服务器无感知计算场景下基于时空特征的函数调度

服务器无感知计算是一种新兴的以函数为中心的云计算范式.服务器无感知计算向用户提供高层次的函数抽象在云计算平台开发和部署应用.服务器无感知计算以函数为粒度分配资源.函数调度对函数性能有重要影响,面临问题规模大和动态性强2个难点.现有服务器无感知计算调度器使用先来先服务(FCFS)算法,容易受队头阻塞影响,导致函数完成时间较长.为了高效利用系统资源和降低函数完成时间,亟需对服务器无感知计算场景下的函数调度问题进行研究.首先,分析了服务器无感知计算场景下的函数调度问题,并定位了3个影响函数完成时间的因数,分别是排队时间、启动时间和执行时间.基于该分析,提出了数学模型对服务器无感知计算场景下函数调度问题进行形式化建模.其次,提出了基于函数时空特征的服务器无感知计算调度算法FuncSched.该算法在时间维度上考虑函数执行时间和函数启动时间,在空间维度上考虑函数资源占用量.最后,实现了原型系统,并使用了真实世界服务器无感知计算负载数据集进行实验.实验结果表明所提算法可以有效降低平均函数完成时间,从而有效提高了服务器无感知计算环境中函数的执行效率.

考虑下游需水的伦潭水电站月发电调度函数研究

为优化伦潭水电站调度运行方式,分析水库下游社会经济和河道内生态环境需水过程,基于发电优化调度结果采用逐步回归法提取考虑下游需水的逐月发电调度函数。结果表明,伦潭水库对下游需水过程发挥较大调蓄补给作用,主要补水时段为7月至次年2月,直接影响了伦潭水电站的发电引水流量过程;基于多元线性回归模型和BP神经网络提取的伦潭水电站发电调度函数大部分月份的纳什效率系数均在0.90以上,考虑模型结构简单且操作方便,伦潭水电站选取基于多元线性回归模型的发电调度函数;对于2017年3月至2019年2月,伦潭水电站发电调度函数较实际发电调度和发电调度图可分别增加发电量338.4×10^(4)、183.8×10^(4)kW·h/月,调度函数可明显提高伦潭水库的发电运行水位。研究成果可为伦潭水电站实际发电调度提供技术支撑,也可为其他水电站完善发电调度运行方式提供参考。

梯级水库群联合优化调度函数研究

构建了制定梯级水库群联合优化调度函数的"优化-拟合-再优化-随机仿真"框架:首先建立梯级水库群优化调度模型,通过确定性动态规划方法得到最优样本;然后对最优样本进行多元线性回归分析得到联合调度函数;并基于模拟调度结果采用非线性规划方法直接修正调度函数;最后通过水文随机模拟技术生成径流系列,进一步检验、评价所得调度函数的效率。以清江梯级水库群长期优化调度为对象进行实例研究,计算结果表明:对于1951-2005年实测径流系列,梯级水库群联合优化调度函数较常规调度方案年均增加发电量2.03亿kW.h,增幅达2.79%;对于两种随机模拟方法生成的水文径流系列,年均发电量分别提高了1.74%和2.36%,经济效益显著。

三峡水库运行初期蓄水调度函数的神经网络模型研究及改进

针对三峡水库运行初期汛末蓄水实时调度问题,提出了一种改进方案用以训练神经网络水库调度函数,并与传统方案进行对比分析。首先建立了水库汛末蓄水优化调度模型,并通过动态规划求解生成了训练样本,然后采用两种方案训练神经网络调度函数:①传统方案(优化———拟合):用神经网络直接拟合优化出的训练样本;②改进方案(优化———拟合———再优化):直接以模拟调度的发电量最大为目标,而将传统方案输出的神经网络权重作为优化初值,采用直接优化方法(单纯形法)进一步调整神经网络权重。通过比较这两种方案,得到了改进方案虽不能最好的拟合训练样本与检验样本,但在实际调度中却可以获得较高的蓄满率及较大的发电效益的结论;并详细的分析了其原因。因此,在训练神经网络调度函数时,最终目标应是使整个调度获得最大的效益,而不是去最好的拟合最优训练样本;而改进方案为训练神经网络水库调度函数给出了一有效的算法。

