考虑用户负荷特性的低频减载优化策略及实现方法研究

低频减载对于负荷调节的时效性以及准确性要求较高,在负荷削减的过程中存在欠切和过切的现象,同时负荷调节涉及的用户较多,给用户带来不便,负荷削减还会对设备的正常运行产生影响。针对上述问题,本文提出一种面向用户负荷特征的低频减载分层调节策略。该策略将负荷调节偏差最低、减载用户比例最小作为优化目标;通过设置高污染、高耗能等不同特征用户负荷的重要等级标签,以此调节参与负荷削减的用户比例,保障普通用户负荷的正常运行。此外本文设计了基于负荷控制单元的低频减载系统执行机构,通过预先向负荷控制单元下发调节策略,解决低频减载的时效性和准确性问题。本文通过仿真分析低频减载控制策略的合理性,实现了平均每轮0.87%的较低调控误差,每轮参与负荷削减用户的比例平均值为45%,满足了监测更靠前、切荷更及时、管控更精准的预期目标。     

水电站优化调度仿真系统中实时数据库研究

在水电站优化调度中，随着电网负荷的变化，会对各可调机组进行实时负荷调整，从而达到电网负荷的供载平衡。在实时数据的处理中，将数据结构优化设计与优化查询方法引入并用到实时数据库中，设计一种合理有效的方法-稠密散列索引法，能够满足系统的实时要求，提供一种在发电领域的实时数据处理的可行方法。     

基于网络感知的电网数据均衡动态关键路径调度算法

针对传统调度算法对电网数据调度负载不均衡、调度效果差的问题,提出了基于网络感知的电网数据均衡动态关键路径调度算法.依据电力网络的拓扑结构,选取与处理调度目标参数,结合随机均衡策略,动态迁移电网数据.充分考虑电网数据均衡动态属性,采用网络感知迭代均衡方法,进行电网数据归一化处理.依据均衡调度样本误差,确定最终负荷输出值.制定基于网络感知的均衡动态关键路径调度流程,解决电力数据中心吞吐率小的问题.由仿真实验结果可知,该算法调度能够解决电网数据时变耦合性跟踪问题,也证实该算法具有良好调度效果,达到优越负载均衡效果.     

基于神经网络的电力负荷预测方法研究

电力负荷预测易受到高频、低频和超低频振荡干扰,导致预测准确性不高,提出基于神经网络的电力负荷预测方法。在无线ZigBee组网协议下进行电力负荷传感器信息组网,构建电网负荷数据采集模型并进行模型修正。根据电力负荷数据采集结果,去除高频、低频和超低频振荡干扰因子。进行神经网络样本数据训练,去除冗余数据,输出电网负荷数据集合。对获得的数据集采用神经网络分类器进行分类融合处理,根据电力负荷数据的融合结果实现电力负荷预测。仿真结果表明,采用该方法进行电力负荷预测的准确性较高,预测过程的抗干扰性较好,在电力负荷的实时监测和信息调度中具有很好的应用价值。     

空间数据技术在10KV配电网调度GIS中的应用

文中以大型城市10KV配电网的运行调度地理信息系统（GIS）为背景，详尽介绍了当前全球先进的空间数据技术在电网动态运行及调度管理中的 应用原理和实现方法，利用空间拓扑分析法和面向对象（Object Oriented)集成开发技术，成功地实现了10KV 配电网数据和图形的统一管理，同时还具备了对电网数据的实时监控、综合分析及辅助决策功能。     

含有冲击负荷孤网中的储能应用研究

以贵州兴义孤立电网为例,分析了突变负荷、渐变负荷、周期性负荷等冲击负荷对储能的需求,突变负荷和周期性负荷在储能参与频率调节的情况下,系统频率波动幅度明显减小,对于渐变负荷,在功率变化范围不超过发电机额定功率情况下,发电机调速系统具有较好的调频效果,一般不需要储能动作.针对目前兴义电网情况,最大单机负荷为40MW(中联铁合金厂40MW冶金炉),需配置20MW储能辅助服务电源,可有效抑制电网频率波动,确保电网稳定运行.近期电网规划网架中,电源增大至1900WM,负荷总容量预计达1512MW(新增负荷主要为典型负荷),20MW储能,能承担10s内负荷突变252MW,可避免低频减载装置动作,控制频率波动在±0.5Hz.     

