CN112954022A - 一种基于智能变电站的多并发实时通信方法及装置 - Google Patents

一种基于智能变电站的多并发实时通信方法及装置 Download PDF

Info

Publication number
CN112954022A
CN112954022A CN202110122574.6A CN202110122574A CN112954022A CN 112954022 A CN112954022 A CN 112954022A CN 202110122574 A CN202110122574 A CN 202110122574A CN 112954022 A CN112954022 A CN 112954022A
Authority
CN
China
Prior art keywords
load
preset
chromosome
fitness function
service node
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
Application number
CN202110122574.6A
Other languages
English (en)
Inventor
张子瑛
杨强
周刚
徐思尧
董振宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Publication of CN112954022A publication Critical patent/CN112954022A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/16—Electric power substations
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于智能变电站的多并发实时通信方法及装置，所述方法包括：预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；其中，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。本发明通过遗传算法根据预设任务的适应度函数，并用全局并行搜索方式寻找最优节点，实现了高并发状态下的高效任务调度，提高了智能变电站管理系统的通信效率。

Description

一种基于智能变电站的多并发实时通信方法及装置
技术领域
本发明涉及信息技术领域，尤其涉及一种基于智能变电站的多并发实时通信方法及装置。
背景技术
目前我国正在大力发展智能电网，而对于智能变电站的研究与建设是智能电网建设的核心目标之一。然而，随着电网业务量逐步增大、电网综合自动化普及以及运维无人值班管理模式的推广，维持变电站的高效运维将面临资源严重不足的问题。智能变电站综合管理系统必须建设在电网公司的管理单位，物理上远离变电站，却要与变电站保持网络上的连接状态，保证变电站的监控信息能够实时的传输到综合管理系统上。
现有基于IEC61850建立变电站节点模型库，结合IDE节点设备文件，构建通信网络模型，实现变电站内数据通信和变电站监控，由于目前的智能变电站数量正在急速增长，而且单个智能变电站每天都会产生大量的运行数据和监控数据(视频、图片、环境信息等)，造成通信时间延长，从而导致变电站运行效率低和监控质量差。
发明内容
本发明目的在于，提供一种基于智能变电站的多并发实时通信方法及装置，在保证正常数据交互的基础上，采用遗传算法获取适应度函数，提高多并发实时通信效率，提升变电站运行效率。
为实现上述目的，本发明实施例提供一种基于智能变电站的多并发实时通信方法，包括：
预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
其中，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
优选地，所述预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点，包括：
所述采集服务节点采用分布的形式对智能变电站数据进行收集；
所述采集服务节点根据不同的所述负载子任务进行比例参数调整，预设每一个所述采集服务节点i在j时刻的负载权值Wij，判断每个时刻的负载权值是否超过所述预设的负载权值Wij，若超过，则删除该时刻的负载权值。
