基于深度學(xué)習(xí)算法的調(diào)度自動化云平臺任務(wù)優(yōu)化策略研究

劉 巖，柳樂怡，王 冬，黃紅偉，雷彥輝

(1.深圳供電局有限公司，廣東 深圳 518000;2.北京清大科越股份有限公司，北京 100102)

0 引言

基于內(nèi)部電網(wǎng)互聯(lián)的智能電網(wǎng)調(diào)度系統(tǒng)的云計算平臺具有很強的數(shù)據(jù)采集、分析和計算能力[1-2]。通過持續(xù)有效地使用數(shù)據(jù)中心，電子控制系統(tǒng)操作控制平臺的硬件和軟件資源是穩(wěn)定和高效的，該中心與整個電網(wǎng)溝通和執(zhí)行。

電力系統(tǒng)的調(diào)度自動化系統(tǒng)云平臺是一個支持用戶通過網(wǎng)絡(luò)獲取計算資源的共享池，共享池是通過管理優(yōu)化資源，快速配置和交付的商業(yè)模式[3-5]。云平臺利用互聯(lián)網(wǎng)技術(shù)，以有償服務(wù)的方式向大量云用戶提供大規(guī)?？蓴U展的、靈活的IT資源。云用戶不是根據(jù)他們需要照顧的東西來購買服務(wù)，而是根據(jù)他們自己的需要。云平臺的資源與云用戶的需求都是動態(tài)變化的，因此，預(yù)先配置和資源分配已經(jīng)不能滿足電力用戶的服務(wù)需求。

在電力自動化系統(tǒng)云平臺中，任務(wù)調(diào)度首要原則是滿足用戶需求，其目標(biāo)是最優(yōu)的任務(wù)調(diào)度方案和最大的綜合效益。這就要求工作要快速、實時、有效地分配，使云平臺的龐大資源能夠有效地滿足用戶的需求[6-9]。然而，傳統(tǒng)的任務(wù)和分配方法無法滿足與發(fā)電自動化相關(guān)的平臺用戶的性能要求，這可能使其難以確保強度和組成的平衡。因此，利用有效的科學(xué)技術(shù)對云平臺進行電力流量控制，用動態(tài)資源算法和資源分配技術(shù)來提高用戶和云平臺的效率。

本文提出了一種基于改進粒子群優(yōu)化算法的電力調(diào)度自動化云平臺的任務(wù)調(diào)度模型，旨在提高云計算資源配置效率，改善云服務(wù)質(zhì)量，解決電力調(diào)度自動化系統(tǒng)的任務(wù)調(diào)度問題。

1 云平臺任務(wù)調(diào)度的內(nèi)涵和目標(biāo)

調(diào)度問題，尤其是多處理器和分布式的電力系統(tǒng)中的調(diào)度問題，一直是計算機科學(xué)的一個重點。隨著云處理的發(fā)展，從上面接管任務(wù)的想法引起了許多學(xué)者的興趣，基于云計算的任務(wù)調(diào)度研究也成為研究熱點之一[10-11]。云平臺的任務(wù)調(diào)度可以理解為一個映射過程，通過虛擬化技術(shù)，云平臺的硬件和軟件被簡化為資源，用戶的請求被視為一項任務(wù)。任務(wù)的維度是根據(jù)有關(guān)資源和任務(wù)的優(yōu)勢信息，提供必要和適當(dāng)?shù)馁Y源，供終端用戶分配，但要遵守一定的限制。當(dāng)任務(wù)結(jié)束時，結(jié)果就會返回。因此，一個好的任務(wù)控制功能可以在云環(huán)境中協(xié)調(diào)和分配資源，可以十分有效地提高電力系統(tǒng)的性能，縮短任務(wù)處理的時間，減少電力資源的消耗。

