大数据在智能供热分析预测中的应用

【数据猿导读】 “大数据”是指无法用常规软件工具进行捕捉、管理和处理的数据集合,需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。本文主要讲述大数据在智能供热分析预测中的应用

大数据在智能供热分析预测中的应用

 

1、大数据

“大数据”是指无法用常规软件工具进行捕捉、管理和处理的数据集合,需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

需要新的处理模式

具有更强的决策力、洞察发现力和流程优化能力

高增长率和多样化的信息资产。

2、大数据特征

3、大数据的作用

数据存储:可存储TB、PB、EB或更大数据集合 数据分析:可进行全数据分析

4、大数据的依托

大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。

必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术等。

5、云计算平台

云计算(Cloud Computing)是分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、 网络存储(Network Storage Technologies)、虚拟化(Virtualization)、负载均衡(Load Balance)、热备份冗余(High Available)等计算机和网络技术发展融合的产物。

云计算的特征:

--基于互联网,开放、自助、全球可接入

--多节点集群

--弹性扩展

--资源共享

--动态分配

6、云计算平台分类

7、云计算平台

IT系统优化:

—从“系统竖井”到“IT资源池”

—提高资源利用效率

—提升对业务改变的响应能力

—超高稳定性

—大幅提高 IT 效率

—强大的可扩展性

8、云计算平台功能

虚拟化提供很多高级功能(包括“动态迁移”、“高可用性”、“手机告警”和“负载均衡”,用软件的方式从底层解决了很多管理和维护问题,并且能够完全自动的调整系统配置,灵活动态的适应节能和优化计算资源等不同的管理策略,达到最佳的平衡。

“负载均衡”技术,实现了计算资源最优化和最佳节能不同管理策略的最佳平衡!当系统的负载较重时,平台可以动态灵活的调整分配给虚拟机系统和应用的计算资源,让多个服务器互相分担较重的工作负载;而系统负载较轻时,平台可以自动的将所有虚拟机及相应IT系统尽可能的集中,用少数的服务器来承载运算工作,而关闭其他的服务器,一方面延长了服务器的使用寿命,一方面最大限度的节省了能源的消耗。

9、云计算平台主要优点

主要优点:

超高稳定性

经过多年的产品经验积累和实际项目验证,虚拟化具有超高的稳定性,系统运行的稳定性不会因为虚拟化的整合而受到影响,免除了云计算落地的后顾之忧。

大幅提高 IT 效率

使用虚拟化进行服务器整合,将物理服务器硬件的利用率从15%一下提高到80%以上,而且丝毫不降低性能。

有效控制 IT 成本

资金的开销减少高达70%,同时管理运维等开销减少40%。虚拟化将所有运行于其上的 IT 应用的基础设施综合成本进行有效控制。

大幅提升IT系统的可用性

使用虚拟化平台的IT基础架构,任何业务系统都可以轻松实现系统的高可用保护,无需采用传统双机热备方案,操作配置更简单、灵活,通过管理客户端可以随时更改和应用不同的高可用方案。

强大的可扩展性

使用虚拟化实现灵活的 IT 基础设施管理,将硬件计算资源进行整体规划,计算资源需要扩展时再进行相关设备的购置,并且可以将新的设备轻松加入现有基础设施平台,真正做到按需实现平滑的系统扩容。

简单直观的安装、管理界面

虚拟化根据国人的使用习惯,在管理界面的设计和优化方面做了大量的工作,将复杂的底层系统实现透明化,尽可能的简化用户的使用和操作,将日常的 IT 运维和管理工作化繁为简,让用户和 IT 管理员高枕无忧。

10、云架构与传统架构的对比

11、基于大数据平台的“智能热网”系统发

采用企业私有云技术促进“智能热网”高速发展

12、“智能热网”系统---大量的软件模块

“智能热网”系统软件模块的多样性

13、“智能热网”系统---复杂的逻辑关系

14、“智能热网”系统---►云计算技术

15、“智能热网”系统--大数据平台架构

16、“智能热网”系统--大数据的数据流程

17、大数据系统的分析预测功能实例

18、“智能热网” 全集成解决方案

Total Solution of “Intelligent Heating”

基于大数据、云计算、自动化控制技术的 涵盖热源、热网、热力站、热用户的全方位智能热网平台


来源:石家庄市城市科学研究会

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

我要评论