云计算环境下的电力任务节能调度方法研究

随着电力行业数据的持续增长,云环境下电力调度消耗的能量越来越多,加剧了能源危机和环境污染。在电力云平台架构的基础上,提出一种基于云计算的电力任务节能调度算法。将虚拟机分配给具有最优性能功率比的节点进行处理,通过迁移虚拟机实现资源整合。通过仿真将该调度算法与节能虚拟机调度节点算法和改进型最佳拟合递减算法进行比较。仿真结果表明,在不显著降低效率的情况下,该方法可以节能10%以上。该研究为云环境下最优电力调度方法的发展提供了一定的参考和借鉴。     

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。     

云计算数据中心虚拟机节能管理机制研究

云计算数据中心的耗电量巨大,但绝大多数的云计算数据中心并没有取得较高的资源利用率,能耗高。为了能够有效降低云计算数据中心的能耗,提出了一种适用于异构集群系统的云计算数据中心虚拟机节能调度算法(PVMAP算法),并且从对超载服务器列表进行获取、获取待迁移虚拟机列表、迁移超载虚拟机、迁移低载虚拟机与采集数据四个方面对算法进行了描述。仿真实验结果表明:与经典算法PABFD相比,PVMAP算法的能耗明显更低,可扩展性与稳定性都更好。与此同时,随着〈Hosts,VMs〉数目的不断增加,PVMAP算法虚拟机迁移总数和关闭主机总数的增长幅度都要低于PABFD算法。云计算数据中心虚拟机节能管理机制建成后,能够为云计算数据中心运营优化、资源配置、管理提升等多层面提供有效的支撑。     

云计算在电力系统数据灾备业务中的应用研究

为解决电力系统灾备中心资源利用率低,灾备业务流程复杂等一系列问题,提出将云计算技术引入的具体思路。探讨了云计算在电力系统应用的可行性和必要性,设计并实现了云计算资源管理平台,对平台的体系架构和关键技术进行了研究,对平台带来的经济和管理效益进行了讨论。云计算资源管理平台通过服务器及存储虚拟化、资源整合建模、资源调度引擎等技术,实现了异构资源整合,资源按需分配、在线动态调配、应用动态迁移以及流程管理,并结合虚拟机镜像技术,将验证环境进行备份以便后期的快速部署与数据验证。目前,云计算资源管理平台已经在电力系统灾备中心进行实际应用,解决了灾备中心面临的问题,并使灾备业务由原来的手工操作模式转变为具备IT支撑的流程化自动化模式。     

面向区块链电力接入网的边缘计算资源分配策略

新型电力系统发展亟需安全高效的电力边缘通信网络支撑。现有工作重点讨论了区块链技术在电力通信网的应用模式,但未考虑区块链引入电力通信网引起的传输性能恶化问题。对此,提出一种面向区块链电力接入网的边缘计算资源分配策略。首先,提出一种基于区块链资源管理架构,以最小化网络时延为目标构建联合虚拟机资源分配与通信资源调度模型;其次,针对优化问题为混合整数非线性规划,提出一种基于广义Benders分解的计算资源优化算法获取问题最优解。仿真算例表明：所提算法在不同用户请求任务需求及计算资源不足时有效削减计算任务处理时延,解决了区块链应用在电力通信网导致通信质量下降的问题。     

梯级水电站群长期优化调度云计算随机动态规划算法

为了应对随机动态规划算法在解决梯级水电站群长期发电优化调度时的"维数灾"问题,并行化方法得到了广泛研究。单机多核并行算法扩展性不强;传统的分布式并行算法编程复杂,缺少负载均衡和容错机制。云计算平台作为新的分布式计算平台能够充分利用资源,具有诸多优势。为了探索云平台下的分布式并行随机动态规划模型,该文基于消息传递接口(message passing interface,MPI)和Spark框架分别实现了传统集群计算和云计算分布式随机动态规划算法,后者将计算模型转换为数据处理模型进行计算,并通过三库优化调度实验对算法进行了比较。算法分析及实验结果表明,基于云计算的分布式并行随机动态规划算法则可以有效利用云平台的优势,同时拥有完善的容错以及负载均衡机制,具有广阔的应用前景。     

基于多路径遍历优先选择的虚拟资源调度算法

随着电力系统对计算和存储能力要求越来越高,以虚拟化为核心的“云计算”成为未来智能电网的发展趋势。虚拟资源调度是云计算的关键技术之一。提出一种基于多路径遍历优先选择的虚拟资源调度算法,通过构建任务有向无环图和有限虚拟机的无向图,采用路径遍历与任务优先顺序确定、待调度任务选择、虚拟资源规划,以及物理资源申请与分配等方法,在保证用户提交任务的性能需求前提下,提高资源调度效率,降低系统运营成本。     

基于混合DE-PSO多目标算法的动态环境经济调度

电力系统中的动态环境经济调度(DEED)是一个多变量、强约束、非凸的多目标优化问题,传统方法很难进行求解。基于微分进化(DE)算法的快速收敛性和粒子群优化(PSO)算法的搜索多样性,提出一种融合2种算法优点的混合DE-PSO多目标优化算法来求解DEED问题,该算法基于外部存档集和Pareto占优原则,采用自适应参数的DE和PSO双种群更新策略以及一种改进的Pareto解集裁剪方法。引入3种指标评价算法的性能,并采用模糊决策技术从Pareto前沿中提取折中解以供决策者进行选择。经典算例的仿真结果表明所提方法能同时优化成本和排放这2个冲突的目标,且获得了比其他算法更为宽广和均匀的Pareto前沿,体现了所提方法的可行性和优越性。     

