一种电网云平台资源调度算法的研究

针对规模快速扩大的电网云平台所暴露出能源成本高和计算调度资源效率低的问题,基于负载均衡的概念和原理,提出了一种节能负载均衡全局优化算法,用于优化电网云平台的计算资源调度。首先云平台的资源调度问题是一个旨在优化能源消耗和负载均衡组合优化问题;然后提出了基于负载均衡策略和克隆选择原则的资源调度算法;最后实验表明,该算法能有效降低云平台的能耗,提高其资源调度效率。     

一种电网云平台资源调度算法的研究

针对规模快速扩大的电网云平台暴露出的能源成本高和计算调度资源效率低的问题,基于负载均衡的概念和原理,提出一种节能负载均衡全局优化算法,用于优化电网云平台的计算资源调度.鉴于云平台的资源调度问题是一个旨在优化能源消耗和负载均衡组合问题,提出了基于负载均衡策略和克隆选择原则的资源调度算法.试验表明,该算法能有效降低云平台的能耗,提高其资源调度效率。     

基于并行动态规划的水库发电优化

动态规划是水库发电优化调度研究中的经典方法。为了提高动态规划算法计算性能以及适应多核计算技术发展趋势,本文在分析传统串行动态规划算法计算特点的基础上,建立基于主从模式的并行动态规划模型,并将其运用到水布娅水库的发电优化计算中。计算结果表明,在多核运算平台下,并行动态规划算法能够充分利用多核资源,有效提高算法计算效率,缩短计算时间。     

基于调度云平台通用分布式架构实践

针对传统调度云数据集成架构微服务拆分不合理、可靠性差及大规模数据处理出现瓶颈等问题,提出基于调度云平台通用分布式架构解决方案。首先构建了云平台系统典型架构,基于云计算理念将云平台组件与实际业务系统高效整合。其次探索研究了分布式关键技术,包括基于元数据的文件分布式存储、多执行器的分布式任务处理中心、基于数据代理的分布式数据库存储、业务模块分布式部署等架构,并提出了基于异常任务回收机制的综合负载调度算法。最后通过真实场景验证所提出的分布式架构提升了海量数据加工、处理及存取效率,增强了系统在高并发情形下的性能表现。     

电力巡检点云分布式异构处理的研究

本文研究并开发了一种基于异构流程计算的分布式计算调度算法,通过将传统的算法与软件进行适配性改造,构建电力巡检点云的分布式处理系统,该调度算法提供基于流程图的设计能力,能实现点云处理的计算资源、作业任务的动态并行化调度,从而将传统的烟囱与数据孤岛的作业模式,转换为流水线分布式协同的作业生产方式。     

云计算环境下电力网络负载均衡调度方法研究

针对传统的云计算环境下电力网络负载均衡调度方法对负载数据出现的时变耦合特性不能自适应跟踪,调度性能不好的问题,提出基于模糊循环迭代控制算法,并应用到云计算环境下的电力网络负载均衡调度中。介绍了算法的详细实现过程,提取电力网络负载数据均衡调度特征参数,构建电力数据权重分配机制,计算正交加权约束均衡比,进行模糊循环迭代控制,实现对电力网络负载均衡调度。仿真实验表明,该方法能提高电力网络的负载均衡性,提高云计算环境下电力网络均衡调度的效率和电力资源均衡配置的能力。     

基于进程调度的ERP系统负载均衡算法

针对ERP系统负载均衡问题展开研究,提出了一种基于进程调度的分布式动态负载均衡算法LBAPS。通过对参与应用的节点进行合理分类,算法制定了进程调度的若干规则,系统节点在这些规则基础上协同进行均衡操作。理论分析指出,算法运行的时间复杂度为节点规模的平方阶。仿真实验结果表明,相对无负载均衡的系统,本算法可以带来显著的优化效果。     

基于膜计算和蚁群算法的电网云平台资源配置方法

针对电力系统云平台快速应用发展情况下,电网数据分析处理资源利用不均衡、电力系统数据中心结构复杂的现状,文中提出基于电力分析计算任务划分的云计算虚拟资源配置方法,从而较好地解决当前云计算存在的资源调度不合理问题。该方法引入膜计算概念,将云平台下的复杂分析任务按资源配置时间的不同划分为多类;采用改进蚁群算法按照资源占用率和计算机能耗为应用目标逐类实现虚拟资源的优化分配。仿真证明基于任务划分和蚁群算法的电网云平台虚拟资源配置方法可以提高调度效率,均衡分配资源,较好地实现云平台虚拟资源利用的最大化。     

