基于分布式Redis集群的WEB共享管理研究

目前WEB共享系统多数采用基于物理磁盘读写的数据存储系统,虽然磁盘数据存储系统和分布式大数据平台的结合可以提供较大的存储空间和较好的物理拓展性,但是在面对高并发的海量数据的实时存取时,物理磁盘读写效率以及系统内存的瓶颈会严重制约WEB共享系统的数据处理的效率。针对这种情况,论文通过对基于分布式的Redis集群的稳定的节点容错能力、优异的数据读写能力和高效的索引检索速度的理论研究和测试分析,证明了分布式的Redis集群能够有效提高WEB共享系统的海量数据实时处理的能力,是WEB共享系统升级数据存储系统性能的高效的解决方案。

基于EOF-DBSCAN-GRU的分布式光伏集群出力预测方法研究

提出一种基于EOF-DBSCAN划分集群的改进统计升尺度的光伏集群出力预测建模方法。针对传统统计升尺度方法子集群中光伏电站出力特性不一致问题,通过皮尔逊相关系数和经验正交函数(EOF)优化特征空间,再根据密度聚类模型(DBSCAN)对区域内光伏电站划分集群,从而增强光伏电站聚类后集群出力特性的一致性。针对待预测日权重系数时间序列动态特性的提取、预测问题,提出一种基于动态时间规整(DTW)的相似日选取算法。最后利用循环神经网络(GRU)模型进行光伏电站出力预测。实验表明该集群预测方法的平均误差百分数(MAPE)约为6.33%,均方根误差(RMSE)约为13.93 kW,均方误差(MSE)为194.25 kW,通过实际光伏电站数据证明了所提方法的准确性和有效性。

应用动态感知的卫星分布式集群管理平台设计与实现

卫星互联网环境中存在卫星节点资源受限、链路拓扑高动态变化和网络传输高时延等问题。针对上述问题导致的卫星节点资源利用率低、系统服务响应能力较弱、负载不均衡,提出利用容器编排技术整合卫星节点资源的卫星分布式集群管理平台构建方案。其中,重点针对Kubernetes默认资源编排调度策略无法适用于卫星互联网复杂链路环境的问题,设计一种应用动态感知的卫星分布式集群资源调度方法,通过分布式集群资源状态实时感知模块,采集卫星节点CPU、内存、磁盘及网络资源的负载情况作为评价指标,完成卫星互联网环境下不同应用Pod资源对象的优化调度。仿真结果表明:应用动态感知调度方法构建的卫星分布式集群管理平台,可以实现卫星网络环境下系统资源的合理调度,提升系统负载均衡能力,进而保证系统服务的快速响应。

基于一致性算法的新型电力系统边缘集群分布式经济调度模型

随着风电、光伏等可再生能源大量并入新型电力系统配电网,大量分散的风电、光伏等集群呈现出分布式管理和控制方式,使传统集中式的经济调度方法陷入困境。对此,基于传统一致性算法,文章提出了风电、光伏构成的边缘集群分布式经济调度模型。首先,给出了风电、光伏的边缘集群模型及其波动性特性;其次,推导了传统一致性算法及实现经济调度的优化模型;在此基础上,结合风电和光伏边缘集群模型,提出了风电、光伏的边缘集群的一致性经济调度分布式算法;最后,以某实际系统为例,对所提算法模型进行仿真验证。结果显示了所提模型的有效性。

基于仿生强化学习的分布式集群围猎

目的分布式活性集群呈现出复杂的集群动力学行为,启发了人类设计仿生集群围猎技术等。目前,中心式集群围猎策略面临着可靠性、可扩展性和复杂性的问题。本研究致力于发展能够控制分布式活性集群完成集群围猎任务的策略。方法采用了仿生强化学习:(1)驯鹿群会进行“集群铣削”,即所有的个体都绕着同一个轴沿相同的方向做圆周运动,启发了从集群层面设计出包围猎物的方法。(2)精子能呈现出复杂的趋化运动行为,研究发现精子的扩散能力会随着化学浓度的增加而下降,启发了从个体角度设计控制活性粒子轨迹的策略。结果所得到的策略能够使分布式活性集群以一种可靠、灵活、简单的方式完成集群围猎任务,且因分布式所带来的同质化竞争,集群能够自发地产生向心机械力将猎物锁住,当群规模超过临界规模时,过强的挤压力能够诱导集群发生“失稳”。还发现在捕获多个猎物时,粒子群能自发地将多个猎物合并捕获到一起。结论开发了一种分布式集群围猎策略,该策略能够自发地对多个猎物进行合并捕获。

