基于云计算的电力任务调度优化策略研究

针对大量电力数据处理时,现有的电力数据中心效率低下,无法满足电力用户的多服务需求。文中在云计算架构的基础上,对电力任务调度优化策略进行了研究,提出了自适应粒子群蚁群优化算法用于云计算任务调度的策略。为了验证算法的准确性和有效性,通过仿真工具对各种云计算环境中的调度场景进行构建,将自适应粒子群蚁群算法任务调度与粒子群蚁群算法和蚁群算法的任务调度进行比较。结果表明,该方法可以有效地处理各种规模的数据集,在减少执行时间和负载均衡方面具有明显的优势。该研究为我国建立综合电力信息一体化平台提供参考和借鉴。     

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。     

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。     

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。     

基于最优K均值聚类算法的负荷大数据任务均衡调度研究

传统电力负荷大数据均衡调度方法无法应用于多源数据,导致负荷数据的划分精度偏低,开销较大,电力负载均衡性改善效果不明显。为此,提出基于最优K均值聚类算法的负荷大数据任务调度均衡方法。采用K均值聚类算法划分电力负荷大数据,并利用密度法优化K均值聚类算法的初始聚类中心点,获取电力负荷大数据最优分类结果;通过提取各分类结果的关联特征,获取电力大数据跨域调度的输出特征量,结合自适应权重学习方法,完成电力负荷大数据的跨源调度。实验测试结果表明：该方法可根据不同的电力负荷特点,高效完成用户电力负荷大数据分类。具备良好的负荷大数据跨源调度均衡性,且负载均衡离差均低于0.19,调度开销低于0.95 s,以上数据表明所提的电力负荷大数据跨源调度方法具有实用性。     

基于强化学习的电力数据存储系统参数自适应调优

Ceph系统被广泛应用于电力数据的存储,现有数据中心依赖人工经验对存储配置参数进行优化。但是,人工经验无法适应电网的动态变化,准确性低,无法满足激增的电网边缘快速存储与处理需求。针对以上问题,在电力数据存储系统中提出一种基于强化学习的数据负载感知自适应配置参数推荐方法。该方法基于强化学习的马尔可夫链蒙特卡洛采样算法配置参数样本集和相应的集群性能,使用分层建模方法构建性能预测模型,采用集群性能代价函数与负载相似度估算结合算法,提供负载的快速感知和配置参数的持续优化。实验结果表明,采样效率得到有效提升,预测精度优于现有预测模型,满足电力数据采集系统的运行要求,且寻优耗时也低于现有的黑盒参数调优方法。     

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。     

基于云计算的电力数据中心基础架构及其关键技术

为了适应新一代数据中心的发展趋势,并满足智能电网的需要,提出了基于云计算的新一代电力数据中心的基础架构。分析了现有电力数据中心的逻辑结构与功能,采用虚拟化技术对电力数据中心的服务器进行虚拟化,提高资源利用率,保障电力数据中心的高可用性和可伸缩性。设计了基于Hadoop的电力数据中心云计算平台,为智能电网的各个业务系统、数据挖掘与辅助决策支持等应用提供海量数据的存储、管理与计算环境。提出现有电力数据中心向云计算的分阶段迁移策略,以保障平稳过渡。     

基于边缘计算的电力任务最优调度算法研究

针对云计算框架的传播延迟,无法满足电力系统对低延迟和可靠性的要求。在移动边缘计算框架的基础上,提出了一种用于电力任务调度的改进蚁群算法。在蚁群算法选择的最短路径的基础上添加了负载平衡能力,降低总体能耗和防止某个移动边缘云超载。通过仿真分析验证了该调度方法的优越性。结果表明,随着用户设备、边缘云、带宽和总计算资源数量的增加,文中调度方法在平均能耗和任务卸载数量方面均优于贪心算法和距离优先算法,具有一定的实用价值。     

大型用电企业关口平衡问题研究

提高大型用电企业自备电厂的电能管理水平,减少企业用电对地区电网的污染,可降低生产成本,对企业的投资与决策具有重要意义。该文将关口平衡作为大型用电企业电力系统优化调度的主要目标,建立企业的发电、用电系统关口平衡模型;提出每个考核周期满足关口平衡的充要条件;基于该条件设计动态规划求解算法。该算法将关口平衡模型这样一个大规模整数规划问题转换为多个小规模的整数规划问题,提高计算效率;该算法可灵活求解具有多解特性的关口平衡问题,为大型用电企业从中挑选出一个性能更好的解提供基础。应用某大型钢铁企业实际数据进行测试,结果表明该算法的有效性。     

调度自动化系统公共信息模型导入远程监测诊断中心接口的研究与实现

为实现对电力设备状态的综合智能化管理,解决信息孤岛问题,提出了广东电网公司电力设备远程监测诊断中心（简称远程中心）与各地区供电局调度自动化系统（简称地调系统）间的数据接口实施方案.从模型基础、数据格式及传输方式等方面阐述了远程中心与地调系统间接口方案的实施情况.该接口方案的应用效果表明,通过数据接口,各地调系统可向远程中心自动上传电网模型、变电站接线图形及量测文件,为全网设备的智能化精准管理控制提供了坚实的模型及数据基础,实现了模型交互及数据共享.     

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...     

负荷分布式控制的云计算平台构架设计

具有能量存储特性的负荷可为系统提供备用,参与功率平衡控制.为提高负荷控制的精度并减少对用户用电的负面影响,提出了负荷分布式控制的云计算平台构架.在采用的分布式控制策略中,负荷、负荷聚合层与调度中心之间进行测量数据与控制指令的上传下达,负荷聚合层承担沟通负荷与调度中心的作用,将聚合得到的负荷群运行状态传输至调度中心,并解析由调度中心下达的负荷控制指令.设计了一种云计算平台构架,将负荷分布式递阶控制结构以扁平化计算模式实现,云计算平台直接响应由负荷、负荷聚合层和调度中心提出的服务请求.在 Cloudsim 软件下模拟了负荷分布式控制的云计算平台构架,量化多种可控负荷的云计算和存储任务量.仿真结果表明,云计算平台计算速度快、存储能力强、易于扩展,能够适应负荷分布式控制的要求.     

V2G模式下微网电动汽车有序充电策略研究

为了应对V2G(Vehicle-to-Grid)模式下大规模电动汽车接入给电网带来的诸多挑战,针对现有电动汽车调度策略对大规模电动汽车充放电需求考虑不足的问题,提出一种微电网电动汽车有序充电策略。调度策略可根据当前微电网负荷状态、电动汽车充电需求等实时数据,采用模糊控制算法优化安排电动汽车充电计划,满足电动汽车充电需求同时实现对电网的削峰填谷。利用该调度策略对某配电区域600辆电动汽车进行充电,并与传统即时充电策略进行比较分析。仿真结果表明,基于模糊控制算法的电动汽车有序充电策略能够有效避免大量电动汽车接入电网引起负荷尖峰的问题,为电网提供削峰填谷的服务,实现用户和电网的双赢。     

促进可再生能源发电消纳和碳减排的数据中心优化调度与需求响应策略

数据中心是用户侧重要的灵活性资源,通过对其合理调度与引导需求响应可有效提升数据中心对分布式可再生能源发电的就地消纳能力,进而为实现中国的"双碳"目标提供支撑.在此背景下,文章研究了促进可再生能源发电消纳的数据中心优化调度与需求响应策略.首先,考虑数据中心用能特性,建立包含数据中心能耗与用户服务质量要求的数据中心常规运行...