云平臺用2種基本方法協(xié)調(diào)行動：一方面，對各任務(wù)的資源分配是透明的；另一方面，通過允許算法將這些資源與最有用的消費者的任務(wù)相匹配，使云中這些資源的使用變得更加高效。云計算處理是分散處理，因此它是擴展和復(fù)雜的。云環(huán)境中的資源是奇異的、化學(xué)的、分散的和主導(dǎo)的，因此，對云平臺進行良好和有效的搬遷至關(guān)重要。

云平臺的任務(wù)調(diào)度模型如圖1所示。

圖1 云平臺任務(wù)調(diào)度模型

這通常是指對云平臺的使用。

a.從應(yīng)用程序的配置文件中解析方案。

b.選擇是基于資源池和配置文件的。

c.任務(wù)預(yù)測的執(zhí)行和任務(wù)所需資源的計算。

d.根據(jù)資源概況和使用情況，對最終用戶提交的任務(wù)進行資源分配。

電力調(diào)度問題是NP問題，這主要是因為資源和任務(wù)是動態(tài)的，很不利于任務(wù)調(diào)度。所以電力調(diào)度的算法就只能是找到電力調(diào)度問題的相對最優(yōu)解，并以QoS為評價標(biāo)準(zhǔn)。

云任務(wù)主要涉及以下幾個方面：

a.最短跨度。與完成任務(wù)相對應(yīng)的最短時間，即從電力用戶提交第1個任務(wù)直到最后1個任務(wù)處理結(jié)束的時間，間隔的長短直接影響用戶的體驗。間隔越短，所需時間越短，用戶需要支付的費用就越低。

b.服務(wù)質(zhì)量。服務(wù)質(zhì)量是指在云計算平臺上提供服務(wù)時考慮的系統(tǒng)性能。QoS水平直接決定了電力用戶是否會繼續(xù)使用云計算平臺。云平臺的發(fā)展主要是基于任務(wù)的表現(xiàn)，即虛擬資源的分配，在多樣化云計算平臺的應(yīng)用中，有效提供虛擬資源對提高服務(wù)質(zhì)量至關(guān)重要。

c.負載平衡。負載平衡是云計算處理系統(tǒng)中資源轉(zhuǎn)移的重要指標(biāo)，指的是在云計算界面下平衡使用云服務(wù)器資源，以避免某個節(jié)點的過度擁擠或被拋棄。為達到這樣的效果，需要一個良好的戰(zhàn)略，平衡資源和手頭的任務(wù)，以及充分合理地利用虛擬資源。

d.經(jīng)濟效益。云計算低成本的命題，供應(yīng)商和用戶都需要考慮。用戶希望降低運營成本，對于服務(wù)供應(yīng)商來說，在保證整體利潤的同時降低成本是最理想的。

2 電力調(diào)度自動化系統(tǒng)的云平臺架構(gòu)

網(wǎng)絡(luò)的智能通道系統(tǒng)和自動化使用云技術(shù)，并將分散的數(shù)據(jù)服務(wù)中可用的數(shù)據(jù)和信息與網(wǎng)絡(luò)的自動化基礎(chǔ)設(shè)施整合在結(jié)構(gòu)化系統(tǒng)中，使網(wǎng)絡(luò)具有高可靠性、高效率和高準(zhǔn)確性。

云平臺具有分散的分配系統(tǒng)和主機的分配-分配平臺。這些組件形成了虛擬平面，并通過分散的數(shù)據(jù)服務(wù)導(dǎo)致數(shù)據(jù)信息的交換、傳輸和整合。同時，在底層保證了物理硬件的統(tǒng)一管理和部署，確保有效和穩(wěn)定的接入。為了方便實時監(jiān)控、編輯和監(jiān)督觀眾的系統(tǒng)組件的使用和運作，該平臺提供了統(tǒng)一的管理和監(jiān)控技術(shù)，網(wǎng)絡(luò)的不同區(qū)域的布局由這3個功能組成?？刂浦行囊淹ㄟ^主機的管卡被整合到網(wǎng)絡(luò)平臺。交通控制中心的不同功能可以相互保證，提高系統(tǒng)的安全性和可靠性。