电力系统中抽水蓄能机组低频切泵优化策略

介绍了抽水蓄能机组的低频切泵的两种策略并进行对比分析.电力系统在遭受大扰动且出现较大功率缺额时,为了维持电力系统频率稳定,提出了抽水蓄能机组低频切泵优化策略.以电力系统的频率变化量或其变化率为依据,确定系统中抽水蓄能机组的切泵量,并且在电网减载装置动作之前完成快速切泵卸载,使电网在不采取措施减少用户用电负荷的同时保证电网频率在正常运行范围内.仿真结果表明,采用频率变化率确定切泵卸载量,频率恢复更加迅速,频率最低点相对较高,缩短系统低频运行时长.     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

基于改进kNN算法与暂稳态特征的非侵入式负荷监测方法

非侵入式负荷监测（Non-intrusive Load Monitoring, NILM）通过分析电力总回路的电气信息得到回路中各电器的运行数据,为用户的节能优化和电网的优化调度提供依据。现有NILM方法主要将研究重点放在提高负荷识别准确度上,模型复杂度高,难以在嵌入式设备上应用。针对上述问题,提出一种基于改进kNN算法与暂稳态特征的NILM方法。首先选择无需训练的kNN算法作为负荷识别模型,采用距离权重统计方法对kNN算法进行改进,并增加余弦相似度判断机制检验kNN算法负荷识别结果准确性;然后选择暂态特征和稳态特征作为负荷特征以提高负荷特征辨识度;最后利用实验采集数据进行验证,上述NILM方法具有良好的性能。     

集中式低压减载下电力用户负荷侧需求自动响应方法

为确保电力系统安全稳定运行,吸引电力用户主动参与电网调峰当中,减轻电网运行压力,提出一种集中式低压减载下电力用户负荷侧需求自动响应方法.仿真实验结果表明,本文方法可大幅增强居民用电行为的感知水平,提高电网设备利用率和运行效率,实现居民用户与供电企业双赢.     

一种网格环境下的动态负载均衡机制

负载均衡机制有利于提高广域分布式环境中资源共享和协同工作的效率。根据网格系统的特点,采用灰色预测方法,设计了一种动态资源负载均衡机制,给出了预测模型和实时预测策略以及基于该机制的负载均衡算法。该资源负载均衡机制具有以下特点：可在较小的开销下取得满意的负载均衡性能,具有网格环境下的可扩展性,能够适应网格资源动态变化的特性,解决资源发现过程中的负载均衡 问题。     

基于交流斩波装置的三相不平衡无功补偿方案

提出采用交流斩波装置对三相不平衡系统进行动态无功补偿的方案,给出了装置结构,通过仿真验证了交流斩波装置可通过改变占空比来调节输出电压,进而调节容性负载的容量值,实现不平衡负载无功功率的动态调节;采用Matlab软件对交流斩波装置在三相四线制不平衡系统无功补偿中的应用进行了仿真研究,结果表明,交流斩波装置可连续可调地补偿不平衡电流,且不会向电网注入谐波电流。     

Dynamic grid load sharing with adaptive dissemination protocols

Scheduling in large scale dynamic grids comprising eclectic collections of resources is increasingly difficult. Autonomous resource neighborhoods may wish to determine the level of grid offered load that they can or will accept; different sites may wish to attract different amounts of load, to satisfy some desired property within a grid economy. This changes the traditional notion of load sharing, which generally assumes that the desired equilibrium should be an equal distribution of load across all participating machines, because they are under the jurisdiction of a single site, and therefore more likely to implement one common policy. In large-scale grids, nodes and neighborhoods should instead get a portion of the load that best matches their local policies for supporting and admitting grid jobs. This article describes information dissemination protocols that can distribute load in this way, without using load rebalancing through job migration, which is more difficult and costly in large-scale heterogeneous grids. Essentially, nodes adjust their advertising rates and aggressiveness to influence where jobs get scheduled. We report experimental results with example resource configurations in which each resource neighborhood determines its ideal grid load and disseminates accordingly. In turn, each neighborhood attracts the requisite amount of resource requests from the grid. Moreover, performance does not degrade: overall query satisfaction rates are within 9% of both adaptive dissemination protocols that use static adaptation policies, and static dissemination protocols that may be custom-tailored to specific resource and load distributions.     

An efficient grid scheduling strategy for data parallel applications

Scheduling large-scale application in heterogeneous grid systems is a fundamental NP-complete problem that is critical to obtain good performance and execution cost. To achieve high performance in a grid system it requires effective task partitioning, resource management and load balancing. The heterogeneous and dynamic nature of a grid, as well as the diverse demands of applications running on the grid, makes grid scheduling a major task. Existing schedulers in wide-area heterogeneous systems require a large amount of information about the application and the grid environment to produce reasonable schedules. However, this required information may not be available, may be too expensive to collect, or may increase the runtime overhead of the scheduler such that the scheduler is rendered ineffective. We believe that no one scheduler is appropriate for all grid systems and applications. This is because while data parallel applications in which further data partitioning is possible can be further improved by efficient management of resources, smart selection of resources and load balancing can be possible, in functional/not-dividable-task parallel applications such partitioning is either not possible or difficult or expensive in term of performance. In this paper, we propose a scheduler for data parallel applications (SDPA) which offers an efficient task partitioning and load balancing strategy for data parallel applications in grid environment. The proposed SDPA offers two major features: maintaining job priority even if insufficient number of free resources is available and pre-task assignment to cut the idle time of nodes. The SDPA selects nodes smartly according to the nature of task and the nodes’ resources availability. Simulation results conducted reveal that SDPA achieves performance improvement over reported strategies in the reviewed literature in terms of execution time, throughput and waiting time.     

