CN111178734A - 负载均衡的方法、装置、存储介质和电子设备 - Google Patents
负载均衡的方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111178734A CN111178734A CN201911348606.3A CN201911348606A CN111178734A CN 111178734 A CN111178734 A CN 111178734A CN 201911348606 A CN201911348606 A CN 201911348606A CN 111178734 A CN111178734 A CN 111178734A
- Authority
- CN
- China
- Prior art keywords
- data processing
- processing terminal
- data request
- determining
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 264
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 230000005611 electricity Effects 0.000 claims abstract description 42
- 238000010248 power generation Methods 0.000 claims description 93
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 26
- 229910052799 carbon Inorganic materials 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种负载均衡的方法、装置、存储介质和电子设备，涉及电子信息控制领域，该方法包括：根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个数据处理端的目标能源的产电量，根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量，将每个数据处理端的目标能源的产电量和总数据请求量作为负载均衡算法的输入，计算得到负载均衡算法输出的每个数据处理端的数据请求量，按照每个数据处理端的数据请求量，将当前调度时段内接收到的数据请求分配至多个数据处理端。本公开通过历史天气信息和历史数据请求信息，确定分配至每个数据处理端的数据请求量，能够提高负载均衡的准确度。
Description
技术领域
本公开涉及电子信息控制领域，具体地，涉及一种负载均衡的方法、装置、存储介质和电子设备。
背景技术
随着大数据、云计算等电子信息技术的迅猛发展，相应带来的数据量也呈现爆发式的增长。各行各业的服务提供商为了给用户提供便捷、智能化的数据服务，会建立大量的数据处理端(即数据中心)，以处理众多用户发出的数据请求。由于数据处理端的规模在不断扩大，相应的能耗也越来越高，若全部采用褐色能源(例如：煤、石油、天然气等不可再生的能源)为数据处理端进行供电，会导致过高的碳排放，不利于可持续发展。然而绿色能源(例如：太阳能、风能、潮汐等)通常受限于数据处理端所在位置的天气因素，产电量不足以完全为数据处理端进行供电。因此，通常会选择绿色能源和褐色能源混合使用的方案。
在对多个数据处理端分配数据请求时，可以根据不同数据处理端的绿色能源的产电量来进行负载均衡，以保证多个数据处理端在处理数据请求时，尽可能多的使用绿色能源，降低成本和碳排放。其中，每个数据处理端的绿色能源的产电量通常情况下为根据经验数据选择的固定值，不能准确反映数据处理端的实际情况，因此导致负载均衡的准确度低。
发明内容
本公开的目的是提供一种负载均衡的方法、装置、存储介质和电子设备，用以解决现有技术中存在的负载均衡准确度低的问题。
为了实现上述目的，根据本公开实施例的第一方面，提供一种负载均衡的方法，所述方法包括：
根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量；
根据所述预设历史时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量；
将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量；
按照每个所述数据处理端的所述数据请求量，将所述当前调度时段内接收到的数据请求分配至多个所述数据处理端。
可选地，所述目标能源包括：太阳能、风能、潮汐能中的至少一种；所述根据每个所述数据处理端在之前预设时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量，包括：
根据第一数据处理端的所述历史天气信息，确定所述第一数据处理端的产电功率模型，所述第一数据处理端为任一所述数据处理端；
根据所述第一数据处理端的所述产电功率模型，确定所述当前调度时段内所述第一数据处理端的产电功率；
根据所述产电功率和所述当前调度时段的时长，确定所述第一数据处理端的所述产电量。
可选地，若所述目标能源包括风能，所述根据第一数据处理端的所述历史天气信息，确定所述第一数据处理端的产电功率模型，包括：
根据所述第一数据处理端的所述历史天气信息，确定所述第一数据处理端的风速概率分布；
根据所述第一数据处理端的所述风速概率分布，确定所述当前调度时段内所述第一数据处理端的风速；
根据所述当前调度时段内所述第一数据处理端的风速，确定所述第一数据处理端的所述产电功率模型。
可选地，所述根据所述之前预设时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量，包括：
