(yīng)用平臺。另一方面，智能配用電涉及的電網(wǎng)企業(yè)、電力用戶、政府及第三方機(jī)構(gòu)等多方主體均各自具有多個應(yīng)用系統(tǒng)。在單一主體內(nèi)部的多個應(yīng)用系統(tǒng)之間不僅所選擇的數(shù)據(jù)存儲軟、硬件平臺不一致，而且存在數(shù)據(jù)重復(fù)采集和存儲現(xiàn)象，即使近年來數(shù)據(jù)總線技術(shù)、共享內(nèi)存技術(shù)等得到了較好的應(yīng)用，但是數(shù)據(jù)的冗余依然較大。同時，主體與主體之間的數(shù)據(jù)存儲由于涉及數(shù)據(jù)隱私、組織管理、經(jīng)濟(jì)能力等諸多方面，所選用的存儲形式有直接附加存儲DAS（Direct Attached Storage）、網(wǎng)絡(luò)附加存儲 NAS（Network Attached Storage）、存儲域網(wǎng)絡(luò)SAN（Storage Area Network）等多種形式，也存在較大的兼容性問題。

為此，針對多源異構(gòu)的智能配用電IT資源，資源管理的工作原理是：首先，通過虛擬化技術(shù)在智能配用電所涉及的國-省-市-縣的硬件平臺上構(gòu)建Master／Slave集群的邏輯結(jié)構(gòu)；其次，通過負(fù)載均衡完成智能配用電數(shù)據(jù)存儲資源動態(tài)分配；最后通過資源調(diào)度，實現(xiàn)電力系統(tǒng)智能配用電的存儲資源高效運轉(zhuǎn)。

2.1.1 虛擬化技術(shù)

虛擬化技術(shù)是一種使用戶不受物理資源架構(gòu)、地域和形態(tài)所限的計算資源管理技術(shù)，有硬件虛擬化、虛擬內(nèi)存、桌面虛擬化、服務(wù)虛擬化等多種形式［18-20］。本文主要采用虛擬機(jī)VM（Virtual Machine）和虛擬網(wǎng)絡(luò)2種技術(shù)，即在智能配用電中，利用虛擬機(jī)技術(shù)將現(xiàn)有的配電自動化主站平臺虛擬成為智能配用電的大數(shù)據(jù)資源層的主節(jié)點，將其他應(yīng)用平臺，空閑的辦公、區(qū)／市／縣配用電相關(guān)的前置子系統(tǒng)以及電網(wǎng)企業(yè)外網(wǎng)的政府、電力用戶與第三方機(jī)構(gòu)等IT資源虛擬化為從節(jié)點；利用虛擬網(wǎng)絡(luò)技術(shù)將用于連接各個物理設(shè)備的路由器、交換機(jī)等網(wǎng)絡(luò)設(shè)備虛擬化，從而使數(shù)據(jù)存儲資源對使用者或者管理者保持邏輯完整性，組成一個智能配用電大數(shù)據(jù)中心集群。

（1）虛擬機(jī)技術(shù)。

虛擬機(jī)是一種真實計算環(huán)境的抽象和模擬，主流的產(chǎn)品有Oracle公司的VM VirtualBox、EMC公司的VMware和微軟的Virtual PC等。它通過虛擬機(jī)監(jiān)視器VMM（Virtual Machine Moniter）為系統(tǒng)平臺中的每個虛擬機(jī)設(shè)定一組數(shù)據(jù)結(jié)構(gòu)（虛擬處理器的全套寄存器、物理內(nèi)存的使用情況、虛擬設(shè)備的狀態(tài)等），完成管理虛擬機(jī)的狀態(tài)。

智能配用電中的電網(wǎng)企業(yè)、電力用戶、政府等多主體的各個應(yīng)用平臺，分別在其應(yīng)用系統(tǒng)中安裝相應(yīng)的虛擬機(jī)，其部署過程如下：

a.依據(jù)電網(wǎng)內(nèi)、外部的數(shù)據(jù)歸屬權(quán)不同，預(yù)設(shè)不同的虛擬機(jī)鏡像；

b.按照安裝向?qū)В瑒?chuàng)立虛擬機(jī)；

c.在虛擬機(jī)中，設(shè)定節(jié)點屬性；

d.依據(jù)網(wǎng)絡(luò)劃分規(guī)則，在虛擬機(jī)中設(shè)置網(wǎng)絡(luò)參數(shù)。

（2）網(wǎng)絡(luò)虛擬技術(shù)。

網(wǎng)絡(luò)虛擬技術(shù)是將不同網(wǎng)絡(luò)的硬件和軟件資源，通過虛擬化的技術(shù)手段，結(jié)合成一個加密連接的具有類似局域網(wǎng)功能的虛擬專用網(wǎng)絡(luò)，形成在物理連接上分散而邏輯上連續(xù)的分區(qū)分段網(wǎng)絡(luò)。