蚁群算法在水电站调度函数优化中的应用

调度函数作为一种能够明确指导水电站水库运行的技术,较常规的水库调度图能更有效地发挥水电站的运行效益。针对调度函数的编制特点及其存在的优化空间,将蚁群算法应用于水电站调度函数的优化模型中。以金沙江中游梯级水电站群为实例,针对其初始调度函数进行优化,并模拟其长系列径流的发电调度过程。计算结果表明,经过优化后的调度函数能显著提高水电站水库的运行效益,有效指导水电站水库的实际调度运行,体现了模型的实用性。

梯级水电站群调度函数的模型与评价

针对梯级水电站群实际运行的优化调度指导需求,在多元线性回归算法基础上引入F检验和拟合优度检验判别机制,建立了基于梯级水电站优化调度的调度函数逐步优化算法,并将该算法应用于金沙江—长江大型梯级电站系统调度函数制定中,通过时间因子、空间因子和能量因子3类待选自变量的合理筛选,构建出具有指导梯级运行意义的梯级各电站优化调度函数。该函数形式简洁,具有良好的可操作性和可解释性。将用调度函数模拟梯级运行结果与同系列优化调度结果进行比较分析,结果表明调度函数指导梯级运行较好地保留了优化调度的各方面效益,具有较高的模拟精度和实用价值。

利用多层递阶回归分析制定水库优化调度函数的研究

本文采用动态系统的多层递阶预测与回归分析相结合的方法，建立了水库决策变量与其影响因素之间的动态调度函数模型，即多层递阶回归分析模型，并对丹江口水库进行了实例研究．结果表明，模型是可行的，取得了较为满意的成果．

运用改进神经网络算法建立水库调度函数

简述了改进的神经网络算法,利用神经网络强大的非线性映射能力建立了水库调度函数的神经网络模型,并运用模型模拟湖南凤滩水电厂水库调度运行,同时与常规回归分析方法建立的水库调度函数模拟计算结果进行比较.研究结果表明神经网络法建立的水库调度函数具有更高的模拟计算精度,具有更好的实用性和可行性.

西安市供水水库群优化调度函数的神经网络求解方法

水库群联合优化调度函数的传统求解方法难以表示出水库调度决策变量与影响因子间的非线性关系 ,也不能很好地反映水库之间的相互关系 .用改进 BP网络可弥补这方面的缺陷 .将该方法用于寻求西安市城市水源供水的三个水库的联合优化调度函数 ,结果表明 ,该方法行之有效 。

基于改进BP网络的西安供水水库群优化调度函数的求解方法

提出了基于累积误差、动态调整网络参数的改进 BP网络方法 ,并用于求解西安供水水库群优化调度函数。结果表明 ,与传统算法相比 ,改进 BP网络方法不仅可以全面反映水库调度决策变量与影响因子的复杂非线性关系 ,而且可以反映出调度过程中水库群间的相互关系 。

水电站库群隐随机优化调度函数初探

本文以水库群聚合分解法优化计算为基础,探讨了制作水库群隐随机优化联调函数的二类途径,以一个电网库群联调为例,制作了几种不同形式的调度函数,通过模拟运行,验证了以联调函数指导水电站库群联合调度的实际效益。

梯级水电站群联合优化调度函数的逐步回归模型

针对梯级水电站群联合优化调度函数识别中存在的线型选择及变量筛选问题,采用逐步回归模型筛选关键作用变量并建立回归调度函数方程,以保证调度函数的简洁、有效性。将模型应用于金沙江与三峡四库梯级系统提取消落期系统联合优化调度函数,从四库梯级联合优化调度样本中通过逐步回归调度函数辨识溪洛渡、三峡水库协同消落机制并检验了模型精度。结果表明:在率定来水样本条件下,逐步回归调度函数拟合误差均在3%以内,拟合精度较高;在检验来水样本条件下,与多元线性回归调度函数相比,逐步回归调度函数对应总发电效益平均增加1.67亿元(0.69%)。由于逐步回归调度函数剔除了次要因素干扰,相较于多元线性回归调度函数泛化能力更优,具有更高实用价值。

