基于GRU-RNN组合模型的云计算RLF仿真

随着云计算的兴起和信息技术的快速发展,云计算数据中心存在能源消耗过高的问题,服务器的能源消耗主要是由CPU和内存等资源消耗过高引起的,这些资源利用率的不平衡是导致资源浪费和能源消耗的关键因素之一。对数据中心资源使用量进行预测,有助于进行资源管理,提高服务器资源利用率,从而缓解资源浪费和能耗过高的问题。本文建立一种基于门控循环单元与循环神经网络的组合预测模型GRU-RNN对负载进行预测。实验结果表明,提出的GRU-RNN模型相比于以往简单预测模型RNN、LSTM、GRU和现有的复合预测模型ARIMA-LSTM、GRU-LSTM等,有更高的预测精度。

面向虚拟机的历史周期负载算法

在数据中心以虚拟机方式部署各种服务已经成为主流,为了提高数据中心物理机资源利用率,热迁移技术被开发出来用于虚拟机在物理机之间进行在线调度。但是频繁热迁移会消耗额外资源,且会造成虚拟机短暂停机,影响服务稳定性。如何在保障资源利用率的同时确保服务稳定性成为当前亟待解决的问题。因此,提出了基于历史周期负载预测的算法BOHPLF,通过该算法可以将周期负载可预测的虚拟机分离出来。该方法使用Azure云的真实数据集进行仿真实验,结果显示,60.96%的虚拟机具有稳定的周期负载且可预测,在对可预测的虚拟机进行调度时,既降低成本又显著提高服务稳定性。

Effective Resources, Sustained Efficiency and Scientific Forecast

Predicting future human resources scientifically by adopting the quantitative analysis method of combining the sustained efficiency with production quantity-unit load method and general tendency method,we can improve the precision of forecasting and provide the guiding principle for the plan of developing human resources.

考虑广义需求侧资源的深度置信网络短期负荷预测方法

随着智能电网信息化水平的不断提高以及可控负荷、分布式电源和储能等广义需求侧资源的大量接入,将产生海量负荷数据集并改变负荷特性.为了提高负荷预测精度,提出了一种考虑广义需求侧资源的深度置信网络(DBN)负荷预测方法.首先,借助负荷聚合商确定了广义需求侧资源参与电力市场的机制,构建了基于合同的广义需求侧资源调度模型,并利用该模型求解广义需求侧资源参与电力市场的最优调度计划.其次,引入DBN结构,并将广义需求侧资源的最优调度计划作为其输入量,建立了短期负荷预测模型.最后,以实际数据进行仿真测试,结果表明,本文所提方法具有更高的预测精度.

面向客户视角的云计算资源管理框架及研究进展

云计算作为数字经济的基础设施,为企业发展提供新动能。如何对云资源进行合理、高效的管理,作为企业运用云计算的核心问题之一逐渐得到重视。在对云资源类型、发展阶段等分析的基础上,从客户视角对云资源管理问题进行综述。通过对目前企业运营管理中云资源管理问题的研究进行梳理和总结,探讨了客户视角下的云资源预测、云资源弹性调度、云资源定价、云资源选择和云资源采购的问题,并进一步结合相关研究进展,提出了云资源管理未来的研究方向及发展趋势,以期为未来云资源管理研究提供有益参考。

基于仿真的多品种小批量生产资源负荷预测

生产计划的制订需充分考虑生产资源的负荷情况。在多品种小批量生产模式下,工序加工时间的不确定性以及生产加工质量等因素的影响会导致加工过程中实际资源负荷与计划之间存在偏差。针对上述问题,对实际生产所需的资源进行负荷预测。考虑工序历时、加工不合格率以及设备使用前准备时间对资源负荷的影响,提出一种资源负荷预测模型并应用蒙特卡洛仿真方法,以概率分布的形式描述工序加工历时的不确定性。通过仿真验证了预测模型的可行性,实现了对生产资源负荷较为符合实际的预测,为制定生产计划提供有效参考。

兼容需求侧资源的负荷预测新方法

提出一种兼容需求侧资源的负荷预测新方法,其基本思路为"自上而下细分负荷,自下而上叠加计算"。该方法的主要步骤为确定预测范围、对用户进行分类、识别各类用户的各种需求侧资源、定量分析预测期内各类用户各种需求侧资源对负荷的影响效果,通过多层次叠加技术测算得到预测区域内考虑需求侧资源的最大负荷。基于此,构建考虑需求侧资源的负荷预测模型。以某110 kV变电站中某条线路的覆盖范围为仿真算例,结果表明,考虑需求侧资源影响后电网规划中的负荷预测结果显著降低。