智能配用電的網(wǎng)絡(luò)相關(guān)設(shè)備不僅包括電力企業(yè)所構(gòu)建的光纖、以太網(wǎng)、無線GPRS網(wǎng)、微功率230MHz無線等，還包括政府、電力用戶和第三方機(jī)構(gòu)所選用的移動互聯(lián)網(wǎng)、萬維網(wǎng)等，其網(wǎng)絡(luò)虛擬的工作原則如下。

a.電網(wǎng)企業(yè)內(nèi)部按照計量、營銷、檢修、客服分為四大部分；電網(wǎng)企業(yè)外部按照政府、電力用戶和第三方機(jī)構(gòu)分為三大部分。

b.電網(wǎng)企業(yè)內(nèi)、外部之間采用網(wǎng)絡(luò)層地址的網(wǎng)絡(luò)虛擬化技術(shù)。

c.電網(wǎng)企業(yè)內(nèi)部的網(wǎng)絡(luò)，在各個部分之間采用IP廣播組虛擬化，在每一個部分內(nèi)部采用MAC地址或者交換端口號。

d.電網(wǎng)外部網(wǎng)絡(luò)之間采用IP廣播組或者網(wǎng)絡(luò)層地址，電網(wǎng)外部網(wǎng)絡(luò)的每一個部分內(nèi)部采用MAC地址或者交換端口號。

2.1.2 負(fù)載均衡模型

經(jīng)過虛擬化后，智能配用電的電網(wǎng)內(nèi)、外部的計算資源構(gòu)成了一個完整的資源池，為保障接入的每一個IT計算資源能夠高效、可靠運行，需要進(jìn)行合理優(yōu)化，為此對整個資源池構(gòu)建數(shù)學(xué)模型。

假設(shè)智能配用電系統(tǒng)有M個存儲節(jié)點A1、A2、…、AM，一定時間內(nèi)有 N 個存儲任務(wù) B1、B2、…、BN，且每個存儲任務(wù)至少分配1個存儲節(jié)點，則每個節(jié)點的任務(wù)量總數(shù)為：

其中，Ci為存儲節(jié)點Ai的總?cè)蝿?wù)量；Dij表示任務(wù)j是否在節(jié)點i執(zhí)行，表達(dá)式如式（2）所示。

同時，設(shè)定一個時間參數(shù)tij來表示任務(wù)j在節(jié)點Ai上的執(zhí)行時間，可表示為：

其中，t1為任務(wù)處理時間；t2為等待隊列時間；t3為進(jìn)程阻塞時間。

因此，智能配用電資源池的負(fù)載均衡模型為一個優(yōu)化問題，即在最短的處理時間內(nèi)，實現(xiàn)所有的存儲任務(wù)，優(yōu)化模型如式（4）所示。

其中，Dij、tij為離散變量。

不難發(fā)現(xiàn)，智能配用電負(fù)載均衡模型是一個非線性的整數(shù)規(guī)劃模型，在實際的運行過程中，依據(jù)實際的任務(wù)量、節(jié)點數(shù)等具體數(shù)據(jù)信息，采用遺傳算法、螞蟻算法、BP神經(jīng)網(wǎng)絡(luò)算法等進(jìn)行求解，從而獲得最優(yōu)解，實現(xiàn)資源池的優(yōu)化利用。

2.1.3 資源調(diào)度

智能配用電的IT資源經(jīng)過虛擬化和負(fù)載均衡優(yōu)化，已達(dá)成了資源的基本分配，但要實現(xiàn)智能配用電存儲資源的高效運轉(zhuǎn)，資源調(diào)度非常必要，依據(jù)實際的功能需求，設(shè)計其組成模塊，如圖2所示。

