【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)屬于電網(wǎng)物聯(lián)網(wǎng)安全，更具體地說，涉及云端算力動(dòng)態(tài)分配與優(yōu)化管理方法。
技術(shù)介紹
1、隨著電力系統(tǒng)的智能化和信息化的不斷推進(jìn)，電網(wǎng)領(lǐng)域逐漸引入了大數(shù)據(jù)、云計(jì)算和人工智能等先進(jìn)技術(shù)。這些技術(shù)在電網(wǎng)運(yùn)行和管理中的應(yīng)用，不僅提高了電網(wǎng)的運(yùn)行效率和穩(wěn)定性，也為電網(wǎng)的智能化發(fā)展提供了有力的技術(shù)支撐。
2、智能電網(wǎng)的普及：
3、智能電表和傳感器：智能電表和各種傳感器的廣泛部署，使得電網(wǎng)能夠?qū)崟r(shí)采集大量的運(yùn)行數(shù)據(jù)，包括電力負(fù)荷、電壓、電流等。
4、數(shù)據(jù)量激增：隨著智能電網(wǎng)的發(fā)展，電網(wǎng)運(yùn)行數(shù)據(jù)量呈爆炸式增長(zhǎng)，這對(duì)數(shù)據(jù)存儲(chǔ)、處理和分析提出了更高的要求。
5、云計(jì)算在電網(wǎng)中的應(yīng)用：
6、云計(jì)算平臺(tái)：電力企業(yè)逐漸建立云計(jì)算平臺(tái)，用于數(shù)據(jù)的存儲(chǔ)、計(jì)算和分析。
7、彈性擴(kuò)展：云計(jì)算的彈性擴(kuò)展能力使得電力企業(yè)可以根據(jù)實(shí)際需求，靈活調(diào)整計(jì)算和存儲(chǔ)資源，優(yōu)化資源利用。
8、人工智能和機(jī)器學(xué)習(xí)：
9、負(fù)荷預(yù)測(cè)：通過機(jī)器學(xué)習(xí)模型(如lstm)，可以對(duì)電網(wǎng)負(fù)荷進(jìn)行精確預(yù)測(cè)，提前采取措施，避免電網(wǎng)過載或資源浪費(fèi)。
10、故障預(yù)測(cè)和診斷：利用機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析，可以實(shí)現(xiàn)電網(wǎng)故障的提前預(yù)測(cè)和診斷，提高電網(wǎng)的可靠性。
11、電網(wǎng)云端算力現(xiàn)狀
12、盡管云計(jì)算和人工智能技術(shù)在電網(wǎng)中的應(yīng)用取得了一定的進(jìn)展，但在實(shí)際應(yīng)用中仍然存在一些問題。
13、針對(duì)電網(wǎng)的實(shí)時(shí)性以及負(fù)荷的實(shí)時(shí)變化，如何動(dòng)態(tài)調(diào)整云端計(jì)算資源實(shí)現(xiàn)資源的最優(yōu)分配是一個(gè)需
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供了云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，擬實(shí)現(xiàn)對(duì)電網(wǎng)云端計(jì)算資源的動(dòng)態(tài)分配。
2、云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，包括以下步驟：
3、采集電網(wǎng)云端當(dāng)前的負(fù)載數(shù)據(jù)，并對(duì)當(dāng)前的負(fù)載數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的電網(wǎng)負(fù)載數(shù)據(jù)作為機(jī)器學(xué)習(xí)模型的輸入，得到未來的負(fù)荷情況；
4、根據(jù)融合決策機(jī)制，結(jié)合當(dāng)前負(fù)載和預(yù)測(cè)結(jié)果進(jìn)行動(dòng)態(tài)算力分配，實(shí)現(xiàn)負(fù)載均衡和資源優(yōu)化。
