云计算环境下大型电气数据库存储性能分析与优化

<正>在云计算环境下,电气数据通过云的形式存储于大型电气数据库中,大型电气数据库的存储性能关系电气数据的吞吐能力和数据资源的调度能力,研究电气数据库的云存储优化模型意义重大。传统的云计算环境下的大型电气数据库的云存储构建模型。采用用户行为特征资源负载均衡方法进行云存储系统任务调度,存在电气数据库存储资源浪费,云计算网格空间分配不均等问题。提出一种基于云计算网格空间资源信息流时间尺度分析的大型电气数据库的存储优化模型     

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。     

云计算环境下电力网络负载均衡调度方法研究

针对传统的云计算环境下电力网络负载均衡调度方法对负载数据出现的时变耦合特性不能自适应跟踪,调度性能不好的问题,提出基于模糊循环迭代控制算法,并应用到云计算环境下的电力网络负载均衡调度中。介绍了算法的详细实现过程,提取电力网络负载数据均衡调度特征参数,构建电力数据权重分配机制,计算正交加权约束均衡比,进行模糊循环迭代控制,实现对电力网络负载均衡调度。仿真实验表明,该方法能提高电力网络的负载均衡性,提高云计算环境下电力网络均衡调度的效率和电力资源均衡配置的能力。     

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。     

基于调控云的电网运行数据汇集研究

为整合调度机构各业务系统数据和提供统一的电网运行数据,利用调控云平台资源建立电网运行数据汇集系统.分析了电网运行数据汇集系统的数据接收、存储和服务原理机制,提出了数据安全管理的技术措施.通过对系统汇集任务进行控制和采用云计算的负载均衡技术,解决了业务数据汇集服务器负载不均衡的问题,提高了系统的工作效率.该系统已经在江西电力调度控制中心Ⅲ区部署应用,满足各部门业务数据需求,提升调度的数字化水平.     

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。     

面向云-雾计算系统中的遗传算法任务调度研究

近年来,不断发展物联网产生出海量数据,这给网络云等基础设施带来巨大压力。 对此学者们提出的“云-雾”计算的架 构模型,其中雾计算的障碍之一是如何分配计算资源以最小化网络资源。 研究提出了一种基于启发式算法的 TCC( time cost computing-power)算法,以优化该异构系统中基于遗传算法的“云-雾”计算中的任务调度问题,包括执行时间、操作成本以及总 算力资源。 算法以“云-雾-端-网”混合计算任务调度为研究对象,以进化遗传算法为研究手段,结合云计算、雾计算、遗传算法 等技术优势,实现时延、代价以及算力之间的平衡。 在混合计算任务调度中,对于仅考量单一指标的 TCaS 算法,本算法具有更 好的均衡性;本算法适应度值分别比 BLA 算法 0. 93%以及 RR 算法 26. 02%。 本算法还可以灵活地匹配用户对高性能-成本-算 力多方面的需求,提升系统的有效性。     

调控云平台IaaS层技术架构设计和关键技术

调控云是中国国家电网有限公司"三朵云"规划中的一个重要组成部分,针对调控云统一和分布相结合的分级部署设计特点,结合国家电力调控中心-区域电网调控中心主导节点和各省级协同节点的两级部署体系构架,以云计算理念为基础,面向电网调控业务设计了调控云基础设施即服务(IaaS)层基本构架,实现了调控云平台硬件资源的虚拟化(共享与动态调配)、数据的标准化和应用的服务化.另一方面,服务器和存储资源的虚拟化、域名系统、负载均衡、读写分离等技术已被引入IaaS层构架中,为调控云各节点均采用双站点模式提供基础支撑,实现了调控云各节点在业务层面均可同时对外提供服务和异地应用双活.     

基于正态云变异蛙跳算法的梯级水电站短期优化调度

针对混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)早熟收敛的问题,利用云模型在知识表达时具有不确定中带有确定性、稳定之中又有变化的特点,对每个子族群的最优解进行正态云变异操作,调整青蛙的跳动步长以实现局部搜索,提出了一种云变异蛙跳算法(Normal Cloud Mutation SFLA,NCM-SFLA),弥补混合蛙跳算法在进化过程中容易陷入局部最优的不足。将其应用于梯级水库的短期优化调度中,实例计算表明,与逐次逼近动态规划、混合蛙跳算法及标准粒子群算法相比,该方法具有更好的全局寻优能力和较快的收敛速度,验证了该方法在求解梯级水电站短期优化调度问题中的合理性和有效性。     