2.1 分布式數(shù)據(jù)服務(wù)總線

電力調(diào)度平臺是一個大規(guī)模的網(wǎng)絡(luò)結(jié)構(gòu)、靈活的網(wǎng)絡(luò)結(jié)構(gòu)，是去中心化的網(wǎng)絡(luò)。在子差分中，可以有多個活躍的運輸平臺，該網(wǎng)絡(luò)的管理員能夠在線整合子差分的服務(wù)器，以分配最低的業(yè)務(wù)資源和不同站點之間的遠程時間數(shù)據(jù)傳輸，這保證了系統(tǒng)的持續(xù)可用性。還支持分布參數(shù)的擴展功能，如分布參數(shù)、動態(tài)應(yīng)用和位置，以及系統(tǒng)故障和失靈后的自動恢復(fù)。高效的遠程控制和強大的記錄功能，允許操作人員調(diào)整系統(tǒng)參數(shù)，監(jiān)控網(wǎng)絡(luò)情況，為電力系統(tǒng)的搜索和電力管理提供了可靠的保障。

2.2 數(shù)據(jù)存儲系統(tǒng)

分配系統(tǒng)是分散的軟件系統(tǒng)，它將數(shù)據(jù)存儲設(shè)備與網(wǎng)絡(luò)中的節(jié)點整合在一起，并實時處理數(shù)據(jù)以傳輸電力數(shù)據(jù)。為了網(wǎng)絡(luò)的長期業(yè)務(wù)發(fā)展，大量數(shù)據(jù)的存儲和管理應(yīng)該使用分散的數(shù)據(jù)管理系統(tǒng)，而不需要增加新的設(shè)備或改變硬件的物理分類。

空間數(shù)據(jù)被存儲在作為文件系統(tǒng)的封套中，而所有本地文件系統(tǒng)中出現(xiàn)的節(jié)點通過動態(tài)的文件系統(tǒng)中的數(shù)據(jù)，以及關(guān)于文件系統(tǒng)中數(shù)據(jù)和和數(shù)據(jù)之間的存儲，支持和數(shù)據(jù)存儲。通過在一個節(jié)點上建立幾個輔助單元，數(shù)據(jù)訪問的問題得到了解決，數(shù)據(jù)處理也得到了改善。

2.3 動態(tài)負載平衡和資源分配系統(tǒng)

為了有效管理驅(qū)動系統(tǒng)，在云平臺上整合了動態(tài)容量平衡和動態(tài)資源分配機制。動畫和計算機中的節(jié)點，從孔子開始，傳輸計算機的速度，執(zhí)行導(dǎo)致發(fā)送信號的過程的行動中心，服務(wù)器的基本節(jié)點和跨系統(tǒng)的壓力到一個系統(tǒng)的動態(tài)。中央監(jiān)控系統(tǒng)、認證、戰(zhàn)略管理和決策中心4個功能是為整個電網(wǎng)的接入提供一個平臺：認證和戰(zhàn)略管理中心負責(zé)認證和管理電網(wǎng)內(nèi)的整個工廠；決策中心對電力和交通管理系統(tǒng)作出判斷。

在與特定節(jié)點合作的系統(tǒng)的幫助下，系統(tǒng)地檢測系統(tǒng)故障和斷電，并幫助排除故障。尋找網(wǎng)絡(luò)中負載較弱的節(jié)點，將故障節(jié)點的任務(wù)轉(zhuǎn)移到負載較低的中心，以實現(xiàn)計算。

2.4 集成計算引擎

集成計算引擎結(jié)合多種計算資源，解決數(shù)據(jù)方案中的巨大數(shù)據(jù)問題，提高系統(tǒng)實時處理和分析大量數(shù)據(jù)的能力。這個數(shù)據(jù)引擎使得減少情報部門通過外部和節(jié)點數(shù)據(jù)獲得的信息量成為可能，如圖2所示。數(shù)據(jù)信息的分析和處理在不同的功能節(jié)點進行，直到完成數(shù)據(jù)的收集。