根据所述历史数据请求信息，确定数据请求量模型；
根据所述数据请求量模型和所述当前调度时段的时长，确定所述总数据请求量。
可选地，所述方法还包括：
根据所述历史数据请求信息和每个所述数据处理端的所述产电功率模型，确定多个调度时段，所述当前调度时段为包括当前时刻的所述调度时段。
可选地，所述根据所述历史数据请求信息和每个所述数据处理端的所述产电功率模型，确定多个调度时段，包括：
若在第一时刻至第二时刻的时间范围内，每个所述数据处理端的所述产电功率模型均为单一变化趋势，且所述历史数据请求信息为单一变化趋势，确定所述第一时刻至所述第二时刻为一个所述调度时段，所述单一变化趋势包括：上升趋势、下降趋势和稳定趋势中的任一种。
可选地，在所述将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量之前，所述方法还包括：
根据预设的总碳排放约束和预设的总预算约束，和所述总数据请求量，确定所述当前调度时段内的碳排放约束和预算约束；
所述将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量，包括：
将每个所述数据处理端的目标能源的所述产电量、所述总数据请求量、所述碳排放约束和所述预算约束作为所述负载均衡算法的输入，计算到所述负载均衡算法输出的每个所述数据处理端的所述数据请求量。
根据本公开实施例的第二方面，提供一种负载均衡的装置，所述装置包括：
第一确定模块，用于根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量；
第二确定模块，用于根据所述预设历史时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量；
计算模块，用于将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量；
控制模块，用于按照每个所述数据处理端的所述数据请求量，将所述当前调度时段内接收到的数据请求分配至多个所述数据处理端。
可选地，所述目标能源包括：太阳能、风能、潮汐能中的至少一种；所述第一确定模块包括：
模型确定子模块，用于根据第一数据处理端的所述历史天气信息，确定所述第一数据处理端的产电功率模型，所述第一数据处理端为任一所述数据处理端；
功率确定子模块，用于根据所述第一数据处理端的所述产电功率模型，确定所述当前调度时段内所述第一数据处理端的产电功率；
电量确定子模块，用于根据所述产电功率和所述当前调度时段的时长，确定所述第一数据处理端的所述产电量。
可选地，若所述目标能源包括风能，所述模型确定子模块用于：
根据所述第一数据处理端的所述历史天气信息，确定所述第一数据处理端的风速概率分布；
根据所述第一数据处理端的所述风速概率分布，确定所述当前调度时段内所述第一数据处理端的风速；
根据所述当前调度时段内所述第一数据处理端的风速，确定所述第一数据处理端的所述产电功率模型。
可选地，所述第二确定模块包括：
模型确定子模块，用于根据所述历史数据请求信息，确定数据请求量模型；
请求量确定子模块，用于根据所述数据请求量模型和所述当前调度时段的时长，确定所述总数据请求量。
可选地，所述装置还包括：
第三确定模块，用于根据所述历史数据请求信息和每个所述数据处理端的所述产电功率模型，确定多个调度时段，所述当前调度时段为包括当前时刻的所述调度时段。
可选地，所述第三确定模块用于：
若在第一时刻至第二时刻的时间范围内，每个所述数据处理端的所述产电功率模型均为单一变化趋势，且所述历史数据请求信息为单一变化趋势，确定所述第一时刻至所述第二时刻为一个所述调度时段，所述单一变化趋势包括：上升趋势、下降趋势和稳定趋势中的任一种。
可选地，所述装置还包括：
第四确定模块，用于在所述将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量之前，根据预设的总碳排放约束和预设的总预算约束，和所述总数据请求量，确定所述当前调度时段内的碳排放约束和预算约束；
所述计算模块用于：
将每个所述数据处理端的目标能源的所述产电量、所述总数据请求量、所述碳排放约束和所述预算约束作为所述负载均衡算法的输入，计算到所述负载均衡算法输出的每个所述数据处理端的所述数据请求量。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面提供的负载均衡的方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面提供的负载均衡的方法的步骤。
通过上述技术方案，本公开首先根据每个数据处理端在预设历史时间内的历史天气信息，确定每个数据处理端在当前调度时段内的目标能源的产电量，再根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量，之后将每个数据处理端的产电量和总数据请求量输入负载均衡算法，以得到负载均衡算法输出的每个数据处理端的数据请求量，最后将当前调度时段内接收到的数据请求，按照每个数据处理端的数据请求量分配至多个数据处理端。本公开通过历史天气信息确定每个数据处理端在当前调度时段的产电量，通过历史数据请求信息确定当前调度时段的总数据请求量，综合考虑了时间变化对产电量和总数据请求量的影响，相比于根据经验数据选择的固定值，更能准确反映当前调度时段内的实际情况，从而根据每个数据处理端的产电量和总数据请求量确定分配至每个数据处理端的数据请求量，提高了负载均衡的准确度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种负载均衡的方法的流程图；
图2是根据一示例性实施例示出的另一种负载均衡的方法的流程图；
图3是根据一示例性实施例示出的第一数据处理端的产电功率的示意图；