圖2 資源調(diào)度管理的功能模塊Fig.2 Functional module of resource scheduling management

圖2所示模塊的工作原理是：控制模塊通過實時監(jiān)控系統(tǒng)狀態(tài)，并負(fù)責(zé)整個資源池系統(tǒng)的調(diào)度管理，它不僅與外部接口模塊進(jìn)行信息交互，也與算法模塊進(jìn)行實時的數(shù)據(jù)互動，同時根據(jù)任務(wù)需求對調(diào)度模塊進(jìn)行管理；調(diào)度模塊主要是響應(yīng)控制模塊的指令，并下發(fā)給節(jié)點模塊，同時將相關(guān)的變動信息實時互動給算法模塊；算法模塊負(fù)責(zé)負(fù)載均衡算法的在線求解；外部接口模塊負(fù)責(zé)與資源池外部的信息交換；節(jié)點模塊負(fù)責(zé)實際的調(diào)度指令執(zhí)行。

依據(jù)上述的資源調(diào)度原則，充分結(jié)合智能配用電的應(yīng)用特征，在充分利用網(wǎng)省公司現(xiàn)有的配電自動化主站、GIS主站、用電信息采集系統(tǒng)主站等數(shù)據(jù)中心軟、硬件IT資源的前提條件下，以現(xiàn)有的配電自動化主站平臺構(gòu)建智能配用電的大數(shù)據(jù)資源管理的主節(jié)點；其他網(wǎng)省公司應(yīng)用平臺均作為從節(jié)點，并將空閑的辦公、區(qū)／市／縣配用電相關(guān)的前置子系統(tǒng)，以及電網(wǎng)企業(yè)外網(wǎng)的政府與第三方機(jī)構(gòu)、電力用戶等的IT資源，也作為計算層的從節(jié)點，利用電力業(yè)務(wù)所構(gòu)建的光纖、以太網(wǎng)、無線GPRS網(wǎng)、微功率230MHz無線等網(wǎng)絡(luò)作為連接紐帶，與用戶、第三方機(jī)構(gòu)進(jìn)行友好互聯(lián)互通，從而組成智能配用電大數(shù)據(jù)資源管理中心。

資源管理中心利用靜態(tài)和動態(tài)相結(jié)合的優(yōu)化調(diào)度策略，如圖3所示：電網(wǎng)企業(yè)內(nèi)網(wǎng)采用靜態(tài)優(yōu)化調(diào)度策略，即帶權(quán)重的輪循算法，圖3中小圓圈內(nèi)的數(shù)字代表每一個Slave節(jié)點所占的缺省權(quán)重系數(shù)，依次循環(huán)利用內(nèi)網(wǎng)的IT資源；電網(wǎng)企業(yè)外網(wǎng)采用動態(tài)優(yōu)化調(diào)度策略，即最快響應(yīng)速度算法，圖3中橢圓內(nèi)的時間代表每一個Slave節(jié)點所缺省的響應(yīng)時間，根據(jù)時間的長短，依次利用外網(wǎng)的IT資源。

圖3 智能配用電數(shù)據(jù)存儲資源管理優(yōu)化調(diào)度策略Fig.3 Optimal scheduling strategy for data storage and resource management of SPDU

2.2 元數(shù)據(jù)管理

多樣性的海量智能配用電數(shù)據(jù)存儲之前，如何根據(jù)實際數(shù)據(jù)大小情況，快速判斷、辨析、分配指定的存儲空間，形成有效的地址映射（元數(shù)據(jù)）是數(shù)據(jù)存儲的第一步，因此，形成標(biāo)準(zhǔn)化的系統(tǒng)可識別的元數(shù)據(jù)，并在此基礎(chǔ)上，進(jìn)行元數(shù)據(jù)管理是大數(shù)據(jù)存儲至關(guān)重要的一步。

元數(shù)據(jù)管理主要采用數(shù)據(jù)預(yù)處理和數(shù)據(jù)中間件（簡稱中間件）2種技術(shù)。其中，數(shù)據(jù)預(yù)處理主要負(fù)責(zé)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的辨析［21-25］，生成XML（eXtensible Markup Language）格式的元數(shù)據(jù)；中間件主要完成元數(shù)據(jù)倉庫管理。

2.2.1 數(shù)據(jù)預(yù)處理

智能配用電數(shù)據(jù)預(yù)處理策略是：對結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行數(shù)據(jù)篩選、數(shù)據(jù)變換和數(shù)據(jù)標(biāo)準(zhǔn)化，最終實現(xiàn)將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)以XML格式存入Master節(jié)點中，從而完成數(shù)據(jù)預(yù)處理工作。其過程如圖4所示。

