CN103399496B - 智能电网海量实时数据负载仿真测试云平台及其测试方法 - Google Patents

Abstract

本发明公开一种智能电网海量实时数据负载仿真测试云平台及其测试方法，包括虚拟化单元、中央控制器模块和代理模块，通过虚拟化单元虚拟出若干虚拟机；中央控制器模块设置在一台虚拟机中、构成中央控制器；所述代理模块以虚拟机镜像文件的形式存放在中央控制器中，由中央控制器申请启动虚拟机后将其激活构成代理服务器；中央控制器根据不同规模的测试计划向云平台申请足够的虚拟机，代理服务器模拟监测装置向服务器发送大量监测数据，测试服务器的性能。本发明依托云计算强大的计算资源，在云平台申请大量的虚拟机，通过代理服务器模拟监测装置实现智能电网的海量数据测试，具有结构简单、投入成本低、使用方便、测试范围大和测试效果好的有益效果。

Description

智能电网海量实时数据负载仿真测试云平台及其测试方法

技术领域

本发明涉及计算机网络和数据通信技术领域，具体涉及一种智能电网海量实时数据负载仿真测试云平台及其测试方法。属于智能电网的一种电力系统仿真测试方法。

背景技术

自21世纪以来，世界各国纷纷提出了各自对未来智能电网的设想和框架，而国际电工委员会、国际大电网会议组织等国际组织也给予智能电网高度支持。智能电网环境下状态数据量将巨增，远远超出传统电网状态监测的范畴，不仅包括实时在线状态数据，还应包括设备基本信息、试验数据、运行数据、缺陷数据、巡检记录、带电测试数据等离线信息，数据量极大、可靠性和实时性要求高，面对这些海量的、分布式的、异构的、复杂的状态数据，给常规的数据存储与管理方法带来了极大的挑战。因此，传统的普通测试架构已不能满足海量测试数据的需求。要测试海量电网数据，需要对测试系统做全面的升级改造，但如何保证测试系统能承受着如此大规模的数据，是摆在设计工程师面前的一大难题。

现有技术中，为了测试智能电网的海量实时数据，以检测智能电网系统的负载能力，可以有二个途径实现：一是从硬件设施着手，需要花大量的资金去搭建和拆除测试环境，如服务器与仿真测试工具的部署与采购，测试平台的安装与调试等，成本很高。二是采用虚拟仪器的方式，即在通用计算机上加上一组软件或硬件，同样需要大量的人力物力去配置硬件环境和设置虚拟仪器，同时测试结果也难以收集和处理。

因此，现有技术的测试系统存在硬件结构复杂、需投入的成本较高、测试范围小的缺陷，需要设计新的测试平台以克服现有技术的上述问题。

发明内容

本发明的目的之一，是为了克服现有方法需要采用大量硬件设备，且测试结果难以收集和处理等不足，提供一种智能电网海量实时数据负载仿真测试云平台，该系统能够模拟生成大规模测试数据，收集测试数据和生成测试报告，避免采购硬件设备，开发测试程序和维护测试平台的负担。

本发明的目的之二，是为了提供一种智能电网海量实时数据负载仿真测试云平台的测试方法，该方法能够快速、低成本、高效的构造大规模测试环境，仿真测量装置向外发出的数据。

本发明的目的之一可以通过以下技术方案实现：

智能电网海量实时数据负载仿真测试云平台，包括硬件设备，其特征在于：

1）在硬件设备中设有云计算的虚拟化单元、中央控制器模块和代理模块，通过云计算的虚拟化单元虚拟化出若干虚拟机；

2）中央控制器模块设置在独立设置在一台虚拟机中、构成中央控制器，所述中央控制器具有人机交互操作控制回路、以实现全部人机交互操作控制；

3）所述代理模块以虚拟机镜像文件的形式存放在中央控制器中，由中央控制器申请启动虚拟机后将其激活，并运行在申请启动的虚拟机上；

4）通过所述云计算的虚拟化单元，将硬件源设备的底层资源池统一管理和使用，屏蔽底层硬件异构性；中央控制器根据测试计划进行动态分配测试虚拟机，根据测试规模的不同，启动不同规模的虚拟机；以云平台的形式实现智能电网海量实时数据负载仿真测试。

进一步地：中央控制器模块包括测试计划管理模块、容量预测模块、虚拟机管理接口模块、虚拟机镜像文件管理模块、测试报告生成模块和消息通信模块；被激活的代理模块构成代理服务器，包括子测试计划管理模块、测试数据生成模块、虚拟装置模块、测试数据统计模块和代理通信模块，代理服务器模拟测量装置向服务器发送监测数据，通过待测系统进行测试，然后向中央控制器回传测试数据，最后中央控制器销毁这些虚拟机，释放测试资源，并将测试报告展示给用户。

