基于分布式光伏网格化负荷预测的弹性调度新模式探索实践

提出一种基于空间相关性和改进天气标签的分布式光伏出力预测方法,对分布式光伏线路进行梳理,建立与集中式光伏站的空间相关性分组,结合预测日的天气和改进后的天气映射,依托集中式光伏站自身预测模型,预测多天气标签下出力曲线,通过欧式距离算法选择最优曲线,最后根据经验公式,得到待预测分布式光伏出力。采用改进天气标签的出力预测模型,实现特殊情况下分布式光伏微调节能力的测算和检修计划的优化,促进基于分布式光伏网格化负荷预测的弹性调度新模式探索实践。

基于多策略的私有云资源弹性调度方法

针对云计算环境下资源使用呈现的动态、随机、异构等特性,以及资源需求的不断提升给基础资源的管理、调度带来的巨大挑战及问题,提出了基于多策略的私有云资源弹性调度方法。首先在传统协作模型研究的基础上,通过提炼和概括云计算调度的主要组成构件,提出私有云资源调度总体框架;其次,在调度总体框架基础上,以资源的协同管理为核心,给出面向多触发条件的协同调度流程;最后,给出了触发条件中应用集群负载的计算方法。实验结果表明,提出的弹性调度方法能够自动实现虚拟机资源调度,从而优化应用集群CPU、内存、网络等性能。所提方法具有较强的可行性和实用性。

省地一体化稳态分析服务弹性调度系统设计

针对现有电力系统稳态分析应用架构扩展能力弱、无法适应跨省地调度机构的大范围应用问题,提出了一种基于云计算技术的跨区域并行电力系统稳态分析服务及弹性调度管理系统。详细介绍和分析了该系统的总体架构、容器化封装、资源隔离、服务弹性调度、运行监控等关键技术。采用微服务技术将分析服务模块化,并通过容器技术实现分析服务的部署、隔离和动态扩展。同时采用基于随机高级Petri网模型的算法实现分析服务的弹性调度。通过多种稳态分析服务应用实例,证明所设计的系统整体运行稳定,系统架构具备良好的可扩展性,能够满足跨省地调度机构大范围稳态分析计算的应用需求。

实时系统中弹性调度策略

弹性调度面向负载可变的实时系统,通过动态调整任务属性以满足系统的灵活性要求,是一种高效的任务调度策略。针对弹性调度研究中的成果及问题,概述了弹性调度的研究背景,从任务模型、调度模型以及调度算法三个方面对弹性调度的国内外研究进展进行综述,探讨当前研究中存在的问题,并对弹性调度未来研究工作进行分析和展望。

可变负载动态反馈弹性调度模型及其算法研究

由于工作负载的动态变化,以多媒体应用为代表的软实时系统的运行具有很大的不确定性.在这种情况下,依靠任务的静态属性进行调度分析和决策不足以为系统提供高效、实用的资源分配支持.提出一种弹性资源调度算法,该算法周期地采集系统的作业总数和作业丢失数,并以此为根据改变部分软实时任务的作业周期,以调整系统在下一个采样周期内的作业总数,达到满足任务的QoS(qualityofservice)、接纳尽可能多的服务请求、提高系统的并发服务能力的目的.详细分析了模型结构和核心算法的实现机制,并利用模拟平台对该算法进行了验证.实验结果表明,该算法在提高资源利用效率的同时,还具有良好的稳定性和收敛性.

基于虚拟云计算架构的GIS服务资源弹性调度应用研究

基于地理信息系统的空间数据服务已经广泛应用于政府部门和社会,并取得了很好的应用效果。但由于国内GIS资源应用尚不成熟,GIS服务部署规模存在不确定性,计算资源的浪费或紧缺成为普遍现象。探讨如何将虚拟云计算技术和GIS服务资源弹性调度技术应用于GIS服务部署中,具有现实意义。

考虑源荷不确定性及配电网接纳裕度的弹性调度策略

为解决渐进式加剧的小扰动事件对配电网调度的影响,提出一种考虑源荷不确定性及配电网接纳裕度的弹性调度策略,并建立两阶段优化模型求解。首先通过拉丁超立方抽样和后向场景削减技术生成以风光为源、以电动汽车为荷的功率预测典型场景,将不确定性问题转化为典型场景分析问题;在此基础上,第一阶段引入接纳裕度,以配电网对电动汽车接纳能力最大为目标构建电价型需求侧响应模型,对用户负荷削峰填谷;第二阶段引入需求侧响应结果,建立以系统运行成本最低为目标的经济调度模型,提出改进人工蜂群算法进行求解。测试结果表明:所提策略能增强配电网在渐进式加剧不确定性事件下的适应力,实现配电网弹性高效运行。