基于经验小波分析的小电流接地系统单相接地故障选线方法

针对设备数量上升时智能电网复杂程度过高的问题,提出基于云雾计算的智能电网调度方案。模型由云计算层,雾计算层与终端用户层组成。其中雾计算层用于管理用户的请求和网络资源,并充当用户和云端之间的中间层。雾计算通过创建虚拟机以同时处理多个用户请求,从而使系统更为高效。顶层的云计算可直接通过自身或由雾计算层间接为终端用户提供服务。为有效分配雾资源,提出人工蜂群(Artificial Bee Colony,ABC)负载均衡算法。仿真实验表明,该算法的性能优于粒子群优化(Particle Swarm Optimization,PSO)等其他方法,从而有助于提升智能电网体系的效率。     

云技术在电网资源调度系统中的应用研究

随着社会经济的持续发展,电力系统正朝着智能电网的方向发展。在此状态下,电力资源调度呈现出信息海量化、分布化、处理自动化的特点。而面对如此规模的数据处理过程,如何有效地实现信息的集成、分析、计算和存储,就成为电网资源调度的难点。结合云技术的相关特性,将云计算引入到电网资源调度系统中,并利用动态迁移调度算法实现了物理云资源的平衡使用,从而为电力调度提供了更为智能化的决策支持和实现方式。     

云端平台对ATP-EMTP的计算性能提升探究

目前针对电力系统云计算的相关研究主要集中于大型计算中心的构建与相关调度策略的设计,对于云端平台与电力仿真软件相结合方面并未开展相关应用研究。为了探究在计算大规模电网时云计算技术对电磁暂态仿真软件ATP-EMTP实时计算性能的提升效果,通过将云端平台同ATP-EMTP相结合,使用不同规模的仿真模型对比仿真软件在本地计算机与云端平台的计算效率。经过实际对比,云端平台对ATP-EMTP的计算效率有一定的提升作用,但由于软件自身的限制,云计算技术并不能从本质上提升ATP-EMTP的实时计算性能。由所得结论,针对如何通过云计算技术提升ATP-EMTP的实时计算性能,提出了相应的研究方向。     

基于云计算的智能电网调度系统设计研究

基于云计算技术,采用改进遗传算法对智能电网调度系统进行建模与研究。通过搭建云计算平台系统,对基于云计算的智能电网调度系统模型任务调度模型进行搭建。确定各个子任务的适应度函数、选择函数、变异函数以及交叉函数,通过遗传迭代至误差允许范围内,得到数据范围内的最优解。最后,4种电网调度算法对10个工作任务的完成时间进行比较,结果表明,所建立的智能电网调度系统具有良好的工作效率。     

基于大数据的智能电网数据调度与快速分发方法研究

针对云计算集群环境,智能电网的大规模数据处理面临巨大压力,任务调度和大规模数据分发的快速处理是亟待解决的问题。文章基于云计算和大数据处理技术,提出一种用于电力数据处理任务调度和分发的多队列动态优先级调度算法和节点选择算法,可以及时可靠地处理和分发关键数据。通过仿真将该算法与经典算法进行比较,验证算法的准确性和有效性。结果表明,该方法可以有效地分配节点负载,在任务完成时间和完成率上优势明显。该研究为我国电力大数据信息平台的研究提供参考和借鉴。     

基于改进粒子群算法的火电系统节能环保多目标优化调度模型

针对火电系统生产过程中的环境污染问题,提出以火电系统节能环保为重点研究对象的多目标优化调度模型,并以改进的粒子群算法进行求解。结合灰色系统理论中有关灰色关联度的概念对粒子群算法多目标求解机制进行改进,对煤耗量、污染气体和烟尘排放等的多目标火电系统优化求解,引入压缩因子改善粒子群算法的性能,增强其全局收敛能力。通过IEEE 14节点系统算例证明本算法的有效性。     

基于反向云自适应粒子群算法的多目标无功优化

针对粒子群算法在高维复杂问题寻优时易陷入局部寻优的现象,提出了反向云自适应粒子群算法(OCAPSO),通过反向学习加快算法的收敛速度,使用云模型来平衡粒子的全部搜索和局部搜索能力,使用自适应突变机制增强种群的多样性。用高维广义Schwarz函数对OCAPSO的有效性进行验证,进一步以IEEE30节点系统进行单目标和多目标无功优化测试并将测试结果与粒子群优化（PSO）,进化算法（EA）等测试结果进行比较,证实了该算法的优越性。分析表明,OCAPSO算法用于解决多目标无功优化问题有效可行。     

基于改进粒子群算法的多能微网多目标优化调度

为实现多能微网内部能源的灵活调用,减轻系统碳排放压力,文中提出了一种基于改进粒子群(particle swarm optimization, PSO)算法的多能微网多目标优化调度方法。建立了冷热电气多能微网模型,分析系统能源耦合机理并对设备进行数学建模;以微网运行成本与环境成本最小为目标,构建多能微网多目标优化调度模型;提出一种改进PSO算法,通过调整主要参数的迭代规则,并采用自适应粒子寻优策略加快收敛速度,提升寻优效果;仿真结果表明：与传统方法相比,所提基于改进PSO算法的多目标优化调度方法能够有效提升算法收敛速度、降低系统综合成本,兼顾其运行的经济性与环境友好性。