一种面向电力调控云的高效运维方法

随着云计算、大数据、人工智能等IT新技术的不断发展,依托其构建的电力调控云规模不断扩大,相应的电力调控云应用服务数量也随之成倍增加,使得它们电力调控云的运维复杂度加大,运维任务量加重,基于人工的运维模式效率低下、出错率较高。持续集成、持续部署(CI/CD)平台可对电力调控云进行高效、精准的自动化维护。通过引入一种面向电力调控云的高效运维方法,执行完成电力调控云产品的自动化构建、版本控制、批量部署等运维任务。最后通过对电力调控云平台的仿真实验,验证了该方法可以减轻运维任务量,提升工作效率。     

基于容器的调控云PaaS平台的设计与实现EI北大核心CSCD

随着调控云的持续推进,传统基于虚拟化技术的调控云在资源调度、弹性伸缩、应用快速响应等方面尚无较好的支撑,这对基于虚拟化技术的调控云平台服务层(platform as a service,PaaS)平台的可维护性和可用性构成一定的威胁。容器引擎(Docker)技术的迅速发展解决了传统基于虚拟机形式的调控云PaaS平台存在的不足。该文利用Docker容器技术设计调控云PaaS平台,对容器的弹性伸缩、资源调度、容器响应等性能方面进行分析与验证,实验表明基于Docker容器的调控云PaaS平台在资源上的合理分配、及时响应、弹性管理等方面具有良好的效果。     

基于云边协同的变电站倒闸操作平台设计与实现

随着智能电网技术的快速发展,变电站综合自动化技术取得了显著的提高。但监控与运维自动操作功能尚不完善,倒闸操作大多依赖于传统的人工逐项依次操作的方式,倒闸效率低下,已远远不能适应电力系统的发展需求。该文基于调控云平台利用云边协同技术实现调令、操作票、预演、操作全流程一体化在线协同管控,提高变电站倒闸操作效率与准确性。首先依据变电站倒闸操作过程中云防误中心与防误子站、移动终端的业务角色确立了云端和边缘侧,然后基于倒闸操作全流程设计了云边交互、云边协同机制,形成了状态全感知、防误全过程、操作全在线、业务全协同”倒闸防误操作平台,并引入信誉机制提高边缘节点的防误可信度,通过实验对云–边模型性能评估、系统可扩展性、防误准确性等方面进行了验证分析,结果表明所设计的云边协同倒闸防误操作平台在在提升倒闸操作效率和准确性方面具有一定的优势。     

基于LSTM与XGBoost组合模型的超短期电力负荷预测EI北大核心CSCD

为进一步提高电力负荷预测精度,提出了基于LSTM(longshorttermmemorynetwork,LSTM)和XGBoost(eXtremegradientboosting)的组合预测模型。针对电力负荷数据,首先建立了LSTM预测模型和XGBoost预测模型,然后使用误差倒数法将LSTM与XGBoost组合起来进行预测。采用2016年电工数学建模竞赛的电力负荷数据进行算例分析,结果表明所构建的LSTM和XGBoost组合预测模型的MAPE(mean absolute percentage error)为0.57%,明显低于单一预测模型。将上述方法与GRU(gated recurrent unit)和XGBoost两者组合的预测模型相比较,结果表明所提出的方法具有更高的超短期电力负荷预测精度。