图4是根据一示例性实施例示出的第一数据处理端的风速概率分布图；
图5是根据一示例性实施例示出的另一种负载均衡的方法的流程图；
图6是根据一示例性实施例示出的数据请求量的示意图；
图7是根据一示例性实施例示出的另一种负载均衡的方法的流程图；
图8是根据一示例性实施例示出的产电功率模型和历史数据请求信息的示意图；
图9是根据一示例性实施例示出的另一种负载均衡的方法的流程图；
图10是根据一示例性实施例示出的一种负载均衡的装置的框图；
图11是根据一示例性实施例示出的另一种负载均衡的装置的框图；
图12是根据一示例性实施例示出的另一种负载均衡的装置的框图；
图13是根据一示例性实施例示出的另一种负载均衡的装置的框图；
图14是根据一示例性实施例示出的另一种负载均衡的装置的框图；
图15是根据一示例性实施例使出的电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的负载均衡的方法、装置、存储介质和电子设备之前，首先对本公开中各个实施例所涉及的应用场景进行介绍，该应用场景可以为服务提供平台，服务提供平台中包括了至少一个控制端和多个数据处理端。数据处理端和控制端均可以为服务器，例如可以是本地服务器、云服务器或者服务器集群等。其中，控制端和数据处理端之间通过网络连接，能够进行数据传输，并且控制端和数据处理端可以位于不同的地理位置，每个数据处理端也可以位于不同的地理位置。本公开所提供的实施例中，执行主体可以为服务提供平台中的控制端。
图1是根据一示例性实施例示出的一种负载均衡的方法的流程图，如图1所示，该方法包括：
步骤101，根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个数据处理端的目标能源的产电量。
举例来说，为每个数据处理端供电的能源可以包括目标能源和固定能源两种，其中，目标能源可以理解为数据处理端供电的绿色能源，例如可以包括太阳能、风能、潮汐能等可再生的能源，固定能源可以理解为褐色能源，例如可以包括煤、石油、天然气等不可再生的能源。目标能源受每个数据处理端所在位置的天气影响，相应的产电量会随着天气的变化而变化，当目标能源的产电量不足以为数据处理端供电时，可以利用固定能源为数据处理端补足剩余的电量。因此，在将控制端接收到的数据请求分配至多个数据处理端之前，可以综合考虑每个数据处理端的目标能源的产电量，来确定分配到每个数据处理端的数据请求量，以使每个数据处理端尽可能多的使用目标能源来供电，减少固定能源的使用，从而降低成本和碳排放。
由于每个数据处理端所在的位置可能不同，因此每个数据处理端对应的天气信息也可能不同。可以预先统计每个数据处理端在预设历史时间内的历史天气信息，以得到每个数据处理端所在位置的天气规律，进一步确定每个数据处理端的目标能源的产电功率的规律，从而根据当前调度时段的时长，预测在当前调度时段内，每个数据处理端的目标能源的产电量，即该数据处理端所在位置处的目标能源实际的产电量。
其中，预设历史时间可以为当前时刻之前指定的一个时间范围，例如可以是从数据处理端开始投入使用时到当前时刻之间的整个运行时间，也可以是具体的当前时刻之前的一周、一个月或一个季度等时间窗口，可以根据具体需求来设置。历史天气信息可以包括：在预设历史时间内，按照指定采集周期(例如：1小时)采集的多个日照时长、风速、潮汐时间等。当前调度时段可以理解为包括当前时刻的调度时段，在对多个数据处理端进行负载均衡的过程中，可以分为多个调度时段，每个调度时段包括起始时刻和终止时刻，每个调度时段的时长可以相同，也可以不相同。例如，可以将调度时段可以按照一天来划分：0：00至6：00、6：00至9：00、9：00至12：00、12：00至14：00、14：00至18：00、18：00至20：00、20：00至0：00，共7个调度时段。由于结合了历史天气信息来确定每个数据处理端的目标能源的产电量，考虑了时间变化对目标能源的产电量的影响，相比于预先设定的固定值，更加符合数据处理端在当前调度时段内的实际情况。
步骤102，根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量。
示例的，由于控制端接收到的数据请求的数量也会不断变化，因此可以预先统计预设历史时间内的历史数据请求信息，以得到控制端接收到的数据请求的数量的变化规律，从而预测当前调度时段内控制端需要接收的总数据请求量。总数据请求量可以理解为在当前调度时段内，控制端接收数据请求的数量(单位可以为百万个)，即控制端在当前调度时段内的负载，也可以理解为控制端接收数据请求的速率(单位可以是百万个/小时)。其中，历史数据请求信息可以是在预设历史时间内，按照指定采集周期采集的控制端接收到数据请求的速率(例如：7百万个/小时)，也可以是按照指定采集周期采集的控制端在该采集周期内接收到的数据请求的数量(例如：采集周期为2小时，数据请求的数量为14百万个)。由于结合了历史数据请求信息，根据当前调度时段所在的时间范围确定总数据请求量，考虑了时间变化对总数据请求量的影响，能够提高预测总数据请求量的准确度，使得总数据请求量更加符合控制端在当前调度时段内的实际情况。
步骤103，将每个数据处理端的目标能源的产电量和总数据请求量作为负载均衡算法的输入，计算得到负载均衡算法输出的每个数据处理端的数据请求量。
步骤104，按照每个数据处理端的数据请求量，将当前调度时段内接收到的数据请求分配至多个数据处理端。
