基于云計算任務(wù)分配的供電資源快速響應(yīng)與調(diào)度方法

陳一丹,趙 敏,郭 征,江 云,費 捷

（國網(wǎng)上海浦東供電公司，上海 200120）

1 引言

電網(wǎng)規(guī)模不斷擴大，促使參與需求響應(yīng)的電力項目越來越多。需求響應(yīng)是指在用電高峰或低谷時期，利用相關(guān)政策、電價等激勵方式促使用戶改變原有用電行為，實現(xiàn)用電負(fù)荷削減、轉(zhuǎn)移或停止等操作?，F(xiàn)階段需求響應(yīng)正處于人工向自動化發(fā)展的過渡時期，且需求響應(yīng)資源的快速增加降低執(zhí)行效率，還會損失部分信息，無法實現(xiàn)最佳調(diào)度。

將電力企業(yè)收益最大化與需求響應(yīng)補償成本最低化作為目標(biāo)進行調(diào)度，文獻[1]綜合分析需求響應(yīng)的時間尺度特征，結(jié)合不同時間段資源預(yù)測信息與電價信號，逐級優(yōu)化需求響應(yīng)供應(yīng)量，確保運營商利益最大化。文獻[2]將爆發(fā)式數(shù)據(jù)處理模型應(yīng)用到電力調(diào)度系統(tǒng)中。研究電力調(diào)度具有數(shù)據(jù)量大、隨機性較強、數(shù)據(jù)庫抗壓性能不穩(wěn)定等特點，構(gòu)建數(shù)據(jù)處理EDPM(Erupt Date Processing)模型中多級緩存方法，在自適應(yīng)緩存管理機制基礎(chǔ)上實現(xiàn)快速需求響應(yīng)與合理調(diào)度。

上述兩種方法提高響應(yīng)速度，但是當(dāng)響應(yīng)需求增多時，調(diào)度任務(wù)完成效率明顯下降?；诖?，本文提出云計算任務(wù)分配的供電資源快速響應(yīng)與調(diào)度方法。云計算技術(shù)飛速發(fā)展，為數(shù)據(jù)處理帶來顛覆性改變，它能夠獲得數(shù)據(jù)更深層的價值，根據(jù)事物因果關(guān)系分析其內(nèi)在聯(lián)系。在智能電網(wǎng)中為實現(xiàn)供電資源快速響應(yīng)，就需要獲得更加全面的數(shù)據(jù)，云計算通過整合分布在不同區(qū)域的節(jié)點，構(gòu)成整體系統(tǒng)，為快速響應(yīng)與合理調(diào)度帶來保障。

2 云計算任務(wù)分配的供電資源快速響應(yīng)與調(diào)度

2.1 需求響應(yīng)資源分類

需求響應(yīng)資源具有分散性、數(shù)據(jù)量大等特征，因此能夠看出其不容易被控制[3-5]。只有將需求響應(yīng)資源進行合理劃分，才可以獲取相應(yīng)的響應(yīng)容量，從而確定響應(yīng)順序，以便更好實現(xiàn)供電資源調(diào)度。

(1) 工商業(yè)用戶需求響應(yīng)

表1 工商業(yè)用戶需求響應(yīng)特征表

(2) 居民用戶需求響應(yīng)

表2 居民用戶需求響應(yīng)特征表

2.2 標(biāo)準(zhǔn)的云計算任務(wù)分配模型構(gòu)建

本文利用標(biāo)準(zhǔn)匈牙利算法建立云計算任務(wù)分配模型，其任務(wù)分配問題可以描述為：假設(shè)n臺計算機需要執(zhí)行n個任務(wù)，若已知第j個云計算任務(wù)在第k臺設(shè)備中執(zhí)行所需的成本，要求利用最少成本實現(xiàn)總?cè)蝿?wù)，且需符合下述條件：所有任務(wù)均被執(zhí)行、不能出現(xiàn)未使用的計算機，即確保負(fù)載均衡[6]。

所以云計算任務(wù)分配的數(shù)據(jù)模型[7]表示為：

約束條件描述為：

上述約束條件中，公式(3)表明每臺計算機最少執(zhí)行一個任務(wù)；公式(4)要求所有任務(wù)都要被執(zhí)行；公式(5)代表分配結(jié)果元素取值為0或1，不同取值代表的含義如下：

