支撑电力大数据的云数据中心负载优化调度方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112926785A(43)申请公布日2021.06.08(21)申请号202110259336.XG06N3/12(2006.01)(22)申请日2021.03.10(71)申请人国网吉林省电力有限公司信息通信公司地址130021吉林省长春市朝阳区人民大街4629号(72)发明人潘建宏张凯樊家树董爱迪(74)专利代理机构吉林长春新纪元专利代理有限责任公司22100代理人白冬冬(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)G06F9/455(2006.01)权利要求书2页说明书6页附图2页(54)发明名称支撑电力大数据的云数据中心负载优化调度方法(57)摘要一种支撑电力大数据的云数据中心负载优化调度方法，属于电力信息化技术领域。本发明的目的是以统一协调云数据中心多目标负载优化调度的数据中心运营收入、碳排放和服务质量等多个目标间关系的支撑电力大数据的云数据中心负载优化调度方法。本发明步骤是：建立模型；设置初始变量并给定待优化变量范围；根据待优化变量范围随机生成初始种群；求取种群中各个体对应的优化目标函数值；对种群个体进行快速非支配排序；采用精英策略保留父代中优良个体；判断是否满足算法终止条件；优化过程结束，输出结果。本发明能够统一协调电力云数据负载优化调度的效率、能耗等多个目标间的关系，具有方法科学，适用性强，效果佳等优点。CN112926785ACN112926785A权利要求书1/2页1.一种支撑电力大数据的云数据中心负载优化调度方法，其特征在于：其步骤是：1)建立模型，选取待优化变量、优化目标及确定约束条件(a)选取待优化变量，待优化变量为电力云数据中心负载优化调度的变量；(b)选取优化目标，选用数据中心利润最大、碳排放最少和服务质量最高作为优化目标，协调各优化目标之间关系，优化目标函数表达式为：其中，式(1)中，R和E分别代表数据中心在某时段T的总收入和碳排放量，Q代表数据中心的服务质量；n为数据中心服务请求的数量；λi和μi分别为到服务请求i的到达速率和处理速率；l(μ)表示服务请求的丢失概率；α和β分别表示根据服务等级协议；EF代表碳排放因子，可以通过各区域电网的发电情况计算得到；ε为每个服务器平均处理一条服务请求所需要的时间；W和E(W)分别为客户等待时间及其期望；[1‑li(μ)]Ei(W)代表接受了服务的客户的等待时间，而li(μ)D代表未接受服务的客户的等待时间，式(2)和式(3)中，Pidle和Ppeak分别为服务器的平均空闲功耗和处理服务请求时的平均峰值功耗；γ为服务处理效率因子；(b)确定约束条件，所建模型的约束条件为：λi≤μi≤εMmax(5)其中，λi和μi为决策变量，εMmax代表数据中心的最大处理速率，max代表数据中心最大收入，式(4)表示所有的服务请求被分配到各个云数据中心进行处理，而式(5)表示服务请求的处理速率应不小于达到率λ，而不大于数据中心的最大处理速率；2)设置初始变量并给定待优化变量范围(c)待优化变量的上、下限；(d)种群规模pop、迭代次数gen、目标函数数目M、优化变量个数P、选择操作进制tour、交叉和变异操作过程中分配数mu和mum；3)将待优化变量作为优化过程中种群个体，根据待优化变量范围随机生成初始种群，即根据待优化变量上下限以及离散变量的步长，在范围内随机产生个体并形成初始种群4)根据种群中各个体所包含的待优化变量值更新电力云数据中心负载优化调度中对应数据，求取种群中各个体对应的优化目标函数值；2CN112926785A权利要求书2/2页5)对种群个体进行快速非支配排序，并计算虚拟适应度，经选择、交叉和变异处理，生成子种群(g)快速非支配排序，根据非劣结果对个体进行分层处理，向Pareto最优解的方向逼近使种群进化的一种排序方法；在进化过程中，为保持种群的多样性，设计个体拥挤距离，并在选择过程中优先选择拥挤距离较大的个体；(h)虚拟适应度在计算时，首先对种群和优化目标函数值形成的染色体进行解码，然后按电力云数据中心多目标负载优化调度的数学模型计算每个个体相应的优化目标函数值，再根据优化目标函数值进行非劣分层，计算每层个体的虚拟适应度；(i)子代种群Di的获取需要通过对父代种群中的个体进行选择、交叉和变异处理，这一过程中，选择操作采用轮赛制选择父代算子，交叉操作采用模拟二进制交叉算子，变异操作采用正态变异算子；6)描述的是NSGA‑II算法的精英进化策略，即将父代中的优良个体直接保留到子代的策略，防止在进化过程中父代优良个体被丢弃；7)优化终止条件可以取为迭代过程是否达到预先设定的最大代数；8)输出的计算