进一步地：还设有多协议适配模块，所述多协议适配模块设置在测试数据生成模块和虚拟装置模块之间，通过多协议适配模块转化为符合规范的消息格式发送到虚拟装置模块，实现不同监测装置的仿真测试。

进一步地：

1）所述测试计划管理模块为控制测试开展的核心模块，具有与用户交互、用户录入测试信息、输入测试计划和调度整个测试方案的单元结构；以及分解测试计划，并发送个各个代理服务器；

2）所述容量预测模块通过分层排队网分析和Kalman滤波反馈，得到虚拟机数量；

3）所述虚拟机管理接口模块，向虚拟机管理软件申请和回收虚拟机和查询虚拟机部署信息；

4）所述虚拟机镜像文件管理模块，利用虚拟机管理结构将镜像文件部署到虚拟机之上，虚拟机启动之后自动启动代理模块；

5）所述测试报告生成模块，负责收集代理传送回来的测试数据，该模块采用B/S的模式展现结果，通过图像化的方式，以图表形式将上述结果展现给用户，用户可以查看单个代理的测试结果，也可以总的汇总结果；

6）所述消息通信模块，负责和代理模块进行通信、接受组播消息，每个代理模块启动之后发送组播信息给中央控制器模块、以通知有新的代理服务器启动；消息通信模块在收到组播后会将其地址返回给代理模块，然后与代理模块建立TCP连接，实现中央控制器模块和代理模块的通信。

进一步地：

1）所述子测试计划管理模块，负责管理代理服务器的测试过程，中央控制器的测试计划管理模块，将计划分解后发送个各个代理服务器；子测试计划管理模块根据测试计划信息，调用测试数据生成模块生成负载数据，并调用多协议适配模块转换数据格式，发送消息；

2）所述测试数据生成模块，负责生产模拟的监测数据，数据产生的方式分为三类：随机、函数分布和历史数据，随机生成的数据，不关心数据合理性；函数分布指按照给定的分布形式，生成符合分布的数据；历史数据是读取历史数据，再次生成数据，此时需要中央控制器将数据传送到代理节点；测量装置可能会采集多个属性，每个属性都会对应一种数据生成的方式，最后以集合的形式传递给多协议适配器模块，由多协议适配器模块完成消息封装的任务；

3）所述虚拟装置模块，该模块是面向待测系统的接口模块，负责从子测试计划模块获得待测系统的地址，然后与其建立通信；一个代理服务器上会部署多个虚拟装置模块，虚拟装置模块的数据来源是多协议适配模块，虚拟装置模块自身不负责生成数据，而只是保持与待测系统的数据通信；

4）所述测试数据统计模块，该模块负责在测试过程中监测代理服务器的性能，监测数据一部分来自对虚拟机资源利用率的监测，另一部分来自对虚拟装置的监测。

本发明的目的之二通过以下技术方案实现：

智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，其特征在于：以虚拟化云平台为基础，通过中央控制器和代理服务器实现不同模拟测量向服务器发送监测数据，所述测试具体步骤如下：

1）中央控制器通过测试计划管理模块输入用户端的测试计划，中央控制器采用资源动态分配的方式，通过容量预测模块分析本测试所需的最佳虚拟机数量，根据预测结果通过虚拟机管理接口模块向云平台申请相应数量的虚拟机，通过虚拟机镜像文件管理模块将装有代理模块的虚拟机镜像文件部署在这些虚拟机上，构成代理服务器，并启动这些虚拟机；

2）启动之后，通过消息通信模块建立代理服务器与中央控制器之间的通信连接，中央控制器通过子测试计划管理模块将测试计划分解为若干份，每个代理服务器分派一份子任务，由子测试计划管理模块接收子任务；

3）代理服务器接受到任务之后，通过代理服务器模拟监测装置向服务器发送大量监测数据，测试服务器的性能；开始测试时，代理服务器通过测试数据生成模块按指定的数据来源方式生产测试数据，生成的数据通过多协议适配模块进行封装，转化为符合规范的消息格式发送到虚拟装置模块，通过虚拟装置模块传递到待测系统进行测试，通过测试数据统计模块监测代理服务器的性能；

4）测试结束时，代理服务器通过测试计划管理模块回传测试数据到中央控制器，中央控制器在接收完回传数据之后会销毁这些虚拟机，释放测试资源，上传测试数据，通过测试报告生成模块用户可以通过中央控制器浏览测试结果。