圖4 智能配用電數(shù)據(jù)預(yù)處理Fig.4 Preprocessing of SPDU data

a.數(shù)據(jù)篩選。數(shù)據(jù)篩選是對實際數(shù)據(jù)進(jìn)行初步遴選，包括屬性識別、壞數(shù)據(jù)辨析和數(shù)據(jù)分類三部分。

b.數(shù)據(jù)變換。數(shù)據(jù)變換是根據(jù)數(shù)據(jù)篩選的結(jié)論，生成XML格式初始元數(shù)據(jù)的過程。一般根據(jù)不同數(shù)據(jù)決定選用不同的數(shù)據(jù)變換方法，主要包括簡單函數(shù)變換、平滑聚集和數(shù)據(jù)概化。

c.數(shù)據(jù)歸一化。數(shù)據(jù)歸一化是將變換后的元數(shù)據(jù)集合以標(biāo)準(zhǔn)化的統(tǒng)一XML格式表示，主要的技術(shù)有維度歸一化、屬性選擇和離散化技術(shù)等。

智能配用電數(shù)據(jù)通過數(shù)據(jù)預(yù)處理后，結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的元數(shù)據(jù)形成統(tǒng)一標(biāo)準(zhǔn)XML格式，為有效識別元數(shù)據(jù)類型，以及創(chuàng)建元數(shù)據(jù)倉庫提供基礎(chǔ)準(zhǔn)備，依據(jù)數(shù)據(jù)所屬電網(wǎng)內(nèi)、外部原則分別進(jìn)行命名分類：電網(wǎng)內(nèi)部的元數(shù)據(jù)，按照電網(wǎng)電壓等級，分為110 kV電壓等級元數(shù)據(jù)、35 kV電壓等級元數(shù)據(jù)、10 kV電壓等級元數(shù)據(jù)、0.4 kV電壓等級元數(shù)據(jù)4個部分；電網(wǎng)外部的元數(shù)據(jù)，分為政府元數(shù)據(jù)、電力用戶元數(shù)據(jù)和第三方機(jī)構(gòu)元數(shù)據(jù)3個部分。

數(shù)據(jù)進(jìn)行初步的分類完畢后，依據(jù)分類的規(guī)則分別提交給相對應(yīng)的中間件，從而形成XML元數(shù)據(jù)倉庫，有利于發(fā)現(xiàn)相同或者相近元數(shù)據(jù)，方便進(jìn)行合并、組合或者重新排序等，達(dá)成對元數(shù)據(jù)的降維存儲。

2.2.2 中間件技術(shù)

中間件技術(shù)是一種在不同技術(shù)之間共享資源的系統(tǒng)軟件或服務(wù)程序的統(tǒng)稱，有終端仿真、數(shù)據(jù)訪問、消息等多種不同的應(yīng)用形式。本文采用的中間件是數(shù)據(jù)訪問中間件技術(shù)，主要負(fù)責(zé)元數(shù)據(jù)的關(guān)聯(lián)、整合、協(xié)同、互動和按需服務(wù)等，實現(xiàn)XML元數(shù)據(jù)倉庫的管理，可分為配置、關(guān)聯(lián)、開關(guān)、讀、寫、查詢、刪除和遷移等多個子模塊。中間件數(shù)據(jù)處理流程見圖5。

中間件的工作原理如下：

圖5 中間件數(shù)據(jù)處理流程Fig.5 Flowchart of middleware data processing

a.將經(jīng)過數(shù)據(jù)預(yù)處理所形成的XML文件提交至中間件后，依據(jù)分類原則先對XML文件進(jìn)行形式識別，從而確定XML文件所屬元數(shù)據(jù)倉庫的所屬分類；

b.根據(jù)所屬分類，中間件從元數(shù)據(jù)倉庫查詢相關(guān)元數(shù)據(jù)文件，然后反饋與該元數(shù)據(jù)文件相關(guān)的具體信息；

c.中間件根據(jù)反饋信息，對XML元數(shù)據(jù)文件進(jìn)行刪除、增加、遷移等處理，并依據(jù)時序降序或者升序排列，對相近或相關(guān)的元數(shù)據(jù)進(jìn)行合并、組合等降維，直至形成數(shù)據(jù)倉庫。