圖2 集成計算引擎

3 基于人工智能算法的電力調(diào)度自動化系統(tǒng)云平臺任務(wù)調(diào)度模型

云平臺基于人工智能算法的任務(wù)調(diào)度策略可以描述為：云用戶向云服務(wù)數(shù)據(jù)中心發(fā)送請求，云計算數(shù)據(jù)中心根據(jù)系統(tǒng)策略的要求分配云計算虛擬資源，并通過本文算法提供最佳的可用物理資源，并相應(yīng)地給予用戶適當(dāng)?shù)拇?。一個組成部分是基于用戶需求和特定約束的虛擬零件的虛擬指令策略；另一個是物理投影，通過改進的零件優(yōu)化算法，改變虛擬和物理設(shè)備之間的適當(dāng)比例。

使用改進的粒子人工智能(PSO)算法為云平臺創(chuàng)建了運營模型。這是改進的PSO模型和云計算動力模型的網(wǎng)絡(luò)錯位之間的聯(lián)系，云計算模型的物理物質(zhì)資源被視為1個PSO粒子，整個物理資源池是1個粒子，以優(yōu)化最佳共享平臺。云計算以粒子為單位計算物理機的資源數(shù)據(jù)，并對活躍粒子進行范圍進行優(yōu)化。設(shè)備的通信能力與粒子的速度相一致，分離的物理資源的處理被分配給單一或最佳粒子的子集。云中的工作分配是以算法中的粒子優(yōu)化來計算的，其中任務(wù)分配的約束與高級粒子的算法優(yōu)化是一致的。在云環(huán)境中，根據(jù)實際時間和指定的資源責(zé)任迭代，采用改進的算法來優(yōu)化循環(huán)迭代，從而形成最佳的資源運作方案。在這種情況下，QoS函數(shù)與1個函數(shù)的效果相結(jié)合，以評估1個最佳觀眾的價值，并在懲罰函數(shù)中為其優(yōu)化價值。

3.1 模型建立

為了將本文提出的PSO算法應(yīng)用于云平臺任務(wù)調(diào)度，首先應(yīng)建立云平臺任務(wù)調(diào)度的數(shù)學(xué)模型。根據(jù)云計算電力調(diào)度的具體模型和原理，建立實用的目標(biāo)函數(shù)，即確定電力系統(tǒng)的一些基本約束。這也是為了建立相關(guān)的參數(shù)，因為這些設(shè)置是改進云資源計算中對粒子的操縱的基礎(chǔ)。

正常電路可以在電力用戶的需求和虛擬電力之間創(chuàng)造一個平衡。云平臺的用戶需要低成本和可靠的服務(wù)訪問，而云供應(yīng)商則希望在低消耗和低能耗的有利條件下為客戶提供穩(wěn)定的服務(wù)。因此，虛擬在線環(huán)境中使用的資源數(shù)量和由此產(chǎn)生的服務(wù)質(zhì)量代表了這種平衡。事實證明，正是因為用戶擁有更多的權(quán)力和更多的選擇，他們才有機會獲得最新的可靠服務(wù)。隨著電力需求的增加，虛擬操作系統(tǒng)變得越來越復(fù)雜，使其更難保證系統(tǒng)的穩(wěn)定性。因此，開發(fā)了一個適合平衡用戶需求和期望的最佳控制模型，即

F=Q(p)+G(p)

(1)

Q(p)為電力資源的數(shù)量和電力用戶之間的關(guān)系；G(p) 為電力資源數(shù)量與電力負載平衡的關(guān)系。二者的平衡就是要找到F中所代表的最小值，他們的資源數(shù)量是指當(dāng)二者能夠平衡時能夠使用的資源數(shù)量，就是所謂的圖形交叉點的值。

模型的數(shù)學(xué)圖像如圖3所示。

圖3 任務(wù)調(diào)度模型

3.1.1 目標(biāo)函數(shù)