进一步地：所述测试计划包括测量装置类型、通信协议、测量装置规模、测试负载数据来源、测试起止时间；所述测试数据包括消息发送平均速率、响应时间、待测系统吞吐率、消息发送成功率、错误报告，以及代理的CPU利用率和网络带宽利用率。

进一步地：所述容量预测模块采用分层排队网方法，

首先，根据静态参数，构造LQN模型，如果之前没有计算过此类测量装置的动态参数，则申请一台虚拟机，让代理在其上运行，采用Kalman滤波迭代计算，获得运行参数，并保存下来，供日后同类测试使用；

然后，采用倍增和折半相结合的方法，找到合适的虚拟机规模，从5台虚拟机开始，利用LQN模型评价资源利用率是否在75%-85%之间，超过则将虚拟机数量翻倍，如果利用率低于75%，则将上一步增加虚拟机数量减半，直到将虚拟机利用率控制在75%-85%之间；采用查重的检查方法，一旦某个数量重复出现，则终止结算。

进一步地：所述Kalman滤波迭代计算表达式如下：

X_k=X_k-1+W_k-1

第k时刻LQN的计算结果Z_k定义为：

Z_k=h(X_k)+V_k

Z_k=[C,N] (1.b)

其中,W_k-1为测量误差，其协方差矩阵为Q_k-1，h是X_k到Z_k的转换矩阵,V_k是测量误差，其协方差矩阵为R_k，X_k表示k时刻各代理的CPU时间和网络占用时间，Z_k为总CPU利用率和网络利用率，H是h的估算值，定义其中采用近似计算形式，即Δ_j是一个扰动，将上述计算理解为衡量各个参数扰动对最后结果的影响程度；

Kalman滤波迭代过程如下：

使用W_k-1=0更新X的状态：

更新协方差矩阵

计算Kalman滤波增益：

修正X的状态：

修正协方差矩阵P_k：

初始值和P₀对Kalman滤波计算影响很小,可以设置为任何有意义的值，Q_k设置为X的对角矩阵，R_k=0，迭代计算过程直到所得参数基本稳定，取最近10次迭代变化系数作为衡量稳定的标准，当变化系数小于给定阈值，则认为稳定。

进一步地：所述测量装置类型有智能电表、RTU、PMU或录波器；所述通信协议指测量装置与待测系统之间信息交换的格式：所述测量装置规模指此次测试预计部署多少台测量装置；所述测试负载的数据来源指数据产生的方式，此时需要指定测量装置会产生哪些属性的数据，每种数据是采用何种方式生产；所述数据生成方式是随机的、符合某种概率分布的或者是从历史数据中读取的，生成方式是历史数据时，用户还需要指定数据的存放位置和数据格式；所述测试起止时间测试指开始产生负载和结束产生负载的时间。

本发明具有如下突出的有益效果：

1、本发明涉及的仿真测试云平台通过利用虚拟技术获得若干虚拟机，将其中一台虚拟机作为中央控制器，其余作为代理服务器，依托云计算强大的计算资源构成，通过中央控制器根据不同测试计划向云平台申请足够的虚拟机实现智能电网的海量数据测试。具有结构简单、投入成本低、使用方便、测试范围大和测试效果好的有益效果。

2、本发明通过中央控制器的测试计划管理模块、容量预测模块、虚拟机管理接口模块、虚拟机镜像文件管理模块、测试报告模块、消息通信模块和代理服务器的子测试计划管理模块、测试数据生成模块、多协议适配模块、测试数据统计模块和代理通信模块构建仿真测试云平台，将性能测试平台转移到云计算平台中，避免了采购硬件设备，开发测试程序，维护测试平台的负担，测试资源按需使用。系统的自动化程度高，测试人员只需要输入测试方案，测试过程完全由软件控制。

3、本发明通过中央控制器根据不同测试计划向云平台申请足够的虚拟机，通过代理服务器模拟测量装置生产测试数据，传递到待测系统进行性能测试，测试结束之后，中央控制器回收全部测试资源，释放测试资源。该方法能够快速、低成本、高效的构造大规模测试环境，仿真测量装置向外发出数据。通过采用多协议适配模块，支持多种监测装置仿真测试，无须为每种装置单独构造测试工具。本发明的测试过程可重现，为待测系统持续改进提供测试基准。

