本实用新型涉及大数据和电力系统负荷预测技术领域，具体为一种短期电力负荷预测系统的分布式存储器。
背景技术：
电力系统的稳定运行是社会高速发展的基础，保障电力系统运行的安全性和可靠性具有重要的意义。为了保障电力系统稳定运行，满足用户变化的用电需求，电力部门需要制定合理的电力调度方案，准确的短期负荷预测是制定科学合理的调度方案的必要条件。
短期负荷预测以日负荷值为预测目标，主要用来给电网的日常调度提供参考。短期负荷容易受到很多因素的影响，例如经济、天气、社会活动等因素，这些因素对负荷的影响都是非线性的，这使得精准的短期负荷预测成为了一个巨大的挑战。
在当前电力行业数字信息化的背景下，数据来源越来越多样化，数据信息量也呈现大量增长的势头，电力系统也开始进入大数据的时代，如何对这些海量的数据进行存储、处理和计算就成为一个非常关键的课题。
技术实现要素：
本实用新型的目的在于，提供一种短期电力负荷预测系统的分布式存储器。本实用新型对电力大数据进行可靠的存储和管理。
本实用新型的技术方案：短期电力负荷预测系统的分布式存储器，应用于短期电力负荷预测系统，短期电力负荷预测系统包括输入装置，输入装置连接有计算中心，计算中心连接有显示装置；所述计算中心与分布式存储器相连，所述的分布式存储器连接有采集器，所述分布式存储器包括壳体，壳体内设有两台元数据节点和多个文件块存储节点；所述元数据节点并排设置在壳体内部的前端；所述元数据节点的前端面伸出壳体的侧面且设有第一接口，元数据节点的后端面设有第二接口；所述壳体的底面设有多个并排排列的架体，每个架体的下方对应设置文件块存储节点，且文件块存储节点的侧面设有与第一接口经数据线连接的第三接口；每个所述架体的上方均设有多个存储文件块，存储文件块的下端经连接口与文件块存储节点连接。
上述的短期电力负荷预测系统的分布式存储器，所述分布式存储器基于hadoop架构实现。
前述的短期电力负荷预测系统的分布式存储器，所述壳体的前侧面上设有多个通风孔。
前述的短期电力负荷预测系统的分布式存储器，所述壳体的后侧面设有多个散热风扇。
前述的短期电力负荷预测系统的分布式存储器，所述壳体的后侧面设有电源插座和电源开关。
前述的短期电力负荷预测系统的分布式存储器，所述采集器包括电气量采集器和非电气量采集器；所述电气量采集器包括电压互感器和电流互感器；所述非电气量采集器包括温度传感器、湿度传感器和风速测量仪。
与现有技术相比，本实用新型的分布式存储器是包括两台元数据节点和多个文件块存储节点，其中一台元数据节点作为主元数据节点，另一台元数据节点作为备用元数据节点，当主元数据节点宕机时，备用元数据节点可以自动替换成为主元数据节点，而且由于数据会被分布到多个文件块存储节点中，某个文件块存储节点宕机之后也不会影响数据的完整性，由此本实用新型对电力大数据进行可靠的存储和管理。此外，本实用新型还具有散热性好，集成度高的优点。
附图说明
图1为本实用新型应用的短期电力负荷预测系统结构示意图；
图2是分布式存储器的结构示意图；
图3是分布式存储器的内部结构示意图；
图4是分布式存储器的背部结构示意图。
附图标记
1、输入装置；2、计算中心；3、显示装置；4、采集器；5、分布式存储器；6、元数据节点；7、文件块存储节点；8、存储文件块，9、壳体；10、第一接口；11、第二接口、12、架体、13、第三接口、14、通风孔；15、散热风扇；16、电源插座、17、电源开关。
具体实施方式
下面结合附图和实施例对本实用新型作进一步的说明，但并不作为对本实用新型限制的依据。
实施例：一种短期电力负荷预测系统的分布式存储器，应用于短期电力负荷预测系统，短期电力负荷预测系统，如图1所述，包括输入装置1，输入装置1连接有计算中心2，通过输入装置1来输入控制信号和预测日期，触发计算中心2对该预测日期的负荷进行预测，输入装置1可以是某种终端设备，计算中心2可以是单个计算机、分布式计算中心；所述计算中心2连接有显示装置3；所述计算中心2还连接有分布式存储器5，分布式存储器5连接有采集器4；所述计算中心2从分布式存储器5中获取数据，然后根据控制信号来调用内部的机器学习预测算法对预测日期的负荷进行预测，机器学习预测算法可以采用回归算法、人工神经网络、循环