面向电力大数据分布式云存储的性能分析与优化

<正>在电力调度系统中,电力数据以大数据散布的形式分布在云存储系统中,由于云存储节点和数据分布在城市电力调度环境具有非均匀自组织特性,制约电力大数据的调度效率,造成云存储冗余,需要进行性能优化。传统的电力大数据分布式云存储和数据调度算法采用能量谱密度函数特征提取算法,由于能量谱密度函数多模盲均衡特性,造成云存储系统中的干扰数据较多,电力数据调度效率不好。提出一种基于宽频带数据特征压缩的电力系统大数据分布式云存储算     

电网大数据云存储算法的研究

在分布式云计算系统中,数据密集型计算可导致数据中心间的数据调度,而合理的数据分布式存储可有效减少数据中心间的数据调度,提高用户的数据存储和计算效率.为此,建立数据中心间数据调度的数学模型,通过遗传算法的全局优化能力和迭代产生更好的近似解,得到数据存储的最佳逼近.试验结果表明,遗传算法可有效计算近似最优的数据分布式存储,并最大限度减少数据中心间的数据调度。     

云边协同的调控云数据质量优化

调控云汇集了海量的模型和运行数据,采用集中处理方式对云中心的传输网络、计算资源和存储资源带来巨大的压力,数据时效性也无法得到保障.本文基于云边协同技术,设计了调控云广域云边协同总体架构,并以电网调控数据质量优化应用为例,对网络带宽及时延、数据协同处理性能、任务分解策略优化、云中心存储性能等指标进行了对比分析.实际系统应...     

基于改进TD3算法的综合能源系统低碳经济调度

在用传统调度方法进行综合能源系统低碳经济调度时会面临数据维数高、建模难度大等困难。虽然用基于数据驱动自适应挖掘物理模型的深度强化学习算法有希望克服这些困难,且其中确定性策略梯度算法尤其适用于连续决策变量问题的求解,但该算法在实际应用时存在训练效率普遍较低的问题。对此,提出了一种基于改进双延迟深度确定性策略梯度算法的调度决策模型。首先基于综合能源系统低碳经济调度特性建立序贯马尔可夫决策过程模型;进而应用改进双延迟深度确定性策略梯度算法构建并训练神经网络,避免过估计并提高网络输出稳定性。同时,为提升网络训练效率,以求和树对训练过程中的历史经验数据进行存储和经验回放采样。实验结果表明,所提方法能对综合能源系统低碳经济调度问题进行有效求解,且比传统强化学习算法表现更优。     

基于调度云平台通用分布式架构实践

针对传统调度云数据集成架构微服务拆分不合理、可靠性差及大规模数据处理出现瓶颈等问题,提出基于调度云平台通用分布式架构解决方案。首先构建了云平台系统典型架构,基于云计算理念将云平台组件与实际业务系统高效整合。其次探索研究了分布式关键技术,包括基于元数据的文件分布式存储、多执行器的分布式任务处理中心、基于数据代理的分布式数据库存储、业务模块分布式部署等架构,并提出了基于异常任务回收机制的综合负载调度算法。最后通过真实场景验证所提出的分布式架构提升了海量数据加工、处理及存取效率,增强了系统在高并发情形下的性能表现。     

基于时间敏感网络的流量调度机制在智能变电站中的研究与实现

为解决智能变电站中数据流量增长与控制信息实时性的矛盾,提出了一种基于时间敏感网络的二层以太网新技术来对流量进行调度。该技术通过在传输时间上采用时隙窗口独占和共享的思想,在传输通道中采用帧抢占的机制,在前端根据流量特性进行分类,在后端通过算法进行参数的最优化配置。该技术可以改进智能变电站中过程层对传统交换机的流量调度机制,提升对时间敏感流量进行确定性时延调度的效果,为智能变电站的以太网网络提供具有低时延抖动的传输服务,为电力系统的服务质量(QoS)的提升提出了一个新思路。     