4、本发明通过容量预测模块的LQN模型和采用Kalman滤波计算方法预测出最佳的虚拟机配置数量。

附图说明

图1是本发明的结构示意图。

图2是本发明中央控制模块和代理模块的框架示意图。

图3是本发明最佳虚拟机数量预测方法的流程图。

具体实施方式

下面结合附图对本发明作进一步的说明。

如图1、图2和图3所示的智能电网海量实时数据负载仿真测试云平台，包括硬件设备4，

1）在硬件设备4中设有云计算的虚拟化单元、中央控制器模块和代理模块，通过云计算的虚拟化单元虚拟化出若干虚拟机；

2）中央控制器模块设置在独立设置在一台虚拟机中、构成中央控制器1，所述中央控制器1具有人机交互操作控制回路、以实现全部人机交互操作控制；

3）所述代理模块以虚拟机镜像文件的形式存放在中央控制器1中，由中央控制器1申请启动虚拟机后将其激活，并运行在申请启动的虚拟机上；

4）通过所述云计算的虚拟化单元，将硬件源设备的底层资源池统一管理和使用，屏蔽底层硬件异构性；中央控制器1根据测试计划进行动态分配测试虚拟机，根据测试规模的不同，启动不同规模的虚拟机；以云平台的形式实现智能电网海量实时数据负载仿真测试。

中央控制器1的功能是依据用户输入的测试计划，调度整个测试的开展，中央控制器模块包括测试计划管理模块1-1、容量预测模块1-2、虚拟机管理接口模块1-3、虚拟机镜像文件管理模块1-4、测试报告生成模块1-5和消息通信模块1-6；被激活的代理模块构成代理服务器2，包括子测试计划管理模块2-1、测试数据生成模块2-2、多协议适配模块2-3、虚拟装置模块2-4、测试数据统计模块2-6和代理通信模块2-5，代理服务器2模拟测量装置向服务器发送监测数据，通过待测系统进行测试，然后向中央控制器1回传测试数据，最后中央控制器1销毁这些虚拟机，释放测试资源，并将测试报告展示给用户。

所述测试计划管理模块1-1为控制测试开展的核心模块，具有与用户交互、用户录入测试信息、输入测试计划和调度整个测试方案的单元结构；以及分解测试计划，并发送个各个代理服务器2。

所述容量预测模块1-2根据测试规模的不同，所需的代理服务器数量也将不同，为了合理的申请虚拟机数量，本发明采用了容量预测的方式，提前通过分层排队网（LQN）分析和Kalman滤波反馈，得到合适数量的虚拟机数量。

所述容量预测模块1-2采用分层排队网方法，

分层排队网是一种具有良好工具支持的排队论模型，可以通过图形化方式建模，也可以按其提供的语法规则进行建模。该模型中，主要考虑了物理CPU，虚拟CPU，物理网络和虚拟网络这几种的计算资源，其中物理CPU是实际的物理设备的CPU，虚拟CPU是虚拟机上的CPU，可能一个或者多个虚拟CPU共享一个CPU，物理网络和虚拟网络的概念与之类似。物理资源对应于LQN的物理资源，虚拟资源则有LQN的软件资源刻画，其上才是代理的软件。

如图3和表1所示的，给出了LQN模型的模板，其中物理CPU、物理网络、虚拟CPU、虚拟网络和代理服务器可以根据具体情况而变化，该模型可以计算出在给定资源量下，测试系统的性能。我们的目标是测试系统不能因为自身的延迟，影响对目标系统的测试，因此，必须保证每个设备都运行于中等压力之下。在本发明中，我们将物理资源和虚拟资源的阀值设定为75%-85%之间，如果当前资源量不满足，则增加资源数量。

表1：LQN模型的模板

LQN模型计算需要两类参数，一类是静态结构参数，即虚拟机与物理机的部署关系，这部分可以从虚拟机管理接口模块1-3获得，即填充模板；另一类是运行时参数，即CPU和网络的消耗量，这部分无法事前获得，因此我们采用了一种基于Kalman滤波的方法，通过迭代反馈，计算出参数值。

具体步骤如下：

首先，根据静态参数，构造LQN模型，如果之前没有计算过此类测量装置的动态参数，则申请一台虚拟机，让代理在其上运行，采用Kalman滤波迭代计算，获得运行参数，并保存下来，供日后同类测试使用；

然后，采用倍增和折半相结合的方法，找到合适的虚拟机规模，从5台虚拟机开始，利用LQN模型评价资源利用率是否在75%-85%之间，超过则将虚拟机数量翻倍，如果利用率低于75%，则将上一步增加虚拟机数量减半，直到将虚拟机利用率控制在75%-85%之间；采用查重的检查方法，一旦某个数量重复出现，则终止结算。最后，将这个数字返回给测试计划管理模块。如果虚拟机的配置不同，需要对每一类虚拟机学习其参数，学习的过程与上述过程相同。

