亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        面向電網(wǎng)的邊緣算力優(yōu)化與分布式數(shù)據(jù)存儲處理模型研究

        2020-10-23 01:55:12李寶樹張鳳佳沈楊楊
        廣東電力 2020年9期
        關(guān)鍵詞:終端設(shè)備邊緣能耗

        李寶樹,張鳳佳,沈楊楊

        (江蘇電力信息技術(shù)有限公司,江蘇 南京 210000)

        隨著我國經(jīng)濟的發(fā)展,各行各業(yè)對于電能的需求也日趨增大,電能產(chǎn)業(yè)的發(fā)展成為我國工業(yè)化發(fā)展的重要支柱。電網(wǎng)是將電力從供應(yīng)方傳送到用戶的連通網(wǎng)絡(luò),通常由發(fā)電、輸電、配電和用電4個階段組成[1]。工業(yè)、生活用電量的增加,用電情景的復雜化使得電網(wǎng)運行復雜度逐步提高[2]。傳統(tǒng)的電網(wǎng)系統(tǒng)多為集中調(diào)度計算平臺,可以實現(xiàn)電網(wǎng)資源協(xié)同調(diào)度以及電網(wǎng)信息建設(shè)的集團化運作[3];但隨著電網(wǎng)數(shù)據(jù)的迅速增長以及對數(shù)據(jù)處理實時性要求的增加,傳統(tǒng)電網(wǎng)系統(tǒng)在數(shù)據(jù)存儲和處理方面能力不足的問題也日益顯露,信息交疊、信息資源浪費、兼容性差以及重復開發(fā)等問題嚴重制約了電網(wǎng)系統(tǒng)的工作效率,如何調(diào)整電網(wǎng)系統(tǒng)的架構(gòu)成為亟待解決的問題之一[4-5]。

        工業(yè)、生活用電量增加的同時,用戶對電能質(zhì)量也有了更高的要求,斷電以及電壓不穩(wěn)定等問題會直接影響到工業(yè)生產(chǎn)活動和用戶生活,因此供電安全、可靠和穩(wěn)定的重要性不言而喻[6]。配電網(wǎng)的復雜性使輸電線路經(jīng)常會發(fā)生各種故障,如果故障不能及時消除,則會引發(fā)更大范圍的停電,甚至導致系統(tǒng)崩潰。為了實現(xiàn)對電網(wǎng)系統(tǒng)中輸電線路、變電站以及其他電力設(shè)備運行狀態(tài)的實時監(jiān)測,智能電網(wǎng)在網(wǎng)絡(luò)邊緣部署了大量的智能終端、傳感設(shè)備。這些邊緣設(shè)備產(chǎn)生了海量的數(shù)據(jù),使得云計算能力無法與數(shù)據(jù)量相匹配[7];同時新型應(yīng)用對數(shù)據(jù)處理的實時性提出了更高的要求,傳統(tǒng)云計算模式很難有效應(yīng)對[8]。

        邊緣計算是在靠近數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣處,融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用的新網(wǎng)絡(luò)架構(gòu)與平臺[9-10]。邊緣計算通過將存儲計算能力下放到靠近數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣,減少了因網(wǎng)絡(luò)堵塞與路由導致的高時延,做到對終端請求的快速響應(yīng)與海量數(shù)據(jù)的實時處理;同時,通過對價值密度低的數(shù)據(jù)及時過濾、計算與處理,降低通信開銷,減少云計算中心的壓力。文獻[11]將邊緣計算應(yīng)用到電力行業(yè),對邊緣計算在電力需求響應(yīng)業(yè)務(wù)中的應(yīng)用進行展望,并提出了基于邊緣計算的家庭能源管理系統(tǒng)。文獻[12-13]對邊緣計算的典型應(yīng)用場景進行介紹,包括能效管理、智能制造、預測性維護等,但在電網(wǎng)環(huán)境下以能耗為目標針對邊緣算力進行分配與優(yōu)化的研究卻很少。

