宋喜忠，孫利

(黃淮學(xué)院信息工程學(xué)院，河南駐馬店463000)

云平臺(tái)中的并行船舶綜合電網(wǎng)調(diào)度系統(tǒng)研究

宋喜忠，孫利

(黃淮學(xué)院信息工程學(xué)院，河南駐馬店463000)

摘要:海上電網(wǎng)供電系統(tǒng)對(duì)船舶持續(xù)穩(wěn)定的電壓供給是保證其海上航行的關(guān)鍵。隨著海上船舶數(shù)量及體積的增加，海上船艦電網(wǎng)調(diào)度系統(tǒng)所需處理的信息隨之增大，并且已經(jīng)越來(lái)越不能滿足對(duì)艦船供電負(fù)荷計(jì)算實(shí)時(shí)性的要求。基于現(xiàn)代信息處理的云平臺(tái)能夠利用分布式計(jì)算架構(gòu)，將各船舶的供電負(fù)荷計(jì)算分配到各節(jié)點(diǎn)進(jìn)行并行計(jì)算，能夠有效解決原調(diào)度系統(tǒng)計(jì)算中心的性能瓶頸。本文在此基礎(chǔ)上，提出一種云平臺(tái)中的并行船舶電網(wǎng)調(diào)度算法，并給出了算法的實(shí)現(xiàn)方法。

關(guān)鍵詞:云計(jì)算;電網(wǎng)調(diào)度;供電負(fù)荷

Research on the ship power parallel dispatching system based on cloud platform

SONG Xi-zhong，SUN Li
(School of Information Engineering，Huanghuai University，Zhumadian 463000，China)

Abstract:The steady power supply for ship power system is the key for maritime navigation safety．With the increasing number of ships，the power processing of information of power dispatching system is increasing quickly，the traditional grid dispatching system is unable to meet the real-time calculation requirement．This paper analyzes the cloud computing and grid dispatching system architecture，proposed grid parallel dispatching algorithm based on cloud computing，at last give the realization of the algorithm．

Key words:cloud computing; power grid dispatching;power supply load

0　引言

隨著電子信息技術(shù)的發(fā)展，智能化的海上船舶電網(wǎng)調(diào)度平臺(tái)已經(jīng)成為未來(lái)智能電網(wǎng)發(fā)展趨勢(shì)。智能化的過(guò)程也即能夠通過(guò)算法實(shí)時(shí)計(jì)算出船艦的動(dòng)態(tài)負(fù)荷及電網(wǎng)的調(diào)度優(yōu)化。在傳統(tǒng)的船舶電力調(diào)度中，通過(guò)統(tǒng)一平臺(tái)中心來(lái)模擬所有艦船的負(fù)載動(dòng)力，并且算法是利用統(tǒng)計(jì)學(xué)的純數(shù)學(xué)模擬進(jìn)行運(yùn)算，并行性能不高，這樣所有船艦的負(fù)荷預(yù)測(cè)［1］都是由統(tǒng)一的調(diào)度中心來(lái)進(jìn)行大量的數(shù)學(xué)計(jì)算。隨著海上運(yùn)行船只的數(shù)量與體積的增大，電網(wǎng)調(diào)動(dòng)系統(tǒng)也越加復(fù)雜，負(fù)荷計(jì)算的算法復(fù)雜度越來(lái)越高，傳統(tǒng)由單中心的調(diào)度系統(tǒng)組網(wǎng)方式已經(jīng)越來(lái)越不能滿足對(duì)船舶供電負(fù)荷計(jì)算實(shí)時(shí)性的要求。

現(xiàn)代海上船舶電網(wǎng)調(diào)度系統(tǒng)一般采取最先進(jìn)的云計(jì)算架構(gòu)［2］，通過(guò)對(duì)調(diào)度算法進(jìn)行并行化改進(jìn)來(lái)適應(yīng)云計(jì)算架構(gòu)，通過(guò)對(duì)算法的并行分解，把分解后的模塊分布于云平臺(tái)中的各計(jì)算節(jié)點(diǎn)，從而提高電網(wǎng)調(diào)度算法的實(shí)時(shí)性能。

本文在研究現(xiàn)有的船舶調(diào)度算法及云平臺(tái)架構(gòu)的基礎(chǔ)上，提出一種云平臺(tái)中的并行船舶調(diào)度算法，并進(jìn)行算法實(shí)現(xiàn)。

1　海上船艦電力負(fù)荷預(yù)測(cè)原理

1.1調(diào)度中的負(fù)荷預(yù)測(cè)