基于Docker的云资源弹性调度策略

针对云资源弹性调度问题,结合Ceph数据存储的特点,提出一种基于Docker容器的云资源弹性调度策略。首先,指出Docker容器数据卷不能跨主机的特性给应用在线迁移带来了困难,并对Ceph集群的数据存储方法进行改进;然后,建立了一个基于节点综合负载的资源调度优化模型;最后,将Ceph集群和Docker容器的特点相结合,利用Docker Swarm实现了既考虑数据存储、又考虑集群负载的应用容器部署算法和应用在线迁移算法。实验结果表明,与一些调度策略相比,该调度策略对集群资源进行了更细粒度的划分,实现了云平台资源的弹性调度,并在保证应用性能的同时,达到了合理利用云平台资源和降低数据中心运营成本的目的。

弹性调度算法中的过渡方案

某些实时应用中,有的周期性实时任务的周期是应该根据情况调整的。对此文献[1]在众多研究方法的基础上提出了一个弹性调度方案:像一个由多弹簧串行连接的机械系统一样来伸缩各任务的使用率,丽每一使用率相当于一个弹簧的长度。但是,任何一次调整都有一个过渡过程,本文在[1]的基础上对这一过程作了进一步的研究,纠正了其中的两个提法,明确提出和定义了过渡过程及相关概念,定义了三种过渡方案(U方案、B方案和D方案)。同时,对每一过渡方案都作了详细描述和比对,从而建立了一个较为完整的过渡横型。

考虑热备用的气-电耦合园区综合能源系统弹性调度

随着气-电耦合园区综合能源系统IEGS(integrated electricity and gas community system)内部能源耦合程度的逐渐增强和其日益增长的供能可靠性需求,制定合理有效的调度策略增强系统对供能端故障的适应性愈加重要。为此,计及IEGS电、气互补运行特性,制定了考虑蓄热装置热备用的气、电互补多阶段弹性调度策略。首先,计算各个时刻发生气源、电源故障时满足重要负荷所需的最小储能备用容量;然后,基于备用信息进行考虑热备用约束的日前经济调度,若发生源端故障,系统切换至故障运行模式,优先保证重要负荷供能;最后,选取夏季运行日数据进行调度策略的验证分析。结果表明,考虑热备用的IEGS气、电互补弹性调度策略可在不明显改变运行成本的情况下提升系统对源端故障的适应性,保证故障域内重要负荷的可靠供给,具有较强的运行弹性。

开源云上的Kubernetes弹性调度

针对私有云资源弹性调度问题,将Kubernetes结合已有Openstack云平台,提出一种基于容器的弹性调度策略。一方面,因为Openstack虚拟机启动时间较长,给调度带来额外时间开销,所以利用容器拉起时耗远小于虚拟机的特性,用Docker容器取代了Openstack默认的虚拟机;一方面优化了Kubernetes调度算法,建立了一个提高集群资源利用率的优化模型,通过对云平台各个服务器节点四种类型资源的监控和应用队列预设模板匹配,选择调度资源利用率最高的服务器。整个调度过程包括容器应用的初次调度和在线迁移算法。实验结果表明,相比原有Kubernetes调度算法和一些其他的调度策略,该调度策略对数据中心资源进行了更细粒度的划分,在保证服务器性能的同时,实现了云平台资源弹性调度,集群资源利用率也得到了提高,同时降低了数据中心能耗。

一种基于反馈机制的自适应弹性调度算法

针对实时多任务系统中的临时过载问题,提出一种基于反馈机制的自适应弹性周期调度算法。考虑任务截止期小于或等于任务周期的情况,参考弹性调度算法的基础模型,动态估计周期任务的执行时间。仿真实验结果表明,该算法可有效提高随机任务集的调度成功率。

基于资源紧迫度的实时ETL弹性调度机制

在ETL系统中,当数据生产速度遇到较大的波动时,为了使现有资源在有限的条件下极大程度地满足用户的使用需求,提出了基于资源紧迫度的ETL弹性调度机制。首先,构建基于历史数据的时间序列预测模型,用来预测数据生产速度;然后,根据各个ETL过程提交的资源清单和各个服务器负载情况,对单个用户的多个ETL过程的资源进行调整。该调度机制将资源调度问题转换为多维背包问题,提出了基于资源紧迫度的动态调度算法。实验结果表明,当用户资源对所有的ETL过程稀缺的时候,该调度算法会使资源得到更好的利用。通过实验验证了弹性调度比传统的调度方式在资源利用方面具有优势。