        物聯(lián)網(wǎng)、云存儲以及邊緣計算技術(shù)的出現(xiàn)為解決電網(wǎng)系統(tǒng)遇到的上述各種問題提供了可能[14]。本文以上述信息和計算技術(shù)為基礎(chǔ),提出一種面向電網(wǎng)的分布式數(shù)據(jù)存儲處理模型,在模型基礎(chǔ)之上,以電網(wǎng)邊緣側(cè)的終端設(shè)備和邊緣服務(wù)器為邊緣算力,建立了基于能耗的邊緣層計算任務(wù)分配優(yōu)化模型,并通過合適的算法對模型進行求解。以上模型與算法,解決了傳統(tǒng)電網(wǎng)系統(tǒng)無法滿足電力大數(shù)據(jù)的存儲、計算效率低下、數(shù)據(jù)質(zhì)量差的問題,實現(xiàn)對終端數(shù)據(jù)實時的監(jiān)測與處理[15-17],綠色化使用電網(wǎng)邊緣算力。

        1 面向電網(wǎng)的分布式數(shù)據(jù)存儲處理模型

        圖1給出了面向電網(wǎng)的分布式數(shù)據(jù)存儲處理模型。

        HDFS—Hadoop分布式文件系統(tǒng),Hadoop distributed file system的縮寫。圖1 面向電網(wǎng)的分布式數(shù)據(jù)存儲處理模型Fig.1 Power grid oriented distributed data storage and processing model

        整個框架平臺分為邊緣計算層、數(shù)據(jù)存儲層、平臺層、應(yīng)用決策層4部分。其中邊緣計算層由電網(wǎng)系統(tǒng)采集終端的各種智能電表、傳感器以及各種邊緣網(wǎng)關(guān)與基站等組成,負責電網(wǎng)數(shù)據(jù)的采集與上傳,對終端設(shè)備上傳的數(shù)據(jù)進行解析轉(zhuǎn)換,以及對終端設(shè)備任務(wù)進行邊緣計算[18],并將數(shù)據(jù)傳送給數(shù)據(jù)存儲層。數(shù)據(jù)存儲層主要是由Oracle數(shù)據(jù)庫和基于HDFS的分布式存儲系統(tǒng)構(gòu)成,負責對采集到的電網(wǎng)數(shù)據(jù)進行存儲,同時也是平臺層的存儲基礎(chǔ)。平臺層對采集到的基礎(chǔ)數(shù)據(jù)進行各種業(yè)務(wù)邏輯計算,平臺層部署了用戶管理、權(quán)限管理、數(shù)據(jù)存儲等基礎(chǔ)的服務(wù)功能軟件。應(yīng)用決策層主要是由針對用戶以及管理員的可視化界面和相關(guān)的應(yīng)用程序構(gòu)成;同時系統(tǒng)還有分析計算模塊,用于對系統(tǒng)各部分提供必要的算法優(yōu)化支撐。

        1.1 邊緣計算層

        終端設(shè)備:電網(wǎng)系統(tǒng)中的數(shù)據(jù)主要來源于生產(chǎn)、營銷、調(diào)度部門3個部分,部門下面有大量的監(jiān)測設(shè)備、終端設(shè)備,用來采集與本部門業(yè)務(wù)相關(guān)的數(shù)據(jù)[19-20]。

        邊緣計算層還包括邊緣控制器、邊緣網(wǎng)關(guān)、邊緣服務(wù)器、基站等。邊緣控制器具有數(shù)據(jù)采集、數(shù)據(jù)處理與邏輯控制的功能。電網(wǎng)系統(tǒng)存在著大量的智能電表、傳感器等終端設(shè)備,不同的終端設(shè)備連接方式、通信協(xié)議等存在差異,同時電網(wǎng)系統(tǒng)需要對各個部門不同類型的數(shù)據(jù)進行綜合的分析挖掘;因此,為了實現(xiàn)各部門接入數(shù)據(jù)的互聯(lián)互通,各部門接入的數(shù)據(jù)要先經(jīng)過分析、處理才能接入平臺。邊緣網(wǎng)關(guān)可以實現(xiàn)異構(gòu)終端設(shè)備的接入,屏蔽底層差異,同時還具有協(xié)議解析轉(zhuǎn)換、數(shù)據(jù)采集等功能。邊緣服務(wù)器是邊緣計算的實施者,完成對終端設(shè)備發(fā)布任務(wù)的處理與計算,將計算結(jié)果及時返回給終端設(shè)備或者進一步上傳至數(shù)據(jù)存儲層及平臺層。基站主要實現(xiàn)有線通信網(wǎng)絡(luò)與無線終端之間的無線信號傳輸。

