随着变电站信息化和数字化水平的提高,变电设备状态监测产生的数据量呈指数级增长,如何可靠的对这些海量历史数据进行存储、计算,以及对变电站设备进行实时的状态评估成为研究热点。传统的单机存储和计算能力有限,不能满足海量状态监测数据存储和计算的要求。近年来,云计算技术的兴起,互联网公司将其应用在自己的业务中(如实时推荐),取得了巨大收益。本文将云计算技术与变电站状态监测系统进行结合,通过分布式文件系统、数据仓库和实时计算技术,旨在解决变电站状态监测数据的存储、离线计算和在线状态评估。主要研究内容有:(1)研究主流的云计算技术。对Hadoop生态圈主流技术进行学习研究,主要包含分布式计算框架的设计思想、系统架构等,为后续工作提供理论基础。(2)根据变电站状态监测系统的特点,以及云计算技术的优势,分析系统功能需求,设计系统总体架构,包括数据生成、数据接入、数据加工、Web平台。对其中的离线计算平台提出基于维度建模的数据仓库解决方案,并设计数据仓库的分层结构及数据仓库ETL处理流程。(3)将分布式实时计算框架Spark Streaming应用到变电站状态监测系统中,分析流数据处理技术在状态监测中的应用。通过BP神经网络算法对变电站蓄电池剩余容量进行预测,并将训练好的模型保存为PMML模型文件,然后通过Spark Streaming加载训练好的模型进行实时的蓄电池剩余容量预测,根据预测结果对蓄电池状态进行评估,并将预测结果可视化。(4)最后对本文设计的总体架构进行实验与测试,在实验室搭建小型集群,利用变电站蓄电池监测数据集,对总体架构中数据生成、数据接入、数据加工、数据可视化进行实现,并给出相关实现效果的展示图。利用变电站蓄电池状态监测数据进行实验测试,长时间对机器CPU、内存利用率进行跟踪,通过跟踪得到的数据,对其进行分析,得出系统能够长时间保持可靠、稳定的运行,验证本文设计总体架构的可行性。