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。     

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。     

基于云存储的电力设备巡检系统研究

针对智慧城市电力设备巡检系统数据量激增,无法安全高效地采集、存储与分析的问题,基于智能电网中电力系统各设备巡检监控规程和云计算技术及云存储平台的建设,通过建立云存储平台Hadoop及分布式文件系统(HDFS)的云存储模型,并应用C语言、基于Struts2框架、采用Maven单元测试工具等方法,设计并实现一套应用于智能电网的电力设备巡检监控数据的云存储系统。经测试表明,所设计的系统可实现电力系统各设备巡检监控数据的采集、传输、存储和归档等功能,为智慧城市的发展做好电力保障,更好地满足电力运行环境的使用需求。     

基于TRDP的网络优先级调度优化方法研究

将实时以太网应用于列车是未来列车通信网络发展的必然趋势。基于应用列车实时数据协议(train real-time data pro-tocol, TRDP)的车载设备搭建列车网络系统模拟试验平台,研究列车通信过程中各子控制系统的时延特性。通过测试多种发送周期下过程数据和消息数据的网络诱导时延来分析网络性能表现,为改善对实时性要求较高的消息数据传输时延,提出一种优化的优先级调度方法。使用网络演算方法对TRDP协议默认优先级调度方法和优化方法分别进行时延上界推导,最后在试验平台上应用该优化方法的同时测得多组时延数据。两种调度方法下的测试数据对比结果表明,该优化方法可在满足其它优先级数据传输时延要求的前提下,将较高优先级消息数据的时延在本地和跨编组网络下有效减少8.621 ms和13.545 ms,以此验证了该研究对提升列车实时以太网络性能的可行性。     

考虑热网传输延时及储热的电-热综合能源系统日前优化调度策略

综合考虑热网传输延时及储热的优化调度,可显著提高电-热综合能源系统的灵活性,在实现系统经济运行的同时,进一步提高系统的新能源消纳能力。对此,文中提出考虑热网传输延时及储热的电-热综合能源系统日前优化调度策略。首先,建立描述热网的传输延时和储热的供热系统模型;接着结合具体的能源设备,将热网作为调度资源参与到日前优化调度中,提出一种热网传输延时及储热的日前优化调度模型,实现对热网虚拟储能的调度利用。最后对不同场景下含风电的电-热综合能源进行算例分析,验证了文中所提方法的有效性。仿真结果表明,该方法可利用热网传输延时和储热进一步降低系统的运行成本,提高风电的消纳率。     

基于贪心流量调度的智能变电站过程层网络拓扑高可用无缝冗余配置方法

泛在电力物联网背景下,智能变电站中负责运行状态上传与控制命令下达的过程层网络负载将急剧升高。传统IEC61850标准协议中的高可用性无缝冗余(High-Availability Seamless Redundancy,HSR)通信链路配置方法由于数据副本在存在环路的网络内循环产生额外流量与额外传输延时,存在信息传输实时性差的缺点。因此,提出基于贪心流量优化算法的过程层网络拓扑高冗余无缝配置方法。首先,在分析采用HSR技术的智能变电站过程层网络工作原理的技术上,提出两种高可用性无缝冗余配置方案:交叉(Cross-Links,CLs)方案与四连通环(Four-Connected Rings,FCRs)方案。其次,为避免过程层网络在流量汇聚时易产生拥塞导致传输时效性变差,提出基于贪心算法的流量调度策略。最后,基于Opnet的变电站仿真算例表明,与传统网络拓扑配置方案相比,所提方案的数据平均传输跳数与传统拓扑方案比下降50%,而采用贪心算法的过程层网络流量调度策略在数据拥塞时的传输延时、丢包率和吞吐量衰退服务分别降低32.7%,63.5%和33.3%。因此,所提方案能够显著提升智能变电站过程层网络性能。     

基于边缘计算的能量自治区域调度策略

为了提升配电物联网基础数据海量增长背景下能量调度的效率,提出了基于边缘计算的能量自治区域调度策略,构建能量自治系统边缘计算架构和优化调度模型。该方法将大部分数据处理和储存工作下放至网络边缘侧,降低网络传输成本并且减少调度中心计算量,边缘侧采用基于莱维飞行的改进粒子群算法进行优化调度,既可以独立进行优化工作,也可以边云交互完成整体调度。相比于传统集中式调度策略,该方法可节省约90%的系统整体优化时间,且云层以及边缘层所进行的总迭代次数较集中式调度减少60%以上。最后以某地区电力负荷及分布式电源预测出力数据为算例进行仿真计算,结果表明基于边缘计算的优化策略有效地提高了能量调度的效率。     