        1.2 數(shù)據(jù)存儲層

        數(shù)據(jù)存儲層主要由Oracle數(shù)據(jù)庫和HDFS分布式存儲系統(tǒng)構(gòu)成。HDFS可進行海量數(shù)據(jù)的并行處理,具有高吞吐量的優(yōu)勢,適合存儲大容量文件,但是它只能進行數(shù)據(jù)的順序訪問,具有高時延[21]特點。HBase能保證數(shù)據(jù)訪問的實時性,同時也能像 HDFS那樣具有比較高的數(shù)據(jù)吞吐量[22]。HBase是面向列數(shù)據(jù)存儲的數(shù)據(jù)庫,底層對數(shù)據(jù)的存儲也是通過HDFS來實現(xiàn),電網(wǎng)采集的數(shù)據(jù)按照編號放入HBase的數(shù)據(jù)表中,作為后續(xù)處理的基礎(chǔ)。

        電網(wǎng)大量使用了關(guān)系型數(shù)據(jù)庫,數(shù)據(jù)是結(jié)構(gòu)化的,其數(shù)據(jù)庫表之間也存在大量的關(guān)聯(lián)關(guān)系,直接使用NoSQL并不合適,因為NoSQL并不支持處理join查詢[23]。關(guān)聯(lián)關(guān)系在電網(wǎng)內(nèi)部很常見,所以對于電網(wǎng)數(shù)據(jù)的關(guān)聯(lián)查詢操作也是很頻繁的,本系統(tǒng)平臺采用Oracle數(shù)據(jù)庫與HDFS分布式存儲相結(jié)合的方式,有效地進行多表關(guān)聯(lián)等復雜的查詢,彌補了HBase的NoSQL工具在這方面的不足;而關(guān)系型數(shù)據(jù)庫里的結(jié)構(gòu)化數(shù)據(jù)可以通過sqoop批量的遷移到Hadoop的HDFS中[24],也可以將HDFS數(shù)據(jù)存儲至關(guān)系型數(shù)據(jù)庫,實現(xiàn)兩者數(shù)據(jù)的交互。

        1.3 平臺層

        平臺層面向應(yīng)用決策層的應(yīng)用提供應(yīng)用開發(fā)、測試和運行過程中所需的基礎(chǔ)服務(wù)。平臺層以平臺軟件和服務(wù)為核心,部署了用戶管理、權(quán)限管理、數(shù)據(jù)存儲等基礎(chǔ)的服務(wù)功能軟件;開發(fā)人員可以根據(jù)平臺層提供的編程模型與API開發(fā)電網(wǎng)系統(tǒng)的應(yīng)用,以對電網(wǎng)采集到的數(shù)據(jù)進行分析處理。

        1.4 應(yīng)用決策層

        應(yīng)用決策層主要是由針對用戶以及管理員的可視化界面和相關(guān)的應(yīng)用程序構(gòu)成,可通過web頁面對監(jiān)測和分析結(jié)果以圖形化的形式展現(xiàn)給用戶。該層主要實現(xiàn)數(shù)據(jù)質(zhì)量監(jiān)測、負荷監(jiān)測、停電管理、異動管理等功能,通過監(jiān)測了解電網(wǎng)的運營情況,提前預防或及時處理輸電線路的異常運行狀態(tài)。應(yīng)用決策層使用了瀏覽器作為應(yīng)用的最終載體,系統(tǒng)通過結(jié)構(gòu)化查詢語言(structured query language, SQL)向Oracle數(shù)據(jù)庫請求查詢,查詢結(jié)果通過條形圖、餅圖、折線圖、表格等多種形式進行了數(shù)據(jù)展示,系統(tǒng)界面如圖2所示。

        圖2 電網(wǎng)監(jiān)測運營應(yīng)用界面圖Fig.2 Grid monitoring operation application interface