示例的，要将控制端接收到的数据请求分配到多个数据处理端，需要预先确定给每个数据处理端分配多少数据请求，即每个数据处理端的数据请求量。可以将每个数据处理端的目标能源的产电量和总数据请求量作为预设的负载均衡算法的输入，以获得负载均衡算法输出的每个数据处理端的数据请求量。即将每个数据处理端的目标能源的产电量和总数据请求量，作为负载均衡算法的影响因子(可以理解为权重)，经过计算得到每个数据处理端的数据请求量。其中，负载均衡算法可以理解为，在每个数据处理端的数据请求量的总和等于总数据请求量的前提下，以每个数据处理端的目标能源的产电量作为约束条件，求得最优的每个数据处理端的数据请求量的分配方案，使得每个数据处理端尽可能多的使用目标能源来供电。由于每个数据处理端的目标能源的产电量和总数据请求量都更加符合当前调度时段的实际情况，因此负载均衡算法的输出的每个数据处理端的数据请求量的准确度也得到了提高。
在确定每个数据处理端的数据请求量之后，对控制端接收到的数据请求进行分配时，可以按照每个数据处理端的数据请求量对数据请求进行分配。以步骤102中确定的控制端在当前调度时段内接收到的总数据请求量为5百万个/小时，包括A、B、C、D共4个数据处理端为例，步骤103中确定A的数据请求量为2.5百万个/小时，B的数据请求量为1百万个/小时，C的数据请求量为1百万个/小时，D的数据请求量为0.5百万个/小时。那么，在执行步骤104时，可以按照5：2：2：1的比例对当前调度时段内接收到的数据请求进行分配。例如，控制端接收到的数据请求的速率为14百万个/小时，那么分配A处理数据请求的速率为7百万个/小时，分配B处理数据请求的速率为2.8百万个/小时，分配C处理数据请求的速率为2.8百万个/小时，分配D处理数据请求的速率为1.4百万个/小时。
综上所述，本公开首先根据每个数据处理端在预设历史时间内的历史天气信息，确定每个数据处理端在当前调度时段内的目标能源的产电量，再根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量，之后将每个数据处理端的产电量和总数据请求量输入负载均衡算法，以得到负载均衡算法输出的每个数据处理端的数据请求量，最后将当前调度时段内接收到的数据请求，按照每个数据处理端的数据请求量分配至多个数据处理端。本公开通过历史天气信息确定每个数据处理端在当前调度时段的产电量，通过历史数据请求信息确定当前调度时段的总数据请求量，综合考虑了时间变化对产电量和总数据请求量的影响，相比于根据经验数据选择的固定值，更能准确反映当前调度时段内的实际情况，从而根据每个数据处理端的产电量和总数据请求量确定分配至每个数据处理端的数据请求量，提高了负载均衡的准确度。
图2是根据一示例性实施例示出的另一种负载均衡的方法的流程图，如图2所示，目标能源包括：太阳能、风能、潮汐能中的至少一种。步骤101的实现方式可以包括：
步骤1011，根据第一数据处理端的历史天气信息，确定第一数据处理端的产电功率模型，第一数据处理端为任一数据处理端。
举例来说，可以预先统计第一数据处理端所在位置的历史天气信息，以得到该位置的天气随时间变化的规律。例如，可以是通过对预设历史时间内的采集周期采集的多个历史天气信息进行拟合得到时变的天气函数，也可以将存储了多个历史天气信息的表格作为天气表格。再进一步确定第一数据处理端的产电功率随时间变化的产电功率模型。产电功率模型可以是根据多个历史天气信息确定的多个产电功率进行拟合得到的时变的产电功率函数，也可以是存储了多个产电功率的产电功率表格。
步骤1012，根据第一数据处理端的产电功率模型，确定当前调度时段内第一数据处理端的产电功率。
步骤1013，根据产电功率和当前调度时段的时长，确定第一数据处理端的产电量。
示例的，可以将当前调度时段输入到产电功率函数，以得到当前调度时段对应的产电功率，或者，也可以查找产电功率表格中与当前调度时段对应的产电功率。再根据当前调度时段的时长，对产电功率在时间上做积分，以得到第一数据处理端的产电量。
以目标能源为太阳能来举例，根据第一数据处理端所在位置的多个历史天气信息确定的多个产电功率如图3中的(a)所示，第一数据处理端的产电功率函数如图3中的(b)所示，当前时刻为12：30，所处的当前调度时段为12：00至14：00，根据图3中的(b)可知，第一数据处理端在12：00至14：00内的产电功率在25千瓦特到27千瓦特之间，对产电功率在时间上做积分，得到在12：00至14：00内第一数据处理端的产电量为1.9*105千焦。
在目标能源包括风能的场景中，步骤1011的具体实现方式可以包括以下步骤：
步骤A)根据第一数据处理端的历史天气信息，确定第一数据处理端的风速概率分布。
步骤B)根据第一数据处理端的风速概率分布，确定当前调度时段内第一数据处理端的风速。
步骤C)根据当前调度时段内第一数据处理端的风速，确定第一数据处理端的产电功率模型。
具体的，在目标能源为风能的场景中，可以根据第一数据处理端所在位置的风速，得到第一数据处理端的产电功率模型。由于风速变换较快，而且波动较大，可以通过统计风速概率分布来确定风速。通常情况下，风速满足韦布尔分布，第一数据处理端的风速概率分布如图4所示，可以根据风速概率分布将风速划分为几个大类：低风速、中风速、高风速，相应的，不同的风速对应不同的产电功率模型：低风速产电功率模型、中风速产电功率模型、高风速产电功率模型。例如，根据图4所示的风速概率分布，确定0-1.2m/s为低风速区间，低风速取值为0.6m/s，确定1.2-3m/s为中风速区间，中风速取值为2.1m/s，确定3-7m/s为高风速区间，高风速取值为5m/s。由于风速大于7m/s出现概率较低，并且风速较大时为了防止风涡轮机损坏，风涡轮机不工作，因此不考虑大于7m/s的场景。
以一天内存在k个调度时段：t1、t2、t3…tk，每个调度时段的时长分别为q1、q2、q3…qk来举例。考虑到风速的连续性，可以将低风速、中风速、高风速在一天内存在时长划分为a、b、c(可以理解为低风速、中风速、高风速出现的概率)。那么，确定当前调度时段内第一数据处理端的风速的方式可以包括如下步骤：