基于虚拟云计算架构的GIS服务资源弹性调度的应用研究

近年来,国际上对地理资源的研究与开发力度大大增加,地理信息系统平台的实际应用也受到了很大的冲击。造成了空间数据资源的访问量激增、资源调度需求量加大等现象的出现。但是由于我国GIS资源应用还处在不成熟阶段,以单机或者物理试题服务器上普通集群技术构建起来的GIS平台不能适应业务类型和数据类型的快速变化。计算资源的浪费成为了普遍现象。而虚拟云计算技术的应用,将大大的提升地理信息系统空间数据服务的效果。下面就虚拟云计算架构和GIS服务资源平台的分析与了解,并进一步研究基于虚拟云计算架构的GIS服务资源弹性调度的应用情况。

基于稳定匹配的实时ETL弹性调度机制

在数据生产速度波动较大的场景,为了实时ETL资源利用更合理,提出基于稳定匹配的ETL弹性调度机制。预测数据源的数据生产速度,并计算满足预测值的消费数据速度;使用贪婪负载均衡算法,调整ETL服务个数使节点负载均衡;确定ETL操作匹配关系,使消费数据速度最大且代价最小。该调度机制将匹配问题转化为最小费用最大流问题,并提出基于Dicnic算法的改进算法。实验结果表明,该调度机制在资源使用方面具有优势。

基于需求响应的虚拟电厂高弹性调度研究

本文以柔性负荷参与需求响应的运行成本最小、削峰填谷效应最大为目标建立高弹性调度数学模型,通过引入权重系数将多目标函数转变为单目标函数,并运用CPLEX对模型进行求解。算例分析结果表明,响应后储能系统和电动汽车的充放电功率随负荷变化而变化,具有良好的响应特性;负荷曲线在响应后更加平缓,说明模型具有良好的削峰填谷效应。

基于深度强化学习算法的弹性供应链调度优化方法

由于参与供应链的客户需求和供应者配置的多元性,导致供应链的配送成本难以得到有效控制,主要是因为在模型求解过程中,受困于参数本身的矛盾性,求解过程很容易陷入局部最优。为此,提出基于深度强化学习算法的弹性供应链调度优化方法研究。分别从供应者配置角度和客户需求角度构建了供应链模型,以供应链配送成本最小化为目标函数,应用深度强化学习算法中的深度Q网络(deepQ-network,DQN)算法进行训练,同步进行弹性供应链优化调度。DQN能够有效地处理这种高维状态空间,通过深度神经网络学习状态与动作之间的映射关系,自动提取关键特征,从而简化问题的复杂性。将收敛输出结果期望误差,输入供应链模型进行迭代计算,输出优化调度结果。测试结果表明,设计的方法可以实现对配送成本的有效控制。

面向地铁客流分析场景的弹性集群云平台架构设计及部署方案

[目的]在数字化技术迅速发展的当下,云技术被广泛应用在包括地铁系统在内的各行各业。出于对乘客出行安全的保障,实现大规模客流数据的实时获取和高效分析,需要提出面向客流分析场景的弹性集群云平台方案。[方法]分析了弹性集群云平台的核心功能需求,提出了弹性集群云平台的架构,阐述了弹性集群云平台的独特能力。针对不同发展阶段的地铁系统提出了2个弹性集群云平台部署方案,分析了各部署方案的优劣。以上海地铁为例,基于能力需求对比了部署方案的投资成本。分析了弹性集群云平台架构与地铁客流分析业务特征的匹配性。[结果及结论]地铁客流分析场景具有多系统并发、实时性高、数据量大等特点。弹性集群云平台能满足客流分析业务的多种需求。

多罐并行发酵过程的弹性停罐调度策略

针对多罐并行发酵过程,基于早先提出的分类函数和调度函数提出了弹性停罐的优化调度策略.利用工业生产过程的实际数据,对现行的固定时间间隔停罐策略和弹性停罐策略两种方案进行了分析比较,证实了弹性停罐策略的有效性.

基于Storm的自适应弹性资源分配策略组件实现

针对Storm平台的静态资源分配问题,提出一种分布式自适应弹性资源分配策略,能最优满足应用的资源需求.基于该策略,结合Storm的资源分配机制、应用编程接口和用户界面的参数,实现了一个面向Storm的弹性资源分配组件,支持应用资源的自适应动态调整.实验结果表明,在真实的流数据集上,分布式最优策略与中值式动态资源分配策略和Storm的静态资源分配策略相比,在吞吐量、丢失率和资源利用率上均有优势.同时,该自适应弹性资源分配组件能很好地与Storm系统交互,为其他弹性资源调度组件开发提供了可借鉴的解决方案.