        2 邊緣計算在電網(wǎng)中的應(yīng)用

        為了實現(xiàn)對電網(wǎng)系統(tǒng)運行狀態(tài)的實時監(jiān)測,在網(wǎng)絡(luò)邊緣部署了大量的智能終端與傳感設(shè)備。終端設(shè)備收集電網(wǎng)各個方面的數(shù)據(jù),包括環(huán)境數(shù)據(jù)、電氣信息、運行信息等。終端設(shè)備產(chǎn)生的海量數(shù)據(jù)中有的信息密度較低,所有的數(shù)據(jù)均由云計算中心進行處理會造成云計算中心高負荷,通信時耗增大,同時有些數(shù)據(jù)處理時延苛刻,云計算也不能滿足這些數(shù)據(jù)分析、處理、響應(yīng)的實時性要求;因此,邊緣計算模式應(yīng)運而生,如圖3所示。邊緣計算利用邊緣計算節(jié)點有限的計算資源與通信資源,通過合理地分配任務(wù)與資源,實現(xiàn)終端數(shù)據(jù)的本地化處理,提高了電網(wǎng)的通信性能,降低通信時耗和云中心計算負載[25-26]。

        圖3 邊緣計算模型Fig.3 Edge computing model

        2.1 算法與模型

        2.1.1 邊緣層計算任務(wù)分配優(yōu)化模型

        為了綠色化使用電網(wǎng)邊緣算力,提升數(shù)據(jù)處理效率,本文以電網(wǎng)邊緣側(cè)的終端設(shè)備和服務(wù)器為基礎(chǔ),建立了基于改進的能耗的邊緣層計算任務(wù)分配優(yōu)化模型,并采用雙層優(yōu)化(bilevel optimization approach for joint offloading decision and resource allocation,BiJOR)算法[27]分析計算和求解該模型。

        在基于能耗的邊緣層計算任務(wù)分配優(yōu)化模型中,設(shè)電網(wǎng)中終端設(shè)備的集合為N={1,2,…,n};設(shè)備i的任務(wù)定義為Ui,Ui={Ci,Di,Bi,Ti,max},其中Ci為任務(wù)的計算量,Di為任務(wù)的輸入數(shù)據(jù)量,Bi為任務(wù)的輸出數(shù)據(jù)量,Ti,max為任務(wù)允許的最大時延。任務(wù)可以分配到本地設(shè)備、其他終端設(shè)備以及邊緣服務(wù)器上面執(zhí)行,共有n+1種執(zhí)行模式M={0,1,2,…,n},其中邊緣服務(wù)器可以接收多個終端的任務(wù),終端設(shè)備只能接收1個任務(wù),任務(wù)計算時間

        (1)

        式中rij為設(shè)備j為任務(wù)i所分配的計算資源。

        任務(wù)計算能耗[28]

        (2)

        式中k為能耗系數(shù),它與移動設(shè)備自身硬件電路結(jié)構(gòu)有關(guān)。

        數(shù)據(jù)傳輸速率

        ?i∈N,j∈M{i}.

        (3)

        式中:W為帶寬;w為背景噪聲功率;ohj=1表示第h個任務(wù)分配到第j個設(shè)備上執(zhí)行;Pt,i為第i個任務(wù)的傳輸功率;Hij為設(shè)備i與設(shè)備j之間的信道增益。

        數(shù)據(jù)傳輸時間

        (4)

        數(shù)據(jù)傳輸能耗

        Et,ij=Ebt,ij+Ezt,ij,

        (5)

        (6)

        式中:Ebt,ij為任務(wù)分配到邊緣服務(wù)器時的傳輸能耗;Ezt,ij為任務(wù)分配到其他終端設(shè)備時的傳輸能耗;Pr,i、Pr,j分別為第i、j個設(shè)備的接收功率。

        優(yōu)化目標為最小化任務(wù)計算與傳輸能耗,即

        (7)

        約束條件:

        (8)

        (9)

        (10)

        條件4:rij>0,?oij=1(i∈N且j∈M).

        (11)

        條件5:rij=0,?oij=0(i∈N且j∈M).