首先，将第i-1个调度时段ti-1内的风速作为第i个调度时段ti内的风速。以ti内的风速为低风速为例。之后，若第i个调度时段的时长qi≥a，表示低风速在短时间内不会再出现，将中风速和高风速中存在时长较大的风速作为第i+1个调度时段ti+1内的风速。若qi<a，则比较a-qi、b、c三者的值，将最大值对应的风速作为ti+1内的风速，如果存在两个相同的最大值，那么将接近ti内的风速作为ti+1内的风速。以a为4.8小时，b为12小时，c为7.2小时为例，若上一调度时段的风速为低风速，那么将当前调度时段的风速确定为低风速，当前调度时段的时长为5个小时，那么4.8-5是负值，表示在当前调度时段内低风速已经过去，那么可以将下一调度时段内的风速确认为中风速，以此类推。
图5是根据一示例性实施例示出的另一种负载均衡的方法的流程图，如图5所示，步骤102包括：
步骤1021，根据历史数据请求信息，确定数据请求量模型。
步骤1022，根据数据请求量模型和当前调度时段的时长，确定总数据请求量。
示例的，可以预先统计控制端在预设历史时间内的历史数据请求信息，以得到控制端接收到的数据请求的数量随时间变化的规律，即数据请求量模型，从而预测当前调度时段内控制端需要接收的总数据请求量。例如，数据请求量模型可以是，通过对预设历史时间内的采集周期采集的多个数据请求的数量进行拟合，得到的时变的数据请求量函数，也可以是存储了多个数据请求的数量的数据请求量表格。可以根据数据请求量模型确定当前调度时段的数据请求量，再根据当前调度时段的时长，对数据请求量在时间上做积分，得到总数据请求量。
预设历史时间内的采集周期采集的多个数据请求的数量如图6中的(a)所示，数据请求量函数如图6中的(b)所示，以当前时刻为20：30，所处的当前调度时段为20：00至0：00为例，在20：00至0：00上对数据请求量函数做积分，得到总数据请求量为38.5百万个。
图7是根据一示例性实施例示出的另一种负载均衡的方法的流程图，如图7所示，该方法还可以包括：
步骤105，根据历史数据请求信息和每个数据处理端的产电功率模型，确定多个调度时段，当前调度时段为包括当前时刻的调度时段。
通常情况下，调度时段是根据经验确定的，对调度时段的分配是固定的，没有考虑到数据处理端的目标能源的产电量会随着时间变化，也没有考虑到控制端接收到的总数据请求量会随着时间变化。因此，固定的调度时段准确度低，不适用于实际情况，降低了负载均衡的准确度。本公开结合每个数据处理端的产电功率模型在时间维度上的变化趋势，和历史数据请求信息在时间维度上的变化趋势，来确定多个调度时段，能够使每个调度时段适用于实际情况，从而提高负载均衡的准确度。其中，多个调度时段中包括当前调度时段，即包括了当前时刻的调度时段。
在具体的应用场景中，步骤105的实现方式可以为：
若在第一时刻至第二时刻的时间范围内，每个数据处理端的产电功率模型均为单一变化趋势，且历史数据请求信息为单一变化趋势，确定第一时刻至第二时刻为一个调度时段，单一变化趋势包括：上升趋势、下降趋势和稳定趋势中的任一种。
具体的，可以将每个数据处理端的产电功率模型和历史数据请求信息放置在同一个坐标系中，那么该坐标系中会包括多个产电功率模型和历史数据请求信息，将多个产电功率模型均为单一变化趋势，且历史数据请求信息也为单一变化趋势的时间范围，作为一个调度时段。如图8所示，以一天24小时来举例，其中包括四个数据处理端：A、B、C、D，坐标系中包括A、B、C、D的产电功率模型，和历史数据请求信息。可以将1：00至2：00作为一个调度时段，其中，在1：00至2：00范围内，A的变化趋势为稳定趋势，B的变化趋势为稳定趋势，C的变化趋势为上升，D的变化趋势为上升趋势，且历史数据请求信息的变化趋势为下降。可以将2：00至3：00作为一个调度时段，其中，在2：00至3：00范围内，A的变化趋势为稳定趋势，B的变化趋势为稳定趋势，C的变化趋势为上升，D的变化趋势为下降趋势，且历史数据请求信息的变化趋势为下降。以此类推，可以得到多个调度时段。
图9是根据一示例性实施例示出的另一种负载均衡的方法的流程图，如图9所示，在步骤103之前，该方法还可以包括：
步骤106，根据预设的总碳排放约束和预设的总预算约束，和总数据请求量，确定当前调度时段内的碳排放约束和预算约束。
相应的，步骤103的实现方式可以为：
将每个数据处理端的目标能源的产电量、总数据请求量、碳排放约束和预算约束作为负载均衡算法的输入，计算到负载均衡算法输出的每个数据处理端的数据请求量。
举例来说，在将控制端接收到的数据请求分配到多个数据处理端时，除了以每个数据处理端的目标能源的产电量作为约束条件之外，还可以设置总碳排放约束和总预算约束。其中，总碳排放约束可以理解为对全部数据处理端产生的碳排放的限制，总预算约束可以理解为对全部数据处理端使用固定能源所产生的电费的限制。可以根据当前调度时段内的总数据请求量，确定对应的碳排放约束和预算约束。例如，总碳排放约束为一天内500kg，总预算约束为一天内2万元，当前调度时段内的总数据请求量为7百万个，而一天内的数据请求量为50百万个，那么当前调度时段的总数据请求量占一天内的14％，那么当前调度时段对应的碳排放约束可以为500kg*14％＝70kg，预算约束可以为2*14％＝0.28万。
之后，再将每个数据处理端的目标能源的产电量、总数据请求量、碳排放约束和预算约束作为负载均衡算法的输入，以获得负载均衡算法输出的每个数据处理端的数据请求量。可以理解为，在每个数据处理端的数据请求量的总和等于总数据请求量的前提下，以每个数据处理端的目标能源的产电量和当前调度时段的碳排放约束、预算约束作为约束条件，求得最优的每个数据处理端的数据请求量的分配方案，使得每个数据处理端尽可能多的使用目标能源来供电，以使负载均衡算法更符合实际需求，从而提高负载均衡的灵活度。
