一种带租户演化容忍度的SaaS服务演化一致性判定方法

随着云技术的不断发展与成熟,软件即服务(SaaS)模式成为未来软件应用发展的主要趋势。在多元开放的网络生态环境中,SaaS服务若要有效应对用户需求及外部变化,就须具备演化能力。演化一致性 是指服务在演化后能保有原基础及与其他服务正常交互的能力。目前对演化一致性的判定多偏向于定性分析,且往往忽略了租户的感受,没有既定的显式标准对一致性进行定量度量并判定。针对此问题,从SaaS多租户单实例的应用模式出发,分层次细粒度地建立服务实例描述模型,引入一致性度量值来表示定量计算的结果,充分考虑租户的演化要求,提出一种带租户演化容忍度的判定方法,细粒度地判定演化一致性。最后,结合SaaS应用案例,采用所提方法对演化一致性进行分析判定,实际应用的反馈情况验证了该方法的可行性和有效性。     

考虑回热循环的超超临界机组负荷预测神经网络模型

以某超超临界1 000 MW机组为对象,详细分析了影响机组负荷的因素,通过合理选择模型输入参数,采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation,BP)神经网络,建立了考虑回热循环特性的机组负荷预测模型。通过扰动仿真试验,对不同结构神经网络模型的负荷预测效果进行比较。结果表明:具有2阶输入时延、2阶输出反馈时延的模型,在各种扰动下均可精确地预测机组负荷,满足自动发电控制(AGC)条件下利用汽轮机回热循环侧可控参数提高机组负荷响应速度的要求。