        (12)

        (13)

        式(7)—(13)中:oij=1表示第i個任務(wù)分配到第j個設(shè)備上執(zhí)行;rj,max為第j個設(shè)備最大可分配資源;Tij為第i個任務(wù)分配到第j個設(shè)備上的執(zhí)行時間。

        2.1.2 求解算法

        由于優(yōu)化問題模型中計算與通信資源分配依賴于卸載決策的制訂,而卸載決策的優(yōu)劣又隨著資源分配的好壞而改變,只考慮其中之一就破壞了兩者之間強烈的依賴關(guān)系,對解質(zhì)量造成極大的干擾。文獻[27]采用了BiJOR方法,將問題轉(zhuǎn)化為1個二層優(yōu)化問題。二層優(yōu)化問題是在保證下層優(yōu)化問題最優(yōu)的前提下,對上層優(yōu)化問題進行求解。文獻[27]將卸載決策視為上層優(yōu)化問題,目的是最小化所有用戶的總能耗,利用蟻群算法對問題進行求解;計算資源分配被認為是下層優(yōu)化問題,目的是最小化所有用戶的計算能耗,并采用了單調(diào)優(yōu)化方法進行求解。在雙層優(yōu)化方法BiJOR基礎(chǔ)之上,為更好地適配本文問題,本文擬采用動態(tài)參數(shù)變化法,利用模擬退火算法[29]中的Metropolis準則,提出M-BiJOR算法,對邊緣計算任務(wù)卸載與資源分配聯(lián)合優(yōu)化。算法利用種群的迭代次數(shù)動態(tài)更新個體維度取值方法的判斷概率,一定程度上避免陷入局部最優(yōu),提高局部開發(fā)與全局勘探的能力。

        個體維度取值的判斷概率

        (14)

        T=TinitβG.

        (15)

        式中:α>0為常量;T為溫度;Tinit為初始種群溫度;βG為第G次迭代的溫度衰減系數(shù),且0<βG≤1。

        此外,任務(wù)i分配給設(shè)備j執(zhí)行規(guī)則

        (16)

        式中:p為隨機概率值且0≤p≤1;J為針對任務(wù)i根據(jù)約束條件式(10)及式(13),在所有執(zhí)行模式M中獲得的可行設(shè)備集合中的隨機值。

        M-BiJOR與移動邊緣計算(mobile edge computing,MEC)問題之間的映射見表1。

        表1 M-BiJOR與MEC問題的映射Tab.1 Mapping of M-BiJOR and MEC problems

        M-BiJOR算法流程如圖4所示,主要步驟如下:

        圖4 M-BiJOR算法流程圖Fig.4 M-BiJOR algorithm flow chart

        步驟1:初始化參數(shù),根據(jù)約束條件式(10)及式(13)獲得個體每個維度的可行模式矩陣。

        步驟2:根據(jù)可行模式矩陣,通過可行模式數(shù)量將個體維度升序排列進行優(yōu)先級賦值,采用Metropolis準則動態(tài)更新每個維度賦值時選擇能耗最小的模式或者隨機模式,生成個體X的方法判斷如式(14)的概率,溫度越低時賦值方式偏向選擇能耗最小的模式;此外,并采用蟻群算法中的信息素機制對個體X的生成起到一定的反饋作用,再次返回步驟2,直至生成設(shè)定數(shù)量的個體數(shù)成為1個種群為止。

        步驟3:生成種群后根據(jù)式(3)進行資源分配,根據(jù)式(7)計算種群中每個個體的適應(yīng)度值,選擇適應(yīng)度值最小的個體為局部最優(yōu)解Local_best。

        步驟4:對Local_best進行鄰域搜索,若找到更優(yōu)個體則將其作為Local_best,并再次更新信息素,加深最優(yōu)個體對后續(xù)種群個體生成的影響。

        步驟5:在全局最優(yōu)解Global_best與Local_best中選擇適應(yīng)度值較小的個體,更新Global_best。

        步驟6:返回步驟2進行下一次的迭代直至滿足迭代次數(shù)為止,輸出當前最優(yōu)解Global_best及其適應(yīng)度值。

        2.2 仿真與分析

        在仿真過程中,本文所有的實驗均在MATLAB R2018b中實現(xiàn),使用的是1臺運行在2.20 GHz(處理器)和8 GB RAM下的i7-8750 CPU的個人計算機。為了在電網(wǎng)邊緣側(cè)驗證算法性能,在仿真過程中,任務(wù)與算法參數(shù)設(shè)置見表2,采用蟻群系統(tǒng)-綜合學習粒子群(ant colony system-comprehensive learning particle swarm optimization, ACS-CLPSO)算法[30-31]、自適應(yīng)鄰域搜索(adaptive neighborhood search, ANS)算法[32]作為對比算法,其參數(shù)設(shè)置與原文獻一致。