基于GLRT和APES的MIMO雷达参数估计新算法

为了获得高精度的多输入多输出（multiple-input multiple-output,MIMO）雷达的目标角度估计和幅度估计,本文基于幅度相位估计（amplitude and phase estimation,APES）算法和广义似然比检验（generalized-likelihood ratio test,GLRT）算法,提出了一种使用似然比的相位幅度估计（GAPES）新算法。在接收端通过GLRT算法估计出目标角度,然后用APES算法修正幅度,实现了在强干扰环境下提高角度和幅度分辨率。仿真结果表明了该算法的有效性。     

一种电力云数据中心的任务调度策略

随着智能变电站一体化监控平台及通信信息平台的建设与发展,电力数据呈现爆炸式的增长,而现有电力数据中心在处理海量数据时效率不高,无法满足电力用户多服务质量(QoS)需求。通过对电力云数据中心设计方案的分析,研究了云数据中心的任务调度策略。结合电力数据中心自身的特点,定义了一种电力用户多QoS评价模型,给出一种基于负载均衡的贪心算法,并以QoS总体效应值为目标进行任务调度。最后,以变电设备状态评估实验中心为例,对其故障诊断、状态评估、检修维护等任务进行模拟调度,并使用CloudSim平台进行仿真测试。结果表明,该算法能最大限度地满足电力用户多QoS需求,有效提高电力数据中心运行的效率,达到更加优越的负载均衡效果。     

基于遗传算法的改进谐波平衡算法

针对标准谐波平衡算法存在迭代收敛慢,计算量大的问题,采用遗传算法所具有的隐含并行性、全局解空间搜索特性,以及其优化过程不受限制性条件约束的优点,提出了引入遗传算法加速其收敛过程的改进谐波平衡算法。通过将遗传算法的随机自适应优化过程与标准谐波平衡算法的迭代运算过程相结合,简化了标准谐波平衡算法迭代计算的过程,提高标准谐波平衡算法的收敛速度和计算精度。并采用该算法对Duffing-VanDerPol方程的进行了求解,得到了该方程的近似解析解,通过与Runge-Kutta法所得数值解相比较,两者的一致性较好,表明了该算法的有效性。     

一种新的电力系统暂态稳定性计算方法

针对传统数值计算方法存在稳定性和收敛性差的问题,提出了一种新的电力系统暂态稳定性计算方法——辛Runge-Kutta-Nystrm(以下简称辛RKN)法,该算法不存在人为的引入耗散机制,避免歪曲系统本来结构的特征,可用较大积分步长来进行计算,与传统的Runge-Kutta(以下简称RK)法相比,收敛精度好,计算速度快,体现了该类辛算法内在的时间并行特性。在IEEE145节点电力系统运行的测试结果表明,辛RKN法能显著提高暂态稳定计算的收敛精度和计算速度。     

一种可变周期反馈的动态负载均衡算法

为了提高负载不均衡系统中并行计算效率,基于反馈机制设计动态负载均衡算法.该算法采用可变周期反馈设计,通过反馈负载信息和预测节点处理能力进行任务重分配.将周期长度与负载状态关联,当负载变化频繁时,缩短反馈周期,增强自适应性;当负载稳定时,增加反馈周期,减少额外开销.将该算法应用于半经典分子动力学力计算,对信息收集策略、反...     

基于改进蚁群算法的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可以减少瓶颈节点的过载和充分利用资源。针对智能电网中电力通信网络负载均衡问题,文中提出了一种将蚁群算法与链路权值算法相结合的负载均衡算法。在发挥蚁群算法优势的基础上,通过链路权重判断功能直接选择最优传输链路方案。通过仿真将所提算法与常用负载均衡算法进行比较,验证了所提算法的优越性和可行性。结果表明,该方法更适合于复杂的应用场景,在电力通信网络中具有更好的负载均衡能力,具有一定的参考价值。     

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。     

基于目标向量的非全向测距机器人路径规划

设计了以DSP TMS320F28335为核心的非全向测距室内移动机器人,通过DSP控制超声波传感器阵列来获取障碍物信息。并且基于此机器人系统,提出一种基于目标向量的路径规划算法,该算法不仅融合了TangentBug算法机器人行为简单、全局收敛的特点,又解决了TangentBug算法仅能应用于全向测距质点机器人的问题。实验结果表明,在该算法下,机器人能够在多种类、多障碍的位置环境下有效避开障碍物,到达定目标点。     

采用云理论自适应遗传算法的舰船电力系统故障智能恢复策略

提出了基于云理论自适应遗传算法并面向负荷投切的舰船电力系统故障智能恢复策略,该方法在考虑负荷和开关优先级及线路负荷分配均衡的基础上,借助于正态云固有的稳定倾向性和随机性,由云发生器自适应调整交叉率和变异率,增强了算法鲁棒性,改善了算法收敛速度。算例分析验证了基于云理论自适应遗传算法多目标故障恢复策略的可行性和有效性,且优于标准遗传算法和传统自适应遗传算法,具有一定的实用价值。