优选地，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
所述遗传算法，预设染色体的长度与所述采集服务节点要均衡分配的任务数相等，所述染色体定义成一个两元组，所述两元组包括第i个负载子任务匹配成功的采集服务节点与每个负载子任务的优选权值。
优选地，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
所述适应度函数用于评估所述染色体的优劣，在预设的遗传算法中，所述适应度函数的值为均衡完成的时间，所述适应度函数的值与所述染色体的质量成正比。
优选地，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
根据获得的所述适应度函数的值确定现时刻染色体分配的概率值，智能变电站管理系统在[0,1]区间内产生随机数组值，将所述数组与所述被分配染色体的概率值比较，若数组值大于所述染色体概率值，则所述负载子任务与所述采集服务节点相匹配。
本发明实施例提供还提供一种基于智能变电站的多并发实时通信装置，包括：
分配模块，预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
计算模块，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
优选地，所述分配模块，包括：
所述采集服务节点采用分布的形式对智能变电站数据进行收集；
所述采集服务节点根据不同的所述负载子任务进行比例参数调整，预设每一个所述采集服务节点i在j时刻的负载权值Wij，判断每个时刻的负载权值是否超过所述预设的负载权值Wij，若超过，则删除该时刻的负载权值。
优选地，所述分配模块，包括：
所述遗传算法，预设染色体的长度与所述采集服务节点要均衡分配的任务数相等，所述染色体定义成一个两元组，所述两元组包括第i个负载子任务匹配成功的采集服务节点与每个负载子任务的优选权值。
优选地，所述计算模块，包括：
所述适应度函数用于评估所述染色体的优劣，在预设的遗传算法中，所述适应度函数的值为均衡完成的时间，所述适应度函数的值与所述染色体的质量成正比。
优选地，所述计算模块，包括：
根据获得的所述适应度函数的值确定现时刻染色体分配的概率值，智能变电站管理系统在[0,1]区间内产生随机数组值，将所述数组与所述被分配染色体的概率值比较，若数组值大于所述染色体概率值，则所述负载子任务与所述采集服务节点相匹配。
本发明实施例通过模拟自然界的生物进化过程对任务空间进行随机化搜索，根据预定任务的适应度函数，并用全局并行搜索方式找到最优节点,避免了传统调度方法的逐次大量计算带来的低效问题.实验证明，这种新算法实现了并发状态下的高效任务调度，提高了智能变电站管理系统的通信效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的一种基于智能变电站的多并发实时通信方法的流程示意图；
图2是本发明某一实施例提供的一种基于智能变电站的多并发实时通信方法的流程示意图；
图3是本发明另一实施例提供的一种基于智能变电站的多并发实时通信装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，本发明实施例提供一种基于智能变电站的多并发实时通信方法，包括：
S101、预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
在具体的实施例中，根据不同类型的预设任务所产生的不同负载子任务，其中，负载子任务为调度任务，采集服务节点的参数选择不同，采集节点参数的重要程度有所不同，为了满足不同类型的调度任务的运行要求，需要将各个采集服务的比例参数进行调整，首先为每个采集服务节点参数给定一个特定的常量系数πi，表示各个采集服务节点参数的重要程度，同时满足∑πi＝1采集服务节点。可以得到每一个采集服务节点i在j时刻的节点负载权值公式采集服务节点:Wij＝π1·Cij+π2·Mij+…+πN·Pij。