基于膜计算和蚁群算法的电网云平台资源配置方法

针对电力系统云平台快速应用发展情况下,电网数据分析处理资源利用不均衡、电力系统数据中心结构复杂的现状,文中提出基于电力分析计算任务划分的云计算虚拟资源配置方法,从而较好地解决当前云计算存在的资源调度不合理问题。该方法引入膜计算概念,将云平台下的复杂分析任务按资源配置时间的不同划分为多类;采用改进蚁群算法按照资源占用率和计算机能耗为应用目标逐类实现虚拟资源的优化分配。仿真证明基于任务划分和蚁群算法的电网云平台虚拟资源配置方法可以提高调度效率,均衡分配资源,较好地实现云平台虚拟资源利用的最大化。     

基于Spark和IPPSO_LSSVM的短期分布式电力负荷预测算法

为了提高电力负荷预测的精度,应对单机运算资源不足的挑战,提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。通过引入Spark on YARN内存计算平台,将改进并行粒子群优化(IPPSO)算法部署在平台上,对最小二乘支持向量机(LSSVM)的不确定参数进行算法优化,利用优化后的参数进行负荷预测。通过引入并行化和分布式的思想,提高算法预测准确率和处理海量高维数据的能力。采用EUNITE提供的真实负荷数据,在8节点的云计算集群上进行实验和分析,结果表明所提分布式电力负荷预测算法精度优于传统的泛化神经网络算法,在执行效率上优于基于Map Reduce的分布式在线序列优化学习机算法,且提出的算法具有较好的并行能力。     

云计算环境下大型电气数据库存储性能分析与优化

<正>在云计算环境下,电气数据通过云的形式存储于大型电气数据库中,大型电气数据库的存储性能关系电气数据的吞吐能力和数据资源的调度能力,研究电气数据库的云存储优化模型意义重大。传统的云计算环境下的大型电气数据库的云存储构建模型。采用用户行为特征资源负载均衡方法进行云存储系统任务调度,存在电气数据库存储资源浪费,云计算网格空间分配不均等问题。提出一种基于云计算网格空间资源信息流时间尺度分析的大型电气数据库的存储优化模型     

随机风电接入的电力系统动态经济调度多场景协同优化

针对随机风电接入的电力系统动态经济调度问题,采用场景法应对随机风电接入带来的不确定性,并以发电总成本最小为优化目标,结合多学科协同优化算法的核心思想建立基于多场景解耦的电力系统动态经济调度协同优化模型。引入动态松弛算法求解模型的系统级优化问题,有效克服传统多学科协同优化算法的不足;采用网格计算工具并行求解由多场景构建的子学科优化问题,大幅提高求解规模和计算效率。含风电的IEEE 39节点系统仿真结果表明,所提模型是可行有效的,并且优化效果要优于基于GAMS-BARON求解器的传统场景法。     

云计算在智能电网调度中的应用

为解决传统电力系统中集中式计算平台海量数据流的存储和分析功能不足的问题,针对云计算在智能电网调度技术中的应用进行了研究。首先,对云计算技术在IT行业的发展进行阐述,对云计算的关键技术从虚拟化与快速部署技术、大规模分布式存储技术、资源调度技术、大规模多租户技术、海量数据处理技术以及大规模信息通信技术等方面出发进行介绍。其次,借鉴IT行业云计算技术,设计了基于云计算的智能电网计算平台以及基于云计算的智能电网互动式节能优化调度架构,以期推动云计算在电力系统中的发展,解决智能电网互动式节能优化调度算法方面的问题。     

基于虚拟机动态迁移的电力仿真云计算平台资源调度策略

针对目前电力系统仿真计算实时性与计算精度要求高、平台可扩展性差以及资源利用率低等特点,首先给出了一种基于开源基础设施平台OpenStack和并行处理框架Hadoop的电力仿真云计算平台架构,能够以较低成本实现动态扩展、高效计算和海量存储等功能。其次,结合电力系统仿真任务特点,给出了一种基于多目标粒子群优化(PSO)算法的虚拟机迁移策略,实现电力仿真云计算平台资源调度。虚拟机迁移过程采用指数平滑预测模型确定热点,选择虚拟机时综合考虑迁移速度和效果两个因素,利用多目标PSO算法搜索目标节点,使得电力系统仿真计算在保证服务质量的同时兼顾高资源利用率和低运行成本的优势。最后,通过CloudSim进行仿真实验,将所提算法与贪心迁移算法和顺序放置非迁移算法进行对比。实验表明,所提算法在服务等级协议(SLA)违背率、剩余资源率、能耗以及虚拟机迁移次数等指标上均优于其他算法,验证了基于虚拟机动态迁移的多目标PSO算法在电力仿真云计算平台资源调度中的优势和可行性。     

