【摘要】：隨著智能電網(wǎng)的快速發(fā)展,電力系統(tǒng)的狀態(tài)監(jiān)測技術(shù)向高采樣率、大規(guī)模和大容量存儲的方向發(fā)展。傳統(tǒng)的電力監(jiān)測系統(tǒng)在信息集成、存儲、采集設(shè)備的高并發(fā)等方面具有不足,原有并行化的Hadoop調(diào)度算法也不能滿足電力采集設(shè)備的實時性要求,因此有必要設(shè)計更加合理的電力云調(diào)度算法以滿足電力調(diào)度的實時性要求。本文重點研究如何進(jìn)行計算和存儲資源的合理分配和控制并保證作業(yè)按照正確的順序執(zhí)行。主要內(nèi)容如下:首先分析了云計算和Hadoop平臺國內(nèi)外研究現(xiàn)狀,深入研究了Hadoop的HDFS分布式文件系統(tǒng)和MapReduce編程模型;介紹了電力云的概念,將智能電網(wǎng)中剩余的計算和存儲資源整合成資源池的形式,在此基礎(chǔ)上研究了FIFO、Capacity、Fair三種算法應(yīng)用于電力采集設(shè)備上進(jìn)行并行性數(shù)據(jù)采集的可行性,著重對采集設(shè)備數(shù)據(jù)傳輸時高并發(fā)性做了重點研究。然后針對電力設(shè)備監(jiān)測并行化,對標(biāo)準(zhǔn)的螢火蟲算法進(jìn)行了改進(jìn),重新定義了個體之間的計算公式、改進(jìn)了位置更新公式并結(jié)合分群理論,提高了種群的多樣性。在MATLAB環(huán)境下利用標(biāo)準(zhǔn)測試函數(shù)進(jìn)行了標(biāo)準(zhǔn)螢火蟲算法和基于多種群螢火蟲改進(jìn)機制算法的對比實驗,驗證了MFA_IEM算法的有效性。最后運用MapReduce將螢火蟲算法并行化,提出了基于MFA_IEM算法的服務(wù)選擇方法,給出了在MapReduce模式下螢火蟲的編碼方式,實現(xiàn)了小規(guī)模多種群的并行計算,給出了具體的Map函數(shù)和Reduce函數(shù)。通過原有的調(diào)度算法和改進(jìn)的調(diào)度算法在搭建的電力云平臺上測試調(diào)度WordCount等作業(yè)在CPU利用率、作業(yè)響應(yīng)時間、調(diào)度準(zhǔn)確率等方面進(jìn)行了對比實驗,驗證了MFA_IEM算法的性能由于原有的調(diào)度算法,并表現(xiàn)出良好的可擴展性。
【圖文】：

降低成本考慮購買和維護硬件，他們可以通過云平臺購買和使體服務(wù)器，降低了企業(yè)和個人用戶的使用成本。算的類型角度看，，云計算分為不同的種類。據(jù)業(yè)務(wù)的差異，云計算分為以下三種類型[10]:公共云、指服務(wù)提供商向用戶免費提供的基礎(chǔ)性的云服務(wù)。私有安全性高、服務(wù)質(zhì)量可靠、數(shù)據(jù)操作有效的特點[15]制其在此基礎(chǔ)架構(gòu)上部署應(yīng)用程序的方式。提高了數(shù)要用戶進(jìn)行配置和維護。混合云是公共云和私有云的服務(wù)類型角度來看，可將云計算分為下面三種：基礎(chǔ)設(shè)件即服務(wù)[11]。如圖 2-1 所示。

圖 2-2 谷歌云平臺架構(gòu)（2）Amazon 云平臺該平臺是 Iaas 云服務(wù)平臺，能夠根據(jù)用戶的不同需要提供相應(yīng)的服務(wù)，在滿足用戶需要的基礎(chǔ)上，減少資源浪費和降低硬件成本。（3）Microsoft 云平臺Azure 通過 Microsoft 服務(wù)器為使用者提供存儲以及數(shù)據(jù)處理相關(guān)服務(wù)，同過Azure，用戶能夠方便的構(gòu)建自己的云應(yīng)用程序并擴展云服務(wù)。圖 2-3 微軟云平臺架構(gòu)2.2 HDFS—基于 Hadoop 的分布式文件系統(tǒng)
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM73;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏峗;陳元元;;基于改進(jìn)蟻群算法的云計算任務(wù)調(diào)度模型[J];計算機工程;2015年02期

2 郁書好;楊善林;蘇守寶;;一種改進(jìn)的變步長螢火蟲優(yōu)化算法[J];小型微型計算機系統(tǒng);2014年06期

3 蔡嵩;張建明;陳繼明;潘金貴;;云計算環(huán)境中基于樸素貝葉斯算法的負(fù)載均衡技術(shù)[J];計算機應(yīng)用;2014年02期

4 符強;童楠;趙一鳴;;一種基于多種群學(xué)習(xí)機制的螢火蟲優(yōu)化算法[J];計算機應(yīng)用研究;2013年12期

5 尚世鋒;姜進(jìn)磊;鄭緯民;;CWFlow:支持資源自適應(yīng)使用的云工作流框架[J];清華大學(xué)學(xué)報(自然科學(xué)版);2013年03期

6 林曉婧;吳俊平;;關(guān)于Hadoop集群作業(yè)調(diào)度算法的探討[J];價值工程;2013年07期

7 馮艷紅;劉建芹;賀毅朝;;基于混沌理論的動態(tài)種群螢火蟲算法[J];計算機應(yīng)用;2013年03期

8 劉樹仁;宋亞奇;朱永利;王德文;;基于Hadoop的智能電網(wǎng)狀態(tài)監(jiān)測數(shù)據(jù)存儲研究[J];計算機科學(xué);2013年01期

9 許丞;劉洪;譚良;;Hadoop云平臺的一種新的任務(wù)調(diào)度和監(jiān)控機制[J];計算機科學(xué);2013年01期

10 蔡楹;楊妹;趙鑫業(yè);黃柯棣;;分析仿真支持技術(shù)研究[J];系統(tǒng)仿真學(xué)報;2012年12期

本文編號：2609127