采集服务节点采用分布的形式对智能变电站数据进行收集，采集服务节点根据不同的所述负载子任务进行比例参数调整，预设每一个采集服务节点i在j时刻的负载权值Wij，判断每个时刻的负载权值是否超过所述预设的负载权值Wij，若超过，则删除该时刻的负载权值。具体的，任务调度就是对权值Wij的预测，采集服务节点由研究分析知，相邻近的权值数据很容易影响下一时刻的节点负载值。通过观察在过去的一段时刻中是否大多数的预测值Wij在误差范围之内，来判断某个采集服务节点的负载状态是稳定态还是随机态。通过检测并删除误差较大也就是百分比误差比较大的一些时刻，防止了某些异常时刻的权值负载预测误差对系统模型所处状态的判断的影响。
预设采集服务节点的集合N是包含有m个网络节点的集合，初始化参数k＝200,pa＝5％,ra＝0.05，其中，K的值表示预设的考察的合理范围，pa为预设的百分比，ra为预设的值，根据集合N中的任意一个节点nj(j＝1,2,…,m)，如下：
(1)计算在以前的200个时刻中的节点负载权值预测误差：
Figure BDA0002922238300000041
将
Figure BDA0002922238300000042
从小到大进行排序，删除误差最大的那个时刻，余下的时间组成一个新的时刻集合Sa。
(2)对集合Sa
Figure BDA0002922238300000051
其中，N为集合Sa中时刻的个数。
如果Rj<ra那么采集服务节点nj的负载预测模型为稳定状态。那么采集服务节点nj的负载预测模型为随机状态。
S102、根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
请参照图2，任务调度中心，用于负责整个变电站管理系统与智能变电站通信的任务调度。当进入到并行状态是，任务调度中心分配任务至不同的采集服务器执行；权限服务，用于对不同变电站的数据策略和数据权限进行管理和配置。根据用户、变电站等信息配置相关的权限；数据服务，用于缓解数据存储压力，支撑数据快速查询；采集服务，用于以分布式的形式完成智能变电站数据的收集；分布式发布订阅消息系统，用于数据采集完成后，将数据载入分布式发布订阅消息系统，方便数据后续的存储；其中，任务调度中心负责调度的任务有：变电站主动上报数据获取、档案信息定时抽取、指令不定时下发等。在制定任务分配策略时，需要充分考虑任务的类型和其特性。
具体的，遗传算法采用自然数直接编码的形式对染色体进行编码，设定染色体的长度与节点要均衡的任务数相等，用X＝{k1,k2,…,ki,…,kn}代表染色体。将染色体定义成一个两元组k1{si,pi}(i＝1,2,…,n)式中的si是与第i个负载子任务匹配成功的采集服务节点，根据匹配原则负载子任务的编号具有唯一性，在算法的最后结束时每个负载子任务都能找到一个采集服务节点与它相匹配，并且不同的负载子任务与其匹配的资源是相同的，pi是每个子任务是优先权值，形成一个符合先后次序的优先权列表。
假设存在两个节点，分别为Vi和Vj，其中Vi称为Vj的前驱节点，而对于(Vi,Vj)∈E则将Vi称为Vj的立即前驱节点，记为Vj∈ipred(Vi)，则将Vi称为Vj的立即后继节点，记为Vj∈iSucc(Vi)，负载子任务的优先权列列表由下面公式构成：
Figure BDA0002922238300000052
在智能变电站管理系统中，为了提高算法收敛的速度并改善算法的结果，要求资源的均衡具有较高的实时性，要求系统开始建立的模型中的个体需要兼具随机性和优良性。由负载子任务的复制方法的任务调度算法得知，若将复制的主要路径上的任务分配到多个采集服务节点中去执行，就能够将系统的总运行时间大大缩短，产生初始模型的步骤如下所示：
(1)对存在于每个关键道路中的任务，在[1,2k-1]中产生一个随机数，这个随机数必须满足均匀分布，充当执行任务的时间值。相应的，将不是关键道路上的任务，在[0,k-1]中也产生一个随机数r，同时也服从均匀分布，并把2r当做此项任务的执行时间值。
(2)在[1,512]内随机为每个任务产生一个随机数充当此项任务的优先值，并且此随机数也满足均匀分布，至此就生成了多个个体。
(3)想要产生包含多少个个体的种群，就重复执行多少次这样的过程即可。
适应度函数用于评估染色体的优劣，在预设的遗传算法中，适应度函数的值为均衡完成的时间，适应度函数的值与所述染色体的质量成正比。具体的，设定在算法中，均衡完成的时间也就是所有任务逐次完成所有的总时间决定了适应度函数的值，所有负载子任务完成的用时越短，染色体就越好，此刻均衡序列就越靠前优先执行。