所述Kalman滤波迭代计算表达式如下：

X_k=X_k-1+W_k-1

第k时刻LQN的计算结果Z_k定义为：

Z_k=h(X_k)+V_k

Z_k=[C,N] (1.b)

其中,W_k-1为测量误差，其协方差矩阵为Q_k-1，h是X_k到Z_k的转换矩阵,V_k是测量误差，其协方差矩阵为R_k，X_k表示k时刻各代理的CPU时间和网络占用时间，Z_k为总CPU利用率和网络利用率，H是h的估算值，定义其中采用近似计算形式，即Δ_j是一个扰动，将上述计算理解为衡量各个参数扰动对最后结果的影响程度；

Kalman滤波迭代过程如下：

使用W_k-1=0更新X的状态：

更新协方差矩

计算Kalman滤波增益：

修正X的状态：

修正协方差矩阵P_k：

初始值和P₀对Kalman滤波计算影响很小,可以设置为任何有意义的值，Q_k设置为X的对角矩阵,R_k=0，迭代计算过程直到所得参数基本稳定，取最近10次迭代变化系数作为衡量稳定的标准，当变化系数小于给定阈值，则认为稳定。

所述虚拟机管理接口模块1-3，向虚拟机管理软件申请和回收虚拟机和查询虚拟机部署信息；本发明在主流虚拟机VMWare和Xen等管理软件的基础上，设计了一个用户联系虚拟机平台和中央控制器的管理接口模块，以便获取虚拟机信息，并发出控制指令。

所述虚拟机镜像文件管理模块1-4，虚拟机将操作系统和其上的应用程序以虚拟机镜像的方式保存，为了便于管理虚拟机和代理程序，本发明将其作为镜像文件保存在中央控制器1上。当测试开始时，利用虚拟机管理接口模块1-3将镜像文件部署到虚拟机之上，虚拟机启动之后自动启动代理模块。

所述测试报告生成模块1-5，负责收集代理传送回来的测试数据，该模块采用B/S的模式展现结果，通过图像化的方式，以图表形式将上述结果展现给用户，用户可以查看单个代理的测试结果，也可以是总的汇总结果；该模块负责收集代理传送回来的测试数据。

所述消息通信模块1-6，负责和代理模块进行通信、接受组播消息，每个代理模块启动之后发送组播信息给中央控制器模块、以通知有新的代理服务器启动；消息通信模块在收到组播后会将其地址返回给代理模块，然后与代理模块建立TCP连接，实现中央控制器模块和代理模块的通信。

所述子测试计划管理模块2-1，负责管理代理服务器的测试过程。测试计划管理模块1-1将计划分解后发送给各个子测试计划管理模块2-1，子测试计划管理模块2-1根据测试计划信息，调用测试数据生成模块2-2生成负载数据，并调用多协议适配模块2-3转换数据格式，发送消息；代理接受到的计划，包括在该代理上要运行的测量装置类型、通信协议、测量装置规模、测试负载数据来源、测试起止时间。

所述测试数据生成模块2-2，负责生产模拟的监测数据，数据产生的方式分为三类：随机、函数分布和历史数据，随机生成的数据，不关心数据合理性；函数分布指按照给定的分布形式，生成符合分布的数据；历史数据是读取历史数据，再次生成数据，此时需要中央控制器1将数据传送到代理节点；测量装置可能会采集多个属性，每个属性都会对应一种数据生成的方式，最后以集合的形式传递给多协议适配模块2-3，由多协议适配模块2-3完成消息封装的任务。

所述多协议适配模块2-3，多协议适配模块2-3由多协议适配器构成，设置在测试数据生成模块2-2和虚拟装置模块2-4之间，与待测系统3交换消息，包括状态信息的交换和测量数据的传输。该模块的数据来源是测试数据生成模块2-2，该模块会按协议指定的数据编码规范，将生成的数据进行封装，变成符合规范的消息格式，然后传递给虚拟装置模块2-4，实现不同监测装置的仿真测试。

所述虚拟装置模块2-4，该模块是面向待测系统的接口模块，负责从子测试计划管理模块2-1获得待测系统的地址，然后与其建立通信；一个代理服务器上会部署多个虚拟装置模块2-4，从待测系统的角度来看，一个虚拟装置模块2-4的行为与一个实际的测量装置相同，可以接受待测系统的询问，并返回测量到的数据。所不同的是，虚拟装置模块2-4的数据来源是多协议适配模块2-3，虚拟装置模块2-4自身不负责生成数据，而只是保持与待测系统3的数据通信；此外，虚拟装置模块2-4中保存了局部状态，即测试过程中与当前装置相关的状态，测试数据生成模块2-2，会将当前计算的状态保存在其中，以便下一步计算的进行；多协议适配模块2-3也会将与待测系统3进行消息交换的状态机存在虚拟装置模块2-4中，以维持与待测系统3进行信息交换的状态。