综上所述，本公开首先根据每个数据处理端在预设历史时间内的历史天气信息，确定每个数据处理端在当前调度时段内的目标能源的产电量，再根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量，之后将每个数据处理端的产电量和总数据请求量输入负载均衡算法，以得到负载均衡算法输出的每个数据处理端的数据请求量，最后将当前调度时段内接收到的数据请求，按照每个数据处理端的数据请求量分配至多个数据处理端。本公开通过历史天气信息确定每个数据处理端在当前调度时段的产电量，通过历史数据请求信息确定当前调度时段的总数据请求量，综合考虑了时间变化对产电量和总数据请求量的影响，相比于根据经验数据选择的固定值，更能准确反映当前调度时段内的实际情况，从而根据每个数据处理端的产电量和总数据请求量确定分配至每个数据处理端的数据请求量，提高了负载均衡的准确度。
图10是根据一示例性实施例示出的一种负载均衡的装置的框图，如图10所示，该装置200包括：
第一确定模块201，用于根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个数据处理端的目标能源的产电量。
第二确定模块202，用于根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量。
计算模块203，用于将每个数据处理端的目标能源的产电量和总数据请求量作为负载均衡算法的输入，计算得到负载均衡算法输出的每个数据处理端的数据请求量。
控制模块204，用于按照每个数据处理端的数据请求量，将当前调度时段内接收到的数据请求分配至多个数据处理端。
图11是根据一示例性实施例示出的另一种负载均衡的装置的框图，如图11所示，目标能源包括：太阳能、风能、潮汐能中的至少一种。第一确定模块201包括：
模型确定子模块2011，用于根据第一数据处理端的历史天气信息，确定第一数据处理端的产电功率模型，第一数据处理端为任一数据处理端。
功率确定子模块2012，用于根据第一数据处理端的产电功率模型，确定当前调度时段内第一数据处理端的产电功率。
电量确定子模块2013，用于根据产电功率和当前调度时段的时长，确定第一数据处理端的产电量。
具体的，若目标能源包括风能，模型确定子模块2011用于执行以下步骤：
步骤A)根据第一数据处理端的历史天气信息，确定第一数据处理端的风速概率分布。
步骤B)根据第一数据处理端的风速概率分布，确定当前调度时段内第一数据处理端的风速。
步骤C)根据当前调度时段内第一数据处理端的风速，确定第一数据处理端的产电功率模型。
图12是根据一示例性实施例示出的另一种负载均衡的装置的框图，如图12所示，第二确定模块202包括：
模型确定子模块2021，用于根据历史数据请求信息，确定数据请求量模型。
请求量确定子模块2022，用于根据数据请求量模型和当前调度时段的时长，确定总数据请求量。
图13是根据一示例性实施例示出的另一种负载均衡的装置的框图，如图13所示，该装置200还包括：
第三确定模块205，用于根据历史数据请求信息和每个数据处理端的产电功率模型，确定多个调度时段，当前调度时段为包括当前时刻的调度时段。
可选地，第三确定模块205用于：
若在第一时刻至第二时刻的时间范围内，每个数据处理端的产电功率模型均为单一变化趋势，且历史数据请求信息为单一变化趋势，确定第一时刻至第二时刻为一个调度时段，单一变化趋势包括：上升趋势、下降趋势和稳定趋势中的任一种。
图14是根据一示例性实施例示出的另一种负载均衡的装置的框图，如图14所示，该装置200还包括：
第四确定模块206，用于在将每个数据处理端的目标能源的产电量和总数据请求量作为负载均衡算法的输入，计算得到负载均衡算法输出的每个数据处理端的数据请求量之前，根据预设的总碳排放约束和预设的总预算约束，和总数据请求量，确定当前调度时段内的碳排放约束和预算约束。
相应的，计算模块203用于：
将每个数据处理端的目标能源的产电量、总数据请求量、碳排放约束和预算约束作为负载均衡算法的输入，计算到负载均衡算法输出的每个数据处理端的数据请求量。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先根据每个数据处理端在预设历史时间内的历史天气信息，确定每个数据处理端在当前调度时段内的目标能源的产电量，再根据预设历史时间内的历史数据请求信息，确定当前调度时段内的总数据请求量，之后将每个数据处理端的产电量和总数据请求量输入负载均衡算法，以得到负载均衡算法输出的每个数据处理端的数据请求量，最后将当前调度时段内接收到的数据请求，按照每个数据处理端的数据请求量分配至多个数据处理端。本公开通过历史天气信息确定每个数据处理端在当前调度时段的产电量，通过历史数据请求信息确定当前调度时段的总数据请求量，综合考虑了时间变化对产电量和总数据请求量的影响，相比于根据经验数据选择的固定值，更能准确反映当前调度时段内的实际情况，从而根据每个数据处理端的产电量和总数据请求量确定分配至每个数据处理端的数据请求量，提高了负载均衡的准确度。
图15是根据一示例性实施例示出的一种电子设备300的框图。例如，电子设备300可以被提供为一服务器。参照图15，电子设备300包括处理器322，其数量可以为一个或多个，以及存储器332，用于存储可由处理器322执行的计算机程序。存储器332中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器322可以被配置为执行该计算机程序，以执行上述负载均衡的方法。