2.3 實際數(shù)據(jù)管理

高維度、多源異構(gòu)的智能配用電實際數(shù)據(jù)，在元數(shù)據(jù)（實際數(shù)據(jù)存儲的邏輯地址）形成的基礎(chǔ)上，依據(jù)其映射關(guān)系，采用NoSQL技術(shù)對實際數(shù)據(jù)進(jìn)行分布式存儲管理。

2.3.1 NoSQL

NoSQL是一種非關(guān)系型、分布式、不提供ACID的數(shù)據(jù)庫設(shè)計模式［26-28］。針對關(guān)系型數(shù)據(jù)庫在處理密集型數(shù)據(jù)時所面臨的靈活性差、擴(kuò)展性差、性能差等實際問題，NoSQL從簡化、高效的目標(biāo)出發(fā)，采用以下核心技術(shù)。

a.簡單數(shù)據(jù)模型。NoSQL采用簡單數(shù)據(jù)模型，即一條數(shù)據(jù)記錄對應(yīng)唯一的鍵值，不支持外鍵和跨記錄的關(guān)系。

b.元數(shù)據(jù)和應(yīng)用數(shù)據(jù)的分離。NoSQL數(shù)據(jù)管理系統(tǒng)包括元數(shù)據(jù)和實際數(shù)據(jù)2種數(shù)據(jù)。其中，元數(shù)據(jù)是用于系統(tǒng)檢索、管理的數(shù)據(jù)；實際數(shù)據(jù)是用戶的原始數(shù)據(jù)。

c.弱一致性。NoSQL通過對實際數(shù)據(jù)保存多個副本來保持?jǐn)?shù)據(jù)的一致性，且弱一致性模型常采用最終一致性和時間軸一致性技術(shù)。

NoSQL數(shù)據(jù)庫的工作原理是：一方面，運行于Master節(jié)點的NameNode進(jìn)程對2.2節(jié)中所形成的智能配用電元數(shù)據(jù)倉庫進(jìn)行操作；運行于Slave節(jié)點上的DataNode進(jìn)程將智能配用電的任意一個大文件按照缺省的64MByte大小數(shù)據(jù)塊進(jìn)行分割，并存儲在分區(qū)分層的多個不同數(shù)據(jù)Slave節(jié)點上。另一方面，按照Map／Reduce的映射關(guān)系進(jìn)行數(shù)據(jù)分散和合并，從而完成數(shù)據(jù)存儲。NoSQL的數(shù)據(jù)處理工作流程如圖6所示。

圖6 NoSQL的數(shù)據(jù)處理工作流程Fig.6 Flowchart of NoSQL data processing

2.3.2 分層分區(qū)管理

圖7為NoSQL對智能配用電實際數(shù)據(jù)的分層分區(qū)原則，具體描述如下：

圖7 數(shù)據(jù)分層分區(qū)處理原則Fig.7 Principle of data processing in layers and divisions

a.Master節(jié)點上NameNode進(jìn)程負(fù)責(zé)對元數(shù)據(jù)倉庫存儲管理；

b.依據(jù)智能配用電的地域行政進(jìn)行分區(qū)，例如行政區(qū)域1、…、行政區(qū)域N；

c.任意一個行政區(qū)域內(nèi)的計算資源從Slave1依次進(jìn)行排序標(biāo)號，存儲實際數(shù)據(jù)；

d.任意一個Slave節(jié)點依據(jù)電網(wǎng)內(nèi)、電網(wǎng)外進(jìn)行數(shù)據(jù)分層，然后按照64MByte的存儲空間進(jìn)行分片，進(jìn)行順序存儲。

智能配用電實際數(shù)據(jù)存儲策略如下。

a.電網(wǎng)企業(yè)內(nèi)、外網(wǎng)的實際數(shù)據(jù)完全分層存儲，即電網(wǎng)企業(yè)內(nèi)部數(shù)據(jù)僅僅存儲于電網(wǎng)內(nèi)，電網(wǎng)企業(yè)外部數(shù)據(jù)存儲在相應(yīng)的電網(wǎng)外。

b.將配電自動化、GIS、SCADA／EMS、用電信息采集系統(tǒng)、客戶營銷服務(wù)系統(tǒng)以及95598等內(nèi)網(wǎng)數(shù)據(jù)按照電壓等級屬性進(jìn)行分類，即電網(wǎng)內(nèi)部數(shù)據(jù)分為 110 kV、35 kV、10 kV、0.4 kV數(shù)據(jù)分別進(jìn)行分類存儲；電網(wǎng)企業(yè)外部數(shù)據(jù)依據(jù)政府、第三方機(jī)構(gòu)、電力用戶等不同對象分別進(jìn)行存儲。