因为每个负载子任务完成的时间是一个已知的定值，所以如果计算得到前驱采集服务节点的总完成时间的值，就能够计算得到现时正在执行的负载子任务的最短的完成时间的值。以此类推，就可以全部计算出自任务集合中所有子任务的最终执行时间。设定采集服务节点集合中最后的子任务Ni能够顺利完成所消耗的具体时间表示为ETC(Ni)，那么集合中所有的子任务最终全部执行成功并完成的时间就可以表示为max(ETC(Ni))。并且将它的适应度函数作如下定义：
Fitness＝1/max(ETC(Ni))；
由上式可以看出，适应函数的值与染色体质量成正比。
根据获得的适应度函数的值确定现时刻染色体分配的概率值，智能变电站管理系统在[0，1]区间内产生随机数组值，将数组与被分配染色体的概率值比较，若数组值大于染色体概率值，则负载子任务与采集服务节点相匹配，具体的，根据获取的染色体，采用算法中的选择算子选出最适合进入下一代的染色体，采用“轮盘输”的选取方法，通过比较计算后而得到的染色体适应函数的值的大小，以此来确定现时的染色体被实验挑选选中的具体概率值。如果现在这个染色体的适应函数的数值越大，则可知现在的这个染色体能够被选中的概率也就更大，染色体ri被选择的概率公式如下：
Figure BDA0002922238300000061
在确定每个染色体个体被选中的概率值后，智能变电站管理系统将会在[0，1]区间内随机的选择产生随机数组，将此数组与此染色体的被选择的概率相比较，如果随机数大于此染色体被选中的概率，这样此染色体就被选中，否则不被选中而淘汰。基于遗传算法的交叉算法的具体的做法如下:
(1)随机选取两个染色体个体，并将所有的没有被选中的采集服务节点标记；
(2)判断如果全部的节点都被选中过，那么转向步骤(4)，否则选取一个并没有被选中过的采集服务节点并标记成已经被选中，选取采集服务节点上的任意两个子任务并且相互作比较，如果所选取的两个采集服务节点上的所有任务都相同，则多次重复循环执行步骤(2)，否则将流程转向步骤(3)；
(3)在(2)中最后被选中的节点j，选取采集服务节点中包含的任意两个染色体，并且将它们此节点的适应函数的值作比较，将适应函数值高的那个节点被分配的任务设为没有分配的状态，将另一个染色体节点上分配的任务均衡到此染色体个体的采集服务节点上；
(4)基于遗传算法的交叉算法完成。
通过对所有采集服务节点的均衡，将系统中的任务分解为多个子任务，并把这些子任务均衡到适合的采集服务节点执行，这样得到的执行时间最短，保证了均衡的效率，使得智能变电站管理系统能够快速完成系统中的所有任务。
相较于传统的Min_min算法，由于传统算法需要逐个将子任务集合中的子任务分别访问各节点找到最佳匹配节点，使得任务调度的效率很低，而基于遗传算法的智能变电站管理系统，通过模拟自然界的生物进化过程对任务空间进行随机化搜索，根据预定任务的适应度函数，并用全局并行搜索方式找到最优节点，避免了传统调度方法的逐次大量计算、多次访问采集服务节点带来的低效问题，最终总耗时远小于传统Min_min算法。
在本实施例中，统一的智能变电站综合管理系统可以实现不同的作业系统的统一管理，打通作业系统之间的通路，实现数据互联互通，并为复杂的电网智能作业应用需求提供端到端的安全保护，有效保护电网安全，共同提升变电站的综合管理水平。本发明采用全双工通信协议，并发情况下，建立多个数据通道，实现管理系统与多个职能变电站的实时通信，在适当的扩展支持下，在传递类似的数据时，可以显著地提高压缩率，从而降低延时，提升传输效率。通过模拟自然界的生物进化过程对任务空间进行随机化搜索，根据预定任务的适应度函数，并用全局并行搜索方式找到最优节点，避免了传统调度方法的逐次大量计算带来的低效问题，实现了并发状态下的高效任务调度，提高了智能变电站管理系统的通信效率。
请参阅图3，本发明实施例提供一种基于智能变电站的多并发实时通信装置，包括：
分配模块11，预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
计算模块12，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
关于一种基于智能变电站的多并发实时通信装置的具体限定可以参见上文中对于的限定，在此不再赘述。上述一种基于智能变电站的多并发实时通信装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于智能变电站的多并发实时通信方法，其特征在于，包括：