面向战场条件的无人机集群分布式存储方法

无人机是世界军事强国执行战术行动的重要武器装备,利用无人机实现战场数据存储是保障作战的重要手段.为更好地满足无人机集群在恶劣战场条件下数据存储需求,在分析无人机数据存储军事应用背景基础上,总结战场无人机数据资源特征和数据存储技术军事需求,并提出适用于我军无人机战术行动的数据存储设计方法流程;结合学术和产业界的成果,梳理数据存储技术的分类和发展历程,并总结数据存储的主要类型;提出面向无人集群战术行动场景的分布式数据存储关键技术方法和存储系统;介绍国内外学者在分布式存储海量数据处理、数据实时传输和数据可靠性等相关算法模型的研究现状;展望未来战术行动中无人机数据运用方法的研究趋势,强调在战场条件下无人机集群数据存储是未来重要的研究领域.

考虑集群划分的分布式光伏无功电压控制策略

针对含分布式光伏配电网的电压越限问题,提出一种考虑分布式光伏集群划分的无功电压控制策略。首先提出了基于无功电压灵敏度的模块度指标,考虑集群内的无功平衡度及耦合度,得到改进模块度指标并以此进行集群划分;然后提出越限集群内的无功电压控制策略与集群间的协调控制策略,当越限集群无法恢复集群内电压至安全水平时,通过主导节点选取具有可调无功容量的安全集群向越限集群分配剩余无功可调容量;最后以IEEE 33节点配电网系统为例进行仿真,验证了所提无功电压控制策略的有效性。

分布式集群架构在油田生产管理大数据中的应用研究

分布式集群架构应用于油田生产管理大数据,将石油生产、分配、消耗与管理需求数据相结合,可以提高管理数据收集、存储和处理的实时性,确保数据的准确性和可靠性,提升数据处理和分析能力,提高生产效率,降低生产成本。文章从分布式集群架构组成和优势入手,分析油田生产管理大数据的特点,讨论在油田生产管理大数据中如何应用分布式集群架构,以期为油田相关工作人员提供参考。

面向无人飞行器集群协同的分布式存储技术研究

近年来,随着无人飞行器集群在各个领域的广泛应用,集群上所搭载的算法也越来越复杂,这对数据存储系统提出了更高的要求。现有研究没有考虑无人飞行器集群运行环境的特殊性,无法适应战场上通信间歇弱连接和节点易战损的环境。因此本文基于分布式存储技术设计了一套面向无人飞行器集群协同的分布式存储方案,通过动态自适应存储策略选择存储节点,提升了存储速度和资源的利用效率;同时,本文设计了基于RS码的数据备份与恢复方案,采用客户端与存储节点的交互模式降低了数据备份对于通信资源的占用,并且能够在多节点同时战损时恢复损失数据,提升了数据存储系统的稳定性和可靠性。

基于发电集群协同划分的分布式光伏发电并网功率调节方法

分布式光伏发电并网的平稳运行至关重要。为了降低功率波动对电网频率的影响,本研究基于发电集群协同划分,设计分布式光伏发电并网功率调节方法。首先,在构建分布式光伏发电模型的基础上,分析其发电输出特性,并跟踪最大输出功率点。然后,基于协调算法动态划分光伏发电集群,并计算无功调节和有功调节范围。最后,在光伏功率波动平抑的基础上,规划并网系统调频储能容量,再构建分布式光伏发电并网功率调节模型,抑制各电池储能系统间功率环流问题,实现功率调节。根据仿真实验可知,在3种典型天气条件下,该方法均能够有效控制并网光伏发电功率。并网系统出现故障后,该方法能够在短时间内快速响应,完成功率平衡调节。

