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。     

基于进程调度的ERP系统负载均衡算法

针对ERP系统负载均衡问题展开研究,提出了一种基于进程调度的分布式动态负载均衡算法LBAPS。通过对参与应用的节点进行合理分类,算法制定了进程调度的若干规则,系统节点在这些规则基础上协同进行均衡操作。理论分析指出,算法运行的时间复杂度为节点规模的平方阶。仿真实验结果表明,相对无负载均衡的系统,本算法可以带来显著的优化效果。     

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。     

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。     

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...     

流媒体负载均衡技术在江苏电力视频会议中的应用

流媒体技术的广泛应用带来了资源如何分配的问题,负载均衡技术能够对现有的服务器组进行调度,从而增加了网络的吞吐量和利用率。文章在分析流媒体负载均衡原理的基础上,介绍了流媒体负载均衡技术在江苏电力视频会议系统中的应用。从数据交互、健康检测和均衡算法3个方面阐述了该均衡系统运用的特点,最后说明了负载均衡系统的运用所带来的经济效益和社会效益。     

负载均衡和虚拟集群技术在智能电网调度技术支持系统中的应用

利用先进的负载均衡和虚拟集群技术是改善智能电网调度技术支持系统中电网实时调度业务的有效手段,通过阐述某地调(简称地调)综合智能告警窗口的挂住现象,分析并发现实时库高负载是产生上述现象的主要原因。在实时库高负载的情况下,将服务器运行的实验数据与分别采用负载均衡和虚拟集群负载均衡两种技术的实验数据进行对比,验证了结合虚拟集群和负载均衡两大技术是改善实时库高负载的有效方法。     

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。     

小型柴油发电机电子调速系统设计

目前小型柴油发电机所使用的机械调速器不仅灵敏度和调节精度较差,而且功能单一,不能实现复杂的控制功能.设计了采用DSP数字信号处理器的电子调速系统,实现了对柴油发电机从怠速到额定转速的全程调速控制.实验结果表明,该系统提高了调速精度,缩短了负载波动时柴油发电机转速稳定时间,降低了轻载和空载时柴油发电机的噪声和油耗.     

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。     

基于改进蚁群算法的电力云数据中心任务调度策略研究

针对现有云环境下电力数据中心任务调度的高能耗、低效率等问题,在电力云体系结构的基础上,提出了一种基于随机Petri网的云数据中心任务调度模型。通过综合考虑时间约束、负载、能耗约束对蚁群算法进行改进,并通过改进算法对模型进行求解。通过实验对运行时间、能耗、平均等待时间、系统负载等几个方面进行了比较分析,验证了该方法的优越性。结果表明,改进蚁群算法在保证性能的前提下,可以有效降低数据中心能耗,为电力数据中心任务调度策略的发展提供参考和借鉴。     

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。     

基于智能电表微内核动态优先级任务调度方法

为了提升新一代智能电能表中微内核实时嵌入式操作系统中任务调度算法性能,文中提出一种微内核动态优先级任务调度方法。在该方法中,将智能电能表中的任务划分周期性任务和事件触发任务,引入最高优先级调度和最早截止时间调度机制,对事件触发任务分配动态优先级。同时,针对低优先级任务可能存在得不到调度的情况,采用任务补偿调度策略,确保各任务能够及时得到执行。通过案例分析验证了文中方法的有效性,进而为新一代智能电能表实时任务处理应用奠定基础。     

微服务架构下配电台区任务云边协同在线调度策略

由电网域向社会服务域延伸的配电网需要支持更多的业务,应用随新业务拓展不断增加可能会导致边设备资源不足。为了从边设备层面支撑资源受限情况下任务的调度与协同处理,提出了微服务架构下配电台区任务云边协同在线调度策略。从任务及设备角度对云边容器化场景下任务调度问题进行了分析,在容器化电力任务云边调度机制基础上,设计了优先级策略与任务分配策略,并通过改进的在线算法对任务进行实时调度。仿真结果表明,所提策略具有更高的任务执行效率,通过资源置换,能够提高边设备资源受限时重要任务的完成率以及系统安全性。     

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。     

移动边缘计算中依赖型任务的调度模型研究

当前移动边缘计算(mobile edge computing, MEC)环境中关于任务调度的工作经常忽略任务间的依赖关系,导致其完成 时延较长。 针对此问题,首先,以降低系统完成时延为目标,在考虑到跨服务器协作的多用户、多边缘服务器场景下,利用广度 优先搜索算法(breadth first search, BFS)构建一种依赖型任务的调度模型。 然后,根据任务和边缘服务器之间的交互,将模型 中各调度层的联合卸载和迁移问题建模为一个多领导者多跟随者的 Stackelberg 博弈。 最后,为实现 Stackelberg 博弈均衡,提出 基于 Q 值的卸载算法和分布式迭代迁移算法求解模型。 仿真结果表明,与基线算法相比,所提算法在不同规模的用户和边缘 服务器的场景下,将系统完成时延分别降低了 44. 1%和 63. 2%。 进一步实验表明,与传统方案相比,所提模型在不同规模的用 户和边缘服务器的场景下使系统完成时延分别降低了 20. 1%和 6. 7%,有效保证了服务质量。     

一种多核系统任务扰动迭代算法

任务调度问题是多核处理器相关技术的一个重要组成部分。 基于列表的调度算法因其低复杂度和高效率得到广泛关 注,但确定任务优先级列表方法的单一性使得算法对解空间搜索不够,易陷入局部最优。 为此,提出一种基于任务扰动的迭代 型列表调度算法(task perturbation iteration algorithm, TPIA)。 该算法通过选取任务扰动因子按照一定扰动策略进行调度列表迭 代,对迭代后的列表进行贪心选择,生成更优的调度列表序列以得到更好的调度结果。 通过实例和随机有向无环图(DAG)有 限集对算法进行验证,结果表明算法能有效改善调度解,调度性能提升平均可达 16. 51%,适宜处理大规模、高出入度的复杂 DAG 图;针对 TPIA 算法在低任务总数高通讯开销情况下性能有所下降的问题,对平均任务节点数 130 以下的任务图进行分组 测试,获得了对应的 CCR 上界值及其变化趋势。     

考虑服务配置的细粒度电力任务云边协同优化调度策略

新型电力系统的建设促使电力业务范围向用户侧深入,业务种类及数量不断增加。边设备资源有限,只能配置有限数量的服务,任务的时延能耗需求与设备资源有限的矛盾日益突出。为实现云边资源协同与任务的优化调度,提出了一种考虑服务配置的细粒度电力任务云边协同优化调度策略。通过建立微服务的时延与能耗模型,并对任务调度中的约束条件进行分析,将时延与能耗的优化决策问题转化为带约束的多目标优化问题,采用NSGA-Ⅱ算法求解。然后通过基于模糊逻辑的多准则决策方法为任务选择调度方案。仿真结果表明,所提策略在时延和能耗方面的性能优于其他策略,能够适应不同的任务场景并做出最优决策,提高了任务的完成率。     

电网实时数据平台的任务调度解决方案

致力于提高电网实时数据平台的性能,针对实时数据平台中实时任务的特点,在分析了常用的实时任务调度策略的优点和局限性的基础上,改进了传统调度算法,提出了一种基于优先级的新的实时调度策略,既考虑了任务的截止期,又兼顾了任务的关键性。然后研究了在多服务节点条件下,根据加权负载率和截止期错失率来实现任务分配的均衡性,从而大大改善了实时数据平台的性能。最后设计并实现了一个任务调度的解决方案,并通过模拟实验对其性能进行了分析,验证了新算法的优越性。