面向不间断供电(UPS)系统的电能质量分析技术

针对现行UPS电能质量检测过程存在的准确率低、实时性差且成本高的缺点,文中基于VMD-SAE-1DCNN模型提出了一种UPS电能质量检测与识别算法。对于电能信号非线性与非平稳的特点,使用变分模态算法对原信号进行分解,从而得到本征模态信号。同时,采用稀疏自编码器对本征模态信号进行特征提取,通过建立多层一维卷积神经网络模型对特征进行训练,提升了运算效率。实验测试结果表明,所提算法的迭代次数与运行时间在对比算法中均为最优,分类准确率可达97%以上,充分证明了改进算法的有效性。

低开销的分布式数据库负载均衡技术

针对现有分布式数据库的服务器间负载不均的问题,提出了一种基于数据局部性的两层负载均衡方法。该方法根据数据访问的区域局部性将节点均匀地划分为若干子分块,并由子负载均衡器统筹子块中的负载均衡分配,最终通过中央负载进行全局统筹。该方法一方面利用了数据可能的局部性,另一方面避免了只有一个总负载均衡器的结构中,负载均衡器消息通信拥塞的情况。同时,提出一种低开销的负载监控方法,节点以懒惰的方式向负载均衡器发送自己的负载状态变化情况,可以有效地降低系统通信开销和负载均衡器的队列长度。在此基础上提出一种懒惰负载迁移方法,该方法将数据访问与负载转移相结合,通过跨节点访问的方式间接地进行了负载迁移,通过将两种操作重叠来减少系统的额外开销。基于复杂query算法的Q22测试结果显示该方法在不同线程和方法下的平均响应时间变化不超过10 s,表明此方法能够有效减少负载均衡过程中产生的额外开销,保证系统的高效运行。

一种基于分布式服务器集群的可扩展负载均衡策略技术

提出了一种基于软件定义网络的分布式数据库负载均衡算法,将数据、控制、应用分离的同时计算服务器集群中单个服务器的实际负载。通过查询流量采样记录来决策最少连接的服务器路径,减少了访问请求的响应时间,提高了系统吞吐量和容错能力,实现了充分利用服务器资源的目的。内网中的分布式数据库实验对通用负载均衡技术和基于软件定义网络的负载均衡技术进行了比较,在不同服务器集群的负载状态下,后者的平均响应时间小于前者,并得到了更好的负载均衡效果。

基于BAS-PSO优化算法的集中空调智能控制系统研究

精密空调集中系统一般是以最大负荷状况运行,但实际送风末端的负荷需求并不能够达到最大值,这造成了极大的能源浪费。为此,研究利用支持向量回归机对末端负荷需求进行合理预测,构建了空调负荷预测模型。然后根据将所得到的负荷预测值输入研究所设计的寻优模型中。研究利用天牛须搜索算法和粒子群算法构建了一种寻优模型,对集中空调进行智能控制。在研究过程中发现,该算法仍存在易陷于局部最优解,收敛精度低等局限性,为此引入自适应非线性惯性权重系数和Levy飞行策略对其进行优化,最终得到了一种新的集中空调智能控制系统。通过实验分析可知,模型最终产生总能耗为270.76 kW,平均节能率为27.55%,能够有效优化控制空调系统,实现节能减耗。

基于改进GA和JAVPRS的数据中心网络设备能耗降低研究

在数据中心的耗能中,网络设备的耗能占比最大。为了降低网络设备的能耗,提高网络服务质量。针对不同类型业务的特点,研究分别提出了基于改进遗传算法和业务感知的虚拟机放置及路由调度算法来面向不同类型的业务。经测试,改进遗传算法相较于多边形扫描转换算法和导向滤波算法,可以降低约70%的能源消耗;减少约22%和64%的数据包延时和丢包率;增加40%左右的网络吞吐量。基于业务感知的虚拟机放置及路由调度算法相较于贪婪随机自适应西尔斯程序和模拟退火算法在接入层和汇聚层交换机中分别节约了约20%和18%的能耗,数据包延时减少了8%左右。可见在相应类型的业务时,改进遗传算法和基于业务感知的虚拟机放置及路由调度算法均可以实现网络设备的节能。