所述测试数据统计模块2-6：该模块负责在测试过程中监测代理服务器的性能，监测数据一部分来自对虚拟机资源利用率的监测，另一部分来自对虚拟装置模块2-4的监测。

智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，以虚拟化云平台为基础，通过中央控制器和代理服务器实现不同模拟测量向服务器发送监测数据，所述测试具体步骤如下：

1）中央控制器1通过测试计划管理模块1-1输入用户端的测试计划，中央控制器1采用资源动态分配的方式，通过容量预测模块1-2分析本测试所需的最佳虚拟机数量，根据预测结果通过虚拟机管理接口模块1-3向云平台申请相应数量的虚拟机，通过虚拟机镜像文件管理模块1-4将装有代理模块的虚拟机镜像文件部署在这些虚拟机上，构成代理服务器2，并启动这些虚拟机；

2）启动之后，通过消息通信模块1-6建立代理服务器2与中央控制器1之间的通信连接，中央控制器1通过子测试计划管理模块2-1将测试计划分解为若干份，每个代理服务器2分派一份子任务，由子测试计划管理模块2-1接收子任务；

3）代理服务器2接受到任务之后，通过代理服务器2模拟监测装置向服务器发送大量监测数据，测试服务器的性能，开始测试时，代理服务器2通过测试数据生成模块2-2按指定的数据来源方式生产测试数据，生成的数据通过多协议适配模块2-3进行封装，转化为符合规范的消息格式发送到虚拟装置模块2-4，通过虚拟装置2-4模块传递到待测系统3进行测试，通过测试数据统计模块2-6监测代理服务器的性能；

4）测试结束时，代理服务器2通过测试计划管理模块2-5回传测试数据到中央控制器1，中央控制器1在接收完回传数据之后会销毁这些虚拟机，释放测试资源，上传测试数据，通过测试报告生成模块1-5用户可以通过中央控制器1浏览测试结果。

所述测试计划包括测量装置类型、通信协议、测量装置规模、测试负载数据来源、测试起止时间等。所述监测装置按其数据产生频率的快慢，大致可以分为低、中、高三类，低速设备的代表是智能电表，最多十多分钟传输一次数据；中速设备的代表是RTU装置，最快能达到秒级的数据；高速设备的代表是PMU，通常是每秒几十条消息。根据待测系统管理的地域范围不同，所接入的设备数量也不同，而且在相同的地域范围内，不同类型的监测设备其部署数量也存在明显的差异。比如智能电表将部署到千家万户，其数量将远大于PMU设备。因此，该仿真系统需要既具备模拟不同监测装置产生监测数据的能力，还需要具备根据实际需要动态分配测试资源的能力，还需要指明测量装置的消息发送频率。

通信协议用于指定测量装置与待测系统之间信息交换的格式，即说明消息编码的格式和消息交互的方式（主动或者被动，或者消息交互的状态转换过程）。测量装置规模用于指定此次测试预计部署多少台测量装置，可以是一种单一的测量装置，也可以是不同测量装置的组合。测试负载的数据来源用于指定数据产生的方式，此时需要指定测量装置会产生哪些属性的数据，每种数据是采用何种方式生产。数据生成方式可以是随机的、或者是符合某种概率分布的、或者是从历史数据中读取的，如果是历史数据，用户还需要指定数据的存放位置和数据格式。测试起止时间测试指开始产生负载和结束产生负载的时间，也即测试的开始和中止时间。

所述测试数据包括消息发送平均速率、响应时间、待测系统吞吐率、消息发送成功率、错误报告，以及代理的CPU利用率和网络带宽利用率等信息。

Claims (8)

1.智能电网海量实时数据负载仿真测试云平台，包括硬件设备(4)，其特征在于：

1)在硬件设备(4)中设有云计算的虚拟化单元、中央控制器模块和代理模块，通过云计算的虚拟化单元虚拟化出若干虚拟机；

2)中央控制器模块独立设置在一台虚拟机中、构成中央控制器(1)，所述中央控制器(1)具有人机交互操作控制回路、以实现全部人机交互操作控制；中央控制器模块包括测试计划管理模块(1-1)、容量预测模块(1-2)、虚拟机管理接口模块(1-3)、虚拟机镜像文件管理模块(1-4)、测试报告生成模块(1-5)和消息通信模块(1-6)；被激活的代理模块构成代理服务器(2)，包括子测试计划管理模块(2-1)、测试数据生成模块(2-2)、虚拟装置模块(2-4)、测试数据统计模块(2-6)和代理通信模块(2-5)，代理服务器(2)模拟测量装置向服务器发送监测数据，通过待测系统进行测试，然后向中央控制器(1)回传测试数据，最后中央控制器(1)销毁这些虚拟机，释放测试资源，并将测试报告展示给用户；