對(duì)海上船艦的負(fù)荷預(yù)測(cè)主要是通過(guò)歷史運(yùn)行的前期記錄信息，通過(guò)統(tǒng)計(jì)學(xué)的原理對(duì)之后的運(yùn)行負(fù)荷進(jìn)行預(yù)估。其中在估計(jì)計(jì)算的過(guò)程中，還需考慮到整個(gè)船舶的系統(tǒng)特性、海上天氣環(huán)境因素及船舶負(fù)載等特性的各種因素。

在船舶電網(wǎng)調(diào)度的預(yù)測(cè)算法中，最重要的衡量指標(biāo)有預(yù)測(cè)的實(shí)時(shí)性以及預(yù)測(cè)的精度。實(shí)時(shí)性和精度直接影響到后續(xù)電網(wǎng)調(diào)度的過(guò)程實(shí)施決策，實(shí)時(shí)性及精度越高，則判斷決策的準(zhǔn)確性就越高;反之，則準(zhǔn)確率降低。

按負(fù)荷預(yù)測(cè)的周期進(jìn)行劃分，可以分為短期預(yù)測(cè)、中期預(yù)測(cè)及長(zhǎng)期預(yù)測(cè)。其中，短期預(yù)測(cè)產(chǎn)生的信息量最大，需要的計(jì)算平臺(tái)性能要求也最高，本文將進(jìn)行著重說(shuō)明。同時(shí)隨著船舶的體積越來(lái)越大，其自身的動(dòng)力系統(tǒng)也更加復(fù)雜，電力系統(tǒng)中的其他元器件以及模塊對(duì)母線負(fù)荷預(yù)測(cè)的影響也越來(lái)越復(fù)雜，并且構(gòu)成一個(gè)不可預(yù)知的非線性模型，所以研究整個(gè)船舶電力系統(tǒng)對(duì)母線負(fù)荷的變化規(guī)律也是電網(wǎng)調(diào)度系統(tǒng)中的一項(xiàng)重要的研究?jī)?nèi)容。隨著現(xiàn)代信息技術(shù)的發(fā)展，已經(jīng)可以通過(guò)高性能計(jì)算機(jī)來(lái)對(duì)系統(tǒng)影響數(shù)據(jù)進(jìn)行智能化的辨識(shí)。

在現(xiàn)代化的海上調(diào)度系統(tǒng)中，智能化及并行化是2個(gè)重要的發(fā)展趨勢(shì)，也是海上電網(wǎng)建設(shè)需要努力的方向。隨著云計(jì)算平臺(tái)架構(gòu)的成熟應(yīng)用，對(duì)提高整個(gè)智能調(diào)度系統(tǒng)中的負(fù)荷預(yù)測(cè)算法的實(shí)時(shí)性及精度具有很好的應(yīng)用前景。在未來(lái)智能電網(wǎng)能夠?qū)λ写皠?dòng)力系統(tǒng)的實(shí)時(shí)、動(dòng)態(tài)的監(jiān)測(cè)，并進(jìn)行信息的有效判決及預(yù)測(cè)。

1.2云平臺(tái)在調(diào)度中的應(yīng)用

云計(jì)算通過(guò)虛擬化的技術(shù)，將分布在不同物理地點(diǎn)的計(jì)算機(jī)存儲(chǔ)資源按照一定的邏輯進(jìn)行重新組合，并通過(guò)一個(gè)云處理中心對(duì)不同的功能進(jìn)行劃分，合理的分配到各計(jì)算資源的一種分布式架構(gòu)。

云平臺(tái)中的MapReduce是一種并行化［3］的編程模型，具體的應(yīng)用人員不需要對(duì)云平臺(tái)中具體硬件的邏輯分布進(jìn)行了解也可把需要運(yùn)行的算法合理的分配到不同的計(jì)算節(jié)點(diǎn)。相對(duì)于其他并行計(jì)算結(jié)構(gòu)，Map Reduce具有如下優(yōu)點(diǎn):

1) Map Reduce的并行運(yùn)行效率較高，并且在節(jié)點(diǎn)的分配、容錯(cuò)能力的查詢(xún)以及整個(gè)平臺(tái)的負(fù)載均衡對(duì)用戶(hù)都透明。

2)通過(guò)合理的負(fù)載均衡算法，用戶(hù)可以充分利用云平臺(tái)中的每一個(gè)分布式節(jié)點(diǎn)，所以對(duì)于電網(wǎng)調(diào)度中預(yù)測(cè)的大規(guī)模并行算法，能夠?qū)υ破脚_(tái)的所有資源進(jìn)行高效利用。

3) Map Reduce對(duì)計(jì)算節(jié)點(diǎn)具有動(dòng)態(tài)實(shí)時(shí)的監(jiān)控功能，能夠發(fā)現(xiàn)節(jié)點(diǎn)的異常情況，從而具有很高的可靠性。

