电力系统对角加边模型的数据中心求解方法

随着超大规模区域互联电网的发展,智能电子设备和相量测量单元广泛应用,如何实现对所产生的PB级大数据的高速处理成为完成实时(超实时)计算的关键。云计算作为一种新型的互联网计算模式,为实现电力系统大数据分析和复杂电网高效并行计算提供了可能。针对电力系统基本计算单元对角加边模型(block bordered diagonal form,BBDF)和分解协调并行算法,提出一种低能耗数据中心的优化映射和并行计算方法。依据任务间计算耦合性,将分解协调并行算法进行拆分,并提出依据任务计算复杂度的任务到虚拟机偏好绑定放置方法。随后建立以虚拟机的CPU利用率、内存利用率为约束条件,以节能为目标的Bin-Packing模型,求解BBDF分解协调并行计算到数据中心映射的最优配置。通过Cloud Sim平台对IEEE 118节点电网模型和含有538节点和1133节点的大规模电网进行仿真计算。结果表明,应用虚拟机技术的数据中心计算在时间和系统能耗方面都优于传统单机多线程并行计算。IEEE 118节点算例计算时间降低42.32%,随着系统规模增大,1133节点实际电网计算时间降低75.8%。

大数据计算的复杂性理论与算法研究进展

最近几年,大数据研究风起云涌,取得了很多研究成果.尽管如此,大数据基础理论研究结果远未满足实际需要,大量的关键问题尚未解决,完整的基础理论尚待建立.本文旨在探索大数据的基础理论研究问题,综述大数据计算的复杂性理论和算法的研究进展.首先,给出大数据计算的严格定义.其次,讨论大数据计算的6个挑战和10个科学技术问题.然后,综述大数据计算的复杂性理论和算法设计的研究进展.最后,分析评述大数据计算的复杂性理论和算法设计的研究结果,并给出未来研究方向的思考.