A Dependable Time Series Analytic Framework for Cyber-Physical Systems of IoT-based Smart Grid
A Dependable Time Series Analytic Framework for Cyber-Physical Systems of IoT-based Smart Grid
复制标题
基于物联网的智能电网信息物理系统的可靠时间序列分析框架
DOI：
10.1145/3145623
复制
发表时间：
2018-08
期刊：
影响因子：
--
通讯作者：
Weiwei Shi
中科院分区：
文献类型：
--
作者：
Chang Wang;Yongxin Zhu;Weiwei Shi
随着网络物理系统(CP)的出现，我们现在正处于下一次计算革命的边缘。建立在物联网(IoT)之上的智能电网(SG)是这场CPS革命的基础之一，这场革命涉及大量通过网络连接的智能对象。SG设备的时间序列数据量巨大，由于网络传输不可靠，原始时间序列极有可能包含缺失值。存储大量的原始时间序列，从而为精确的时间序列分析提供坚实的支持，这一问题现在变得棘手起来。在这篇文章中，我们提出了一个可靠的时间序列分析(DTSA)框架，用于基于物联网的SG。我们提出的DTSA框架能够提供可靠的从CPS到目标数据库的数据转换，并使用一个提取引擎来初步提炼原始数据，并使用建立在基于传感器网络正则化的矩阵分解方法之上的校正引擎来进一步清理数据。实验结果表明，本文提出的DTSA框架能够通过在线轻量级抽取引擎和离线修正引擎有效地提高原始时间序列在CPS和目标数据库系统之间转换的可靠性。我们提出的DTSA框架将对其他工业大数据实践有用。
With the emergence of cyber-physical systems (CPS), we are now at the brink of next computing revolution. The Smart Grid (SG) built on top of IoT (Internet of Things) is one of the foundations of this CPS revolution, which involves a large number of smart objects connected by networks. The volume of time series of SG equipment is tremendous and the raw time series are very likely to contain missing values because of undependable network transferring. The problem of storing a tremendous volume of raw time series thereby providing a solid support for precise time series analytics now becomes tricky. In this article, we propose a dependable time series analytics (DTSA) framework for IoT-based SG. Our proposed DTSA framework is capable of providing a dependable data transforming from CPS to the target database with an extraction engine to preliminary refining raw data and further cleansing the data with a correction engine built on top of a sensor-network-regularization-based matrix factorization method. The experimental results reveal that our proposed DTSA framework is capable of effectively increasing the dependability of raw time series transforming between CPS and the target database system through the online lightweight extraction engine and the offline correction engine. Our proposed DTSA framework would be useful for other industrial big data practices.
登录
查看更多内容
DOI：
10.14778/1687627.1687731
发表时间：
2009-08
期刊：
Proc. VLDB Endow.
影响因子：
--
作者：
A. Abouzeid;Kamil Bajda-Pawlikowski;D. Abadi;A. Rasin;A. Silberschatz
通讯作者：
A. Abouzeid;Kamil Bajda-Pawlikowski;D. Abadi;A. Rasin;A. Silberschatz
DOI：
10.4156/ijact.vol2.issue5.4
发表时间：
2010-12
期刊：
Int. J. Adv. Comp. Techn.
影响因子：
--
作者：
D. Carstoiu;Elena Lepadatu;M. Gaspar
通讯作者：
D. Carstoiu;Elena Lepadatu;M. Gaspar
影响因子：
20.6
作者：
Kim, Kyoung-Dae;Kumar, P. R.
通讯作者：
Kumar, P. R.
DOI：
--
发表时间：
2015-07
期刊：
--
影响因子：
--
作者：
Oren Anava;Elad Hazan;A. Zeevi
通讯作者：
Oren Anava;Elad Hazan;A. Zeevi
DOI：
--
发表时间：
2010-06
期刊：
--
影响因子：
--
作者：
M. Zaharia;Mosharaf Chowdhury;Michael J. Franklin;S. Shenker;I. Stoica
通讯作者：
M. Zaharia;Mosharaf Chowdhury;Michael J. Franklin;S. Shenker;I. Stoica