綜合以上優(yōu)點(diǎn)，對(duì)于海上船舶綜合調(diào)度系統(tǒng)而言，無(wú)需通過(guò)費(fèi)用高昂的商業(yè)硬件及軟件，也可實(shí)現(xiàn)高可靠性、高效率的并行云計(jì)算平臺(tái)系統(tǒng)。

基于云的架構(gòu)框圖如圖1所示。

圖1　云平臺(tái)基本架構(gòu)Fig.1　The basic architecture of cloud platform

2　云平臺(tái)的并行海上電網(wǎng)調(diào)度算法

2.1 K-means預(yù)測(cè)算法

算法首先需要找到一種最優(yōu)評(píng)估函數(shù)來(lái)確定最優(yōu)個(gè)數(shù)k，通過(guò)調(diào)整評(píng)估函數(shù)的參數(shù)來(lái)動(dòng)態(tài)的對(duì)k進(jìn)行調(diào)整，評(píng)估函數(shù)的定于如下所示:

將式中Intra(k)×Inter(k)定義如下:

式中: N為采樣點(diǎn)總數(shù); n為每個(gè)船只電力負(fù)荷的采樣點(diǎn)數(shù); xj為抽樣時(shí)刻j的電力負(fù)荷函數(shù)曲線; z為每個(gè)船只聚類(lèi)算法中心點(diǎn)。

聚類(lèi)算法中的類(lèi)聚性和耦合性［4］是算法有效性最重要的特征指標(biāo)，好的聚類(lèi)算法需要有較高的類(lèi)聚性及較低的耦合性。較高的類(lèi)聚性需要類(lèi)中各節(jié)點(diǎn)與中心節(jié)點(diǎn)的加權(quán)距離最短;較低的耦合性則需要各類(lèi)中間的距離盡量增大。通過(guò)分析式(1)可知，Intra(k)函數(shù)通過(guò)分析各類(lèi)間距離的加權(quán)均值來(lái)計(jì)算各類(lèi)之間的信息差異，最后得到Weight(k)函數(shù)，并通過(guò)最小值求取來(lái)獲取最優(yōu)的k值。

下面對(duì)通過(guò)k-means算法來(lái)進(jìn)行船舶電力負(fù)荷預(yù)測(cè)變化的變換過(guò)程。

船舶電力負(fù)荷變化率公式如下所示:

具體計(jì)算步驟如下:

1)設(shè)定聚類(lèi)算法最優(yōu)個(gè)數(shù)k的最大值為kmax，2) k的取值范圍為k = 3～kmax。

3)在類(lèi)中以步長(zhǎng)2遍歷所有的數(shù)據(jù)，選擇類(lèi)中所有節(jié)點(diǎn)類(lèi)聚中心。

4)對(duì)所有數(shù)據(jù)按照與中心的距離遠(yuǎn)近劃分進(jìn)不同的類(lèi)中。

5)通過(guò)求類(lèi)中數(shù)據(jù)與中心節(jié)點(diǎn)的平均值來(lái)不斷的優(yōu)化中心節(jié)點(diǎn)的選取。

6)循環(huán)步驟4和步驟5，直到找到最短的加權(quán)距離，固定選取的類(lèi)聚中心點(diǎn)。

7)計(jì)算評(píng)估函數(shù)Weight(k)。

8)通過(guò)計(jì)算Weight(k)與Weight(k－1)差值來(lái)評(píng)判估計(jì)函數(shù)的最優(yōu)值，并得到最優(yōu)的個(gè)數(shù)k。

流程如圖2所示。

2.2Map Re duce并行化改進(jìn)

對(duì)海上船只的電力負(fù)荷預(yù)測(cè)一般按日、周及月進(jìn)行曲線預(yù)測(cè)計(jì)算，日的數(shù)據(jù)計(jì)算及存儲(chǔ)量最大，并且每日數(shù)據(jù)之間的相關(guān)性最小，對(duì)其可進(jìn)行數(shù)據(jù)分割，利用并行計(jì)算提高處理效率。

Map Re duce適用于在云架構(gòu)中的并行編程，首先對(duì)所有的數(shù)據(jù)進(jìn)行分解，劃分為相關(guān)性較小的聚類(lèi)，并通過(guò)任務(wù)分配中心把各小規(guī)模的聚類(lèi)集數(shù)據(jù)分配到云平臺(tái)中分布式計(jì)算節(jié)點(diǎn)，各分布式節(jié)點(diǎn)各同時(shí)對(duì)Map任務(wù)進(jìn)行計(jì)算，同時(shí)生成中間結(jié)果，同時(shí)通過(guò)中間結(jié)果并行執(zhí)行Reduce任務(wù)，最后得到最終結(jié)果。