        表2 任務(wù)與算法參數(shù)表Tab.2 Task and algorithm parameters

        實驗結(jié)果如圖5、6所示。

        由圖5(a)可知:M-BiJOR在能耗優(yōu)化方面的表現(xiàn)普遍優(yōu)于ACS-CLPSO和ANS,并且隨著終端設(shè)備數(shù)量的增加,M-BiJOR與ACS-CLPSO和ANS的能耗差距增大,說明M-BiJOR在電網(wǎng)邊緣側(cè)終端設(shè)備數(shù)量增加時,其優(yōu)化效果更加顯著。由圖5(b)可知:ANS在算法運行速度方面要普遍優(yōu)于M-BiJOR,但能耗優(yōu)化方面M-BiJOR效果更好,故在邊緣計算卸載方案求解速度優(yōu)先時,可選擇ANS求解算法,而當想要更好的求解效果時,可選擇M-BiJOR求解算法。

        圖5 不同算法平均能耗、運行時間對比Fig.5 Comparisons of average energy consumption and running time of different algorithms

        圖 6所示分別描述了終端設(shè)備數(shù)為200和400時平均能耗隨算法進化迭代次數(shù)的變化,由圖6可知,無論是小規(guī)模(n=200)還是大規(guī)模(n=400)

        圖6 n取不同值時不同算法平均能耗進化過程Fig.6 Evolution process of average energy consumption with different n values

        的邊緣算力分配任務(wù),M-BiJOR均在初始階段獲得優(yōu)于ACS-CLPSO和ANS的解,這有助于在電網(wǎng)系統(tǒng)中短時間內(nèi)獲得高質(zhì)量的解決方案。在解決大規(guī)模問題時,隨著算法的運行,與ACS-CLPSO迅速陷入局部最優(yōu)解相比,M-BiJOR具備一定的持續(xù)收斂能力,從而進一步提升了解的質(zhì)量;此外,得益于M-BiJOR采用的雙層混合優(yōu)化機制,M-BiJOR在更早的算法代數(shù)時就可獲得遠優(yōu)于ACS-CLPSO的解。這一現(xiàn)象表明,針對此優(yōu)化問題,類似于ACS-CLPSO這種雙層都采用智能優(yōu)化算法的方案,其求解效果尚不能滿足電網(wǎng)需求。

        以電網(wǎng)系統(tǒng)終端有80個和400個終端設(shè)備任務(wù)時的情況為例進行對比,采用M-BiJOR與ANS算法進行求解,得到的解見表3、4。

        表3算法的解對應(yīng)于實際電網(wǎng)系統(tǒng)中80個和400個終端設(shè)備任務(wù)時的分配方案,其中0代表將設(shè)備任務(wù)分配到邊緣服務(wù)器上執(zhí)行,其他的非0元素i代表將此任務(wù)分配給終端設(shè)備i執(zhí)行。由表3、4所示可知:在任務(wù)數(shù)量較少的情況下2種算法得到的解對應(yīng)的能耗差距相對較小,隨著任務(wù)數(shù)增加,M-BiJOR算法求解的方案系統(tǒng)能耗更少,而ANS在算法執(zhí)行時間上更具優(yōu)勢。

        表3 M-BiJOR與ANS算法的解(n=80)Tab.3 Solution of M-BiJOR and ANS algorithms(n=80)

        表4 M-BiJOR與ANS算法的解(n=400)Tab.4 Solution of M-BiJOR and ANS algorithms(n=400)

        綜上所述,M-BiJOR在求解效果上要普遍好于ANS與ACS-CLPSO,而ANS在算法運行時間方面比M-BiJOR與ACS-CLPSO更具優(yōu)勢;所以在分布式電網(wǎng)數(shù)據(jù)存儲處理平臺的分析計算模塊中配置M-BiJOR與ANS算法作為核心解決方案,可根據(jù)需要來對不同算法進行選擇。

