一种用于配电网拓扑分析分布式计算的任务分配方法
【专利摘要】本发明提供一种用于配电网拓扑分析分布式计算的任务分配方法，基于分布的闲置计算机资源，同时处理多个拓扑分析请求形成任务队列，将大任务分解为子任务，使用智能算法将子任务分配给各个计算机执行，所有子任务拓扑完成后进行合并得出最终结果；制定任务分配算法，以分布计算过程消耗的时间最小为目标，以粒子群优化为手段，实现大规模复杂配电网的快速拓扑分析。
【专利说明】一种用于配电网拓扑分析分布式计算的任务分配方法
【技术领域】
[0001]本发明涉及一种任务分配方法，具体涉及一种用于配电网拓扑分析分布式计算的任务分配方法。
【背景技术】
[0002]配电系统经典的科学研究一般以IEEE算例为实验对象，工程应用通常以单条馈线作为基本的处理单元；这些处理对象都较为简单，拓扑分析计算规模小、消耗时间少，一些网络模型甚至能够使用纯粹的矩阵模型描述，可以直接用于数学计算，网络结构不变的情况下不需进行拓扑分析。大型复杂配电网络数量繁多的设备组成使得网络结构更易发生变化，需要拓扑分析的频率升高，复杂的对象和海量的数据使得拓扑分析变得较为缓慢；配电网是关系国计民生的高度实时性系统，多数配网自动化高级功能都有相当的实时性需求，拓扑分析是很多高级功能的基础，其快速实现十分重要。
[0003]分布式计算是实现大规模复杂配电网快速拓扑分析的有效途径。计算机技术及网络技术的发展与成熟，为分布式计算奠定了硬件基础，但软件层次的分布式计算却相对薄弱，关于大规模复杂配电网分布式拓扑分析的算法非常稀少。大规模复杂配电网分布式快速拓扑分析算法主要包括网络分解与任务分配、子网络拓扑、结果合并三个主要内容，任务分配决定了分布的子网络拓扑实现过程，是影响计算速度的关键环节之一。
[0004]为了提升大规模复杂配电网拓扑分析速度，大型网络需要被分解成为小型网络分别进行拓扑，然后按照既定规则合并得出整个网络的拓扑分析结果。计算机资源是配电网拓扑分析的最终承担者，要求拓扑速度越快需要的计算机资源越多。为了降低成本，需要充分利用网络连接起来的计算机群，因此需要基于软件将计算机资源组织起来，高速高效地完成大规模复杂配电网的拓扑分析。
【发明内容】
[0005]为了克服上述现有技术的不足，本发明提供一种用于配电网拓扑分析分布式计算的任务分配方法，基于分布的闲置计算机资源，同时处理多个拓扑分析请求形成任务队列，将大任务分解为子任务，使用智能算法将子任务分配给各个计算机执行，所有子任务拓扑完成后进行合并得出最终结果；制定任务分配算法，以分布计算过程消耗的时间最小为目标，以粒子群优化为手段，实现大规模复杂配电网的快速拓扑分析。
[0006]为了实现上述发明目的，本发明采取如下技术方案:
[0007]本发明提供一种用于配电网拓扑分析分布式计算的任务分配方法，所述方法包括以下步骤:
[0008]步骤1:载入配电网网络数据，读取计算机资源信息，建立数学模型；
[0009]步骤2:初始化粒子种群；
[0010]步骤3:更新个体最优位置和种群全局最优位置；
[0011]步骤4:计算粒子新位置；[0012]步骤5:判断任务分配是否完成。
[0013]所述步骤I包括以下步骤:
[0014]步骤1-1:载入配电网网络数据，基于配电设备所属的馈线ID号将原网络分解成为η个子网络；
[0015]步骤1-2:描述拓扑任务的计算复杂度C，有
[0016]c = [c1； C2, , Ci,...Cn] (I)
[0017]其中，i为子网络的编号，Ci为第i个子网络的计算复杂度，其正比于配电设备数量的二次方，即满足? X d；，其中Cli为配电设备的数量；
[0018]步骤1-3:描述拓扑任务估计消耗的计算机资源P ;有
[0019]P = [p1； P2, , Pi, *.., Pn] (2)
[0020]其中，Pi为第i个子网络消耗的计算机资源，其正比于配电设备数量，即满足
Pi 00 Φ ；
[0021]步骤1-4:描述计算机资源的可用计算能力ra ;有
[0022]
【权利要求】
1.一种用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述方法包括以下步骤: 步骤1:载入配电网网络数据，读取计算机资源信息，建立数学模型； 步骤2:初始化粒子种群； 步骤3:更新个体最优位置和种群全局最优位置； 步骤4:计算粒子新位置； 步骤5:判断任务分配是否完成。
2.根据权利要求1所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述步骤I包括以下步骤: 步骤1-1:载入配电网网络数据，基于配电设备所属的馈线ID号将原网络分解成为η个子网络； 步骤1-2:描述拓扑任务的计算复杂度C，有
