基于云計算任務分配的供電資源快速響應與調度方法

陳一丹,趙 敏,郭 征,江 云,費 捷

（國網上海浦東供電公司，上海 200120）

1 引言

電網規模不斷擴大，促使參與需求響應的電力項目越來越多。需求響應是指在用電高峰或低谷時期，利用相關政策、電價等激勵方式促使用戶改變原有用電行為，實現用電負荷削減、轉移或停止等操作?，F階段需求響應正處于人工向自動化發展的過渡時期，且需求響應資源的快速增加降低執行效率，還會損失部分信息，無法實現最佳調度。

將電力企業收益最大化與需求響應補償成本最低化作為目標進行調度，文獻[1]綜合分析需求響應的時間尺度特征，結合不同時間段資源預測信息與電價信號，逐級優化需求響應供應量，確保運營商利益最大化。文獻[2]將爆發式數據處理模型應用到電力調度系統中。研究電力調度具有數據量大、隨機性較強、數據庫抗壓性能不穩定等特點，構建數據處理EDPM(Erupt Date Processing)模型中多級緩存方法，在自適應緩存管理機制基礎上實現快速需求響應與合理調度。

上述兩種方法提高響應速度，但是當響應需求增多時，調度任務完成效率明顯下降?；诖?，本文提出云計算任務分配的供電資源快速響應與調度方法。云計算技術飛速發展，為數據處理帶來顛覆性改變，它能夠獲得數據更深層的價值，根據事物因果關系分析其內在聯系。在智能電網中為實現供電資源快速響應，就需要獲得更加全面的數據，云計算通過整合分布在不同區域的節點，構成整體系統，為快速響應與合理調度帶來保障。

2 云計算任務分配的供電資源快速響應與調度

2.1 需求響應資源分類

需求響應資源具有分散性、數據量大等特征，因此能夠看出其不容易被控制[3-5]。只有將需求響應資源進行合理劃分，才可以獲取相應的響應容量，從而確定響應順序，以便更好實現供電資源調度。

(1) 工商業用戶需求響應

表1 工商業用戶需求響應特征表

(2) 居民用戶需求響應

表2 居民用戶需求響應特征表

2.2 標準的云計算任務分配模型構建

本文利用標準匈牙利算法建立云計算任務分配模型，其任務分配問題可以描述為：假設n臺計算機需要執行n個任務，若已知第j個云計算任務在第k臺設備中執行所需的成本，要求利用最少成本實現總任務，且需符合下述條件：所有任務均被執行、不能出現未使用的計算機，即確保負載均衡[6]。

所以云計算任務分配的數據模型[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行一個任務；公式(4)要求所有任務都要被執行；公式(5)代表分配結果元素取值為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策略的最佳函數值，Vk為全局最佳函數值。

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

2.3 模型優化

假設E=(X，C)表示任務分配的最佳函數值，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。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量。

此時，X1的0 元素不需要進行優化分配，E1已經變換為計算(n-1)個計算機對于(n-1)個任務的分配問題，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元素同樣不需繼續優化分配，E2也變換為(n-1)計算機對(n-1)個任務的求解分配問題。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，將其當作做最優策略的解，去除其中行列元素，假設：

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。重復以上過程，矩陣規模會不斷變小，當只存在一個元素時，獲得最佳分配方案。

為改善匈牙利算法僅能獲得標準一對一分配的缺陷，在任務與資源無法實現對等狀況下進行改進，根據設計的降階優化方法完成成本最小的任務分配。

2.4 供電資源快速優先響應探究

2.4.1 基于任務有效價值特征的快速響應

有效價值不但與數據狀態類型[9]相關，還與在電力系統中的重要性有關?？焖夙憫挠行r值能夠分為兩部分，一是信息來源在電力系統中的重要性，也是關鍵程度，將其計作g；另一部分是信息種類，通常包括常規、異常與報警數據三種，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。