圖2　K-means算法流程Fig.2 The algorithm flow of K-means

圖3　Map Re duce并行分解流程Fig.3　The parallel decomposition process

3　算法實(shí)現(xiàn)

1)負(fù)荷分片實(shí)現(xiàn)方法

利用Map函數(shù)［5］來(lái)計(jì)算類(lèi)中每個(gè)節(jié)點(diǎn)數(shù)據(jù)與中

心節(jié)點(diǎn)距離，并根據(jù)計(jì)算結(jié)果對(duì)節(jié)點(diǎn)重新劃分聚類(lèi)，進(jìn)行標(biāo)記，標(biāo)記為新類(lèi)的序列號(hào)，函數(shù)的代入值則為所有類(lèi)的序列號(hào)及相關(guān)屬性與節(jié)點(diǎn)上一輪所述類(lèi)的中心節(jié)點(diǎn)信息，用(key，value)來(lái)表示，而中心節(jié)點(diǎn)的屬性則通過(guò)文件進(jìn)行描述。

下面給出Map函數(shù)的偽代碼:

2) Re duce函數(shù)的設(shè)計(jì)

Re duce函數(shù)的作用對(duì)Map函數(shù)的計(jì)算結(jié)果進(jìn)行處理，重新計(jì)算下一輪的聚類(lèi)中心節(jié)點(diǎn)，以進(jìn)行下一次迭代過(guò)程。函數(shù)輸入為(聚類(lèi)類(lèi)別，{類(lèi)的屬性向量} )，輸出為新的聚中心。

下面給出Re duce函數(shù)的偽代碼:

4　結(jié)語(yǔ)

隨著海上運(yùn)行船舶的數(shù)量以及電力系統(tǒng)結(jié)構(gòu)復(fù)雜的增加，海上船舶電網(wǎng)調(diào)度系統(tǒng)所需處理的信息量與算法復(fù)雜度都隨之增加。傳統(tǒng)的利用統(tǒng)計(jì)學(xué)對(duì)艦船供電負(fù)荷進(jìn)行預(yù)測(cè)以及統(tǒng)一的單中心計(jì)算平臺(tái)已經(jīng)越來(lái)越不能滿足電網(wǎng)調(diào)度系統(tǒng)對(duì)實(shí)時(shí)性的要求。

本文在研究云計(jì)算平臺(tái)架構(gòu)的基礎(chǔ)上，對(duì)調(diào)度算法進(jìn)行并行化改進(jìn)來(lái)適應(yīng)云計(jì)算架構(gòu)，提出一種云平臺(tái)中的并行船舶調(diào)度算法，最后給出算法實(shí)現(xiàn)的步驟。

參考文獻(xiàn):

［1］ALOISIO G，BOCHICCH IO M A，LA SCALA M，et al．A distributed com putting approach for real time transient stability analysis［J］．IEEE Trans on Power Systems，1997，12(2) :981－987．

［2］HOLLMAN J A，M ART J R．Real time network simulation with PC-cluster［J］．IEEE Trans on Power Systems，2003，18(2) :563－569．

［3］XU Z，ALI M，DONG Z Y，et al．A novel grid computing approach for probabilistic small signal analysis［C］/ / Proceedings of IEEE PES General Meeting，June 19，2006，Montreal，Canada:18－22．

［4］蔣心怡，冀欣，黃靖．基于復(fù)雜網(wǎng)絡(luò)理論的艦船電力網(wǎng)絡(luò)脆弱性研究［J］．艦船科學(xué)技術(shù)，2014，6 (8) : 46 －50．JIANG Xin-yi，JI Xin，HUANG Jing．Vulnerability analysis of shipboard power network based on complex network theory［J］．Ship Science and Technology，2014，6(8) : 46 －50．

［5］張建華．物聯(lián)網(wǎng)技術(shù)在海面作戰(zhàn)統(tǒng)一調(diào)度系統(tǒng)中的應(yīng)用［J］．艦船科學(xué)技術(shù)，2015，37(2) :228－231．

ZHANG Jian-hua．Research on battle command system based on internet of things［J］．Ship Science and Technology，2015，37(2) :228－231．

作者簡(jiǎn)介:宋喜忠(1977－)，男，碩士，講師，主要從事計(jì)算機(jī)網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)方面的研究。

基金項(xiàng)目:河南省科技廳發(fā)展計(jì)劃資助項(xiàng)目(142102110088)

收稿日期:2015－03－28;修回日期: 2015－04－27

文章編號(hào):1672－7649(2015) 07－0149－04doi:10.3404/j.issn.1672－7649.2015.07.034

中圖分類(lèi)號(hào):TM715

文獻(xiàn)標(biāo)識(shí)碼:A