云技术在电网资源调度系统中的应用研究

随着社会经济的持续发展,电力系统正朝着智能电网的方向发展。在此状态下,电力资源调度呈现出信息海量化、分布化、处理自动化的特点。而面对如此规模的数据处理过程,如何有效地实现信息的集成、分析、计算和存储,就成为电网资源调度的难点。结合云技术的相关特性,将云计算引入到电网资源调度系统中,并利用动态迁移调度算法实现了物理云资源的平衡使用,从而为电力调度提供了更为智能化的决策支持和实现方式。     

基于一致性算法的区域网络集中式共享储能共享机制

现阶段共享储能市场的交易机制存在准入门槛高、交易成本高、交易过程复杂等问题。在高渗透率新能源接入背景下,传统集中式调度方法存在调度中心通信压力大、可靠性差等问题,而分布式调度方法能通过降低市场交易成本来提高市场效率。针对多座新能源场站与共享储能的标准纳什博弈关系,提出了基于价格一致性的共享储能实时共享机制。基于共享储能的实时交易机制,构建了新能源场站与共享储能运营商的分布式个体决策模型;为了实现去中心化共享,在区域共享网络中提出了基于一致性算法的共享储能实时共享机制,参与者通过交互共享电价达成价格认同,最终实现共享储能社会福利最大化。以新能源场站-共享储能网络为算例进行仿真,验证所提分布式调度方法能达到与集中式调度方法相同的效果,且适用性更优。     

考虑SOC优化设定的电-氢混合储能系统的运行优化

针对含电-氢混合储能的源网荷储系统,为提高新能源的消纳水平并降低系统运行成本,提出了考虑SOC优化设定的电氢混合储能系统的运行优化方法,实现系统的日前实时优化调度。首先提出了大容量储能系统SOC优化设定的方法,以确定储能系统日前的始末SOC优化设定值。随后,基于双延迟深度确定性策略梯度算法,提出了一种日前实时优化调度模型训练方法。结合储能SOC的优化设定值和日前运行数据,建立了源网荷储系统的实时优化调度模型,实现日前和实时综合优化调度。最后,通过算例分析验证了所提运行优化方法的有效性。结果表明,大容量储能系统的SOC优化设定方法可以有效提高系统收益,日前-实时优化调度模型则在日前优化调度的基础上减少了预测误差带来的影响。     

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。仿真结果表明,在不显著降低效率的情况下,该方法可以节能10%以上。该研究为云环境下最优电力调度方法的发展提供了一定的参考和借鉴。     

基于柔性策略-评价网络的微电网源储协同优化调度策略

近年来,微电网中的可再生能源与储能占比不断增大,给其优化调度带来了新的挑战。针对微电网源储协同调度问题中非凸非线性约束带来的求解困难,利用深度强化学习算法构建基于数据的策略函数,通过不断地与环境进行交互学习寻找最优策略,避免了对原非凸非线性问题的直接求解。考虑到训练过程中策略函数可能不满足安全约束,进一步提出了一种利用部分模型信息的微电网源储协同优化调度安全策略学习方法,得到了满足网络安全约束的优化策略。此外,针对强化学习的智能体在训练过程中与环境的交互耗时较长的问题,采用神经网络对环境进行建模以提高学习效率。     

Efficient and fine scheduling algorithm for bandwidth allocation in ethernet passive optical networks

A novel fine scheduling algorithm is introduced for upstream bandwidth allocation in an Ethernet-based passive optical network. This scheduling algorithm consists of an inter optical network unit (ONU) scheduler at the optical line terminal (OLT) and an intra-ONU scheduler at each ONU. In the inter-ONU scheduling, a novel GATE/REPORT approach is introduced to eliminate the unused remainders without transmission delay and maximize the utilization of bandwidth. Our novel intra-ONU scheduler gives fair bandwidth allocation to the queues of different priorities for each user in a hierarchical and decentralized way. Numerical results have shown that our overall scheduling algorithm can fulfill various requirements of delay and throughput for the transmission of multimedia traffic for each end user.