公式中，ε表示全部分配策略集合，C代表任意一種分配方法，Vj屬于C策略的最佳函數(shù)值，Vk為全局最佳函數(shù)值。

利用匈牙利算法構(gòu)建的上述云計算任務(wù)分配模型經(jīng)過多次迭代處理，實現(xiàn)行列縮減，但效率較低，容易出現(xiàn)在新一次迭代過程中沒有添加有效零位現(xiàn)象。所以在結(jié)合匈牙利算法，本文引入一種快速優(yōu)化求解方式—降階優(yōu)化算法。

2.3 模型優(yōu)化

假設(shè)E=(X，C)表示任務(wù)分配的最佳函數(shù)值，且ε1={C|c1n=1}、ε2={C|c1m=1}，其中ε1和ε2分別表示已知部分，ε1ε2ε。

如果，E1=K(X1，C)，E2=K(X2，C)，則X1與X2的計算公式如下所示，已知的分配矩陣部分相對的成本矩陣元素等于零，因此令：

其中，xjt表示C策略的最佳分配參數(shù)。公式中分配方案值l的計算公式為：

其中，xjt與xjm分別表示C策略下的已分配與未分配方案的數(shù)量。

此時，X1的0 元素不需要進行優(yōu)化分配，E1已經(jīng)變換為計算(n-1)個計算機對于(n-1)個任務(wù)的分配問題，矩陣降成(n-1)階，則該過程被稱為快速降階[8]。同理可以得到：

公式(9)中的分配方案值l能夠表示為：

X2的0元素同樣不需繼續(xù)優(yōu)化分配，E2也變換為(n-1)計算機對(n-1)個任務(wù)的求解分配問題。因此E1與E2是兩個低一階分配問題的最佳解，與其相對的成本矩陣是X1與X2。

如果要使最終分配結(jié)果為：

則已獲得(n-1)階分配方案的值為：

則有：

因此得出：

公式中，xlm表示選中的分配策略，將其當(dāng)作做最優(yōu)策略的解，去除其中行列元素，假設(shè)：

相反，如果要獲得最大成本的分配策略，選取clt=1作為分配策略的部分解，并去除行列，使矩陣降低一階。重復(fù)以上過程，矩陣規(guī)模會不斷變小，當(dāng)只存在一個元素時，獲得最佳分配方案。

為改善匈牙利算法僅能獲得標(biāo)準(zhǔn)一對一分配的缺陷，在任務(wù)與資源無法實現(xiàn)對等狀況下進行改進，根據(jù)設(shè)計的降階優(yōu)化方法完成成本最小的任務(wù)分配。

2.4 供電資源快速優(yōu)先響應(yīng)探究

2.4.1 基于任務(wù)有效價值特征的快速響應(yīng)

有效價值不但與數(shù)據(jù)狀態(tài)類型[9]相關(guān)，還與在電力系統(tǒng)中的重要性有關(guān)?？焖夙憫?yīng)的有效價值能夠分為兩部分，一是信息來源在電力系統(tǒng)中的重要性，也是關(guān)鍵程度，將其計作g；另一部分是信息種類，通常包括常規(guī)、異常與報警數(shù)據(jù)三種，稱其為種類價值，表示為k'。這兩方面綜合稱之為有效價值，描述為W。

響應(yīng)任務(wù)的關(guān)鍵價值，會對響應(yīng)優(yōu)先級別的初始值與達到的最大值產(chǎn)生影響。在相同等級情況下，電力系統(tǒng)中重要設(shè)備的處理任務(wù)會得到很高的關(guān)鍵性價值，也能及時得到響應(yīng)。而任務(wù)類型價值往往體現(xiàn)在任務(wù)的緊迫程度上，時效性較強的信息優(yōu)先級變化趨勢較快，進而得到更高優(yōu)先級別，電力系統(tǒng)也會對其優(yōu)先響應(yīng)。針對響應(yīng)任務(wù)的有效價值，由于受到關(guān)鍵程度和類型價值的影響，每個任務(wù)獲得的最高優(yōu)先值也會存在差異。

