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。     

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。     

基于协商模型的网格资源调度算法

本文介绍基于协商模型的网格资源调度算法,利用GridSim进行模拟试验,并将该调度算法与Nimrod/G的DBC-CT算法的性能进行比较分析。     

面向业务优先级的宽带卫星ATDM前向链路资源调度算法

研究了宽带卫星通信系统中异步时分复用(ATDM)前向链路资源受限条件下的资源调度问题。以优先传输实时业务、兼顾用户优先级以及系统吞吐量为优化目标，以调制编码模式、复帧数量和优先级等为约束，建立了资源调度目标函数。提出了以初始解集构造、增强全局搜索为核心的改进蚁群优化算法(ACO),求解该资源调度问题，避免了传统的蚁群优化算法存在初始阶段信息素匮乏导致的搜索速度过慢、局部搜索能力较弱以及易陷入局部最优等缺点，提高了算法在实时性、高效性需求较强的卫星调度过程中的应用。仿真实验表明，所提算法可以准确求得最优解，准确率高达99.8%,其收敛速度较传统算法提高了55.6%,与传统算法相比，所提算法已调度业务的目标函数f、综合权重y、系统吞吐量分别提高了8.4%、6.6%、12.1%,在资源调度方面具有良好的准确性、敛散性和优化性能，且与同类型优化算法相比具有更高的调度效率，适用于ATDM卫星通信系统资源调度。     

无线网络中基于信道状态预测的调度算法

在蜂窝无线网络下行链路的资源调度中,无线信道的时变特点对网络的吞吐量和用户之间的公平性有很大的影响.为了达到高数据吞吐量并且同时保证用户服务质量QoS的目的,本文提出一种基于信道预测的调度算法PSUCS,该算法通过当前时隙的信道状态,预测下一个时隙的信道状态,并利用该信息,将资源调度的问题描述成求解效用函数最大的优化模型和最优的调度策略.仿真结果表明,该算法在保证公平性的前提下,有效提高了无线网络下行链路吞吐量.     

基于CAN总线的自动刨煤机组监控网络动态调度研究

当前自动刨煤机组监控CAN网络采用静态优先级调度,随着系统交换数据的增加,现有的CAN总线带宽资源愈显不足,监控实时数据通讯的可靠性、安全性将受到影响,本文引入最小松弛优先(LLF)动态调度算法,针对在CAN总线中应用LLF算法时有限的CAN帧标识符位难以实现信息松弛编码及各节点需要严格的时间同步等问题,提出了基于总线仲裁的LLF算法,介绍了LLF调度算法原理及可调度性分析方法,最后将该调度算法应用于刨煤机组控制系统信息通信调度,验证了其调度算法的可行性,通过对比固定优先级截止期单调算法调度,验证了LLF算法良好的调度性能。     

资源聚合商模式下的分布式电源、储能与柔性负荷联合调度模型

分布式电源、储能、柔性负荷等分布式资源数量众多、布局分散,难以直接被电网调度。资源聚合商可通过内部整合各类分布式资源执行电网调度指令。基于资源聚合商运行模式,建立了结合大容量资源直接调度与小容量资源电价响应间接调度的联合调度模型。在此基础上,以资源聚合商利润最大为优化目标,对大容量资源调度性能差异进行滚动在线评估,设置动态综合调度优先级。针对小容量资源间接调度的不确定性,提出了包含模糊参数的机会调度约束。应用改进的粒子群算法将模糊机会约束清晰化并求解调度模型。基于IEEE33节点配电网络,验证了所提模型和算法的有效性和科学性。     

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。     

基于任务紧迫度的多处理器任务调度算法

调度算法是多核处理器操作系统设计的核心所在,如何合理地将众多任务分配给不同的资源以使整个多核处理器系统达到最佳性能,是调度要解决的首要问题.在经典多处理器任务调度算法——ONERT算法的基础上,提出一种基于任务紧迫度的改进算法,较好地弥补了ONERT算法在处理器轻载时负载不均衡的不足.通过python程序实现了该算法,并通过实验验证了该方法在处理器轻载时实现比ONERT算法更好的负载均衡.     

启发式算法在车间作业调度中的应用

在分析国内外各种解决生产线作业调度问题方法的基础上,提出了一种基于关键工序排序的启发式调度算法,根据目标函数建立了该算法的数学模型,针对该模型,设计了基于启发式算法的调度程序,仿真算例说明了该算法在求解车间调度问题时的可行性和有效性。     

Research on Hybrid Scheduling Algorithm Based on CAN bus

In view of the problem that the packet information preempted network resources in the process of transmission in the CAN bus, which leads to the low utilization of network resources and the low accuracy of information transmission. Thus, a hybrid scheduling algorithm NMTS based on CAN bus is proposed, in the NMTS hybrid scheduling algorithm, the dynamic scheduling algorithm EDF is used to schedule hard real-time messages to solve the problem of low utilization of network resources; the static scheduling algorithm RMS is used to schedule soft real-time messages and non real-time messages, so as to solve the problem of low accuracy of information transmission. By using MATLAB software, the CAN network model can be built, the EDF algorithm, RMS algorithm and NMTS algorithm are simulated. The experimental results show that the network resources utilization is 90%, the packet loss rate is 0% of the NMTS algorithm. Therefore, The hybrid scheduling algorithm based on CAN bus NMTS has the characteristics of high network resource utilization and high accuracy of information transmission, which will be very helpful for further research of CAN bus.     