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

響應任務有效價值的兩部分對整體價值的影響可表示為：

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

2.4.2 基于任務時間特征的快速響應

在電網系統中，由于不同響應任務對處理時間與速度存在不同要求，因此在控制調度節點時，必須考慮任務的時間需求，對響應優先級別進行分配。在固定時間內，對時間要求較高的任務能夠得到優先處理，來確保數據的時效性。

電網數據時間特性是影響任務響應順序的關鍵因素。在綜合分析任務關鍵性與類型價值后，根據任務等待時間與有效時間來規劃響應順序，有效改善數據處理效率，減少數據流堵塞現象。

電力響應數據都會具有時間屬性，可以描述為：

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

響應任務的時間特性，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個響應任務的時間特性，di-si是響應任務的有效時間，γ屬于系數。

2.5 最優調度任務節點與區域確定

2.5.1 節點選擇

在確定完響應順序后，需要確定供電資源最優調度節點與區域。本文利用改進的蜂群算法對一定區域內最佳節點進行選擇，將被調度節點當作基礎，對不同節點工作狀態參數進行比較[10]。構建節點資源狀態表，根據節點計算資源的大小與工作情況，選擇合適節點再進行任務調度。

節點理想平均連接數量計算公式如下：

公式中，lj表示區域中平均連接數，li代表節點當前連接數。因此不同階段負載均衡度表示為：

公式中，fi表示節點負載均衡參數，Rni表示狀態參數，屬于Rni的轉置。

在優化的蜂群算法中，將采蜜蜂與觀察蜜蜂相結合，其種群數量根據真實環境進行設置。其中采蜜蜂的任務是維持和記錄信息中各節點的聯系，并核查此節點資源狀態。偵察蜂則需對其它節點信息進行搜集，判定是否存在剩余資源較多的節點，其搜索空間表示為：

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

2.5.2 調度區域確定

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

不同區域的負載均衡度通過中樞節點對其維護，負載均衡計算公式如下：

公式中，Fi表示負載均衡參數，Ri是一定區域內狀態參數，Ti代表響應任務目標區域的映射延時，Ni描述節點總數量。

如果Fi≤Fj，將第i個區域當作下一個調度目標區域。對全部節點資源狀態進行調節時，可通過中樞節點實現。

為衡量不同區域節點負載的平衡程度，利用負載均衡離差對其判斷：

公式中，Fmax表示節點負載的極大值，N0描述此區域中節點數量。

2.6 調度策略

對于電力數據來講，在相同時間段內，特別是當故障或報警等狀況出現時，必須根據優先級對電力資源進行合理調度，否則會出現數據堵塞或丟失。結合云計算任務分配模型，獲取電力資源調度的優先級動態分配公式為：

公式中，δ與γ分別表示時間特征與有效價值的權重系數。

利用上述公式即可完成供電資源調度。

3 仿真實驗數據分析與研究

為驗證所提供電資源快速響應與調度方法的合理性，在如圖1所示的多元需求響應網絡拓撲中進行仿真實驗。居民區與工商業區的節點配置為Ubuntu16．04 系統+6G內存+16G外存。

將處理任務量分別設置為500、1000、1500、2000 個，利用本文方法、文獻[1]、文獻[2]方法對調度方法在節點上的關鍵任務完成率進行對比。

由表3可知，當任務數量較少時，三種算法都能很好完成處理任務。但隨任務數量增加，完成率出現不同程度下降，只有本文方法始終保持在0．9 以上。這是因為，本文方法能夠準確獲取調度節點與區域，提高重要任務的完成率。三種方法的重要任務優先響應延時對比結果如圖2所示。

表3 不同方法重要任務完成率對比

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

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

4 結束語

隨著電力系統的飛速發展，越來越多電力負荷參與到需求響應項目中。為確保供電資源合理利用，本文構建云計算任務分配模型，通過該模型實現供電資源快速響應與合理調度，對電力行業發展起到很好輔助作用?，F階段，對云計算技術的投入不斷增多，未來該技術還會有質的飛躍，不僅在資源調度方面繼續深入研究，還為電力系統安全方面提供必要保障。