C [。1，。2，...，C”...Cn]( I ) 其中，i为子网络的编号，Ci为第i个子网络的计算复杂度，其正比于配电设备数量的二次方，即满足其中Cli为配电设备的数量； 步骤1-3:描述拓扑任务估计消耗的计算机资源P ;有 P = [Pi, P2,..., Pi,…，Pn] (2) 其中，Pi为第i个子网络消耗的计算机资源，其正比于配电设备数量，即满Mp1- Cli ； 步骤1-4:描述计算机资源的可用计算能力ra ;有
3.根据权利要求1所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述步骤2包括以下步骤: 步骤2-1:确定种群大小；满足ns - n, ns为种群数量； 步骤2-2:初始化粒子当前位置Xnw，对于每个粒子，以子网络为遍历因子，随机将第i个子网络分配给第j台计算机；有j = floor (m*randO) +1,rand()产生(0，I)之间的随机数，floor (m*rand())表示小于m*rand()的最大整数；XU = I ； 步骤2-3:初始化粒子的个体最优位置Xl。。，对于每个粒子，将计算机编号的直线队列首尾连接成环队列，按编号增大方向对每台计算机依次分配子网络拓扑任务，直到所有任务分配完成；步骤2-4:初始化粒子的种群全局最优位置xgl。，随机选择个体最优位置作为xgl。； 步骤2-5:初始化适应度； 基于每个粒子的个体最优位置X1。。和种群全局最优位置Xgl。，计算并存储每个粒子的个体最优适应度yloc和种群全局适应度ygl。； 步骤2-6:初始化迭代次数t = O。
4.根据权利要求3所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:根据适应度函数计算并存储每个粒子的个体最优适应度yi。。和种群全局适应度ygl。；适应度函数为:
5.根据权利要求1所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述步骤3包括以下步骤: 步骤3-1:种群迭代:迭代次数t = t+Ι ; 步骤3-2:粒子迭代:遍历下一个粒子； 步骤3-3:基于粒子当前位置xnOT[i]运用式(7)计算当前粒子的个体适应度y[i]； 步骤3-4:更新个体最优位置； 若粒子个体适应度优于个体最优适应度，则以粒子当前位置更新个体最优位置，以个体适应度更新个体最优适应度，下转步骤3-5 ;否则直接转步骤3-6 ； 步骤3-5:更新全局最优位置；若粒子个体适应度优于全局最优适应度，则以当前位置更新全局最优位置，以个体适应度更新种群适应度，转至步骤3-6 ;否则直接转至步骤3-6 ； 步骤3-6:若粒子遍历完成，则转步骤4，否则转至步骤3-2。
6.根据权利要求1所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述步骤4中，基于个体最优位置和种群全局最优位置，计算种群所有粒子下一轮迭代中的新位置，计算新位置包括随机和变异两个过程；具体包括以下步骤: 步骤4-1:随机过程中，粒子首先计算自身个体最优位置与种群全局最优位置之间的匹配程度，然后对个体最优位置的不匹配拓扑任务进行随机分配，该任务分配给第j台计算机;j = floor (m*rand O) +1 ； 步骤4-2:变异过程中，若粒子个体最优位置与全局最优位置相同，则变异概率vp =100%，否则变异概率Vp = 5% ； 确认变异后首先随机选择作为变异对象的拓扑任务i，算子为i =floor (n*rand ())+1,然后随机选择作为变异结果的拓扑计算机j，算子为j =floor (m*rand O) +1,粒子变异对象有且只有一个。
7.根据权利要求1所述的用于配电网拓扑分析分布式计算的任务分配方法，其特征在于:所述步骤5中，根据收敛条件判断任务分配是否完成； 若收敛，粒子群优化任务分配求解完成，种群全局最优位置xgl。即为任务分配策略；否则需继续迭代，转至步骤3; 所述收敛条件为t≥tlim，迭代次数限制tlim正比于子网络数量，即tlim - η。
【文档编号】G06Q50/06GK103679564SQ201310732390
【公开日】2014年3月26日 申请日期:2013年12月26日 优先权日:2013年12月26日
【发明者】何开元, 史常凯, 孟晓丽, 宋晓辉, 余杰, 陈晓毅, 高峰, 田蓓, 张爽, 杨雪红, 常松, 刘科研, 刘永梅, 李雅洁, 张瑜, 仉天舒, 贾东梨, 李建芳, 胡丽娟, 冯雪平, 高菲, 赵珊珊, 张琳 申请人:国家电网公司, 中国电力科学研究院, 国网宁夏电力公司, 国网浙江省电力公司绍兴供电公司