基于改进K-means算法的分布式小水利发电集群划分方法

随着大规模分布式电源的接入,将复杂的分布式发电集群划分为通信维度较低、控制方式较简单的区域,是实现分布式发电集群灵活并网和优化调度的重要方式。文章提出一种基于改进K-means算法的分布式小水利发电集群划分方法,旨在利用改进K-means算法更有效地处理大规模数据集,自动识别最佳的集群划分,从而减少主观干预,通过更精确的划分,可以最大限度地提高小水利发电利用效率。

分布式光伏集群功率短期预测的空间互补特性初探

随着分布式光伏装机容量的快速增长,分布式光伏集群功率预测对电网调度的影响日益增强。分布式光伏集群功率预测存在“先累加后预测”“先预测后累加”以及“先聚类再预测”3种技术路线。通过在含600多个分布式光伏站点实测功率数据集上的实验发现,分布式光伏集群功率预测存在“空间互补”现象,即3类集群预测路线得到的预测误差相比于单个场站的平均预测误差都有所降低。为了探究空间互补现象的产生机理及影响因素,首先从机理分析的角度将其归纳为“出力曲线互补”和“预测误差互补”两类空间互补特性。然后,提出了“空间互补系数”这一概念,对互补效果进行量化评估。最后,探究了集群规模、分布范围、天气类型和聚类簇数4种因素对空间互补特性的影响。结果表明,两类空间互补特性对分布式光伏集群短期功率预测精度提升效果显著,且预测误差互补在精度上优于出力曲线互补。研究结果可为分布式光伏集群划分提供依据,有助于实现更加高效且准确的功率预测。

考虑净负荷均衡的分布式光伏集群电压调控策略研究

针对大规模分布式光伏(distributed photovoltaic,DPV)接入配电网场景下电压越限问题,采用集群调控易引发调压任务分配不均。对此,该文提出了一种考虑净负荷均衡的DPV集群电压调控策略。首先,计及净负荷概念求取节点间电气距离并建立模块度指标;其次,基于负载均衡理论构建均衡指标,连同模块度指标及戴维森堡丁指标建立集群划分综合指标,以此改进谱聚类算法对配电网进行集群划分并选取出关键节点;进而,选取电压偏差和网损最小为目标函数建立无功电压调控模型,并采用粒子群算法(particle swarm optimization,PSO)求解;最后,针对DPV接入的IEEE33节点系统进行仿真验证,结果表明,相较对比指标与算法,该文在集群划分规模及集群容量偏差上较优,节省运算时间的同时,在DPV出力最大时节点电压偏差与网损较小,调压任务及净负荷量分配更合理,验证了所提方法的有效性。

无人机集群分布式导航的几何构型优化方法

现有的无人机集群定位方法多依赖卫星导航或高精度锚机,然而当处于卫星信号干扰地区时,集群整体定位精度将受到严重影响。因此,集群几何构型研究对不依赖卫星和高精度锚机的分布式无人机集群协同导航技术至关重要。为了解决分布式集群定位精度提升和构型优化的问题,提出了一种针对分布式集群的几何构型寻优方法。首先计算节点位置精度因子(PDOP),提出了包含集群定位精度最高准则、个体定位精度均衡准则和通信间距均衡准则的分布式无人机集群最优几何构型评价准则,实现集群构型整体式优化。其次,使用LambdaLR函数对粒子群优化(PSO)算法速度更新公式中的惯性权重和学习因子进行改进,基于上述算法估算并优化集群整体定位精度。仿真结果表明,所提方法在不同规模的集群构型寻优问题中均具有较高的鲁棒性,且满足分布式大规模集群构型优化解算的实时性需求,改进PSO算法相较标准PSO的节点PDOP均值均有3.31%~8.54%的优化效果。

电碳协同的园区分布式资源集群综合效益评估方法

基于电碳协同的园区各资源集群效益评估是实现园区综合效益评估的关键。首先,从经济效益、环境效益和技术效益3个方面对影响园区中各集群效益的关键因素展开分析,并构建包含目标层、基础层以及指标层的影响综合效益评估的综合指标体系以及效益评估的计算模型。相关的经济、环境和技术类专家为各个指标打分并利用模糊层次分析法确定指标体系中各指标的重要程度和权重;其次,通过投资评价模型确定各集群的指标效益评分;最后,通过各项指标的得分与其对应的权重系数加权计算可得出各个项目的综合效益总分。算例的仿真分析表明:该评估方法对于电碳协同的园区分布式资源集群的综合效益评估具有现实指导意义。通过该评价体系,园区的投资者可以选择在财务盈利能力、低碳可持续化发展能力及技术可行性这3个方面提供最佳平衡的可再生能源技术。