在考慮負載平衡的條件下，利用人工智能算法解決最優(yōu)任務(wù)調(diào)度問題，根據(jù)云用戶所提出的服務(wù)需求進行有條件的電力調(diào)度過程。任務(wù)最優(yōu)的電力調(diào)度所對應(yīng)的電力資源數(shù)據(jù)就是目標(biāo)函數(shù)的解，所以就把問題變成了尋找最優(yōu)任務(wù)調(diào)度的問題。在選擇物理虛擬機時，通常都需要考慮虛擬機的負載率上限，即從開始就要保證云環(huán)境的電力負載平衡，所以建立目標(biāo)函數(shù)為

(2)

tip、cop和trp分別為預(yù)訂的云用戶對電力服務(wù)時間、電力服務(wù)費用和電力服務(wù)可靠性的要求。

3.1.2 限制條件

任務(wù)調(diào)度之前，計算任務(wù)的適配值，根據(jù)任務(wù)的適配值淘汰一些任務(wù)，再根據(jù)約束條件從剩余的任務(wù)中優(yōu)化分配任務(wù)。目標(biāo)函數(shù)的約束集為

(3)

Ti_c(VMi)為云計算的虛擬機VMi所需要處理任務(wù)的時間成本，上限為TL；De(VMi) 為虛擬機VMi處理所需要的時間延遲，上限即為DL；Ba(VMi) 為分配給VMi時所能提供的網(wǎng)絡(luò)帶寬，下限為BL；Tr(VMi)為虛擬機VMi的信任值，下限為TrL；fit(VMi)為任務(wù)的適合度，ε為所選任務(wù)的最小適應(yīng)度值。

3.1.3 參數(shù)設(shè)置

根據(jù)改進的粒子群優(yōu)化算法云平臺任務(wù)調(diào)度原理，所需設(shè)置的相關(guān)參數(shù)如表1所示。

表1 改進的PSO算法的參數(shù)設(shè)置

3.2 處理過程

基于電力結(jié)構(gòu)模型選定的電力目標(biāo)函數(shù)和云任務(wù)的約束條件，對云計算中的粒子進行優(yōu)化的改進算法如下所述。

a.目標(biāo)功能是計算出用戶云的服務(wù)需求。云分析使操作更有意義，目標(biāo)更明確。

b.根據(jù)問題的大小確定算法的參數(shù)，并確定源粒子的位置和速度，以創(chuàng)建1個最佳的起始粒子。

c.根據(jù)粒子的化學(xué)函數(shù)計算出粒子的初始值。

d.根據(jù)迭代規(guī)則更新粒子的信息，應(yīng)該說個人的最佳Pbest和最佳Gbest，每次更新后分?jǐn)?shù)都會增加1。

e.判斷是否為早熟。如果是早熟，則進行早熟處理并進入d，否則進入下一步。

f.判斷是否達到最大迭代數(shù)。如果是，則執(zhí)行i；否則，進入下一步。

g.判斷是否有可能收斂。如果是，進入下一步；否則，進入d。

h.核對每個粒子的信息，并且與Gbest核對。

i.從Gbest的值來核對VIRTUAL機器。

j.執(zhí)行任務(wù)的VM通過資源信息的注冊來進行映射。

k.VM執(zhí)行預(yù)先編程的任務(wù)，完成任務(wù)并回收資源。

l.結(jié)束，并且輸出結(jié)果。

4 結(jié)束語

本文分析了云平臺任務(wù)調(diào)度的特點和目標(biāo)，從任務(wù)調(diào)度算法入手，提出了基于改進粒子群算法的電力調(diào)度自動化系統(tǒng)的人工智能方法，開發(fā)了一個云計算操作的模型?；谠撍惴ê臀锢砟Ｐ偷倪\行控制考慮了QoS要求和平臺云居民的環(huán)境負載平衡，可以有效提高本文所提出電力調(diào)度自動化系統(tǒng)的云平臺任務(wù)調(diào)度的效率。