c.最小路徑分配存儲策略，即以Master節(jié)點為出發(fā)點，先從元數(shù)據(jù)倉庫中查詢到所屬類別的對應(yīng)XML數(shù)據(jù)表；然后從元數(shù)據(jù)XML表中分配足夠的存儲空間給實際數(shù)據(jù)，若同類元數(shù)據(jù)XML表中剩余存儲空間不足時，以相鄰最近為原則以續(xù)存方式給實際數(shù)據(jù)分配所缺額的存儲空間；最后依據(jù)分配指令對實際數(shù)據(jù)進(jìn)行存儲操作。

依據(jù)本文所提的存儲框架設(shè)計方案，在實驗室3臺Lenovo的普通PC機(jī)平臺上，進(jìn)行了初步實驗，硬件平臺的配置如表2所示。

表2 硬件平臺的參數(shù)Table 2 Parameters of hardware platform

在以上的不同配置、不同使用年限的異構(gòu)硬件平臺上，先用VMware虛擬機(jī)進(jìn)行虛擬化，并應(yīng)用C++語言開發(fā)的調(diào)度管理程序進(jìn)行資源化管理；然后，應(yīng)用商用的甲骨文Fusion Middleware中間件軟件，對用電信息采集系統(tǒng)結(jié)構(gòu)化數(shù)據(jù)、智能微電網(wǎng)的Web網(wǎng)頁等半結(jié)構(gòu)化數(shù)據(jù)、實驗室智能家居的圖片等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行元數(shù)據(jù)倉庫管理；最后應(yīng)用商用NoSQL數(shù)據(jù)庫，將以上實際混合數(shù)據(jù)存儲于這3臺PC機(jī)中，完成了數(shù)據(jù)的基本存儲。但隨著上海863科技項目智能配用電大數(shù)據(jù)的充實，框架方案有待進(jìn)一步地完善研究。

3 結(jié)論與展望

智能配用電數(shù)據(jù)，具有海量、高維度、存儲和查詢維護(hù)難等特點，在存儲架構(gòu)方面，本文按照資源管理、元數(shù)據(jù)管理和實際數(shù)據(jù)管理的思路在一定程度上解決了海量智能配用電大數(shù)據(jù)的存儲問題，本文設(shè)計方案從先進(jìn)理念上對智能配用電的大數(shù)據(jù)存儲進(jìn)行了前期框架設(shè)計，雖在實驗室進(jìn)行了基本存儲的實現(xiàn)和簡單驗證，但受限于大數(shù)據(jù)系統(tǒng)構(gòu)建的復(fù)雜性和長期性，還需要在未來工程的實踐中加以驗證和完善。對實踐中所發(fā)現(xiàn)的問題開展深入研究和探索，是未來工作的重點。

另外，由于智能配用電數(shù)據(jù)關(guān)系企業(yè)的用能特點、居民用戶的生活習(xí)慣涉及一定的商業(yè)機(jī)密或者個人隱私，對于數(shù)據(jù)的安全性和網(wǎng)絡(luò)共享，以及如何合理地挖掘利用這些大數(shù)據(jù)，也是需要重點關(guān)注的研究內(nèi)容。

［1］王守相，王成山.現(xiàn)代配電系統(tǒng)分析［M］.2版.北京：高等教育出版社，2014：142-148.

［2］何穎鵬.非結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一存儲平臺的設(shè)計與實現(xiàn)［D］.杭州：浙江大學(xué)，2013.HE Yingpeng.Design and implementation of unstructured data unified storage platform［D］.Hangzhou：Zhejiang University，2013.

［3］余斌.海量非結(jié)構(gòu)化數(shù)據(jù)分布式分析與檢索［D］.杭州：浙江大學(xué)，2012.YU Bin. Distributed analysis and retrieval of massive unstructured data［D］.Hangzhou：Zhejiang University，2012.

［4］劉科研，盛萬興，張東霞，等.智能配電網(wǎng)大數(shù)據(jù)應(yīng)用需求和場景分析研究［J］. 中國電機(jī)工程學(xué)報，2015，35（2）：287-293.LIU Keyan，SHENG Wanxing，ZHANG Dongxia，et al.Big data application requirements and scenario analysis in smart distribution network［J］.Proceedings of the CSEE，2015，35（2）：287-293.

