大型电气设备的自动化控制中任务合理调度模型设计

刘铭光++肖毅

摘 要： 在大型电气设备的自动化控制中，传统任务合理调度模型调度稳定性不好、通信性能较弱。为此，设计一种更为有效的大型电气设备的自动化控制中任务合理调度模型。所设计的模型通过分析大型电气设备自动化控制中的任务调度性质，给出模型“并行分布”和“高度可扩展性”的设计原则。根据设计原则，将模型中大型电气设备的子设备开启时间，调制到早于母设备的调度工作开始时间，并通过约束子设备适应度，获取到自动化控制任务中最为合理的调度时间，进而实现任务合理调度。实验结果表明，所设计的模型具有调度稳定性好、通信性能强的优点。

关键词： 大型电气设备； 自动化控制； 任务合理调度模型； 并行分布

中图分类号： TN606?34； TP393.03 文献标识码： A 文章编号： 1004?373X（2017）12?0056?03

Abstract： Since the traditional task scheduling model for automation control of large electrical equipment has poor scheduling stability and weak communication performance， an effective task reasonable scheduling model for automation control of large electrical equipment was designed. The nature of the task scheduling model for automation control of large electrical equipment is analyzed to give the "parallel distribution" and "high scalability" design principles of the task reasonable scheduling model. According to design principles， the opening time of the sub?equipment in the model for the large electrical equipment is modulated to the time earlier than that of the mother equipment. The fitness of the sub?equipment is restrained to acquire the most reasonable scheduling time in automation control task to realize the task reasonable scheduling. The experimental result shows that the designed scheduling model has the advantages of perfect scheduling stability， and strong communication performance.

Keywords： large electrical equipment； automation control； task reasonable scheduling model； parallel distribution'

0 引 言

隨着国际自动化水平的不断提升，大型电气设备在我国各领域的应用也越来越广。在大型电气设备的自动化控制中，任务合理调度的有序进行，是增强大型电气设备应用性能、提高企业经济效益的关键[1?3]。任务合理调度问题也一直是各国科研人员研究的难点课题之一，科研人员曾设计出一些大型电气设备的自动化控制中任务合理调度模型，但这些模型均存在一定的问题，无法给予大型电气设备精准、高效的自动化控制[4?6]。任务合理调度问题一直是各国科研人员研究的难点课题之一，本文设计一种调度稳定性好、通信性能强的大型电气设备的自动化控制中任务合理调度模型。

1 大型电气设备自动化控制中的任务调度性质分析

大型电气设备由一个母设备与多个子设备组成，其实质是一种异构的星型网络。在大型电气设备的自动化控制中，使用表示含有个子设备的大型电气设备总集合（是一个自然数，表示随机提取的子设备序列号，），其中，表示大型电气设备中的母设备，余下的均为子设备。用表示大型电气设备中母设备对子设备的自动化控制通道长度，那么，大型电气设备自动化控制网络示意图如图1所示。

由图1可知，大型电气设备的自动化控制任务全部存储于母设备中，由于每条子设备控制通道的长度均不相同，因此母设备的自动化控制效率处于不断变化当中，这使得任务合理调度形成了一种“大面积、分散式”的工作性质，这种工作性质要求所设计的任务合理调度模型需要通过“并行分布”原则给予大型电气设备精准、高效的自动化控制。

同时，由于自动化控制效率的不同将导致大型电气设备中的个子设备，无法同时接收到母设备分配出的自动化控制任务。因此，大型电气设备自动化控制中任务调度的工作量是随时间而不断增长，这一性质要求所设计的任务合理调度模型也应该拥有较强的可扩展性，以维持大型电气设备的应用性能。

2 自动化控制中任务合理调度模型设计

根据第1节给出的“并行分布”和“高度可扩展性”的设计原则，对大型电气设备的自动化控制中任务合理调度模型进行设计。

假设大型电气设备中的母设备获取到的自动化控制任务调度顺序为，（为自动化控制任务的数量），将按照上述调度顺序进行调度工作的子设备设为，用表示这些子设备的开启时间。为了增强所设计大型电气设备的自动化控制中任务合理调度模型的通信性能，并同时获取优异的调度稳定性，规定子设备的开启时间必须早于母设备调度工作开始时间，由此设计出的任务合理调度模型和模型工作流程如图2、图3所示。