面向边缘计算的人工鱼群搜索任务调度

如何将计算任务分配到合适的边缘计算资源上进行计算,以满足边缘计算环境下用户的计算需求、提高用户任务请求 的服务质量,是边缘计算中面临的关键问题。 本文提出一种基于人工鱼群搜索的边缘计算任务调度方法(AFETSA)。 将人工 鱼群搜索算法和边缘计算任务调度模型相结合,采用非线性递减函数动态地调整人工鱼的视野范围和步长,以提高启发式任务 调度算法的全局搜索能力,降低任务的计算时延;同时与禁忌搜索算法进行融合,通过引入忌禁表,在每一次迭代中防止算法陷 入局部最优,提高算法的寻优能力。 CloudSim3. 0 仿真平台实验评测结表明,本文所提 AFETSA 方法和已有的 AFSA、ACO 和 PSO 这 3 种调度算法相比,在任务执行时间、算法稳定性、负载均衡方面都有明显的提升,可充分利用边缘服务器计算资源,提 升计算任务的计算性能,有效解决边缘计算中任务调度不均导致的时延过高和负载不均衡问题。     

基于混合遗传算法的并行测试任务调度研究

并行测试任务调度核心是将资源合理地分配给测试任务,合理排列任务的执行顺序,最终使整个系统任务执行时间最短。本文提出了一种基于改进的混合遗传算法的并行任务调度算法,并以该算法为基础运用WPF和SQL Server技术实现了一个任务调度工具软件。算法采用一种结合贪婪算法思想的基因编码方式和交叉变异方法;设计了尺度变换的适应度函数,采用确定式采样选择方法,提高了种群质量。试验结果表明该方法及该工具软件可以有效地解决并行测试任务调度问题。     

基于免疫遗传算法的超短期发电计划优化

超短期发电计划优化在电力系统调度运行中发挥着越来越重要的作用,但由于其是一个非线性整数约束优化问题,数学模型复杂,很难从理论上找到全局最优解。针对电力系统发电计划优化问题,引入免疫遗传算法,很好地解决了遗传算法局部收敛的问题,实现了群体收敛性和个体多样性间的动态平衡调整,能快速准确求解,及时调整超短期发电计划方案,从而达到安全经济环保调度,优化资源配置的效果。     

Traffic scheduling in distributed networked control systems with packet losses and delays for power systems voltage stabilization

In this paper, medium access control (MAC) sublayer data traffic scheduling in distributed networked control systems (DNCSs) with networked induced packet losses and delays is investigated for stabilization and control of system dynamics. An effective‐information‐directed distributed sensor selection algorithm is proposed to select sensors to participate in delay‐tolerant information filtering for state estimation. The distributed scheduling algorithm is based on the total amount of effective information for all measurements stored in the sensors. We consider packet loss in wireless networks as a special type of delay, so the impact of packet losses on effective information amount can also be studied for the formulation of distributed scheduling strategy in the presence of packet losses. The distributed data traffic scheduling considering packet losses and delays is carried out in a networked system with data packet dropout governed by a Markov process for voltage regulation and stabilization with distributed energy resources (DERs). Experimental results demonstrate that the scheduling algorithm with awareness of the system dynamic state can well control the power system dynamics. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于电动汽车供电资源态势感知的台区负荷弹性调度策略

考虑电动汽车、空调负荷等柔性负荷的无序接入对电网造成的不利影响,提出一种计及电动汽车供电资源态势分析的台区负荷弹性优化调度方法。首先,对电动汽车的充电需求进行概率预测,通过量化分析电动汽车负荷的特性指标,提出了台区电动汽车供电资源的态势感知模型,通过集成学习算法训练进行供电资源态势评估;接着,基于供电资源态势感知情况提出对电动汽车充电需求进行弹性伸缩的优化调度策略,将电动汽车充电需求与空调负荷削减量作为控制量,建立带弹性约束的多目标调度计划优化模型,采用改进多目标粒子群算法求解得到优化调度计划;最后,通过台区算例分析验证了所提优化调度方法能实现对电网负荷的削峰填谷,协调解决柔性负荷需求与资源闲置状态下存在的冲突,对电动汽车充电和空调用电负荷进行有序调度,以实现供电资源利用率最大化。     

基于负载再分配的边缘计算任务均衡调度策略

目前5G异构网络的计算卸载机制在边缘节点资源方面和电力业务调度算法时延与负载均衡方面存在问题。综合考虑边缘服务器负载均衡和业务计算时延,针对min-min算法与max-min算法的不足,文中提出了基于电力业务优先级二次再分配的均衡调度算法。该算法根据业务的最大容忍时延划分业务的优先级,并且根据最小完成时间标准差确定长短业务比例,实现业务的预分配。基于各个边缘服务器的负载情况,该算法再将高负载边缘服务器上的业务分配给负载低的服务器,实现二次再分配。仿真结果表明,与典型的算法相比较,所提算法缓解了现有技术中存在的以上问题,降低了计算时延,实现负载均衡,提高了系统资源利用率。     

综合模块化航空电子多约束分区调度方法

在综合模块化航空电子系统(integrated modular avionics, IMA)中,采用严格的空间和时间分区管理(partitioning)保证同一个模块上运行的不同应用可以共享处理资源.根据系统硬件资源和应用的要求,定义分区的多类型约束条件,使得分区到在各个模块上的分配和时分访问调度成为复杂的组合优化问题.通过将分区分配的预处理与满足性模理论(satisfiability modulo theories,SMT)求解调度表的方法相互结合,可以减少断言式和分区调度时刻变量的数量,提高求解效率;其中,预处理过程采用最大独立团算法,随后将剩余的分区约束条件转换成SMT工具可识别的逻辑表达式,形式化求解得到各个分区的调度时刻.通过规模不同的算例,验证了该方法可行性,并说明预处理过程对于快速判断满足性要求和缩短求解时间的好处.