基于轨迹预测和分布式MADDPG的无人机集群追击决策

针对复杂任务环境下无人机(UAV)集群追击决策算法灵活性不足、泛化能力差等问题,提出一种基于轨迹预测的分布式多智能体深度确定性策略梯度(TP-DMADDPG)算法。首先,为增强追击任务的真实性,为目标机设计智能化逃逸策略;其次,考虑到因通信中断等原因导致的目标机信息缺失等情况,采用长短时记忆(LSTM)网络实时预测目标机的位置信息,并基于预测信息构建决策模型的状态空间;最后,依据分布式框架和多智能体深度确定性策略梯度(MADDPG)算法设计TP-DMADDPG算法,增强复杂空战进程中集群追击决策的灵活性和泛化能力。仿真实验结果表明,相较于深度确定性策略梯度(DDPG)、双延迟深度确定性策略梯度(TD3)和MADDPG算法,TP-DMADDPG算法将协同决策的成功率提升了至少15个百分点,能够解决不完备信息下追击智能化逃逸目标机的问题。

分布式集群秩亏约束协同导航方法研究

针对卫星导航拒止环境、分布式集群纯惯导误差快速发散问题,提出了一种适用于所有节点均为纯惯导的分布式集群的协同导航方法,设计了秩亏约束卡尔曼滤波器,在量测量数量少于状态量数量导致滤波方程秩亏时,仍可以实现分布式集群协同导航,减小惯导误差。构建了无人机飞行试验平台,飞行试验验证结果表明,组网内无高精度节点,协同导航修正后位置和速度精度可提升两倍左右;组网内有一个高精度节点,协同导航修正后位置和速度精度可提升10~20倍左右。

基于集群划分的配电网多时间尺度分布式有功-无功协同优化方法

分布式电源大规模接入配电网增大了配电网应对源荷不确定性及传统集中调控模式的难度,因此文章提出一种基于配电网集群划分的多时间尺度分布式有功-无功协同优化方法。该方法首先在日前调度层面,建立集中式有功-无功协同优化模型,安排长时间尺度调节设备功率及启停计划。然后基于日前调度结果,考虑分布式光伏及负荷日前预测误差对电压带来的影响,建立配电网分布式电源集群划分模型。在日内调度层面,基于分布式电源集群划分结果及同步交替方向乘子法,以日运行成本最优及电压偏差最小为目标,建立分布式有功-无功协同优化模型,修正各连续调节设备日前功率计划。最后,以IEEE33节点系统为例,验证了文章所提方法有效性。

基于AI技术的固定翼无人机集群分布式规避控制系统研究与设计

固定翼无人机集群是由多个固定翼无人机组成的群体,在飞行任务中协同工作;相比于单个无人机,固定翼无人机集群具有更高的综合性能和更广阔的应用前景;但由于固定翼无人机在恶劣环境作业过程中存在着很多风险,例如障碍物撞击、相邻无人机碰撞等,威胁无人机的安全性;故设计了基于AI技术的固定翼无人机集群分布式规避控制系统;系统硬件单元主要包括AI视觉传感器设计单元、激光雷达传感器设计单元、控制器设计单元与无线通信网络设计单元,通过上述硬件设备提供实时的环境信息,控制无人机飞行姿态,实现信息共享;软件模块基于AI技术解算无人机位置和姿态,计算障碍物位置实现形状感知,完成无人机集群分布式规避控制;通过硬件与软件的协同作业,实现了固定翼无人机集群的分布式规避控制;实验结果显示:应用设计系统获得的无人机位置感知结果、障碍物位置感知结果与实际位置相同,路径总偏离量数值为4 m,充分证实了设计系统控制性能较佳。

基于多智能体系统的分布式仪表集群协同控制机制分析

阐述基于多智能体系统的分布式仪表集群协同控制机制。通过分析智能体概念、多智能体系统特征,设计了系统架构和协同规划算法,并探讨协同反馈控制和故障容错机制。分析结果表明,该机制能够提高系统的鲁棒性和可靠性,实现更灵活、更高效的控制。