由图2、图3可得，所设计的任务合理调度模型将大型电气设备的自动化控制中总任务量，经由母设备向子设备依照调度顺序进行分配，有：

3 实验验证

3.1 实验准备

仿真实验使用3台相同规格、型号的虚拟实验设备，分别写入本文模型、星型网络任务合理调度模型和总线型网络任务合理调度模型，并对同一大型电器设备依次进行任务调度。每台虚拟实验设备都拥有两个通信接口，实验前，将两个通信接口的带宽范围分别设为[0 Mb/s，1.5 Mb/s]和[1.5 Mb/s，3.0 Mb/s]。现进行三个任务合理调度模型调度稳定性和通信性能的验证实验，实验共计进行6 h。

3.2 模型调度稳定性验证

实验中，每隔1 h对三个系统在两个通信接口中的任务吞吐量数据进行采集，并制成曲线图，如图4、图5所示。

由图4、图5可得，在带宽范围为[0 Mb/s，1.5 Mb/s]的通信接口1中，三个模型的任务吞吐量曲线波动均不明显，本文模型的任务吞吐量曲线几乎为直线状态。而在带宽范围为[1.5 Mb/s，3.0 Mb/s]的通信接口2中，星型网络任务合理调度模型和总线型网络任务合理调度模型的任务吞吐量曲线波动情况明显变大，并且下降情况严重。而本文模型的任务吞吐量曲线仅仅存在细微波动，并无明显下降，表明本文模型的调度稳定性较好。

3.3 模型通信性能验证

在大型电气设备的自动化控制中，通信性能较强的任务合理调度模型不容易受到网络入侵的影响，并且传输速率更快，是增强大型电气设备应用性能的基础保障。因此，模型通信性能的验证实验每隔1 h变换一次网络入侵类型，每隔10 min记录下三个模型在两个通信接口中的传输速率。将实验数据绘制成曲线图，如图6、图7所示。

由图6、图7可得，在两个通信接口中，本文模型在网络入侵下的传输速率均高于星型网络任务合理调度模型和总线型网络任务合理调度模型，即网络入侵对本文模型的传输速率几乎无影响，表明本文模型具有通信性能强的优点。

4 结 论

任务合理调度问题一直是各国科研人员研究的难点课题之一，本文设计一种调度稳定性好、通信性能强的大型电气设备的自动化控制中任务合理调度模型。本文模型将大型电气设备的自动化控制看作一种異构星型网络，并通过模拟网络中母设备与子设备之间工作关系，获取任务调度中最为合理的调度时间，进而实现任务合理调度。将本文模型与两种传统的任务合理调度模型进行性能对比实验，实验结果表明，所设计的模型调度稳定性好，并且通信性能强。

参考文献

[1] 李智勇，王飞，朱强.基于模型化DSP快速设计的音频信号采集系统[J].现代电子技术，2015，38（21）：11?13.

[2] 王艳珍，邹蕾，朱登飙.反重力铸造设备自动控制系统的设计[J].现代电子技术，2016，39（8）：155?157.

[3] 刘曙光，蔡运恒，贾晨辉，等.海洋钻机电气控制系统设计及关键技术[J].西安工程大学学报，2016，30（1）：131?136.

[4] 蔡红梅，张转芳，张光利.大型电力DCS控制系统中的优化任务调度模型[J].计算机仿真，2015，32（11）：161?163.

[5] 徐焕，彭祥礼，查志勇，等.企业管理中多工作任务下合理调度模型仿真[J].计算机仿真，2014，31（10）：450?454.

[6] 刘汉宇，邱赟，牟龙华.微电网CPS物理端融合模型设计[J].电力自动化设备，2014，34（10）：27?32.

[7] 刘萌，阎高伟，续欣莹.基于知识点网络的自动化专业学习路径推荐[J].计算机仿真，2016，33（6）：180?184.

[8] 夏莉，侯世旺，温海骏.关于仓库货物堆垛机拣选调度自动化研究[J].计算机仿真，2016，33（3）：318?322.