区块链背景下虚拟电厂分布式调度策略研究

完全分散型虚拟电厂没有中心化机构,支持分布式能源的自由接入,是未来虚拟电厂的主流模式之一。基于分散型虚拟电厂与区块链在去中心化、点对点交互和分散协同等方面的一致性,提出利用区块链共识机制实现虚拟电厂分布式调度,结合等耗量微增率准则,将微增量特征作为一致性变量,实现虚拟电厂的最优经济调度。虚拟电厂中每个分布式能源作为区块链的一个节点,拥有全网关键数据的完整备份,当负荷发生变化后,利用PBFT共识算法,每个节点独立计算各个机组的新功率,并将新功率数据上链存储,同时保持微增量特征全局一致性,实现负荷在机组间的合理分配。通过仿真实验验证了算法的有效性,利用区块链实现分布式调度,为分散型虚拟电厂运行模式提供了一种可行的参考方案。     

基于交互优先算法的网格仿真实体静态调度策略

为了解决网格仿真中的静态任务调度问题，提出一种创新的基于交互优先算法的实体调度策略．该策略使用了一种兼顾通信优化和计算平衡的评价标准．调度策略分为聚类和映射两阶段进行．聚类过程使用一种交互优先算法，将交互密集的实体聚类到一个实体组中并且将被调度到同一处理器上运行；映射过程则使用一种计算优先的启发式算法，优先映射计算消耗大的聚类实体到处理能力强的处理器上．最后，将使用上述两种算法的调度策略同贪婪对分法进行对比实验，结果证明本文的方法能够较好地优化仿真中的通信和计算性能并且更加适合于网格仿真．     

基于SOA集成平台的EFSM任务调度模型

针对异构系统之间的集成与数据交换问题,设计一种基于SOA集成平台的EFSM任务调度模型.采用XML格式编辑数据交换报文,分析SOA集成平台的3种数据交换情形,给出基于调度思想的任务队列调度算法,参照网格计算的Min-Min算法,对具有调度任务瓶颈的转发任务进行改进.实验结果表明,该模型能在SOA集成平台上高效运行.     

异构边缘资源的任务卸载和协同调度

边缘计算广泛应用于物联网、车联网和在线游戏等新兴领域,通过网络边缘部署计算资源为终端设备提供低延迟计算服务.针对如何进行任务卸载以权衡任务执行时间与传输时间、如何调度多个不同截止期任务以最小化总延迟时间等挑战性问题,提出1种异构边缘协同的任务卸载和调度框架,包括边缘网络拓扑节点排序、边缘节点内任务排序、任务卸载策略、任务调度和结果调优等算法组件;设计多种任务卸载策略和任务调度策略;借助多因素方差分析（multi-factor analysis of variance,ANOVA）技术在大规模随机实例上校正算法算子和参数,得到统计意义上的最佳调度算法.基于EdgeCloudSim仿真平台,将所提出调度算法与其3个变种算法从边缘节点数量、任务数量、任务分布、截止期取值区间等角度进行性能比较.实验结果表明,所提出调度算法在各种情形下性能都优于对比算法.     

多核处理平台上任务图模型的并行调度策略研究

凭借着高性能,低功耗的特性,多核处理器已经占据了目前的主要市场.提出一种多核处理平台上基于任务图模型的调度策略.建立了多核平台上任务图的空间与时间并行调度模型;针对任务图的空间并行与时间并行调度模型提出了并行节点合并、分配的优化算法与流水线并行的优化算法.最后,提出将优化的空间与时间并行调度技术相结合的并行调度策略.通过实验验证,本文提出的算法比其他多核并行调度算法降低了处理器核心间的通信与同步开销,提高了系统的计算效率与吞吐量.     

异构并行平台的Caffe推理速度提升方法

随着计算机硬件性能的提高,目前在个人终端上也开始出现使用预训练机器学习模型进行推理的运用.Caffe是一款流行的深度学习框架,擅长图像分类等任务,但是在默认状态下只能单核运行,无法充分发挥异构并行计算设备的计算能力.深度学习对于计算性能的要求较高,如果能并行化以充分使用所有计算设备,就能提升计算速度和使用体验.由于CPU和GPU的计算性能之比在不同模型下存在差异,因此不能简单将任务均分到多个计算设备.而任务拆分过多或者需要等待多设备完成任务后同步的调度算法会引入更多开销.因此,还需要设计合适的调度算法减少设备空闲时间,才能获得更好的性能.已有一些提高Caffe并行表现的方法,但是对于具体平台有限制且使用难度较高,无法简单充分利用异构并行计算设备的计算能力.本文将Caffe接口扩展,使得自定义程序可以调用异构并行平台的多核或多计算设备使用Caffe进行深度学习推理.接着将目前已有的多种调度算法运用到此类任务上并考察了运行效果.为了减少已有调度算法的同步开销,本文提出了先进先出调度和快速分块调度两种新的算法.测试表明,使用快速分块调度算法结合异构并行计算设备,Caffe的推理速度相比只使用单个CPU核心或者单个GPU都大幅提升.而且,相比已有调度算法中表现最好的HAT算法,本文提出的快速分块调度算法在MNIST和Cifar-10两个数据集上分别减少了7.4%和21.0%的计算性能浪费.     