5、本專利技術(shù)通過采集電網(wǎng)的當(dāng)前負(fù)載數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，保證數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性，使用機(jī)器學(xué)習(xí)模型，對(duì)預(yù)處理后的負(fù)載數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè)，得到未來的負(fù)荷情況，結(jié)合當(dāng)前負(fù)載和預(yù)測(cè)結(jié)果，通過融合決策機(jī)制，進(jìn)行動(dòng)態(tài)算力分配，實(shí)現(xiàn)負(fù)載君和和資源優(yōu)化，并且根據(jù)融合后的負(fù)載數(shù)據(jù)，計(jì)算每個(gè)任務(wù)和整體系統(tǒng)的資源需求，動(dòng)態(tài)調(diào)整云端計(jì)算資源，實(shí)現(xiàn)資源的最優(yōu)分配和管理，可以有效解決電網(wǎng)云端算力分配和管理中的技術(shù)問題，提高系統(tǒng)的穩(wěn)定性和資源利用效率，實(shí)現(xiàn)電網(wǎng)的智能化、信息化管理。
6、優(yōu)選的，所述預(yù)處理包括以下步驟：
7、缺失值處理：采用均值填補(bǔ)缺失數(shù)據(jù)；
8、數(shù)據(jù)平滑：采用移動(dòng)平均法，設(shè)平滑后的數(shù)據(jù)為則：
9、
10、式中：為平滑后的負(fù)載數(shù)據(jù)；n為滑動(dòng)窗口的大小；
11、數(shù)據(jù)標(biāo)準(zhǔn)化：將平滑后的數(shù)據(jù)標(biāo)準(zhǔn)化到同一量綱。
12、優(yōu)選的，所述機(jī)器學(xué)習(xí)模型為lstm模型，所述lstm模型的結(jié)構(gòu)如下：
13、輸入層：接收形狀為：時(shí)間步長(zhǎng)和特征數(shù)的輸入數(shù)據(jù)；
14、隱藏層：包含若干個(gè)lstm單元；
15、輸出層：一個(gè)全連接神經(jīng)元，用于預(yù)測(cè)未來的負(fù)荷值；
16、損失函數(shù)：
17、
18、式中：α、β以及γ分別表示均方誤差部分的權(quán)重系數(shù)、峰值部分的權(quán)重系數(shù)和負(fù)荷平滑度部分的權(quán)重系數(shù)；表示第i時(shí)刻預(yù)測(cè)的負(fù)荷；yi表示第i時(shí)刻的實(shí)際負(fù)荷；max(y)表示實(shí)際負(fù)荷峰值；表示預(yù)測(cè)的負(fù)荷峰值；t表示時(shí)間序列的長(zhǎng)度；
19、在訓(xùn)練過程中采用adam優(yōu)化算法，用于最小化損失函數(shù)。
20、優(yōu)選的，所述adam優(yōu)化算法用于最小化損失函數(shù)的具體步驟如下：
21、根據(jù)當(dāng)前參數(shù)θt-1計(jì)算損失函數(shù)對(duì)參數(shù)的梯度：
22、
23、更新動(dòng)態(tài)估計(jì)：計(jì)算一階動(dòng)量估計(jì)mt和二階動(dòng)量估計(jì)vt：
24、mt＝β1,t·mt-1+(1-β1,t)·gt；
25、
26、式中：β1,t表示調(diào)整后的動(dòng)量參數(shù)；mt-1表示時(shí)間步t-1的一階動(dòng)量估計(jì)；β2表示二階矩參數(shù)；vt-1表示時(shí)間步t-1的二階動(dòng)量估計(jì)；
27、應(yīng)用amsgrad計(jì)算修正后的二階動(dòng)量估計(jì)
28、
29、式中：表示t-1時(shí)間步修正后的二階動(dòng)量估計(jì)；
30、偏差修正：基于偏差修正得到修正后的一階動(dòng)量和二階動(dòng)量
31、
32、式中：表示在時(shí)間步t時(shí)β1,t的t次方；表示β2的t次方；
33、使用修正后的動(dòng)量估計(jì)更新參數(shù)θt：
34、
35、式中：αt表示預(yù)熱后的學(xué)習(xí)率；∈t表示時(shí)間步t的偏差修正項(xiàng)；
36、重復(fù)上述最小化損失函數(shù)的具體步驟，通過調(diào)整參數(shù)θ，使損失函數(shù)達(dá)到最小。
37、優(yōu)選的，所述融合決策機(jī)制如下：
38、根據(jù)得到的未來負(fù)荷預(yù)測(cè)數(shù)據(jù)結(jié)合當(dāng)前負(fù)載數(shù)據(jù)進(jìn)行融合決策：
39、loadfused＝μ·loadcurrent+(1-μ)·loadpred；
40、
