基于三维场景的电力大数据快速可视化分析模型研究

发布时间：2017-08-05 00:08

  本文关键词：基于三维场景的电力大数据快速可视化分析模型研究

  更多相关文章： 可视化 虚拟现实 大数据 超级计算

【摘要】：可视化方法一直是用于展现和分析数据的重要手段。研究表明,人类从外界获取的信息有80%以上来自于视觉系统。当数据以直观的图形形式展现时,用户能够立刻知悉图形所表达的数据背后隐藏的信息,并迅速转化为知识。在大数据时代,由于数据量激增、数据维度增大,传统可视化方法已经不再直观。鉴于传统二维可视化方法事实上是N维数据的二维投影,对于大数据而言,传统的维度扁平化可视化方法会使得过多维度压缩到平面上,丢失了维度自身的空间信息,无法有效地体现数据特征。电力大数据不同于其它类别大数据之处在于其具有典型的空间拓扑结构,离散化的数据一般均可对应到三维空间的电力设备上去。本文由此提出一种新概念:基于三维虚拟现实场景的电力大数据可视化分析,以三维场景为基础进行数据的分析与可视化工作。在以三维虚拟现实场景为基础的环境下,数据的空间特性、数据之间的空间相关性能够得到直观展现,有利于实现快速人机交互。基于这种整合电力大数据分析与可视化的思想,本文首先提出了基于三维场景的电力大数据快速可视化分析模型,设计若干层次以实现业务、引擎、计算、控制、存储的抽象,将以往分离的电力数据存储、数据挖掘与分析、数据可视化整合到同一平台中;其次,针对模型中的大规模三维场景的实时渲染问题,分别设计了高效可见性剔除方法和多分辨率快速渲染方法,用以实现大数据环境下电力系统三维虚拟现实场景的快速构建与渲染。其中,可见性剔除方法针对场景组织问题,对大规模场景采用八叉树组织场景图结构实现快速实时的遮挡剔除,高效减少进入渲染管线的数据量;多分辨率快速渲染方法针对模型复杂度问题,基于细节层次思想提出权重函数算法,对组成模型的基本元素计算综合权重确定简化顺序,从而实现渐进的、动态的、可无损重建的模型简化方法,用以完成三维虚拟现实场景中模型复杂度的有效约减;最后,通过某变电站的变压器油色谱数据可视化分析实例验证本文提出的模型和方法有效。实例验证表明,本文设计的以三维场景为中心的电力大数据快速可视化分析模型符合电力企业大数据应用的业务需求,符合用户视觉对于加强理解数据的交互需求,增强了人机交互效率、提高了可视化分析工作的效率。其中,快速可见性剔除方法在处理大数据环境下的电力系统大规模三维虚拟现实场景时达到较高的效率,多分辨率快速渲染方法较好地保持电力设备模型外观不产生较大形变。
【关键词】：可视化 虚拟现实 大数据 超级计算
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-16
• 1.1 课题背景及研究的目的与意义11-12
• 1.2 电力大数据可视化分析研究现状12-14
• 1.3 本课题主要研究内容14-15
• 1.4 论文组织结构与章节安排15-16
• 第2章 大数据可视化分析原理与技术概述16-24
• 2.1 可视化基本原理与技术16-19
• 2.1.1 GPU架构与图形渲染管线16-17
• 2.1.2 图形数据约减方法17-18
• 2.1.3 通用图形接口OpenGL18-19
• 2.2 并行计算基本原理与技术19-23
• 2.2.1 超级计算20-21
• 2.2.2 大数据基本原理与技术21-23
• 2.3 本章小结23-24
• 第3章 电力大数据快速可视化分析模型设计24-31
• 3.1 可视化分析任务处理流程24-25
• 3.2 层次化的大数据可视化分析架构25-27
• 3.3 并行计算策略设计27-29
• 3.4 快速可视化引擎设计29-30
• 3.4.1 大规模三维场景高效遮挡剔除方法30
• 3.4.2 大规模三维场景快速模型约减方法30
• 3.5 本章小结30-31
• 第4章 大规模三维场景高效遮挡剔除方法31-40
• 4.1 场景管理与可见性剔除方法概述31-34
• 4.1.1 场景图数据结构31-32
• 4.1.2 可见性剔除问题32-34
• 4.2 基于松散八叉树的场景图数据结构34
• 4.3 基于Halton序列的随机射线遮挡剔除算法34-37
• 4.3.1 Halton序列35
• 4.3.2 随机射线生成与查询算法35-37
• 4.4 实验结果与分析37-39
• 4.4.1 松散八叉树场景图结构均衡性37
• 4.4.2 基于Halton序列的随机射线遮挡剔除算法效率37-39
• 4.5 本章小结39-40
• 第5章 大规模三维场景模型快速约减方法40-49
• 5.1 LOD方法概述40-41
• 5.2 基于LOD权重函数的模型简化算法41-43
• 5.2.1 权重函数方法简介41
• 5.2.2 本文LOD算法设计41-43
• 5.3 模型渐进简化与重建算法43-45
• 5.3.1 边收缩策略43-44
• 5.3.2 渐进简化与重建44-45
• 5.4 实验结果与分析45-48
• 5.5 本章小结48-49
• 第6章 变压器油色谱数据可视化实例分析49-55
• 6.1 可视化分析任务处理流程49
• 6.2 数据挖掘与分析49-52
• 6.3 结果集可视化52-53
• 6.4 三维虚拟现实场景与数据集成53-54
• 6.5 本章小结54-55
• 结论55-57
• 参考文献57-61
• 攻读硕士学位期间发表的论文及其它成果61-62
• 致谢62

【参考文献】

中国期刊全文数据库 前10条

1 刘文明;杨浚;朱建奇;王艳东;;GIS实时数据可视化研究[J];测绘与空间地理信息;2015年03期

2 单桂华;谢茂金;李逢安;高阳;迟学斌;;大规模天文时序粒子数据的可视化[J];计算机辅助设计与图形学学报;2015年01期

3 王祖超;袁晓如;;轨迹数据可视分析研究[J];计算机辅助设计与图形学学报;2015年01期

4 王栋;;大数据可视化技术在电网企业的应用[J];江苏电机工程;2014年06期

5 任磊;杜一;马帅;张小龙;戴国忠;;大数据可视分析综述[J];软件学报;2014年09期

6 殷智慧;李朝奎;吴柏燕;杨偶;杨武;;保持视觉特征的LoD模型简化算法研究[J];武汉大学学报(信息科学版);2014年07期

7 章坚民;陈昊;陈建;周明磊;庄晓丹;陈耀军;;智能电网态势图建模及态势感知可视化的概念设计[J];电力系统自动化;2014年09期

8 赵林;王丽丽;刘艳;孙湃;张亮;;电网实时监控可视化技术研究与分析[J];电网技术;2014年02期

9 刘镇;郝冬宁;梅向东;;基于CUDA的并行加速渲染算法[J];中国图象图形学报;2013年11期

10 张志强;宋海生;;改进LOD的大规模三维漫游场景简化策略及分割算法[J];计算机系统应用;2013年11期

中国硕士学位论文全文数据库 前2条

1 曾悠;大数据时代背景下的数据可视化概念研究[D];浙江大学;2014年

2 梁阳豆;CUDA平台下的电力系统最优潮流并行计算研究[D];广西大学;2012年

，

本文编号：622336