3)所述代理模块以虚拟机镜像文件的形式存放在中央控制器(1)中，由中央控制器申请启动虚拟机后将其激活，并运行在申请启动的虚拟机上；

4)通过所述云计算的虚拟化单元，将硬件源设备的底层资源池统一管理和使用，屏蔽底层硬件异构性；中央控制器(1)根据测试计划进行动态分配测试虚拟机，根据测试规模的不同，启动不同规模的虚拟机；以云平台的形式实现智能电网海量实时数据负载仿真测试。

2.根据权利要求1所述的智能电网海量实时数据负载仿真测试云平台，其特征在于：还设有多协议适配模块(2-3)，所述多协议适配模块(2-3)设置在测试数据生成模块(2-2)和虚拟装置模块(2-4)之间，通过多协议适配模块(2-3)转化为符合规范的消息格式发送到虚拟装置模块(2-4)，实现不同监测装置的仿真测试。

3.根据权利要求1或2所述的智能电网海量实时数据负载仿真测试云平台，其特征在于：

1)所述测试计划管理模块(1-1)为控制测试开展的核心模块，具有与用户交互、用户录入测试信息、输入测试计划和调度整个测试方案的单元结构；

2)所述容量预测模块(1-2)通过分层排队网分析(LQN)和Kalman滤波反馈，得到虚拟机数量；

3)所述虚拟机管理接口模块(1-3)，向虚拟机管理软件申请和回收虚拟机和查询虚拟机部署信息；

4)所述虚拟机镜像文件管理模块(1-4)，利用虚拟机管理结构将镜像文件部署到虚拟机之上，虚拟机启动之后自动启动代理模块；

5)所述测试报告生成模块(1-5)，负责收集代理传送回来的测试数据，该模块采用B/S的模式展现结果，通过图像化的方式，以图表形式将上述结果展现给用户，用户可以查看单个代理的测试结果，也可以总的汇总结果；

6)所述消息通信模块(1-6)，负责和代理模块进行通信、接受组播消息，每个代理模块启动之后发送组播信息给中央控制器模块、以通知有新的代理服务器启动；消息通信模块在收到组播后会将其地址返回给代理模块，然后与代理模块建立TCP连接，实现中央控制器模块和代理模块的通信。

4.根据权利要求1或2所述的智能电网海量实时数据负载仿真测试云平台，其特征在于：

1)所述子测试计划管理模块(2-1)，负责管理代理服务器的测试过程，测试计划管理模块，将计划分解后发送个各个代理服务器；子测试计划管理模块根据测试计划信息，调用测试数据生成模块生成负载数据，并调用多协议适配模块转换数据格式，发送消息；

2)所述测试数据生成模块(2-2)，负责生产模拟的监测数据，数据产生的方式分为三类：随机、函数分布和历史数据，随机生成的数据，不关心数据合理性；函数分布指按照给定的分布形式，生成符合分布的数据；历史数据是读取历史数据，再次生成数据，此时需要中央控制器将数据传送到代理节点；测量装置可能会采集多个属性，每个属性都会对应一种数据生成的方式，最后以集合的形式传递给多协议适配器模块，由多协议适配器模块完成消息封装的任务；

3)所述虚拟装置模块(2-4)：该模块是面向待测系统的接口模块，负责从子测试计划模块获得待测系统的地址，然后与其建立通信；一个代理服务器上会部署多个虚拟装置模块，虚拟装置模块的数据来源是多协议适配模块，虚拟装置模块自身不负责生成数据，而只是保持与待测系统的数据通信；

4)所述测试数据统计模块(2-6)：该模块负责在测试过程中监测代理服务器的性能，监测数据一部分来自对虚拟机资源利用率的监测，另一部分来自对虚拟装置的监测。

5.根据权利要求1所述的智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，其特征在于：以虚拟化云平台为基础，通过中央控制器和代理服务器实现不同模拟测量向服务器发送监测数据，所述测试具体步骤如下：

