電力設備在線監測指在不停電的情況下，對電力設備狀況進行連續或周期性地自動監視檢測，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。電力設備在線監測是實現電力設備狀態運行檢修管理、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，電力設備在線監測得到了較大發展并成為趨勢，監測數據變得日益龐大，逐漸構成電力設備監測大數據，這給電力設備在線監測系統在數據存儲和處理方面帶來非常大的技術挑戰。

 

    電力設備監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。基于qave-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，數據規模達EB級別。MaxCompute目前已在大型互聯網企業的數據倉庫和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模應用。