新疆干旱区水资源生态足迹与承载力的动态特征与预测

为实现新疆水资源与社会、经济和生态环境的协调发展,在测算了新疆2000—2015年水资源生态足迹、承载力和水资源负载动态特征的基础上,利用ARIMA模型对2020年新疆水资源生态足迹、承载力及赤字情况进行预测.结果表明:(1)2000—2015年,新疆总水资源生态足迹总体略有下降,但波动剧烈;用水结构中存在着其他用水部门侵占生态用水现象;2016—2020年,新疆水资源生态足迹总体呈"W"型波动下降趋势.(2)新疆水资源生态承载力不断下降,由2000年的0.13×10~4hm^2降至2014年的0.07×10~4hm^2,降幅达46.15%,处于非常严峻的生态赤字状态,赤字率达99%以上;2016—2017年,新疆水资源生态承载力继续波动下降,降幅超过生态足迹.(3)2000—2015年,新疆水资源负载指数大幅上升,水资源负载级别从Ⅳ级变为Ⅱ级,水资源利用程度提高,开发潜力下降;2016—2020年,新疆水资源负载指数从5.54快速升至6.50,负载级别虽仍为Ⅱ级,但未来潜力不断下降,开发条件愈加困难.研究显示,新疆水资源生态赤字程度已远远超过水资源承载能力,采取有效措施实现水资源对经济社会发展的有效支撑和持续利用是当务之急.

需求侧资源促进可再生能源消纳贡献度综合评价体系

通过需求侧资源促进可再生能源并网消纳,能够降低系统对燃煤备用机组和输电线路扩容的需求,具有显著的经济、环保效益。考虑到系统动力学系统性、动态性的特点,构建了基于系统动力学的需求侧资源贡献度的综合评价体系。首先,分析了需求侧资源促进可再生能源并网消纳的驱动关系;然后,构建了需求侧资源促进可再生能源并网消纳贡献度的测算栈流图,具体包括分布式发电优化负荷预测测算环节、提高供电可靠性测算环节、发电组合经济性测算环节、可再生能源消纳因子构建环节、可再生能源消纳贡献度测算环节;最后,提出了需求侧资源促进可再生能源并网消纳贡献度综合评价体系建设工作建议。

基于负载预测的虚拟机资源优化分配方案

云计算环境下,为了提高主机资源利用率和保证性能,考虑了主机负载因素的影响,提出了一种基于负载预测的虚拟机资源优化分配方案。通过预测主机负载情况,过滤掉即将达到警告值的主机,保证主机性能,防止虚拟机因负载过重发生不必要的迁移;对参与分配的物理机进行资源最大化利用分配,提高物理主机的资源利用率。通过仿真实验对该方案进行验证。实验结果表明该方案在保证了主机性能的同时提高了资源利用率。

建筑节能管理的重要环节——区域建筑能源规划

提出了区域建筑能源规划的概念。根据综合资源规划的原理,提出在区域建筑能源规划中的几项关键技术,如节能目标的设定、可利用资源量的估计、负荷预测、能源系统配置、虚拟电厂的确定、实行更高的建筑节能标准,以及全程管理等。

基于大数据分析技术的云计算资源预测研究

为有效呈现云计算资源负载的动态波动情况,研究基于大数据分析技术的云计算资源预测方法。在海量云计算资源负载的时间序列数据内任意选取一个时间序列数据;采用时间序列混沌分析方法预处理所选时间序列数据,通过互相关方法确定时间序列相空间重构的最佳嵌入维和延迟时间;依照最佳嵌入维和延迟时间构建一个多维时间序列,将多维时间序列作为云计算资源负载预测建模的学习样本;采用支持向量机训练学习样本,构建云计算资源负载预测模型,采用蝙蝠算法优化预测模型内惩罚因子和径向基核函数宽度参数,完成海量云计算资源负载时间序列数据预测。测试结果显示所研究方法具有较好的泛化能力,单步预测条件下能够获取高精度的测试对象预测结果,多步预测条件下依旧能够较好的呈现测试对象的波动情况。

基于BPNN-LSTM组合模型的云计算资源负荷预测

有效的负荷预测对提高云计算资源利用效率、降低电力消耗和运维人力资源成本具有重要意义。针对当前云计算资源负荷预测精度低、难以准确把握历史数据时序特征的问题,提出一种引入时序因素的BPNN-LSTM(BP神经网络-长短期记忆网络)组合预测模型。综合考虑对云计算资源负荷具有重要影响的日期和时间因素,采用LSTM对BPNN的预测残差进行修正,对不同时间维度的云计算资源负荷进行预测。通过与多种预测模型的对比实验,验证了所提出的模型在对云计算资源负荷预测上具有更高的精度和稳定性。