1)中央控制器通过测试计划管理模块(1-1)输入用户端的测试计划，中央控制器采用资源动态分配的方式，通过容量预测模块(1-2)分析本测试所需的最佳虚拟机数量，根据预测结果通过虚拟机管理接口模块(1-3)向云平台申请相应数量的虚拟机，通过虚拟机镜像文件管理模块(1-4)将装有代理模块的虚拟机镜像文件部署在这些虚拟机上，构成代理服务器(2)，并启动这些虚拟机，启动之后，通过消息通信模块(1-6)建立代理服务器(2)与中央控制器(1)之间的通信连接；

2)中央控制器(1)通过子测试计划管理模块(2-1)将测试计划分解为若干份，每个代理服务器(2)分派一份子任务，代理服务器(2)接受到任务之后，通过代理服务器模拟监测装置向服务器发送大量监测数据，测试服务器的性能；开始测试时，代理服务器(2)通过测试数据生成模块(2-2)按指定的数据来源方式生产测试数据，生成的数据通过多协议适配模块(2-3)进行封装，转化为符合规范的消息格式发送到虚拟装置模块(2-4)，通过虚拟装置模块(2-4)传递到待测系统(3)进行测试，通过测试数据统计模块(2-6)监测代理服务器(2)的性能；

3)测试结束时，代理服务器(2)通过测试计划管理模块(2-5)回传测试数据到中央控制器(1)，中央控制器(1)在接收完回传测试数据之后会销毁这些虚拟机，释放测试资源，上传测试数据，通过测试报告生成模块(1-5)用户可以通过中央控制器(1)浏览测试结果。

6.根据权利要求5所述的智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，其特征在于：所述测试计划包括测量装置类型、通信协议、测量装置规模、测试负载数据来源、测试起止时间；所述测试数据包括消息发送平均速率、响应时间、待测系统吞吐率、消息发送成功率、错误报告，以及代理的CPU利用率和网络带宽利用率。

7.根据权利要求5所述的智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，其特征在于：所述容量预测模块(1-2)采用的分层排队网方法，

首先，根据静态参数，构造LQN模型，如果之前没有计算过此类测量装置的动态参数，则申请一台虚拟机，让代理在其上运行，采用Kalman滤波迭代计算，获得运行参数，并保存下来，供日后同类测试使用；

然后，采用倍增和折半相结合的方法，找到合适的虚拟机规模，从5台虚拟机开始，利用LQN模型评价资源利用率是否在75％-85％之间，超过则将虚拟机数量翻倍，如果利用率低于75％，则将上一步增加虚拟机数量减半，直到将虚拟机利用率控制在75％-85％之间；采用查重的检查方法，一旦某个数量重复出现，则终止结算。

8.根据权利要求7所述的智能电网海量实时数据负载仿真测试云平台的负载仿真测试方法，其特征在于：所述Kalman滤波迭代计算表达式如下：

X_k＝X_k-1+w_k-1

$X_k=\[{\mathrm{at}}_1^k{\mathrm{at}}_2^k\mathrm{...}{\mathrm{at}}_n^k{\mathrm{ant}}_1^k{\mathrm{ant}}_2^k\mathrm{...}{\mathrm{ant}}_n^k\]---\left(1.a\right)$

第k时刻LQN的计算结果Z_k定义为：

Z_k＝h(X_k)+v_k

Z_k＝[C，N] (1.b)

其中,w_k-1为测量误差，其协方差矩阵为Q_k-1，h是X_k到z_k的转换矩阵,v_k是测量误差，其协方差矩阵为R_k，X_k,表示k时刻各代理的CPU时间和网络占用时间，Z_k为总CPU利用率和网络利用率，H是h的估算值，定义其中采用近似计算形式，即Δ_j是一个扰动，将上述计算理解为衡量各个参数扰动对最后结果的影响程度；

Kalman滤波迭代过程如下：

使用w_k-1＝0更新X的状态：

${\hat{X}}_k^{-}={\hat{X}}_{k-1}---\left(2.a\right)$

更新协方差矩阵

$P_k^{-}=P_{k-1}+Q_k---\left(2.b\right)$

计算Kalman滤波增益：

$K_k=P_k^{-}{H}_k^T{(H_k{P}_k^{-}{H}_k^T+R_k)}^{-1}---\left(2.c\right)$

修正X的状态：

${\hat{X}}_k={\hat{X}}_k^{-}+K_k(z_k-H_k{\hat{X}}_k^{-})---\left(2.d\right)$

修正协方差矩阵P_k：

初始值和P₀对Kalman滤波计算影响很小，可以设置为有意义的任何值，Q_k设置为X的对角矩阵，R_k＝0，迭代计算过程直到所得参数基本稳定，取最近10次迭代变化系数作为衡量稳定的标准，当变化系数小于给定阈值，则认为稳定。