Min-Min调度算法的研究与改进

在动态、异构的网格环境中,任务调度是复杂并且极具挑战性的一个问题。在分析任务调度算法的基础上,着重研究了经典的Min-Min调度算法,分析了Min-Min调度算法的缺陷,即负载不均衡,并且不能从经济的角度来实现调度。针对负载均衡和经济这两方面来对Min-Min调度算法进行改进,提出了基于价格改进的Min-Min调度算法,分析表明,改进后的算法在一定程度上平衡了负载,并且节省了一部分费用,说明了算法的可行性。     

一种基于序贯博弈的网格资源分配策略

网格环境中资源的负载预测是实现资源优化分配的关键任务之一,而网格资源的动态性和异构性使得准确判断资源的负载状态十分困难.针对已有的分配策略对资源负载评估的不足,提出了一种基于序贯博弈的优化用户时间的网格资源分配策略.该策略将正比例资源共享的网格环境中多用户竞争同一计算资源的问题形式化为一个多人序贯博弈,通过寻求该序贯博弈中各个阶段博弈的纳什均衡解来预测资源负载;然后利用此负载信息生成所有用户的最优出价组合和资源的优化价格;最后根据各用户出价,按比例分配资源的计算能力.通过对网格模拟器GridSim的实验研究,结果表明,该策略能够得到合理的用户出价,降低资源占用时间,从而弥补了Bredin提出的优化策略中未考虑资源未来负载变化的缺陷,实现了资源的优化分配.其结论说明运用序贯博弈方法预测资源负载是可行的,且能更好地适应网格环境下异构资源的动态性.     

一种基于Cache的网格任务反馈调度方法

网格调度的目标提高网格资源的利用率、改善网格应用的性能,它是网格中需着力解决的问题之一.目前,围绕着网格中的任务调度算法,国内外已做了大量的研究工作,先后提出了各种调度算法.但是,这些调度算法不能很好地适应网格环境下的自治性、动态性、分布性等特征.针对目前网格调度机制存在的问题,提出了一种动态的网格调度技术--基于Cache的反馈调度方法(cache based feedback scheduling,简称CBFS).该调度方法依据Cache中所存放的最近访问过的资源信息,如最近一次请求提交时间、任务完成时间等信息进行反馈调度,将任务提交给负载较小或性能较优的资源来完成.实验结果表明,CBFS方法不但可以有效减少不必要的延迟,而且在任务响应时间的平滑性、任务的吞吐率及任务在调度器等待调度的时间方面比随机调度等传统算法要好.     

网格服务器性能优化系统研究与实现

为了提高网格服务器的性能，研究和设计了基于分配器的网格服务器性能优化系统，并实现了一个原型系统——集群式网格服务器．该原型系统能够集成多个网格处理服务器的处理能力，提供一个单一映象的网格服务．在这些服务器上实现负载平衡，并通过分配器统一对外提供网格服务．测试并分析了CGSS系统的性能测试结果．测试结果表明，基于分配器的性能优化能够显著的提高网格服务器系统的性能．     

动态服务组合中资源选择的研究与实现

在面向服务的网格中,需要按用户请求动态地根据当前系统中服务的状况,组合出满足用户请求的服务组合。目前,当存在多个服务提供者提供相同功能的服务时,如何动态选择合适的服务却很少被论述,而且真实网格环境中的不确定性(如Cpu、网络的负载)也很少考虑。如何选择最合适的服务所在的资源,是服务组合中必须要考虑的。在分析动态服务组合的基础上,设计了一种动态选择资源的方法。并利用GT4中工厂设计模式给出其实现方式。该设计考虑了网格环境中资源的安全性和不确定性因素,比如资源经常失败,以及Cpu和网络的负载等,从而最大程度地提高服务执行的可靠性和高效性以及均衡系统负载。     

矿井提升机动态无功补偿方案的研究

针对矿井提升机对电网造成无功冲击和高次谐波污染等问题,文章以焦煤集团某矿提升机负荷的特性为例提出了一种矿井提升机TSC型动态无功补偿方案,分析了矿井提升机负荷对电网的影响及产生的谐波电流,详细介绍了该方案的设计实现。仿真结果表明,该TSC型动态无功补偿方案基本上能满足动态补偿的要求,可提高网侧的功率因数并减少谐波向高压电网的输入,减小谐波电压和谐波电流畸变率。