摘要：随着在线监测的推广应用，输变电设备监测中心己在国内许多电网相继建立，在极端条件下很多电力设备的局部放电（partial discharge，PD）越限数据会蜂拥而至，其快速处理最具挑战性。针对传统局部放电相位分析（phase resolved partial discharge, PRPD）方法处理大数据时的效率低下问题，该文提出了基于MapReduce编程模型的并行化PRPD分析算法（P-PRPD），实现了海量PD信号的并行基本参数提取、统计特征计算与放电类型识别。在实验室中构造了4种放电模型并采集了大量PD信号，对所提算法在拥有6台计算节点的Hadoop平台上进行了详细的性能评估和实验分析。实验和分析结果表明，该算法在处理海量PD信号时较传统方法具有显著的效率提升，模式识别总准确率达到90％，满足工程应用需求。

关键词：大数据 局部放电 局部放电相位分析 数据处理 云计算 

单位：新能源电力系统国家重点实验室华北电力大学 河北省保定市071003