        2.3 系統(tǒng)交互界面展示

        應(yīng)用決策層會基于平臺層開發(fā)相對應(yīng)的異動管理模塊用于顯示監(jiān)測到的全網(wǎng)異動情況,對各地市的異動故障進行統(tǒng)計分析,并對收到的異動進行審核,進而對審核通過的異動進行整改。系統(tǒng)界面如圖7所示。

        圖7 異動管理模塊系統(tǒng)界面圖Fig.7 Change management module system interface

        3 結(jié)束語

        本文構(gòu)建了一種面向電網(wǎng)的分布式數(shù)據(jù)存儲處理模型,根據(jù)HDFS分布式存儲數(shù)據(jù)吞吐量大、可靠性高、成本低等特點對海量的電網(wǎng)數(shù)據(jù)進行采集與存儲,利用HBase對海量數(shù)據(jù)進行實時的、隨機的讀寫訪問,滿足電網(wǎng)數(shù)據(jù)實時性處理要求;同時基于MapReduce分布式計算模型對電網(wǎng)數(shù)據(jù)進行并行分析計算,解決傳統(tǒng)集中式電網(wǎng)平臺無法滿足電力大數(shù)據(jù)存儲、分析處理效率低下、數(shù)據(jù)質(zhì)量差的問題。分析計算模塊以電網(wǎng)邊緣側(cè)的終端設(shè)備和服務(wù)器為基礎(chǔ),利用邊緣層計算任務(wù)分配優(yōu)化模型與M-BiJOR算法對邊緣計算任務(wù)卸載與資源分配進行優(yōu)化,更加綠色化使用邊緣算力。

        猜你喜歡
        終端設(shè)備邊緣能耗
        120t轉(zhuǎn)爐降低工序能耗生產(chǎn)實踐
        昆鋼科技(2022年2期)2022-07-08 06:36:14
        能耗雙控下,漲價潮再度來襲!
        探討如何設(shè)計零能耗住宅
        視頻監(jiān)視系統(tǒng)新型終端設(shè)備接入方案
        日本先進的“零能耗住宅”
        華人時刊(2018年15期)2018-11-10 03:25:26
        一張圖看懂邊緣計算
        配電自動化終端設(shè)備在電力配網(wǎng)自動化的應(yīng)用
        電子制作(2016年15期)2017-01-15 13:39:12
        車站信號系統(tǒng)終端設(shè)備整合及解決方案
        基于手持終端設(shè)備中軟件通信架構(gòu)的應(yīng)用
        河南科技(2014年1期)2014-02-27 14:04:05
        在邊緣尋找自我
        雕塑(1999年2期)1999-06-28 05:01:42
        97人妻人人揉人人躁九色| 精品18在线观看免费视频| 亚洲女同一区二区久久| 亚洲香蕉成人AV网站在线观看| 亚洲一区二区自拍偷拍| 少妇高潮精品正在线播放| 制服丝袜一区二区三区| 好日子在线观看视频大全免费动漫| 被黑人做的白浆直流在线播放| 亚洲在线视频一区二区| 午夜国产视频一区二区三区| 国产99久久久国产精品免费看| 日韩精品大片在线观看| 中文字幕一区二区三区97| 熟女肥臀白浆一区二区| 亚洲中文字幕无码中文字在线| 午夜探花在线观看| 蜜桃av一区在线观看| 日本一区二区三区高清在线视频| 久久精品国产精品国产精品污| 久久se精品一区精品二区国产| 亚洲天堂av在线免费看| 狂猛欧美激情性xxxx大豆行情| 台湾无码av一区二区三区| 国产亚洲精品福利在线| 久久精品国产黄片一区| 在线播放真实国产乱子伦| 亚洲综合色成在线播放| AV在线毛片| 亚洲不卡一区二区视频| 免费a级毛片18禁网站免费| 亚洲18色成人网站www| 91精品国产91热久久p| 精品国产亚洲一区二区三区四区| 干日本少妇一区二区三区| 久久超碰97人人做人人爱 | 中文字幕avdvd| 久久开心婷婷综合中文| 天天爽夜夜爽人人爽| 中文在线√天堂| 国产女主播视频一区二区三区|