41、式中：loadfused表示融合后的負(fù)載數(shù)據(jù)；resfused表示融合后的資源指標(biāo)；μ和表示融合參數(shù)，位于0到1之間；loadcurrent表示當(dāng)前實(shí)際負(fù)載數(shù)據(jù)；loadpred表示未來負(fù)荷預(yù)測(cè)數(shù)據(jù)；rescurrent表示當(dāng)前實(shí)際資源使用情況；respred表示未來資源需求預(yù)測(cè)數(shù)據(jù)。
42、優(yōu)選的，所述動(dòng)態(tài)算力根據(jù)融合后的負(fù)載數(shù)據(jù)和資源需求進(jìn)行動(dòng)態(tài)分配：
43、計(jì)算每個(gè)任務(wù)所需要的資源量restask：
44、
45、式中：loadfused表示融合后的負(fù)載數(shù)據(jù)；totaltasks表示每個(gè)任務(wù)所需要的資源量；
46、資源調(diào)配策略：
47、當(dāng)resfused>rescurrent時(shí)，表示系統(tǒng)當(dāng)前資源不足，需要增加計(jì)算資源：
48、extraresources＝resfused-rescurrent；
49、式中：extrafesources表示需要增加的資源；
50、根據(jù)extraresources增加虛擬機(jī)或容器的數(shù)量；將額外的資源分配到各個(gè)任務(wù)中：
51、
52、式中：表示分配給每個(gè)任務(wù)的額外資源；
53、當(dāng)resfused<rescurrent時(shí)，表示系統(tǒng)當(dāng)前資源過剩，需要減少計(jì)算資源：
54、reduceresources＝rescurrent-resfused；
55、式中：reduceresources表示需要減少的資源；
56、根據(jù)reduceresources減少虛擬機(jī)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述預(yù)處理包括以下步驟：
3.根據(jù)權(quán)利要求1所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述機(jī)器學(xué)習(xí)模型為L(zhǎng)STM模型，所述LSTM模型的結(jié)構(gòu)如下：
4.根據(jù)權(quán)利要求3所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述Adam優(yōu)化算法用于最小化損失函數(shù)的具體步驟如下：
5.根據(jù)權(quán)利要求1所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述融合決策機(jī)制如下：
6.根據(jù)權(quán)利要求5所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述動(dòng)態(tài)算力根據(jù)融合后的負(fù)載數(shù)據(jù)和資源需求進(jìn)行動(dòng)態(tài)分配：
7.根據(jù)權(quán)利要求1所述云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，在進(jìn)行任務(wù)分配時(shí)，采用最小連接數(shù)法進(jìn)行分配，即將任務(wù)分配到當(dāng)前連接數(shù)量最少得節(jié)點(diǎn)，確保負(fù)載均衡。
【技術(shù)特征摘要】
1.云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述預(yù)處理包括以下步驟：
3.根據(jù)權(quán)利要求1所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述機(jī)器學(xué)習(xí)模型為lstm模型，所述lstm模型的結(jié)構(gòu)如下：
4.根據(jù)權(quán)利要求3所述的云端算力動(dòng)態(tài)分配與優(yōu)化管理方法，其特征在于，所述adam優(yōu)化算法用于最小化損失函數(shù)的...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳彬，林志達(dá)，冷迪，陳柏齡，黃翔，吳文鵬，王李明，曾錫池，
申請(qǐng)(專利權(quán))人：中國南方電網(wǎng)有限責(zé)任公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。