［5］王繼業(yè)，季知祥，史夢潔，等.智能配用電大數(shù)據(jù)需求分析和應(yīng)用研究［J］. 中國電機(jī)工程學(xué)報，2015，35（8）：1829-1836.WANG Jiye，JI Zhixiang，SHI Mengjie，et al.Scenario analysis and application research on big data in smart power distribution and consumption systems［J］.Proceedings of the CSEE，2015，35（8）：1829-1836.

［6］趙騰，張焰，張東霞.智能配電網(wǎng)大數(shù)據(jù)應(yīng)用技術(shù)與前景分析［J］.電網(wǎng)技術(shù)，2014，38（12）：3305-3312.ZHAO Teng，ZHANG Yan，ZHANG Dongxia.Application technology of big data in smart distribution grid and its prospect analysis［J］.Power System Technology，2014，38（12）：3305-3312.

［7］王璟，楊德昌，李錳，等.配電網(wǎng)大數(shù)據(jù)技術(shù)分析與典型應(yīng)用案例［J］. 電網(wǎng)技術(shù)，2015，39（11）：3114-3121.WANG Jing，YANG Dechang，LI Meng，et al.Analysis of big data technology in power distribution system and typical applications［J］.Power System Technology，2015，39（11）：3114-3121.

［8］張東霞，苗新，劉麗平，等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究［J］.中國電機(jī)工程學(xué)報，2015，35（1）：2-12.ZHANG Dongxia，MIAO Xin，LIU Liping，et al.Research on development strategy for smart grid big data［J］.Proceedings of the CSEE，2015，35（1）：2-12.

［9］劉道新，胡航海，張健，等.大數(shù)據(jù)全生命周期中關(guān)鍵問題研究及應(yīng)用［J］. 中國電機(jī)工程學(xué)報，2015，35（1）：23-28.LIU Daoxin，HU Hanghai，ZHANG Jian，et al.Research on key issues of big data lifecycle and its application［J］.Proceedings of the CSEE，2015，35（1）：23-28.

［10］宋亞奇，周國亮，朱永利.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)［J］. 電網(wǎng)技術(shù)，2013，37（4）：927-935.SONG Yaqi，ZHOU Guoliang，ZHU Yongli.Present status and challenges of big data processing in smart grid［J］.Power System Technology，2013，37（4）：927-935.

［11］LABRINIDIS A，JAGADISH H V.Challenges and opportunities with big data［J］.Proceedings of the VLDB Endowment，2012，5（12）：2032-2033.

［12］田世明，楊增輝，時志雄，等.智能配用電大數(shù)據(jù)關(guān)鍵技術(shù)研究［J］. 供用電，2015（8）：12-18.TIAN Shiming，YANG Zenghui，SHI Zhixiong，et al.Research on the key technology of big data for smart power distribution and utilization［J］.Distribution&Utilization，2015（8）：12-18.

［13］AAMIR M，UQAILI M A，AMIR S，et al.Framework for analysis of power system operation in smart cities［J］.Wireless Personal Communications，2014，76（3）：399-408.

［14］YU Y X，ZENG Y，LIU H，et al.Challenges and R&D opportunities of smart distribution grids in China［J］.Science China：Technological Sciences，2014，57（8）：1588-1593.

［15］彭小圣，鄧迪元，程時杰，等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)［J］. 中國電機(jī)工程學(xué)報，2015，35（3）：503-511.PENG Xiaosheng，DENG Diyuan，CHENG Shijie，et al.Key technologies of electric power big data and its application prospects in smart grid［J］.Proceedings of the CSEE，2015，35（3）：503-511.

［16］宋亞奇，周國亮，朱永利，等.云平臺下輸變電設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)存儲優(yōu)化與并行處理［J］. 中國電機(jī)工程學(xué)報，2015，35（2）：255-266.SONG Yaqi，ZHOU Guoliang，ZHU Yongli，et al.Storage optimization and parallel processing of condition monitoring big data of transmission and transforming equipment based on cloud platform［J］.Proceedings of the CSEE，2015，35（2）：255-266.