预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
其中，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
2.根据权利要求1所述的基于智能变电站的多并发实时通信方法，其特征在于，所述预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点，包括：
所述采集服务节点采用分布的形式对智能变电站数据进行收集；
所述采集服务节点根据不同的所述负载子任务进行比例参数调整，预设每一个所述采集服务节点i在j时刻的负载权值Wij，判断每个时刻的负载权值是否超过所述预设的负载权值Wij，若超过，则删除该时刻的负载权值。
3.根据权利要求1所述的基于智能变电站的多并发实时通信方法，其特征在于，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
所述遗传算法，预设染色体的长度与所述采集服务节点要均衡分配的任务数相等，所述染色体定义成一个两元组，所述两元组包括第i个负载子任务匹配成功的采集服务节点与每个负载子任务的优选权值。
4.根据权利要求3所述的基于智能变电站的多并发实时通信方法，其特征在于，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
所述适应度函数用于评估所述染色体的优劣，在预设的遗传算法中，所述适应度函数的值为均衡完成的时间，所述适应度函数的值与所述染色体的质量成正比。
5.根据权利要求4所述的基于智能变电站的多并发实时通信方法，其特征在于，所述根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点，包括：
根据获得的所述适应度函数的值确定现时刻染色体分配的概率值，智能变电站管理系统在[0,1]区间内产生随机数组值，将所述数组与所述被分配染色体的概率值比较，若数组值大于所述染色体概率值，则所述负载子任务与所述采集服务节点相匹配。
6.一种基于智能变电站的多并发实时通信装置，其特征在于，包括：
分配模块，预设任务包括N个负载子任务，将N个所述负载子任务均衡分配到N个采集服务节点；
计算模块，根据预设的遗传算法获取所述任务的适应度函数，采用全局并行的搜索方式获取每个所述负载子任务的最佳采集服务节点。
7.根据权利要求6所述的基于智能变电站的多并发实时通信装置，其特征在于，所述分配模块，包括：
所述采集服务节点采用分布的形式对智能变电站数据进行收集；
所述采集服务节点根据不同的所述负载子任务进行比例参数调整，预设每一个所述采集服务节点i在j时刻的负载权值Wij，判断每个时刻的负载权值是否超过所述预设的负载权值Wij，若超过，则删除该时刻的负载权值。
8.根据权利要求6所述的基于智能变电站的多并发实时通信装置，其特征在于，所述分配模块，包括：
所述遗传算法，预设染色体的长度与所述采集服务节点要均衡分配的任务数相等，所述染色体定义成一个两元组，所述两元组包括第i个负载子任务匹配成功的采集服务节点与每个负载子任务的优选权值。
9.根据权利要求8所述的基于智能变电站的多并发实时通信装置，其特征在于，所述计算模块，包括：
所述适应度函数用于评估所述染色体的优劣，在预设的遗传算法中，所述适应度函数的值为均衡完成的时间，所述适应度函数的值与所述染色体的质量成正比。
10.根据权利要求9所述的基于智能变电站的多并发实时通信装置，其特征在于，所述计算模块，包括：
根据获得的所述适应度函数的值确定现时刻染色体分配的概率值，智能变电站管理系统在[0,1]区间内产生随机数组值，将所述数组与所述被分配染色体的概率值比较，若数组值大于所述染色体概率值，则所述负载子任务与所述采集服务节点相匹配。
CN202110122574.6A 2020-12-29 2021-01-28 一种基于智能变电站的多并发实时通信方法及装置 Pending CN112954022A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020116105225 2020-12-29
CN202011610522 2020-12-29