基于云计算和极限学习机的分布式电力负荷预测算法

为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率;采用云计算的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理海量高维数据的能力。选用EUNITE提供的真实电力负荷数据进行算例分析,在32节点云计算集群上进行实验,结果表明基于该模型的负荷预测精度均优于传统支持向量回归预测算法和泛化神经网络预测算法,且提出的算法具有优异的并行性能。     

考虑分布式电源无功调节的配电网两级动态无功调度策略

针对传统配电网两级动态无功调度策略存在的均衡度低、耗时长的问题,提出了考虑分布式电源无功调节的配电网两级动态无功调度策略。根据分布式电源的无功调节原理,设计了配电网安全态势功能模型,在引入数据处理技术的基础上,评估了配电网的网络安全态势。利用配电网两级的输出信道带宽,构建了影响配电网两级电力负载的期望方程。基于配电网节点耗能因子矩阵,得到了配电网两级动态无功调度的负载输出项,完成配电网两级动态无功调度的统计分析。通过制定配电网两级动态无功调度策略,实现了配电网两级的动态无功调度。实验结果表明,考虑分布式电源无功调节的配电网两级动态无功调度策略的均衡系数大于0.7,调度耗时在5 s以下,不仅具有更高的均衡度,还可以确保配电网两级动态无功调度具有更高的效率。     

云计算平台技术及其在电网调度中的应用

计算平台技术是对海量数据进行高效可靠的存储、访问以及分析处理的核心技术。详细分析了传统计算平台技术,包括并行计算技术、分布式计算技术、网格计算技术。在此基础上引入了云计算平台的概念。从定义介绍、网络拓扑、软硬件架构等方面对云计算平台进行了详细论述,并比较了云计算同网格计算的不同之处。最后,提出了基于云计算平台的新一代电网调度控制系统的原型概念设计,并从系统整体架构、基础云平台核心技术和业务应用模块3个方面对该系统进行了阐述。该系统充分发挥了云计算的技术优势,将全局性集中式分析业务与区域性分布式实时业务有机整合,实现了电网调度的集约化管理。     

基于优化遗传算法的负载均衡策略研究

移动互联网和云计算技术的飞速发展,孕育了一种新的移动服务框架——移动云计算(mobile cloud computing,MCC)。传统遗传算法(standard genetic algorithm,SGA)作为一种元启发式算法,在解决移动云环境中负载均衡问题时存在着收敛速度慢、易于陷入局部收敛的问题。提出了一种优化的负载均衡算法,采用基于多目标的适应度函数,自适应的交叉和变异算子,更好地适应了移动云环境中资源的异质性特征和资源部署的实时性需求。采用云仿真器Cloudsim进行仿真,结果表明改进算法在负载均衡度和资源部署时间方面均优于传统遗传算法。     

基于一致性算法的柔性互联配电网负载均衡控制

传统配电网馈线负载均衡依赖网络重构来解决,但不能保障参与重构每回线路的负载动态均衡。强随机性分布式电源及冲击性负荷的高比例接入,加剧了配电网中馈线负载的实时不均衡,限制分布式电源接入容量。而网络重构动作过程的时间尺度较长,难以解决含高比例分布式电源的主动配电网负载不均衡问题。柔性互联配电网能够实现馈线间准确的潮流控制,显著有利主动配电网运行。为了解决有源配电网中馈线负载不均衡问题以及分布式电源的就地消纳,提出了一种动态调节的基于柔性互联的馈线经济负载率模型,提高了馈线运行的经济性的同时实现了分布式电源的就地消纳。同时将一致性算法与负载均衡控制策略相结合,避免了信息处理集中化的同时实现了非健全通信网络下系统的稳定运行。最后,在PSCAD/EMTDC仿真平台中搭建四端柔性互联配电网仿真模型验证了所提模型与控制策略有效性。     

考虑调度决策非预期性的多阶段随机规划调度策略

随着可再生能源渗透率的提高,分布式可再生能源带来的波动性、间歇性会传递至主网中,对系统安全运行造成影响,研究不确定性优化方法对系统实际运行具有一定的指导作用。传统的随机优化以及鲁棒优化方法不满足系统实际运行的非预期性要求。文章以日运行期望成本最小为目标,考虑分布式可再生能源发电不确定性,建立多阶段随机规划模型,可以根据之前不确定信息的实现在每个阶段确定预调度决策,不会受到未来不确定信息的影响,符合系统实际运行规律,满足非预期性。为了避免多阶段随机规划问题求解的维数灾难,采用随机对偶动态规划(stochastic dual dynamic programming, SDDP)算法进行求解。仿真结果表明,相比于传统的确定性模型,多阶段随机优化得到的最优调度决策树较之确定性优化得到的单一决策方案具有更广泛的决策空间,可以基于上一阶段不确定信息的实现和决策来更新调度决策,降低系统的运行成本。