基于Linux随机进程调度算法的实现

本文分析了Linux 0.11版本中的进程调度算法,并在此基础上设计了一种新的调度算法——进程随机调度算法.本文利用WinImage软件导出(导入)相应的进程调度文件至Windows系统(Linux系统),利用Editplus软件将原有的进程调度算法替换成新的调度算法,实现了Windows平台和Linux平台的交互,最后成功地完成了Linux内核的重新编译.     

免疫调度算法综述

调度问题在科学和工程中广泛存在且难以求解,人们一直寻求先进的调度算法来解决这一问题．基于生物免疫系统的计算智能发展迅速,并很快被应用于调度问题,体现了其解决调度问题的优势和特色．对此,综述了国内外免疫调度理论和算法的研究现状,介绍了基于克隆选择、免疫网络、疫苗接种等原理的调度算法,并将其按免疫机理、优化目标以及解决的问题进行分类．最后给出了免疫调度算法在各领域中的应用及其未来研究展望．     

多核平台下XEN虚拟机动态调度算法研究

虚拟机调度算法对并行任务的执行效率考虑不够充分。现代处理器平台具备了多个可用的计算核心,使多个虚拟机并发执行成为了现实。针对多核平台下的并行虚拟机调度优化问题,提出一种基于任务特征虚拟机CON-Credit调度算法。该算法在调度并行任务时,使用动态方式对计算机核心进行分配,采用传统的虚拟机调度算法为执行普通任务的虚拟机进行分配;采用定制的同步算法给执行并行任务的虚拟机分进分配。相关实验显示,CON-Credit调度算法能显著提高并行任务的执行效率。     

膜计算改进粒子群优化算法的云资源调度

云计算环境下的资源合理调度是当前的研究热点,针对粒子群优化算法的不足,引入膜计算理论,提出一种基于膜计算改进粒子群优化算法的云资源调度算法（PSO-MC）。对云资源调度问题进行分析,建立云资源调度的目标函数,受到膜计算的启发,将粒子放入膜中,主膜内粒子进行精细化局部寻优,辅助膜内的粒子进行全局搜索,通过膜区域之间信息传递搜索结果,找到云资源调度问题的最优解,在CloudSim平台对算法进行仿真实验。结果表明,PSO-MC算法减少了任务的平均完成时间,提高了任务处理的效率,使云计算资源调度更加合理。     

Modified neo-fuzzy neuron-based approach for economic and environmental optimal power dispatch

At the central energy management center in a power system, the real time controls continuously track the load changes and endeavor to match the total power demand with total generation in such a manner that the operating cost is minimized while all the operating constraints are satisfied. However, due to the strict government regulations on environmental protection, operation at minimum cost is no longer the only criterion for dispatching electrical power. The idea behind the environmentally constrained economic dispatch formulation is to estimate the optimal generation schedule of generating units in such a manner that fuel cost and harmful emission levels are both simultaneously minimized for a given load demand. Conventional optimization techniques become very time consuming and computationally extensive for such complex optimization tasks. These methods are hence not suitable for on-line use. Neural networks and fuzzy systems can be trained to generate accurate relations among variables in complex non-linear dynamical environment, as both are model-free estimators. The existing synergy between these two fields has been exploited in this paper for solving the economic and environmental dispatch problem on-line. A multi-output modified neo-fuzzy neuron (NFN), capable of real time training is proposed for economic and environmental power generation allocation.This model is found to achieve accurate results and the training is observed to be faster than other popular neural networks. The proposed method has been tested on medium-sized sample power systems with three and six generating units and found to be suitable for on-line combined environmental economic dispatch (CEED).     

电动汽车参与经济调度的多目标模型

电动汽车通过V2G技术可以作为电网负荷侧的备用容量,由此提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为其目标函数,并让电动汽车通过有序充放电来作为经济调度时的备用容量.在满足各种约束条件下,采用多目标遗传算法(NSGA-Ⅱ)对模型进行求解.电动汽车的负荷特性、负荷波动、真实风能输出和机组停运状态均采用蒙特卡洛算法得到,并以一小时为时间间隔来进行仿真.由模型的求解结果可知,通过选择合适的pareto解集中的值,可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能.     

舰船动力装置模拟器改进设计

受当时仿真技术条件的限制,一代舰船动力装置模拟器硬件运行可靠性差,故障率越来越高;模拟对象软件非标准化、非模块化,在线修改不便;可视化软件实时性不强;教练员控制台运行功能弱,目前已不能适应当前新的使命任务要求,影响到模拟器的正常使用.结合现代仿真技术,该文对模拟器的软、硬件系统提出了可行的改进方法,给出了改进后的舰船动力装置模拟训练系统,使模拟器整体性能有了显著提高,满足了当前使用需求.     

