基于云计算的电力异常大数据检测系统设计
传统检测系统通过结合Hadoop云计算技术，在检测智能电网状态方面，提供了一种可以有效检测的方案，但是检测效率较低。
而基于负荷预测的检测系统是根据用户用电大数据的特点所设计并开发的，但是该系统在流式数据的实时处理上速度比较慢，且计算处理能力也达不到所需要求。
所以根据海量用电数据，提出并设计了基于云计算的电力异常大数据检测系统。
不同用户和客户的业务信息已经被供电企业营销系统所覆盖，全覆盖也已经在智能电表中实现，目前用电信息采集系统中所有计量装置的实时信息都能够被采集到。
而由该装置收集并提供的数据作为本系统的基础，各个部分的子系统和系统结构都建立在多用户和分布式网络框架的基础上。
为了满足移动用户的使用体验要求和快速发展更新的业务需求，移动端底层框架以H5技术作为应用逻辑层，以Android和IOS的原生开发框架技术为技术支撑。
使用H5技术可以大量减少研发的时间并使应用发布速度得到很大程度的提升，让Web端和移动端都可以达到代码共用的目的。
移动端不仅可以在市场机型上得到很好的支持，在自适应展示上也达到了所需的目的。
存储器是各种数据和程序的存储单位，它在计算机运行程序或者数据时进行自动且高速的存储工作。存储器的存储主要依据两种稳定状态的物理元件，这些元件是具有记忆功能的设备，因此它们也被称为记忆元件。
计算机主要采用“0”和“1”来表示数据，它们是只有两个数码的二进制，也被用来表示记忆元件的两种稳定状态。
为了更好地满足电力业务需求，使用电力异常数据检测系统的能力更完善，可以支持更多种集群的技术，即采用MySQL数据库技术存储关系型数据。
并使用更高更可用的Redis作为缓存数据库。而RabbitMQ技术被用作消息队列，要求消息列队技术可以被应用于各个应用中，并解决存在的应用间耦合问题。
数据缓冲器是用来暂时储存在不同传输能力电子元件中通过数据的一种存储器。电话线、计算机的数据总线、计算机串口等都具有不同的传输速度。
因此缓冲器可以平衡每种部件之间的数据流，数据的发送和接收都需要通过缓存器找到一种最合适的速率。
缓冲器除了具有延缓作用外，还被用来提高驱动能力和前后级电路的隔离程度，因此数据缓冲器大多被用于总线上。
在设计CPU时，驱动一个TTL负载的一般输出线直流负载即可完成，而连接CPU时，由于存储器的芯片中包含电容，且直流负载都比TTL小很多的MOS电路。
所以CPU的一根地址线或数据线，都可以连接多个存储器芯片。所以CPU和存储器可以直接连接在小型系统中，而大型系统就不能这样操作，必须要加上数据缓冲器。
用电信息采集系统不仅应用于配电设备的配变电监测，在客户用电负荷管理及分析电力营销的辅助决策中也应用该系统。
而且用电信息采集系统作为供电企业与电力客户之间进行交易和支付结算的唯一依据，具有准确性和完整性，电力交易是否公平、供电企业有着怎样的服务形象、优质与否都受到该系统的影响。
要对阈值进行相应的设置，就需要根据电流、电压、功率和电量等数据，筛选不同种类的日冻结、月冻结曲线数据，只要有数据突破阈值，就要对该数据进行异常处理。
因为采集系统里面收集并储存了非常庞大的数据量，所以系统的最大问题便是存储的速度，因此需要进行合理的技术路线设计，来进行筛选和处理异常的数据，做到不影响数据的采集。
每一个由微服务向外提供的接口，不仅需要发布与之相对应的说明文件，为了减少日常开发中沟通所需消耗的成本，还要提供能够联机的在线查询工具。
SpringRestdocs常被用在Demo示例的编写中，它是一个工具套件，作用是简化编写API开发文档工作。SpringRestdocs的默认输出格式是HTML，最终文档的效果需要通过Asciidoctor来渲染，因此SpringRestdocs也被用于PDF输出。
SpringRestdocs不需要其他任何代码的辅助，通过集成SpringMvcTest框架，只需要对接口的文档化进行单元测试编写。
SpringRestdocs还可以完美结合Jenkins等集成工具，在自动构建过程中进行API接口的自动测试，进而生成接口文档，实现永远统一的代码和文档。