Publications (1)

Publication Number Publication Date
CN112954022A true CN112954022A (zh) 2021-06-11

Family

ID=76239134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110122574.6A Pending CN112954022A (zh) 2020-12-29 2021-01-28 一种基于智能变电站的多并发实时通信方法及装置

Country Status (1)

Country Link
CN (1) CN112954022A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116225639A (zh) * 2022-12-13 2023-06-06 深圳市迈科龙电子有限公司 任务分配方法、装置、电子设备及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401939A (zh) * 2013-08-08 2013-11-20 中国航天科工集团第三研究院第八三五七研究所 一种采用混合调度策略的负载均衡方法
CN106844027A (zh) * 2017-01-13 2017-06-13 广西电网有限责任公司电力科学研究院 一种基于节点负载的任务调度方法
CN106936892A (zh) * 2017-01-09 2017-07-07 北京邮电大学 一种自组织云多对多计算迁移方法及系统
WO2017167025A1 (zh) * 2016-03-28 2017-10-05 中兴通讯股份有限公司 一种实现任务调度的方法、装置及计算机存储介质
CN108711007A (zh) * 2018-05-16 2018-10-26 国电南瑞南京控制系统有限公司 一种能源一体化采集系统的多任务实时调度方法
CN109218414A (zh) * 2018-08-27 2019-01-15 杭州中恒云能源互联网技术有限公司 一种面向智能电网混合网络架构的分布式计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401939A (zh) * 2013-08-08 2013-11-20 中国航天科工集团第三研究院第八三五七研究所 一种采用混合调度策略的负载均衡方法
WO2017167025A1 (zh) * 2016-03-28 2017-10-05 中兴通讯股份有限公司 一种实现任务调度的方法、装置及计算机存储介质
CN106936892A (zh) * 2017-01-09 2017-07-07 北京邮电大学 一种自组织云多对多计算迁移方法及系统
CN106844027A (zh) * 2017-01-13 2017-06-13 广西电网有限责任公司电力科学研究院 一种基于节点负载的任务调度方法
CN108711007A (zh) * 2018-05-16 2018-10-26 国电南瑞南京控制系统有限公司 一种能源一体化采集系统的多任务实时调度方法
CN109218414A (zh) * 2018-08-27 2019-01-15 杭州中恒云能源互联网技术有限公司 一种面向智能电网混合网络架构的分布式计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
徐肖等: "一种Hadoop中基于改进遗传算法的作业调度算法", 《计算机技术与发展》 *
苏恒阳: "基于高效负载均衡的网络任务分配技术", 《微电子学与计算机》 *
陈江兴等: "基于大数据的智能电网数据调度与快速分发方法研究", 《电测与仪表》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116225639A (zh) * 2022-12-13 2023-06-06 深圳市迈科龙电子有限公司 任务分配方法、装置、电子设备及可读存储介质
CN116225639B (zh) * 2022-12-13 2023-10-27 深圳市迈科龙电子有限公司 任务分配方法、装置、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN102063336B (zh) 一种分布式计算多应用功能异步并发调度方法
CN107404523A (zh) 云平台自适应资源调度系统和方法
CN104969213A (zh) 用于低延迟数据存取的数据流分割
CN108170530B (zh) 一种基于混合元启发式算法的Hadoop负载均衡任务调度方法
CN103699433B (zh) 一种于Hadoop平台中动态调整任务数目的方法及系统
CN110347515B (zh) 一种适合边缘计算环境的资源优化分配方法
CN102223419A (zh) 面向网络化操作系统的虚拟资源动态反馈均衡分配机制
CN112866132B (zh) 面向海量标识的动态负载均衡器及方法
CN110321217A (zh) 一种多目标的云资源调度方法、装置、设备及存储介质
CN115934333A (zh) 基于历史数据感知的云计算资源调度方法及调度系统
CN116302568A (zh) 一种算力资源调度方法及系统、调度中心、数据中心
CN114327811A (zh) 一种任务调度方法、装置、设备及可读存储介质
CN116662010A (zh) 基于分布式系统环境下的动态资源分配方法及系统
CN104821906A (zh) 一种高效节能虚拟网络节点映射模型及算法
CN117155942A (zh) 一种微服务动态自适应客户端负载均衡方法及系统
CN115981562A (zh) 一种数据处理方法及装置
CN115686792A (zh) 任务调度方法、装置、电子设备、存储介质及产品
CN104618480A (zh) 基于网络链路利用率驱动的云系统资源分配方法
CN112954022A (zh) 一种基于智能变电站的多并发实时通信方法及装置
CN113014649B (zh) 一种基于深度学习的云物联负载均衡方法、装置及设备
CN112162837B (zh) 一种基于软件定义的边缘计算调度方法及系统
CN109889573B (zh) 混合云中基于ngsa多目标的副本放置方法
CN117539619A (zh) 基于云边融合的算力调度方法、系统、设备和存储介质
CN103678000A (zh) 基于可靠性和合作博弈的计算网格均衡任务调度方法
CN111290853B (zh) 一种基于自适应改进遗传算法的云数据中心调度方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210611