云平台中的并行船舶综合电网调度系统研究

宋喜忠，孙利

(黄淮学院信息工程学院，河南驻马店463000)

云平台中的并行船舶综合电网调度系统研究

宋喜忠，孙利

(黄淮学院信息工程学院，河南驻马店463000)

摘要:海上电网供电系统对船舶持续稳定的电压供给是保证其海上航行的关键。随着海上船舶数量及体积的增加，海上船舰电网调度系统所需处理的信息随之增大，并且已经越来越不能满足对舰船供电负荷计算实时性的要求。基于现代信息处理的云平台能够利用分布式计算架构，将各船舶的供电负荷计算分配到各节点进行并行计算，能够有效解决原调度系统计算中心的性能瓶颈。本文在此基础上，提出一种云平台中的并行船舶电网调度算法，并给出了算法的实现方法。

关键词:云计算;电网调度;供电负荷

Research on the ship power parallel dispatching system based on cloud platform

SONG Xi-zhong，SUN Li
(School of Information Engineering，Huanghuai University，Zhumadian 463000，China)

Abstract:The steady power supply for ship power system is the key for maritime navigation safety．With the increasing number of ships，the power processing of information of power dispatching system is increasing quickly，the traditional grid dispatching system is unable to meet the real-time calculation requirement．This paper analyzes the cloud computing and grid dispatching system architecture，proposed grid parallel dispatching algorithm based on cloud computing，at last give the realization of the algorithm．

Key words:cloud computing; power grid dispatching;power supply load

0　引言

随着电子信息技术的发展，智能化的海上船舶电网调度平台已经成为未来智能电网发展趋势。智能化的过程也即能够通过算法实时计算出船舰的动态负荷及电网的调度优化。在传统的船舶电力调度中，通过统一平台中心来模拟所有舰船的负载动力，并且算法是利用统计学的纯数学模拟进行运算，并行性能不高，这样所有船舰的负荷预测［1］都是由统一的调度中心来进行大量的数学计算。随着海上运行船只的数量与体积的增大，电网调动系统也越加复杂，负荷计算的算法复杂度越来越高，传统由单中心的调度系统组网方式已经越来越不能满足对船舶供电负荷计算实时性的要求。

现代海上船舶电网调度系统一般采取最先进的云计算架构［2］，通过对调度算法进行并行化改进来适应云计算架构，通过对算法的并行分解，把分解后的模块分布于云平台中的各计算节点，从而提高电网调度算法的实时性能。

本文在研究现有的船舶调度算法及云平台架构的基础上，提出一种云平台中的并行船舶调度算法，并进行算法实现。

1　海上船舰电力负荷预测原理

1.1调度中的负荷预测

对海上船舰的负荷预测主要是通过历史运行的前期记录信息，通过统计学的原理对之后的运行负荷进行预估。其中在估计计算的过程中，还需考虑到整个船舶的系统特性、海上天气环境因素及船舶负载等特性的各种因素。

在船舶电网调度的预测算法中，最重要的衡量指标有预测的实时性以及预测的精度。实时性和精度直接影响到后续电网调度的过程实施决策，实时性及精度越高，则判断决策的准确性就越高;反之，则准确率降低。

按负荷预测的周期进行划分，可以分为短期预测、中期预测及长期预测。其中，短期预测产生的信息量最大，需要的计算平台性能要求也最高，本文将进行着重说明。同时随着船舶的体积越来越大，其自身的动力系统也更加复杂，电力系统中的其他元器件以及模块对母线负荷预测的影响也越来越复杂，并且构成一个不可预知的非线性模型，所以研究整个船舶电力系统对母线负荷的变化规律也是电网调度系统中的一项重要的研究内容。随着现代信息技术的发展，已经可以通过高性能计算机来对系统影响数据进行智能化的辨识。

在现代化的海上调度系统中，智能化及并行化是2个重要的发展趋势，也是海上电网建设需要努力的方向。随着云计算平台架构的成熟应用，对提高整个智能调度系统中的负荷预测算法的实时性及精度具有很好的应用前景。在未来智能电网能够对所有船舶动力系统的实时、动态的监测，并进行信息的有效判决及预测。

1.2云平台在调度中的应用

云计算通过虚拟化的技术，将分布在不同物理地点的计算机存储资源按照一定的逻辑进行重新组合，并通过一个云处理中心对不同的功能进行划分，合理的分配到各计算资源的一种分布式架构。

云平台中的MapReduce是一种并行化［3］的编程模型，具体的应用人员不需要对云平台中具体硬件的逻辑分布进行了解也可把需要运行的算法合理的分配到不同的计算节点。相对于其他并行计算结构，Map Reduce具有如下优点:

1) Map Reduce的并行运行效率较高，并且在节点的分配、容错能力的查询以及整个平台的负载均衡对用户都透明。

2)通过合理的负载均衡算法，用户可以充分利用云平台中的每一个分布式节点，所以对于电网调度中预测的大规模并行算法，能够对云平台的所有资源进行高效利用。

3) Map Reduce对计算节点具有动态实时的监控功能，能够发现节点的异常情况，从而具有很高的可靠性。

综合以上优点，对于海上船舶综合调度系统而言，无需通过费用高昂的商业硬件及软件，也可实现高可靠性、高效率的并行云计算平台系统。

基于云的架构框图如图1所示。

图1　云平台基本架构Fig.1　The basic architecture of cloud platform

2　云平台的并行海上电网调度算法

2.1 K-means预测算法

算法首先需要找到一种最优评估函数来确定最优个数k，通过调整评估函数的参数来动态的对k进行调整，评估函数的定于如下所示:

将式中Intra(k)×Inter(k)定义如下:

式中: N为采样点总数; n为每个船只电力负荷的采样点数; xj为抽样时刻j的电力负荷函数曲线; z为每个船只聚类算法中心点。

聚类算法中的类聚性和耦合性［4］是算法有效性最重要的特征指标，好的聚类算法需要有较高的类聚性及较低的耦合性。较高的类聚性需要类中各节点与中心节点的加权距离最短;较低的耦合性则需要各类中间的距离尽量增大。通过分析式(1)可知，Intra(k)函数通过分析各类间距离的加权均值来计算各类之间的信息差异，最后得到Weight(k)函数，并通过最小值求取来获取最优的k值。

下面对通过k-means算法来进行船舶电力负荷预测变化的变换过程。

船舶电力负荷变化率公式如下所示:

具体计算步骤如下:

1)设定聚类算法最优个数k的最大值为kmax，2) k的取值范围为k = 3～kmax。

3)在类中以步长2遍历所有的数据，选择类中所有节点类聚中心。

4)对所有数据按照与中心的距离远近划分进不同的类中。

5)通过求类中数据与中心节点的平均值来不断的优化中心节点的选取。

6)循环步骤4和步骤5，直到找到最短的加权距离，固定选取的类聚中心点。

7)计算评估函数Weight(k)。

8)通过计算Weight(k)与Weight(k－1)差值来评判估计函数的最优值，并得到最优的个数k。

流程如图2所示。

2.2Map Re duce并行化改进

对海上船只的电力负荷预测一般按日、周及月进行曲线预测计算，日的数据计算及存储量最大，并且每日数据之间的相关性最小，对其可进行数据分割，利用并行计算提高处理效率。

Map Re duce适用于在云架构中的并行编程，首先对所有的数据进行分解，划分为相关性较小的聚类，并通过任务分配中心把各小规模的聚类集数据分配到云平台中分布式计算节点，各分布式节点各同时对Map任务进行计算，同时生成中间结果，同时通过中间结果并行执行Reduce任务，最后得到最终结果。

图2　K-means算法流程Fig.2 The algorithm flow of K-means

图3　Map Re duce并行分解流程Fig.3　The parallel decomposition process

3　算法实现

1)负荷分片实现方法

利用Map函数［5］来计算类中每个节点数据与中

心节点距离，并根据计算结果对节点重新划分聚类，进行标记，标记为新类的序列号，函数的代入值则为所有类的序列号及相关属性与节点上一轮所述类的中心节点信息，用(key，value)来表示，而中心节点的属性则通过文件进行描述。

下面给出Map函数的伪代码:

2) Re duce函数的设计

Re duce函数的作用对Map函数的计算结果进行处理，重新计算下一轮的聚类中心节点，以进行下一次迭代过程。函数输入为(聚类类别，{类的属性向量} )，输出为新的聚中心。

下面给出Re duce函数的伪代码:

4　结语

随着海上运行船舶的数量以及电力系统结构复杂的增加，海上船舶电网调度系统所需处理的信息量与算法复杂度都随之增加。传统的利用统计学对舰船供电负荷进行预测以及统一的单中心计算平台已经越来越不能满足电网调度系统对实时性的要求。

本文在研究云计算平台架构的基础上，对调度算法进行并行化改进来适应云计算架构，提出一种云平台中的并行船舶调度算法，最后给出算法实现的步骤。

参考文献:

［1］ALOISIO G，BOCHICCH IO M A，LA SCALA M，et al．A distributed com putting approach for real time transient stability analysis［J］．IEEE Trans on Power Systems，1997，12(2) :981－987．

［2］HOLLMAN J A，M ART J R．Real time network simulation with PC-cluster［J］．IEEE Trans on Power Systems，2003，18(2) :563－569．

［3］XU Z，ALI M，DONG Z Y，et al．A novel grid computing approach for probabilistic small signal analysis［C］/ / Proceedings of IEEE PES General Meeting，June 19，2006，Montreal，Canada:18－22．

［4］蒋心怡，冀欣，黄靖．基于复杂网络理论的舰船电力网络脆弱性研究［J］．舰船科学技术，2014，6 (8) : 46 －50．JIANG Xin-yi，JI Xin，HUANG Jing．Vulnerability analysis of shipboard power network based on complex network theory［J］．Ship Science and Technology，2014，6(8) : 46 －50．

［5］张建华．物联网技术在海面作战统一调度系统中的应用［J］．舰船科学技术，2015，37(2) :228－231．

ZHANG Jian-hua．Research on battle command system based on internet of things［J］．Ship Science and Technology，2015，37(2) :228－231．

作者简介:宋喜忠(1977－)，男，硕士，讲师，主要从事计算机网络和数据库方面的研究。

基金项目:河南省科技厅发展计划资助项目(142102110088)

收稿日期:2015－03－28;修回日期: 2015－04－27

文章编号:1672－7649(2015) 07－0149－04doi:10.3404/j.issn.1672－7649.2015.07.034

中图分类号:TM715

文献标识码:A