［17］王相偉，史玉良，張建林，等.基于Hadoop的用電信息大數(shù)據(jù)計算服務(wù)及應(yīng)用［J］. 電網(wǎng)技術(shù)，2015，39（11）：3128-3133.WANG Xiangwei，SHI Yuliang，ZHANG Jianlin，et al.Computation services and applications of electricity big data based on Hadoop［J］.Power System Technology，2015，39（11）：3128-3133.

［18］韓璞，袁世通.基于大數(shù)據(jù)和雙量子粒子群算法的多變量系統(tǒng)辨識［J］. 中國電機(jī)工程學(xué)報，2014，34（32）：5779-5787.HAN Pu，YUAN Shitong.Multivariable system identification based on double quantum particle swarm optimization and big data［J］.Proceedings of the CSEE，2014，34（32）：5779-5787.

［19］張建偉，潘秀琴.基于量子優(yōu)化的云服務(wù)器負(fù)載均衡算法研究［J］. 計算機(jī)應(yīng)用研究，2015，32（10）：3128-3130.ZHANG Jianwei，PAN Xiuqin.Cloud server load balancing algorithm based on quantum optimization［J］.Computer Application Research，2015，32（10）：3128-3130.

［20］曲朝陽，陳帥，楊帆，等.基于云計算技術(shù)的電力大數(shù)據(jù)預(yù)處理屬性簡約方法［J］. 電力系統(tǒng)自動化，2014，38（8）：67-71.QU Zhaoyang，CHEN Shuai，Yang Fan，et al.An attribute reducing method for electric power big data preprocessing based on cloud computing technology［J］.Automation of Electric Power Systems，2014，38（8）：67-71.

［21］菅志剛，金旭.數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的研究與實現(xiàn)［J］.計算機(jī)應(yīng)用研究，2004，21（7）：117-118，157.JIAN Zhigang，JIN Xu.Research on data preprocess in data mining and its application［J］.Computer Application Research，2004，21（7）：117-118，157.

［22］歐陽柳波，李學(xué)勇，楊貫中，等.基于近似匹配模型的XML元數(shù)據(jù)檢索［J］. 計算機(jī)應(yīng)用，2005，25（4）：820-823，826.OUYANG Liubo，LI Xueyong，YANG Guanzhong，et al.XML metadata retrieval based on approximately matching model［J］.Computer Application，2005，25（4）：820-823，826.

［23］BOU-HARB E，F(xiàn)ACHKHA C，POURZANDI M，et al.Communication security for smart grid distribution networks［J］.IEEE Communications Magazine，2013，51（1）：41-49.

［24］SATHYANARAYANA B R，HEYDT G T.Sensitivity-based pricing and optimal storage utilization in distribution systems［J］.IEEE Transactions on Power Delivery，2013，28（2）：1073-1082.

［25］李濱，杜孟遠(yuǎn)，韋維，等.基于準(zhǔn)實時數(shù)據(jù)的智能配電網(wǎng)理論線損計算［J］. 電力自動化設(shè)備，2014，34（11）：122-128，148.LI Bin，DU Mengyuan，WEIWei，et al.Calculation of theoretical line loss based on quasi real-time data of smart distribution network ［J］.Electric Power Automation Equipment，2014，34（11）：122-128，148.

［26］徐青山，王文帝，林章歲，等.面向行業(yè)大數(shù)據(jù)特征挖掘的電力經(jīng)理指數(shù)指標(biāo)體系的建立與應(yīng)用［J］.電力自動化設(shè)備，2015，35（7）：15-21.XU Qingshan，WANG Wendi，LIN Zhangsui，et al.Establishment and application of EMI indicator system orienting to massive industrial data mining［J］.Electric Power Automation Equipment，2015，35（7）∶15-21.

［27］王德文，肖磊，肖凱.智能變電站海量在線監(jiān)測數(shù)據(jù)處理方法［J］.電力自動化設(shè)備，2013，33（8）：142-146，156.WANG Dewen，XIAO Lei，XIAO Kai.Processing of massive online monitoring data in smart substation ［J］.Electric Power Automation Equipment，2013，33（8）：142-146，156.

［28］宋亞奇，劉叔仁，朱永利，等.電力設(shè)備狀態(tài)高速采樣數(shù)據(jù)的云存儲技術(shù)研究［J］. 電力自動化設(shè)備，2013，33（10）：150-156.SONG Yaqi，LIU Shuren，ZHU Yongli，et al.Cloud storage of power equipment state data sampled with high speed［J］.Electric Power Automation Equipment，2013，33（10）：150-156.