響應(yīng)任務(wù)有效價值的兩部分對整體價值的影響可表示為：

公式中，Wi表示任務(wù)的有效價值，gi描述信息來源的關(guān)鍵程度，是類型價值，α與β均為系數(shù)。

2.4.2 基于任務(wù)時間特征的快速響應(yīng)

在電網(wǎng)系統(tǒng)中，由于不同響應(yīng)任務(wù)對處理時間與速度存在不同要求，因此在控制調(diào)度節(jié)點時，必須考慮任務(wù)的時間需求，對響應(yīng)優(yōu)先級別進行分配。在固定時間內(nèi)，對時間要求較高的任務(wù)能夠得到優(yōu)先處理，來確保數(shù)據(jù)的時效性。

電網(wǎng)數(shù)據(jù)時間特性是影響任務(wù)響應(yīng)順序的關(guān)鍵因素。在綜合分析任務(wù)關(guān)鍵性與類型價值后，根據(jù)任務(wù)等待時間與有效時間來規(guī)劃響應(yīng)順序，有效改善數(shù)據(jù)處理效率，減少數(shù)據(jù)流堵塞現(xiàn)象。

電力響應(yīng)數(shù)據(jù)都會具有時間屬性，可以描述為：

公式中，si表示到達時間，ti是預(yù)計響應(yīng)時間，wi代表等待時間，di描述截止時間，ai與bi分別為開始響應(yīng)與實際完成時間。

響應(yīng)任務(wù)的時間特性，主要取決于有效時間與等待時間，不同屬性對整體價值的影響公式為：

公式中，Ti代表第i個響應(yīng)任務(wù)的時間特性，di-si是響應(yīng)任務(wù)的有效時間，γ屬于系數(shù)。

2.5 最優(yōu)調(diào)度任務(wù)節(jié)點與區(qū)域確定

2.5.1 節(jié)點選擇

在確定完響應(yīng)順序后，需要確定供電資源最優(yōu)調(diào)度節(jié)點與區(qū)域。本文利用改進的蜂群算法對一定區(qū)域內(nèi)最佳節(jié)點進行選擇，將被調(diào)度節(jié)點當(dāng)作基礎(chǔ)，對不同節(jié)點工作狀態(tài)參數(shù)進行比較[10]。構(gòu)建節(jié)點資源狀態(tài)表，根據(jù)節(jié)點計算資源的大小與工作情況，選擇合適節(jié)點再進行任務(wù)調(diào)度。

節(jié)點理想平均連接數(shù)量計算公式如下：

公式中，lj表示區(qū)域中平均連接數(shù)，li代表節(jié)點當(dāng)前連接數(shù)。因此不同階段負(fù)載均衡度表示為：

公式中，fi表示節(jié)點負(fù)載均衡參數(shù)，Rni表示狀態(tài)參數(shù)，屬于Rni的轉(zhuǎn)置。

在優(yōu)化的蜂群算法中，將采蜜蜂與觀察蜜蜂相結(jié)合，其種群數(shù)量根據(jù)真實環(huán)境進行設(shè)置。其中采蜜蜂的任務(wù)是維持和記錄信息中各節(jié)點的聯(lián)系，并核查此節(jié)點資源狀態(tài)。偵察蜂則需對其它節(jié)點信息進行搜集，判定是否存在剩余資源較多的節(jié)點，其搜索空間表示為：

如公式(21)所示，fd表示搜索時負(fù)載均衡度差值，fimin表示負(fù)載均衡度最小值，φ表示搜索限制參數(shù)。如果此節(jié)點負(fù)載均衡情況為f＜fid，則舍棄當(dāng)前列表中資源最少的節(jié)點，并將搜索到的新節(jié)點添加到列表內(nèi)，以備調(diào)度。

2.5.2 調(diào)度區(qū)域確定

在確定調(diào)度區(qū)域過程中引入一種爬山算法，它屬于一種啟發(fā)式尋優(yōu)方法。從任意節(jié)點開始，不停地和附近節(jié)點進行對比，確定最終區(qū)域。從上述選擇的最佳節(jié)點所在區(qū)域開始搜索，將保留的最佳區(qū)域和一定范圍內(nèi)全部區(qū)域進行比較，直到獲取全局最優(yōu)解。這種方法能夠避免陷入震蕩，緩解計算壓力。