火电机组经济性分析仿真模型的模块化

该文讨论了建立火电机组运行经济分析模型的重要性和必要性 ,用工程模块化的建模方法建立了该模型 ,模型较为真实地反映了机组运行的经济分析结果 ,在分析单元机组工作状态、指导运行人员的实践操作和对运行人员的培训考核中发挥了较为重要的作用。     

An approach to on-line power dispatch with ambient air pollution constraints

An on-line optimal environmental/economic dispatch methodology for electric power generation is developed in this paper. Aside from the conventional economic dispatch, constraints on air quality (such as those specified by the U.S. Environmental Protection Agency) are added to the minimum fuel cost problem. Using the integrated Gaussian puff model based on the statistical turbulent theory, rapid dynamic features of pollutant dispersion and its forecast surrounding the plants are emphasized. By applying a convex programming algorithm repeatedly, a set of marginal environmental imposts for the power plants at different times are obtained. Such imposts are incorporated with the fuel cost in the ordinary short-term economic dispatching program to indirectly account for the environmental impact of power generation on the quality of the ambient air. The approach is specifically taken to have little modification for existing economic dispatch programs and be implemented for real power networks. The proposed approach has been simulated in a power system with three plants and three monitoring points.     

Solution of non-convex economic load dispatch problem using Grey Wolf Optimizer

Grey Wolf Optimizer (GWO) is a recently developed meta-heuristic search algorithm inspired by grey wolves (Canis lupus), which simulate the social stratum and hunting mechanism of grey wolves in nature and based on three main steps of hunting: searching for prey, encircling prey and attacking prey. This paper presents the application of GWO algorithm for the solution of non-convex and dynamic economic load dispatch problem (ELDP) of electric power system. The performance of GWO is tested for ELDP of small-, medium- and large-scale power systems, and the results are verified by a comparative study with lambda iteration method, Particle Swarm Optimization algorithm, Genetic Algorithm, Biogeography-Based Optimization, Differential Evolution algorithm, pattern search algorithm, NN-EPSO, FEP, CEP, IFEP and MFEP. Comparative results show that the GWO algorithm is able to provide very competitive results compared to other well-known conventional, heuristics and meta-heuristics search algorithms.     

Design of reduced search space strategy based on integration of Nelder–Mead method and pattern search algorithm with application to economic load dispatch problem

This paper presents a novel hybrid technique for the solution of economic load dispatch problem with valve point loading effect using Nelder–Mead (NM) simplex method and pattern search (PS) algorithm. Strength of globalized NM optimization algorithm has been employed to explore the search space for near optimal solution, and PS algorithm is used in combination with a search space reduction strategy, incorporating the principles of selection and stochastic reproduction, to fine-tune the result. The proposed technique has been applied to three different systems having 3, 13 and 40 generating units to demonstrate the application for small to large load dispatch set-up. The efficacy of the design scheme is established from comparison of the results with the state-of-the-art solvers, and it is found that the proposed scheme gives the best result in terms of mean cost while the average computational time is less than most of the reported methods.

     

基于差分蜂群算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,提出一种有效的差分蜂群算法．受差分进化算法的启发,该算法基于差分进化操作改进了雇佣蜂的搜索方式,提高了探索能力和收敛速度．此外,提出一种有效的修复机制以保证新个体的可行性．该算法在带有阀点效应和多燃料特征的典型电力系统经济负荷分配问题上进行了测试．仿真结果验证了所提算法的有效性．     

核电厂培训模拟机设计和开发

简述了核电仿真的目的和意义以及核电厂模拟机的分类,并概述了核电厂培训模拟机基本的性能和功能要求。通过1个工程实例对核电厂培训模拟机的系统结构、软硬件组成、功能设计等进行全面描述。最后,对核电厂培训模拟机的发展趋势进行了展望。     

基于动态惩罚因子的改进蚱蜢算法求解经济负荷调度和经济排放联合调度问题

电力生产装置运行中各种燃料的成本逐步增加,需要最小化成本函数以求解此类复杂经济负荷调度问题.鉴于此,提出一种基于动态惩罚因子的改进蚱蜢算法求解经济负荷调度(economic load dispatch, ELD)问题和经济排放联合调度(combined economic emission dispatch, CEED)问题.为了提高蚱蜢算法(grasshopper optimization algorithm, GOA)性能,提出一种改进的混合蚱蜢算法(hybrid grasshopper optimization algorithm, HGOA),将重力搜索算子和鸽群搜索算子-地标算子加入GOA中,增强算法的搜索能力,平衡算法的勘探和开发.同时,为了更好地解决ELD和CEED问题中的约束问题,提出6个惩罚函数,包括2个V型函数、反正切函数、反正弦函数、线性函数和二次函数,并使用动态惩罚策略代替传统的固定值惩罚策略.选取3个ELD问题案例和4个CEED问题案例验证所提出方法的有效性,实验结果表明, HGOA相较于其他元启发式算法在求解质量上表现更好,且动态惩罚策略比固定值惩罚策略效果更...