大数据环境下资源负荷短期预测时间跨度估计

大数据环境下资源负荷短期预测时间跨度计算是提高大数据资源调度和数据集成的基础。通过对大数据环境下资源负荷短期预测时间跨度的准确估计,提高资源负荷的预测性能。提出一种基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计算法。构建大数据环境下资源负荷模型,基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计,进行非线性差分相点融合,进行全网拓扑信息激励传播均衡设计,通过频繁的切换来进行网络选区,将时间划分为连续区间,重新分配大数据环境下的时间跨度,最后得到基于线性差智能群辨识的资源短期预测时间跨度估计算法改进。仿真结果表明,该算法具有较好的时间跨度估计性能,提高了大数据环境下的资源负荷预测精度,具有较小的任务调度路径延时和能耗损失,为提高云平台的资源利用效率提供基础,展示了较好的应用价值。

三支决策视角下的云平台负载预测研究

云资源负载预测是云计算系统体系规划的一个重要组成部分,其预测效果直接影响到云计算系统的经济性和服务质量.为保证基础设施及服务(Iass)模式下资源有效分配和高效调度,实现精准有效地负载预测,本文提出了一种基于三支决策的云资源负载预测模型(DMASVR-3WD).借鉴三支决策的基本思想,根据负载特征变化进行三支划分,来设立云资源需求的三个不同时期,并有针对性的施加策略.对于平缓期和抖动期,采取立即决策的处理方式,直接进行负载预测处理,对于中间波动期,采取延迟决策的处理方式,依据代价最小化的原则,对其进行划分处理.实验结果表明,所提出的算法能够精确实现负载预测,有效保证用户的服务等级协议.

上海文通国际广场天然气三联供系统的应用

天然气三联供系统以其能源利用效率高、节能环保、供电安全等优势开始逐步应用于建筑供能领域。以天然气三联供系统在上海文通国际广场的应用为例,分析比较了不同供能组合模式下的工程投资、全过程运行费用和运行能耗。指出天然气三联供系统的应用可以实现建筑供能系统的节能降耗,但是仅能部分替代传统供能系统,存在一定局限性。

改进鲸鱼算法在云计算资源负载预测中的应用

为了解决传统云计算资源负载预测方法对负载序列高频分量预测精度不高和泛化能力弱的缺点,提出一种混合小波包变换和正余混沌双弦鲸鱼优化(CSCWOA)算法优化多层感知器神经网络(MLP)的短期云计算资源负载预测方法。通过小波包变换对负载序列进行多频段预处理分解,然后采用CSCWOA算法优化的MLP神经网络,对单支重构所得的负载子序列进行预测;最后叠加各子序列的预测值来获取实际预测结果。实验结果表明,该方法能掌握负载序列各频段冲击毛刺的变化规律,具有较好的预测精度和泛化能力。

基于广义需求侧资源聚合的电力系统短期负荷预测模型

需求响应计划的广泛实施对电力系统短期负荷预测将产生一定的影响。为了获得理想的预测精度,需要准确计及需求响应因素的实时变化,并将其融入短期负荷预测模型的构建中。首先提出了一种能够通过电价合同实现的需求响应调度方式,该方式借助负荷聚合商机构实现了广义需求侧资源的最优调度,并能够以需求响应信号的形式提供给系统调度员利用。以此为基础,构建了基于广义需求侧资源聚合的电力系统短期负荷预测模型,将需求响应因素融入到短期负荷预测模型的构建中。仿真结果表明,构建的短期负荷预测模型能够有效弥补传统负荷预测模型的不足,有利于提升模型的预测精度。

计及需求侧资源作用的负荷预测模型及应用

智能电网的发展与应用,智能表计装置安装比例的增大,为从需求侧优化用户用电负荷提供了可能,但同时也对已有的负荷预测模型提出了新的问题。提出了一种考虑需求侧资源(DSR)作用的负荷预测模型,该模型能够定量计算DSR对负荷预测的影响及节电效果。通过110 kV变电站供电区域负荷预测分析,验证了模型的可靠性为当前电网规划的负荷预测工作提供了有效的工具。

基于组合预测模型的云计算资源负载预测研究

随着云计算技术的不断发展,云计算资源负载变化呈现出越来越复杂的特征。针对云计算资源的负载预测问题,综合考虑云计算环境中资源负载时间序列的线性与非线性特性,提出了一种基于自回归移动平均模型ARIMA与长短期记忆网络LSTM的组合预测模型LACL。使用公开数据集与传统负载预测模型进行了对比实验,实验结果表明,该云计算资源组合预测模型预测精度明显高于其他预测模型,显著降低了云环境中对资源负载的实时预测误差。