不同區(qū)域的負(fù)載均衡度通過中樞節(jié)點對其維護，負(fù)載均衡計算公式如下：

公式中，F(xiàn)i表示負(fù)載均衡參數(shù)，Ri是一定區(qū)域內(nèi)狀態(tài)參數(shù)，Ti代表響應(yīng)任務(wù)目標(biāo)區(qū)域的映射延時，Ni描述節(jié)點總數(shù)量。

如果Fi≤Fj，將第i個區(qū)域當(dāng)作下一個調(diào)度目標(biāo)區(qū)域。對全部節(jié)點資源狀態(tài)進行調(diào)節(jié)時，可通過中樞節(jié)點實現(xiàn)。

為衡量不同區(qū)域節(jié)點負(fù)載的平衡程度，利用負(fù)載均衡離差對其判斷：

公式中，F(xiàn)max表示節(jié)點負(fù)載的極大值，N0描述此區(qū)域中節(jié)點數(shù)量。

2.6 調(diào)度策略

對于電力數(shù)據(jù)來講，在相同時間段內(nèi)，特別是當(dāng)故障或報警等狀況出現(xiàn)時，必須根據(jù)優(yōu)先級對電力資源進行合理調(diào)度，否則會出現(xiàn)數(shù)據(jù)堵塞或丟失。結(jié)合云計算任務(wù)分配模型，獲取電力資源調(diào)度的優(yōu)先級動態(tài)分配公式為：

公式中，δ與γ分別表示時間特征與有效價值的權(quán)重系數(shù)。

利用上述公式即可完成供電資源調(diào)度。

3 仿真實驗數(shù)據(jù)分析與研究

為驗證所提供電資源快速響應(yīng)與調(diào)度方法的合理性，在如圖1所示的多元需求響應(yīng)網(wǎng)絡(luò)拓?fù)渲羞M行仿真實驗。居民區(qū)與工商業(yè)區(qū)的節(jié)點配置為Ubuntu16．04 系統(tǒng)+6G內(nèi)存+16G外存。

將處理任務(wù)量分別設(shè)置為500、1000、1500、2000 個，利用本文方法、文獻[1]、文獻[2]方法對調(diào)度方法在節(jié)點上的關(guān)鍵任務(wù)完成率進行對比。

由表3可知，當(dāng)任務(wù)數(shù)量較少時，三種算法都能很好完成處理任務(wù)。但隨任務(wù)數(shù)量增加，完成率出現(xiàn)不同程度下降，只有本文方法始終保持在0．9 以上。這是因為，本文方法能夠準(zhǔn)確獲取調(diào)度節(jié)點與區(qū)域，提高重要任務(wù)的完成率。三種方法的重要任務(wù)優(yōu)先響應(yīng)延時對比結(jié)果如圖2所示。

表3 不同方法重要任務(wù)完成率對比

由圖2可知，本文方法對重要任務(wù)的響應(yīng)速度較快，而其它方法隨著任務(wù)數(shù)量增加，延時情況較為明顯，主要由于所提方法根據(jù)任務(wù)的時間特征與價值特征確定優(yōu)先級，合理有序地對不同任務(wù)進行響應(yīng)。不同調(diào)度方法下供電資源消耗情況對比結(jié)果如圖3所示。

從圖3中可以看出，在不同調(diào)度方法下，電力系統(tǒng)供電資源消耗情況也不同。其中使用本文方法進行調(diào)度的資源消耗最少，說明該調(diào)度方法最為合理，能夠促進電力資源高效利用，達到節(jié)能減排目的。

4 結(jié)束語

隨著電力系統(tǒng)的飛速發(fā)展，越來越多電力負(fù)荷參與到需求響應(yīng)項目中。為確保供電資源合理利用，本文構(gòu)建云計算任務(wù)分配模型，通過該模型實現(xiàn)供電資源快速響應(yīng)與合理調(diào)度，對電力行業(yè)發(fā)展起到很好輔助作用?，F(xiàn)階段，對云計算技術(shù)的投入不斷增多，未來該技術(shù)還會有質(zhì)的飛躍，不僅在資源調(diào)度方面繼續(xù)深入研究，還為電力系統(tǒng)安全方面提供必要保障。