神经网络、梯度提升决策树、支持向量机等算法；所述计算中心2将预测得到的结果发送到显示装置3上，由显示装置3进行统一展示，显示装置3可以是某种终端设备，计算中心2与显示装置3通过蓝牙或者无线局域网通信；所述分布式存储器5基于hadoop架构实现；hadoop的核心设计包括hadoopdistributedfilesystem(hdfs)和mapredusce，hdfs实现了一个分布式文件系统具有高容错性的特点，并且设计用来部署在低廉的硬件上，并且提供高吞吐量来访问其存储的数据，适合电力负荷预测这类有着超大数据集的应用场景，mapreduce为海量的数据提供了计算方式。hadoop对数据同时维护多个副本，确保能够针对失败的节点重新分布处理，并且hadoop以并行的方式工作，通过并行处理加快处理速度，具有高效可靠的特点。所述采集器4与分布式存储器5通过蓝牙或者无线局域网进行通信；所述采集器4包括电气量采集器4和非电气量采集器4；所述电气量采集器4包括电压互感器、电流互感器；所述非电气量采集器4包括温度传感器、湿度传感器、风速测量仪。采集器4采集到的数据输入到分布式存储器5中，由分布式存储器5对大量数据进行存储、管理和访问控制。
如图2和图3所述，所述分布式存储器5包括壳体9，所述壳体9的后侧面设有电源插座16和电源开关17，用于连接电源以及进行电源的开关；所述壳体9内设有两台元数据节点6和多个文件块存储节点7；其中一台元数据节点6作为主元数据节点，另一台元数据节点6作为备用元数据节点，主元数据节点与备用元数据节点经tcp/ip网络连接，所述的元数据节点6为namenode储存器，元数据节点可用于用于负责管理文件系统名称空间和控制外部客户机的访问，文件块存储节点7为datanode储存器，文件块存储节点可用于存储数据块，需要指出的是元数据节点和文件块存储节点也可用于其它的数据储存，本实用新型仅是对硬件部分的保护，因此本实用新型可用于任何匹配的使用场景。当主元数据节点宕机时，备用元数据节点可以自动替换成为主元数据节点。所述文件块存储节点7的数量根据实际进行设置；所述元数据节点6并排设置在壳体9内部的前端；所述元数据节点6的前端面伸出壳体9的侧面且设有第一接口10，第一接口10包括网络接口、usb接口等数据传输接口，用于外接计算中心，元数据节点6的后端面设有第二接口11；所述壳体9的底面设有多个并排排列的架体12，每个架体12的下方对应设置文件块存储节点7，且文件块存储节点7的侧面设有与第一接口10经数据线连接的第三接口13，第二接口11和第三接口13为常用的sata接口；每个所述架体12的上方均设有多个存储文件块8，存储文件块8的下端经连接口与文件块存储节点7连接，连接口也为常用的ide接口。本实施例中，每个文件块存储节点7对应连接的存储文件块8中的内容复制分布在其余的文件块存储节点7中，并由该文件块存储节点7存储在与之连接的存储文件块8中，具体存储的文件为电力系统数据文件，包括电气量数据和非电气量数据。
进一步地，如图2和图4所述，所述壳体的前侧面上设有多个通风孔14，所述壳体9的后侧面设有多个散热风扇15，利用通风孔和散热风扇进行散热，防止壳体内部温度过高导致故障发生。
工作原理：
该系统通过采集器4采集电力系统中的各项数据，然后存储到分布式的存储系统中，由分布式存储器5对大量数据进行存储、管理和访问控制，通过输入装置1来输入控制信号和预测日期，计算中心2从分布式存储器5中获取数据，然后根据控制信号来调用内部的机器学习预测算法对预测日期的负荷进行预测触，最后将预测得到的结果发送到显示装置3上，由显示装置3进行统一展示。
本实用新型采用分布式存储器5，可以容纳大量数据，并且可以提供可靠、高效的访问，非常适用于解决电力大数据问题，由此可以对电力大数据进行可靠的存储和管理。本实用新型的分布式存储系统器是基于hadoop架构实现，包括两台元数据节点6和多个文件块存储节点7，其中一台元数据节点6作为主元数据节点，另一台元数据节点6作为备用元数据节点，当主元数据节点宕机时，备用元数据节点可以自动替换成为主元数据节点6，而且由于数据会被分布到多个文件块存储节点7中，某个文件块存储节点7宕机之后也不会影响数据的完整性。