另外，电子设备300还可以包括电源组件326和通信组件350，该电源组件326可以被配置为执行电子设备300的电源管理，该通信组件350可以被配置为实现电子设备300的通信，例如，有线或无线通信。此外，该电子设备300还可以包括输入/输出(I/O)接口358。电子设备300可以操作基于存储在存储器332的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的负载均衡的方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器332，上述程序指令可由电子设备300的处理器322执行以完成上述的负载均衡的方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述负载均衡的方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种负载均衡的方法，其特征在于，所述方法包括：
根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量；
根据所述预设历史时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量；
将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量；
按照每个所述数据处理端的所述数据请求量，将所述当前调度时段内接收到的数据请求分配至多个所述数据处理端。
2.根据权利要求1所述的方法，其特征在于，所述目标能源包括：太阳能、风能、潮汐能中的至少一种；所述根据每个所述数据处理端在之前预设时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量，包括：
根据第一数据处理端的所述历史天气信息，确定所述第一数据处理端的产电功率模型，所述第一数据处理端为任一所述数据处理端；
根据所述第一数据处理端的所述产电功率模型，确定所述当前调度时段内所述第一数据处理端的产电功率；
根据所述产电功率和所述当前调度时段的时长，确定所述第一数据处理端的所述产电量。
3.根据权利要求2所述的方法，其特征在于，若所述目标能源包括风能，所述根据第一数据处理端的所述历史天气信息，确定所述第一数据处理端的产电功率模型，包括：
根据所述第一数据处理端的所述历史天气信息，确定所述第一数据处理端的风速概率分布；
根据所述第一数据处理端的所述风速概率分布，确定所述当前调度时段内所述第一数据处理端的风速；
根据所述当前调度时段内所述第一数据处理端的风速，确定所述第一数据处理端的所述产电功率模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述之前预设时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量，包括：
根据所述历史数据请求信息，确定数据请求量模型；
根据所述数据请求量模型和所述当前调度时段的时长，确定所述总数据请求量。
5.根据权利要求2-4中任一项所述的方法，其特征在于，所述方法还包括：
根据所述历史数据请求信息和每个所述数据处理端的所述产电功率模型，确定多个调度时段，所述当前调度时段为包括当前时刻的所述调度时段。
6.根据权利要求5所述的方法，其特征在于，所述根据所述历史数据请求信息和每个所述数据处理端的所述产电功率模型，确定多个调度时段，包括：
若在第一时刻至第二时刻的时间范围内，每个所述数据处理端的所述产电功率模型均为单一变化趋势，且所述历史数据请求信息为单一变化趋势，确定所述第一时刻至所述第二时刻为一个所述调度时段，所述单一变化趋势包括：上升趋势、下降趋势和稳定趋势中的任一种。
7.根据权利要求5所述的方法，其特征在于，在所述将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量之前，所述方法还包括：
根据预设的总碳排放约束和预设的总预算约束，和所述总数据请求量，确定所述当前调度时段内的碳排放约束和预算约束；
所述将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量，包括：
将每个所述数据处理端的目标能源的所述产电量、所述总数据请求量、所述碳排放约束和所述预算约束作为所述负载均衡算法的输入，计算到所述负载均衡算法输出的每个所述数据处理端的所述数据请求量。
8.一种负载均衡的装置，其特征在于，所述装置包括：
第一确定模块，用于根据每个数据处理端在预设历史时间内的历史天气信息，确定当前调度时段内每个所述数据处理端的目标能源的产电量；
第二确定模块，用于根据所述预设历史时间内的历史数据请求信息，确定所述当前调度时段内的总数据请求量；
计算模块，用于将每个所述数据处理端的目标能源的所述产电量和所述总数据请求量作为负载均衡算法的输入，计算得到所述负载均衡算法输出的每个所述数据处理端的数据请求量；
控制模块，用于按照每个所述数据处理端的所述数据请求量，将所述当前调度时段内接收到的数据请求分配至多个所述数据处理端。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911348606.3A CN111178734A (zh) | 2019-12-24 | 2019-12-24 | 负载均衡的方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911348606.3A CN111178734A (zh) | 2019-12-24 | 2019-12-24 | 负载均衡的方法、装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111178734A true CN111178734A (zh) | 2020-05-19 |
Family