梯级水库调度函数表征形式应用研究

【目的】针对梯级水库联合调度函数研究的不足,提出一种有效的梯级水库调度函数表征形式,为梯级水库优化运行提供技术支撑。【方法】通过系统研究梯级水库联合调度函数的表征形式,分析调度函数决策变量以及相关因子的影响,应用逐步回归方法对调度函数的相关因子进行拟合及选择,并以乌江流域梯级水库联合调度为例进行了应用。【结果】利用所提出的梯级水库调度函数形式,以乌江流域梯级水库为例,形成以时段平均出库流量为决策变量的梯级水库调度函数,通过长系列资料验证,乌江流域梯级水库多年平均发电量较梯级设计发电量增加了14.43亿kW·h,保证出力提高到2 431.9 MW,有效提高了梯级水库的发电效益。【结论】梯级水库联合调度函数的表征形式能够反映决策变量属性与水库各要素间的联系,且基于逐步回归方法确定的调度函数相关因子可以满足调度需求,能够用于指导梯级水库运行。

基于改进粒子群算法的水库中长期调度函数研究

在应用改进粒子群算法求解水电站水库中长期优化调度问题时,为了克服基本粒子群存在早熟、后期收敛速度慢等不足,通过采用线性递减权重系数并引入杂交算子,对基本PSO进行了改进,并将其应用于水库中长期优化调度函数研究中。与基于POA优化结果的回归分析建立的调度模型的对比分析表明,该算法原理简单,易于编程,求解精度高,从而为解决水库中长期优化调度问题提供了一种有效方法。

水电站月度调度函数的模型制定与模拟结果评价

基于统计学中多元逐步回归原理建立了多年调节水电站分月调度函数模型,并根据水电站优化调度特征确定待选自变量,用以指导电站实际优化调度运行。在考虑电站自身各约束及综合利用要求的前提下,进一步采用程序设计模拟调度函数指导水电站长系列调度运行,通过对模拟结果的全面评价,证实所建立的调度函数具有良好的指导意义和实用价值。

建立水库优化调度函数的人工神经网络方法研究

阐述了人工神经网络的基本原理,提出了建立水库优化调度函数的BP网络模型。分别利用该算法与传统的多元回归建立金盆水库优化调度函数,结果表明,BP网络模型计算简便,并具有较高的计算精度。

水库群多级保证率优化调度函数的研究及应用

本文建立了水库群优化联合调度数学模型，并用目标规划模拟法对其进行优化模拟计算，在此基础上，提出了制作以灌溉为主的水库群多级保证率优化调度函数的原理和方法，并以新疆玛河流域四座水库联调为例，建立了具有保证率概念的分段调度函数，通过模拟运行，证明以联调函数指导水库群联合调度是合理可行的。

梯级水库的参数辨识型优化调度方法(Ⅱ)———最优调度函数的确定

本文综合若干合理的水库调度原则， 建立了梯级水库的非线性实时调度函数． 其参数具有直观性． 然后对最优参数进行辨识， 从而优选出最优调度规则． 由于改进了调度模型的结构， 减少了维数灾效应，

水库群最优调度函数的研究

本文提出了水库系统的补偿调节实时调度函数计算原理及方法。利用最优调度函数进行水库群优化调度只需做简单的矩阵运算或一次多元非线性优化计算就可得最优决策,具有实用推广价值。本文提出的模型具有通用性,能方便地应用于各个不同的水库群系统的实时运行管理。

昭平台水库调度函数的人工神经网络模型

根据昭平台水库综合利用特点,建立了水库调度函数的人工神经网络(ANN)模型,并与多元线性回归模型进行了对比。研究结果表明,ANN模型能够更好地反映水库月末水位与影响因素(水库月初水位、来水量、灌溉用水量)间的复杂非线性关系,而且水库实时调度结果多年均值接近多年平均最优情况。