ID=70646289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911348606.3A Pending CN111178734A (zh) | 2019-12-24 | 2019-12-24 | 负载均衡的方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178734A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016116401A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社ピューズ | 電力負荷平準化装置 |
| CN109284336A (zh) * | 2018-09-18 | 2019-01-29 | 南京航空航天大学 | 一种地理分布式数据中心系统及其调度方法 |
| US20190165580A1 (en) * | 2017-11-27 | 2019-05-30 | Ihi Inc. | System and method for optimal control of energy storage system |
| CN110086208A (zh) * | 2019-04-18 | 2019-08-02 | 新奥数能科技有限公司 | 综合能源系统的设备调控方法及装置 |
-
2019
- 2019-12-24 CN CN201911348606.3A patent/CN111178734A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016116401A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社ピューズ | 電力負荷平準化装置 |
| US20190165580A1 (en) * | 2017-11-27 | 2019-05-30 | Ihi Inc. | System and method for optimal control of energy storage system |
| CN109284336A (zh) * | 2018-09-18 | 2019-01-29 | 南京航空航天大学 | 一种地理分布式数据中心系统及其调度方法 |
| CN110086208A (zh) * | 2019-04-18 | 2019-08-02 | 新奥数能科技有限公司 | 综合能源系统的设备调控方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 吴爽 等: "分布式电源调控系统设计" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109532549A (zh) | 充电功率调整方法、装置、计算机设备和存储介质 | |
| CN107944757A (zh) | 电力互联系统可再生能源消纳能力评估分析方法 | |
| CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
| CN112381375B (zh) | 一种基于潮流分配矩阵的电网经济运行域快速生成方法 | |
| Xie et al. | Optimal power flow calculation of power system with wind farms | |
| CN103618339B (zh) | 自动发电控制中总调节功率分配方法 | |
| US9946286B2 (en) | Information processing apparatus, power-consuming body, information processing method, and program | |
| CN112886566A (zh) | 一种电网调峰需求计算方法和系统 | |
| CN111178734A (zh) | 负载均衡的方法、装置、存储介质和电子设备 | |
| CN112398174B (zh) | 发电系统的最大输出功率确定方法、装置、控制器及系统 | |
| CN106094523B (zh) | 基于效率和均流指标面积和最大的并联供电系统优化方法 | |
| CN115117943A (zh) | 充放电调度方法、装置、设备及介质 | |
| CN110061493B (zh) | 一种储能系统储能容量的确定方法及系统 | |
| CN109256791B (zh) | 一种储能单元的功率控制方法及功率控制设备 | |
| CN113595122A (zh) | 一种分布式储能系统的聚合响应能力确定方法 | |
| CN112803396B (zh) | 一种调频机组的容量测量方法、装置以及电子设备 | |
| CN113704984B (zh) | 电力系统年度检修计划制定方法、装置和计算机设备 | |
| CN116979570B (zh) | 微电网混合型储能方法、系统及装置 | |
| CN116402324B (zh) | 可再生能源的管理方法、装置、介质、电子设备 | |
| CN110474355B (zh) | 一种用于优化可移动储能式充电装置容量配置的方法及系统 | |
| CN114256861A (zh) | 一种考虑调峰和新能源消纳的储能容量计算方法及系统 | |
| CN116207772A (zh) | 能源调度方法、装置、电子设备及存储介质 | |
| Yoon et al. | An economic ESS design method based on wind system capacity factor for island power grid | |
| CN106026205B (zh) | 基于效率和均流性能面积和最大的并联供电系统优化控制方法 | |
| CN114530871A (zh) | 一种储能优化配置方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |