孫 超，夏 晨，呂志強(qiáng)，楊 銘，曹 武

省地一體化穩(wěn)態(tài)分析服務(wù)彈性調(diào)度系統(tǒng)設(shè)計(jì)

孫 超1，夏 晨1，呂志強(qiáng)1，楊 銘2，曹 武2

(1.南京南瑞繼保電氣有限公司，江蘇 南京 211102；2.東南大學(xué)電氣工程學(xué)院，江蘇 南京 210096)

針對(duì)現(xiàn)有電力系統(tǒng)穩(wěn)態(tài)分析應(yīng)用架構(gòu)擴(kuò)展能力弱、無法適應(yīng)跨省地調(diào)度機(jī)構(gòu)的大范圍應(yīng)用問題，提出了一種基于云計(jì)算技術(shù)的跨區(qū)域并行電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)及彈性調(diào)度管理系統(tǒng)。詳細(xì)介紹和分析了該系統(tǒng)的總體架構(gòu)、容器化封裝、資源隔離、服務(wù)彈性調(diào)度、運(yùn)行監(jiān)控等關(guān)鍵技術(shù)。采用微服務(wù)技術(shù)將分析服務(wù)模塊化，并通過容器技術(shù)實(shí)現(xiàn)分析服務(wù)的部署、隔離和動(dòng)態(tài)擴(kuò)展。同時(shí)采用基于隨機(jī)高級(jí)Petri網(wǎng)模型的算法實(shí)現(xiàn)分析服務(wù)的彈性調(diào)度。通過多種穩(wěn)態(tài)分析服務(wù)應(yīng)用實(shí)例，證明所設(shè)計(jì)的系統(tǒng)整體運(yùn)行穩(wěn)定，系統(tǒng)架構(gòu)具備良好的可擴(kuò)展性，能夠滿足跨省地調(diào)度機(jī)構(gòu)大范圍穩(wěn)態(tài)分析計(jì)算的應(yīng)用需求。

云計(jì)算；電力系統(tǒng)穩(wěn)態(tài)分析計(jì)算；微服務(wù)；容器；服務(wù)彈性調(diào)度

0 引言

特高壓交直流跨區(qū)域電網(wǎng)的建設(shè)實(shí)現(xiàn)了電力資源在全國范圍內(nèi)的優(yōu)化配置，電力供需失衡的矛盾有所緩解。然而，電動(dòng)汽車、煤改電供暖等新型負(fù)荷的不斷增多以及風(fēng)電、光伏等新能源發(fā)電消納程度的不斷提高使得供電網(wǎng)絡(luò)中的源荷特性在發(fā)生根本性的變化，對(duì)跨區(qū)互聯(lián)大電網(wǎng)的運(yùn)行機(jī)制提出了新的挑戰(zhàn)。這就要求電力系統(tǒng)穩(wěn)態(tài)分析計(jì)算在源荷聯(lián)動(dòng)性分析[1]、交直流大電網(wǎng)調(diào)度自動(dòng)巡航[2]、主動(dòng)配電網(wǎng)黑啟動(dòng)分區(qū)優(yōu)化[3]、自然災(zāi)害下的電網(wǎng)運(yùn)行控制[4]、互聯(lián)電網(wǎng)一體化監(jiān)視和故障協(xié)同處置[5]等領(lǐng)域發(fā)揮更大的作用。現(xiàn)有電力系統(tǒng)分析應(yīng)用如狀態(tài)估計(jì)[6-8]、潮流計(jì)算[9]、安全約束調(diào)度[10]、暫態(tài)穩(wěn)定評(píng)估[11-15]等所采用的系統(tǒng)架構(gòu)擴(kuò)展能力不強(qiáng)，面對(duì)跨區(qū)域、強(qiáng)關(guān)聯(lián)條件下的大型并行穩(wěn)態(tài)分析服務(wù)缺乏相應(yīng)的計(jì)算分析能力，導(dǎo)致此類應(yīng)用只能滿足單個(gè)調(diào)度中心內(nèi)部少數(shù)專業(yè)人員的使用需求，無法滿足跨調(diào)度機(jī)構(gòu)的大范圍應(yīng)用需求。

另一方面，云計(jì)算技術(shù)日益成熟[16]，其在電力領(lǐng)域的應(yīng)用研究成為近期的熱點(diǎn)，包括：(1) 對(duì)電力調(diào)度控制系統(tǒng)的整體架構(gòu)研究，比如文獻(xiàn)[17]提出了基于云計(jì)算的“物理分布、邏輯統(tǒng)一”的大電網(wǎng)調(diào)度控制系統(tǒng)總體架構(gòu)；文獻(xiàn)[18]提出了新一代電力自動(dòng)化系統(tǒng)架構(gòu)方案，對(duì)系統(tǒng)的硬件架構(gòu)、平臺(tái)架構(gòu)進(jìn)行了論述，提出了電力運(yùn)行數(shù)據(jù)池、大數(shù)據(jù)分析應(yīng)用的技術(shù)思路；文獻(xiàn)[19]提出了基于云霧計(jì)算的智能電網(wǎng)調(diào)度分布式計(jì)算框架，探討了人工蜂群負(fù)載均衡策略；文獻(xiàn)[20]提出了層次化分塊設(shè)計(jì)方案，探討了電網(wǎng)調(diào)度控制系統(tǒng)的節(jié)點(diǎn)資源彈性擴(kuò)展方案。(2) 分布式數(shù)據(jù)處理方案研究，如文獻(xiàn)[21]提出結(jié)合遺傳算法和MapReduce的并行計(jì)算方法，文獻(xiàn)[22]提出分布式SCADA資源和任務(wù)管理策略，文獻(xiàn)[23]提出基于演化博弈模型的實(shí)時(shí)數(shù)據(jù)處理任務(wù)調(diào)度策略，文獻(xiàn)[24-25]提出基于云平臺(tái)的量測(cè)數(shù)據(jù)驗(yàn)證、凈化和處理策略。(3) 云計(jì)算并行架構(gòu)在電力系統(tǒng)計(jì)算中的應(yīng)用研究，如文獻(xiàn)[26]介紹基于Google App Engine的InterPSS軟件實(shí)現(xiàn)電力系統(tǒng)潮流計(jì)算，文獻(xiàn)[27]提出基于Spark內(nèi)存計(jì)算框架的潮流優(yōu)化算法，文獻(xiàn)[28]提出基于容器的災(zāi)難恢復(fù)機(jī)制。

電力系統(tǒng)穩(wěn)態(tài)分析應(yīng)用有其自身的特點(diǎn)，包括：(1)?有狀態(tài)，即前后兩次計(jì)算可能存在一定的繼承性，需要暫存計(jì)算的結(jié)果為下次計(jì)算服務(wù)；(2)?資源獨(dú)占，計(jì)算耗時(shí)根據(jù)電網(wǎng)模型的規(guī)模在幾秒到幾十秒之間，此過程中計(jì)算實(shí)例不能為其他用戶提供計(jì)算服務(wù)；(3)?資源波動(dòng)大，使用人員面向多級(jí)調(diào)度中心的業(yè)務(wù)人員，訪問隨機(jī)性高，資源使用波動(dòng)大。云計(jì)算平臺(tái)的海量存儲(chǔ)、計(jì)算能力，以及容器及微服務(wù)技術(shù)對(duì)資源整合、應(yīng)用部署維護(hù)的便捷性非常契合穩(wěn)態(tài)分析計(jì)算本身的特點(diǎn)與跨區(qū)域大量復(fù)雜的計(jì)算需求。本文將云計(jì)算技術(shù)與跨區(qū)域大規(guī)模電力系統(tǒng)穩(wěn)定分析服務(wù)相結(jié)合，設(shè)計(jì)了滿足省地一體化業(yè)務(wù)需求的服務(wù)彈性調(diào)度方案，提出實(shí)現(xiàn)電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)的容器化封裝、資源隔離和服務(wù)彈性調(diào)度方法，并通過項(xiàng)目實(shí)踐和服務(wù)集群彈性擴(kuò)展性能測(cè)試驗(yàn)證了方案的有效性。

1 系統(tǒng)架構(gòu)

根據(jù)電力系統(tǒng)穩(wěn)態(tài)分析應(yīng)用的運(yùn)行特點(diǎn)，服務(wù)彈性調(diào)度系統(tǒng)首先需要為每個(gè)服務(wù)實(shí)例分配一個(gè)獨(dú)立的容器運(yùn)行環(huán)境，包括計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)通信均與其他實(shí)例隔離，多人操作的不同實(shí)例之間不會(huì)相互影響；其次，當(dāng)業(yè)務(wù)人員并發(fā)訪問時(shí)需要服務(wù)彈性調(diào)度模塊管理訪問請(qǐng)求，對(duì)已經(jīng)分配容器資源的用戶自動(dòng)引導(dǎo)其訪問請(qǐng)求到對(duì)應(yīng)容器的網(wǎng)絡(luò)端口；對(duì)初次訪問的用戶，需為其創(chuàng)建電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)的容器運(yùn)行環(huán)境并引導(dǎo)訪問請(qǐng)求；對(duì)于系統(tǒng)管理員，需提供可視化運(yùn)行監(jiān)控界面，實(shí)時(shí)掌握系統(tǒng)容器實(shí)例的資源占用信息、服務(wù)實(shí)例運(yùn)行情況等系統(tǒng)運(yùn)行工況；最后，以上功能構(gòu)建在云平臺(tái)之上，因此需要適配不同類型的云平臺(tái)，提高系統(tǒng)對(duì)底層平臺(tái)的兼容性。服務(wù)彈性調(diào)度系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 服務(wù)彈性調(diào)度系統(tǒng)結(jié)構(gòu)圖

電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)彈性調(diào)度系統(tǒng)是面向電網(wǎng)監(jiān)控垂直領(lǐng)域的定制化任務(wù)調(diào)度解決方案，系統(tǒng)架構(gòu)如圖2所示。IaaS層是基于虛擬化技術(shù)的計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)資源池，實(shí)現(xiàn)了各類資源的靈活調(diào)配。PaaS層分為基礎(chǔ)組件和服務(wù)彈性調(diào)度組件，其中基礎(chǔ)組件包括容器集群管理組件實(shí)現(xiàn)容器的組織和編排，微服務(wù)組件用于服務(wù)開發(fā)和狀態(tài)追蹤，內(nèi)存數(shù)據(jù)庫緩存實(shí)時(shí)數(shù)據(jù)，分布式數(shù)據(jù)庫存儲(chǔ)大量歷史數(shù)據(jù)，分布式文件系統(tǒng)支撐容器數(shù)據(jù)持久化，對(duì)象存儲(chǔ)用于模型和圖形文件交互，用戶身份鑒別對(duì)登錄用戶身份識(shí)別和鑒權(quán)，基于流式數(shù)據(jù)引擎對(duì)計(jì)算所需實(shí)時(shí)量測(cè)數(shù)據(jù)進(jìn)行處理；以及服務(wù)彈性調(diào)度組件包括容器、資源隔離、服務(wù)彈性調(diào)度和運(yùn)行監(jiān)控。SaaS層為容器化封裝的各類電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)，比如調(diào)度員潮流計(jì)算、狀態(tài)估計(jì)、安全校核等服務(wù)，以及面向各專業(yè)人員使用的電力系統(tǒng)穩(wěn)態(tài)分析操作臺(tái)界面。

電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)彈性調(diào)度組件的功能如下：

1) 容器

容器是一種程序運(yùn)行環(huán)境的隔離技術(shù)。本方案設(shè)計(jì)了電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)容器化封裝方法，解決應(yīng)用的狀態(tài)持久化存儲(chǔ)、運(yùn)行生命周期管理、圖模文件以及實(shí)時(shí)數(shù)據(jù)交互等方面問題。

圖2 系統(tǒng)架構(gòu)圖

2) 資源隔離

資源隔離模塊通過容器和服務(wù)兩個(gè)級(jí)別的資源隔離策略實(shí)現(xiàn)了容器資源的高效分配，其為電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)彈性調(diào)度的基礎(chǔ)。

3) 服務(wù)彈性調(diào)度

服務(wù)彈性調(diào)度模塊接收外部服務(wù)請(qǐng)求，完成服務(wù)定位、反向代理、將服務(wù)請(qǐng)求重定向到具體服務(wù)實(shí)例；同時(shí)可實(shí)現(xiàn)服務(wù)實(shí)例橫向擴(kuò)展、服務(wù)實(shí)例監(jiān)視與回收等功能。

4) 運(yùn)行監(jiān)控

運(yùn)行監(jiān)控模塊實(shí)現(xiàn)對(duì)服務(wù)集群、服務(wù)實(shí)例和外部請(qǐng)求對(duì)象的動(dòng)態(tài)實(shí)時(shí)監(jiān)控，為運(yùn)維人員掌握電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)的狀態(tài)提供可視化工具。

2 系統(tǒng)實(shí)現(xiàn)

2.1 容器化封裝

電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)在容器中運(yùn)行需要經(jīng)歷如圖3所示的幾個(gè)過程。首先是數(shù)據(jù)持久化存儲(chǔ)提供計(jì)算所需的模型和斷面數(shù)據(jù)，其次服務(wù)啟動(dòng)時(shí)完成數(shù)據(jù)初始化，當(dāng)服務(wù)運(yùn)行過程中需要監(jiān)測(cè)健康狀態(tài)，最后服務(wù)完成計(jì)算時(shí)保存數(shù)據(jù)。

圖3 穩(wěn)態(tài)分析服務(wù)容器化運(yùn)行過程圖

1) 數(shù)據(jù)持久化存儲(chǔ)

以往電力系統(tǒng)穩(wěn)態(tài)分析應(yīng)用的計(jì)算結(jié)果按照固定格式存儲(chǔ)在磁盤上的Case文件中，下次啟動(dòng)時(shí)可以根據(jù)調(diào)用者的要求加載上次分析結(jié)果Case文件中的數(shù)據(jù)繼續(xù)分析。將電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)部署在容器中，就需要借助容器的PVC (Persistent Volume Claim)申請(qǐng)持久化存儲(chǔ)PV(Persistent Volume)，在本方案中采用云平臺(tái)提供的分布式文件系統(tǒng)組件，比如GlusterFS、CephFS等，作為外部的持久化存儲(chǔ)載體，將全局共享目錄通過PVC技術(shù)映射到容器中服務(wù)的結(jié)果存儲(chǔ)目錄，當(dāng)計(jì)算結(jié)果Case文件保存到結(jié)果目錄中時(shí)，其實(shí)際上已經(jīng)傳輸?shù)皆破脚_(tái)分布式文件系統(tǒng)管理的全局共享目錄中，因此當(dāng)容器退出或者重新初始化后此結(jié)果目錄中的文件仍然存在，實(shí)現(xiàn)了持久化存儲(chǔ)的目的。

2) 數(shù)據(jù)初始化

電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)計(jì)算前需要將Case文件數(shù)據(jù)加載到程序內(nèi)存中，但不同的用戶加載的Case文件不同，需要將實(shí)例當(dāng)前調(diào)用者上次計(jì)算結(jié)果數(shù)據(jù)加載。通過在服務(wù)請(qǐng)求中解析出用戶ID，在服務(wù)保存數(shù)據(jù)的目錄中建立此用戶ID為目錄名的子目錄，并將用戶數(shù)據(jù)保存在此目錄下，下次加載時(shí)也通過用戶ID作為索引找到帶有此用戶ID的子目錄，加載其中的Case文件。由于采用數(shù)據(jù)持久化存儲(chǔ)，此用戶ID子目錄創(chuàng)建后可以在調(diào)度員潮流服務(wù)容器實(shí)例停止后仍然保留，下次啟動(dòng)新的容器實(shí)例后還可以訪問此用戶的數(shù)據(jù)。

數(shù)據(jù)初始化流程如圖4所示，當(dāng)用戶第一次使用服務(wù)，數(shù)據(jù)初始化程序?yàn)榇擞脩魟?chuàng)建用戶子目錄，此時(shí)需要用戶自己選擇當(dāng)前實(shí)時(shí)斷面分析或者系統(tǒng)某個(gè)歷史斷面，而如果用戶已經(jīng)使用過此服務(wù)，則會(huì)默認(rèn)加載此用戶上次分析的結(jié)果Case文件。

圖4 數(shù)據(jù)初始化流程

3) 服務(wù)健康監(jiān)測(cè)

在服務(wù)運(yùn)行過程中需要監(jiān)測(cè)服務(wù)運(yùn)行狀態(tài)，從兩個(gè)方面獲?。旱谝唬萜鳡顟B(tài)監(jiān)測(cè)，通過調(diào)用容器集群管理組件的接口獲取每個(gè)容器實(shí)例的狀態(tài)，當(dāng)處于運(yùn)行狀態(tài)(Running)時(shí)表示服務(wù)容器實(shí)例正常，當(dāng)處于等待狀態(tài)(Pending)表示容器還沒有初始化完成，當(dāng)處于正常終止?fàn)顟B(tài)(Succeeded)表示容器已經(jīng)成功停止運(yùn)行，當(dāng)處于異常停止?fàn)顟B(tài)(Eailed)表示容器因內(nèi)部運(yùn)行狀態(tài)異常而被系統(tǒng)停止；第二，采用心跳機(jī)制主動(dòng)向服務(wù)彈性調(diào)度模塊周期性匯報(bào)服務(wù)的運(yùn)行狀態(tài)，為此服務(wù)彈性調(diào)度模塊可實(shí)現(xiàn)心跳報(bào)告接口，每個(gè)服務(wù)容器的實(shí)例調(diào)用此接口每10 s匯報(bào)一次狀態(tài)，服務(wù)彈性調(diào)度模塊在收到心跳報(bào)告后將狀態(tài)和時(shí)標(biāo)寫入數(shù)據(jù)庫，當(dāng)連續(xù)三個(gè)周期無匯報(bào)時(shí)即可判定此服務(wù)容器已經(jīng)異常并將異常狀態(tài)寫入數(shù)據(jù)庫，流程圖如圖5所示。兩種方法結(jié)合使用從容器實(shí)例和服務(wù)進(jìn)程兩個(gè)級(jí)別監(jiān)視服務(wù)運(yùn)行狀態(tài)。

4) 數(shù)據(jù)保存

當(dāng)電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)計(jì)算完畢或者收到服務(wù)彈性調(diào)度系統(tǒng)發(fā)來的停止信號(hào)后會(huì)立即將計(jì)算結(jié)果保存為Case文件，流程如圖6所示。

2.2 資源隔離

電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)運(yùn)行時(shí)基于獨(dú)立的內(nèi)存數(shù)據(jù)庫計(jì)算，計(jì)算啟動(dòng)后占用內(nèi)存、CPU資源較高，因此需要資源隔離策略確保每個(gè)服務(wù)實(shí)例的運(yùn)行不會(huì)影響其他實(shí)例。

圖5 服務(wù)健康監(jiān)測(cè)數(shù)據(jù)流程圖

圖6 數(shù)據(jù)保存流程

資源隔離的基礎(chǔ)是容器運(yùn)行環(huán)境，每個(gè)容器都可以通過設(shè)定CPU、內(nèi)存等的使用限制約束容器內(nèi)程序的資源使用，不同容器間CPU、內(nèi)存資源不共用，當(dāng)容器啟動(dòng)后按照初始值分配資源，隨著程序的運(yùn)行資源會(huì)占用的越來越多，當(dāng)達(dá)到上限后容器將不再允許程序占用更多資源，從而達(dá)到資源隔離的目的。比如調(diào)度員潮流服務(wù)容器CPU資源設(shè)定的初始值為0.25個(gè)CPU內(nèi)核，上限為1個(gè)CPU內(nèi)核；省地一體化的潮流計(jì)算分析全省大模型，包含 3 513個(gè)廠站、7 969條線路的全省網(wǎng)絡(luò)模型其實(shí)時(shí)庫大概占用3.5 GB內(nèi)存，容器內(nèi)存資源設(shè)定的初始值為0.4 GB，上限為4 GB。

容器通過限值隔離資源是粗礦的管理方式，容易造成資源的浪費(fèi)，實(shí)際每次穩(wěn)態(tài)計(jì)算服務(wù)分析模型的范圍不同所需要的資源差異很大，比如一個(gè)地調(diào)用戶分析本地區(qū)的潮流就不需要加載全省模型，只需要地調(diào)調(diào)管區(qū)域內(nèi)的模型和相關(guān)聯(lián)區(qū)域聯(lián)絡(luò)線模型。為了更高效地使用資源，按照調(diào)管區(qū)域和聯(lián)絡(luò)線將模型數(shù)據(jù)分別存儲(chǔ)于不同的內(nèi)存庫分區(qū)文件中，每個(gè)分區(qū)文件對(duì)應(yīng)一個(gè)調(diào)管區(qū)域，聯(lián)絡(luò)線信息單獨(dú)存儲(chǔ)在一個(gè)分區(qū)文件中，服務(wù)啟動(dòng)時(shí)的數(shù)據(jù)初始化過程根據(jù)用戶分析的范圍決定加載哪些分區(qū)文件到內(nèi)存中，從而減少實(shí)時(shí)庫內(nèi)存的占用量。以省地一體化潮流計(jì)算為例，如果用戶分析一個(gè)地調(diào)范圍的潮流，僅涉及310個(gè)廠站，幾十條聯(lián)絡(luò)線，實(shí)時(shí)庫加載相關(guān)分區(qū)內(nèi)存占用量在0.4 GB以內(nèi)，則服務(wù)運(yùn)算過程中占用的內(nèi)存將大幅減少近90%，基于穩(wěn)態(tài)服務(wù)級(jí)別的資源分配策略有效提升了資源的利用率，與容器級(jí)別的資源隔離策略相結(jié)合互為補(bǔ)充。

2.3 服務(wù)彈性調(diào)度

2.3.1 調(diào)度算法

服務(wù)彈性調(diào)度模塊是整個(gè)系統(tǒng)的核心，其負(fù)責(zé)從服務(wù)網(wǎng)關(guān)處接收服務(wù)請(qǐng)求，并根據(jù)請(qǐng)求的類型和用戶信息將請(qǐng)求重定向到指定的服務(wù)實(shí)例中，其數(shù)據(jù)流圖如圖7所示。

Zuul網(wǎng)關(guān)負(fù)責(zé)接收客戶端發(fā)起的請(qǐng)求并將其轉(zhuǎn)發(fā)給服務(wù)彈性調(diào)度模塊，其判斷此請(qǐng)求是否能夠分配給已有的電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)實(shí)例還是需要新擴(kuò)展一個(gè)容器實(shí)例，如果需要擴(kuò)展則會(huì)調(diào)用容器集群管理組件的接口啟動(dòng)一個(gè)新的分析服務(wù)容器實(shí)例，設(shè)置容器資源初始值和上限值，服務(wù)數(shù)據(jù)初始化程序按照分析范圍加載內(nèi)存庫分區(qū)實(shí)現(xiàn)資源集約分配，并將最終的請(qǐng)求分配信息寫入到數(shù)據(jù)庫中，同時(shí)將服務(wù)請(qǐng)求重定向到容器實(shí)例的服務(wù)端口，從而建立調(diào)用端到服務(wù)實(shí)例的鏈路。服務(wù)分發(fā)的具體流程如圖8所示。

圖7 服務(wù)彈性調(diào)度數(shù)據(jù)流圖

圖8 服務(wù)分發(fā)流程

首先外部請(qǐng)求從微服務(wù)網(wǎng)關(guān)負(fù)載均衡分配到各個(gè)容器集群調(diào)度管理服務(wù)，再由容器集群調(diào)度管理服務(wù)負(fù)責(zé)將其分配到具體的計(jì)算節(jié)點(diǎn)，當(dāng)新請(qǐng)求來到時(shí)，會(huì)通過基于隨機(jī)高級(jí)Petri網(wǎng)計(jì)算適合啟動(dòng)新的容器服務(wù)的服務(wù)器。基于隨機(jī)高級(jí)Petri網(wǎng)的模型如圖9所示。

其中由于網(wǎng)關(guān)部分的負(fù)載均衡僅負(fù)責(zé)將請(qǐng)求分發(fā)到多個(gè)集群調(diào)度服務(wù)中，其耗時(shí)較短，且主要影響后續(xù)服務(wù)計(jì)算響應(yīng)時(shí)間的為容器的調(diào)度策略，而每個(gè)集群調(diào)度服務(wù)都基于全局信息對(duì)所有計(jì)算節(jié)點(diǎn)進(jìn)行容器調(diào)度，因此可以將此調(diào)度模型簡(jiǎn)化為如圖10所示的簡(jiǎn)化模型。

圖9 基于隨機(jī)高級(jí)Petri網(wǎng)的模型

圖10 調(diào)度簡(jiǎn)化模型

變遷h的實(shí)施概率如式(2)所示。

式中：b為主機(jī)的負(fù)載容量上限；w為主機(jī)的動(dòng)態(tài)權(quán)值，其計(jì)算方法如式(3)所示。

式中，U為主機(jī)的當(dāng)前活躍用戶數(shù)，即活躍用戶數(shù)越多的主機(jī)其權(quán)值越低。

2.3.2 監(jiān)視與回收

在服務(wù)運(yùn)行的過程中服務(wù)彈性調(diào)度模塊周期性監(jiān)測(cè)容器實(shí)例的狀態(tài)和服務(wù)進(jìn)程運(yùn)行狀態(tài)，當(dāng)一個(gè)服務(wù)的兩種狀態(tài)均為正常時(shí)才能判定服務(wù)正常，否則啟動(dòng)服務(wù)異?；厥樟鞒獭．?dāng)服務(wù)調(diào)用完成后，將服務(wù)狀態(tài)置為待回收。服務(wù)監(jiān)視與回收流程如圖11所示。

圖11 服務(wù)監(jiān)視與回收流程

2.4 運(yùn)行監(jiān)控

運(yùn)行監(jiān)控模塊提供當(dāng)前部署的電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)集群、容器實(shí)例和調(diào)用關(guān)系的狀態(tài)監(jiān)視。通過調(diào)用容器運(yùn)行狀態(tài)監(jiān)視接口獲取容器集群節(jié)點(diǎn)、容器集群和容器實(shí)例的運(yùn)行狀態(tài)，通過數(shù)據(jù)庫交互接口獲取在線用戶與服務(wù)實(shí)例調(diào)用關(guān)聯(lián)信息。其中，在線用戶監(jiān)控界面如圖12所示。

在線用戶監(jiān)視提供用戶與服務(wù)實(shí)例間的調(diào)用關(guān)系信息，包括用戶名、外部訪問的IP、分配的容器實(shí)例、登錄的時(shí)間、當(dāng)前的操作和操作時(shí)間等。它監(jiān)視外部服務(wù)調(diào)用者跟服務(wù)實(shí)例之間的分配關(guān)系，并且隨著外部請(qǐng)求的變化而實(shí)時(shí)更新。

圖12 在線用戶監(jiān)視

3 系統(tǒng)應(yīng)用

3.1 項(xiàng)目實(shí)踐

本文描述的電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)彈性調(diào)度系統(tǒng)部署在一個(gè)由7臺(tái)服務(wù)器組成的云計(jì)算環(huán)境中，單臺(tái)服務(wù)器配置4顆Xeon E7-4850v4 16核處理器，256 GB DDR4內(nèi)存，在其上部署基于OpenStack技術(shù)的IaaS虛擬化平臺(tái)，在虛擬機(jī)中安裝CentOS7.4操作系統(tǒng)以及PaaS層云組件。系統(tǒng)實(shí)現(xiàn)了狀態(tài)估計(jì)、調(diào)度員潮流等電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)，通過服務(wù)彈性調(diào)度系統(tǒng)在虛擬機(jī)節(jié)點(diǎn)間實(shí)現(xiàn)按加權(quán)平均負(fù)載率的動(dòng)態(tài)服務(wù)調(diào)度。服務(wù)面向調(diào)度中心各專業(yè)用戶開放，業(yè)務(wù)人員通過WEB客戶端遠(yuǎn)程使用云平臺(tái)上的系統(tǒng)分析服務(wù)。以1個(gè)省級(jí)調(diào)度中心與10個(gè)地級(jí)調(diào)度中心的使用場(chǎng)景為例，本方案采用7臺(tái)服務(wù)器搭建IaaS層虛擬化運(yùn)行環(huán)境，其中3臺(tái)節(jié)點(diǎn)為控制與存儲(chǔ)節(jié)點(diǎn)，4臺(tái)節(jié)點(diǎn)為計(jì)算與存儲(chǔ)節(jié)點(diǎn)，在計(jì)算與存儲(chǔ)節(jié)點(diǎn)上部署微服務(wù)集群為省調(diào)和地調(diào)提供電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)，服務(wù)器和后端資源同步與管理網(wǎng)絡(luò)互連，實(shí)現(xiàn)云平臺(tái)管理和數(shù)據(jù)存儲(chǔ)的同步，與前端業(yè)務(wù)網(wǎng)絡(luò)互連實(shí)現(xiàn)各個(gè)調(diào)度中心的用戶終端對(duì)服務(wù)的訪問，其物理部署圖如圖13所示。

傳統(tǒng)方案與本方案對(duì)比如表1所示。

系統(tǒng)投入運(yùn)行后提升了各級(jí)調(diào)度中心在面對(duì)電網(wǎng)運(yùn)行動(dòng)態(tài)特性越來越復(fù)雜情況下迅速調(diào)整電網(wǎng)運(yùn)行策略的能力，保證電網(wǎng)公司為社會(huì)經(jīng)濟(jì)發(fā)展提供安全、經(jīng)濟(jì)、環(huán)保的電力供應(yīng)服務(wù)。系統(tǒng)調(diào)度員潮流計(jì)算結(jié)果界面如圖14所示。

3.2 性能測(cè)試

通過并發(fā)測(cè)試程序在單虛擬機(jī)縱向擴(kuò)展和多虛擬機(jī)橫向擴(kuò)展兩個(gè)維度測(cè)試了離線調(diào)度員潮流服務(wù)并發(fā)訪問情況下的擴(kuò)展性能。虛擬機(jī)配置有16個(gè)CPU核，64 G內(nèi)存。單虛擬機(jī)擴(kuò)展性能如圖15所示。在服務(wù)實(shí)例CPU占用率不限制的情況下，單機(jī)擴(kuò)展極限到14個(gè)服務(wù)容器實(shí)例；當(dāng)限制容器CPU占用不超過二分之一個(gè)CPU核時(shí)，可將擴(kuò)展極限提升到26個(gè)服務(wù)容器實(shí)例；當(dāng)限制四分之一個(gè)CPU核時(shí)，可擴(kuò)展到50個(gè)服務(wù)容器實(shí)例?？紤]到PaaS平臺(tái)組件也要占用CPU，基本上達(dá)到單機(jī)CPU性能極限。

圖13 物理部署圖

表1 傳統(tǒng)方案與本方案的對(duì)比

圖14 調(diào)度員潮流計(jì)算結(jié)果

圖15 單虛擬機(jī)服務(wù)實(shí)例擴(kuò)展性能

橫向擴(kuò)展的性能測(cè)試結(jié)果如圖16所示。在1到10臺(tái)虛擬機(jī)參與測(cè)試的情況下，面對(duì)外部并發(fā)訪問請(qǐng)求，服務(wù)容器的橫向擴(kuò)容能力基本上都達(dá)到了虛擬機(jī)CPU資源的上限。

在虛擬機(jī)環(huán)境中本方案與傳統(tǒng)架構(gòu)的性能比較如圖17所示。由于傳統(tǒng)方案采用主備機(jī)冗余模式，無法橫向擴(kuò)展，本方案多機(jī)并發(fā)最大實(shí)例數(shù)相較于傳統(tǒng)架構(gòu)有8.5倍的提升(此結(jié)果受測(cè)試環(huán)境限制，如果資源不斷增加橫向擴(kuò)展的優(yōu)勢(shì)更加明顯)；單機(jī)情況下本方案采用容器資源隔離機(jī)制，對(duì)資源的調(diào)度更加精細(xì)化，并發(fā)實(shí)例數(shù)比傳統(tǒng)方案高2.3倍。

圖16 多虛擬機(jī)服務(wù)實(shí)例擴(kuò)展性能

圖17 傳統(tǒng)架構(gòu)與本方案性能對(duì)比

4 結(jié)論

本文介紹的電力系統(tǒng)穩(wěn)態(tài)分析服務(wù)彈性調(diào)度系統(tǒng)提供了面向穩(wěn)態(tài)分析服務(wù)的有狀態(tài)應(yīng)用容器化封裝模板，實(shí)現(xiàn)了基于容器集群的服務(wù)彈性調(diào)度以及服務(wù)運(yùn)行狀態(tài)的監(jiān)控。系統(tǒng)在項(xiàng)目中得到驗(yàn)證，節(jié)省了大量的硬件資源并提升了各級(jí)調(diào)度中心的專業(yè)分析能力，使用過程中系統(tǒng)穩(wěn)定可靠運(yùn)行。同時(shí)，在性能測(cè)試中服務(wù)彈性調(diào)度能夠在并發(fā)情況下從縱向和橫向擴(kuò)展性方面達(dá)到硬件資源的極限，充分發(fā)揮了硬件資源的潛力，驗(yàn)證了系統(tǒng)架構(gòu)良好的可擴(kuò)展性。

[1] 張延, 唐昊, 王珂, 等. 考慮源荷隨機(jī)性的跨區(qū)互聯(lián)電網(wǎng)直流聯(lián)絡(luò)線調(diào)度學(xué)習(xí)優(yōu)化[J]. 控制理論與應(yīng)用, 2019, 36(7): 1047-1056.

ZHANG Yan, TANG Hao, WANG Ke, et al. Learning- based optimization of direct current tie-line dispatch for inter-regional power grid considering the stochasticity of source-load[J]. Control Theory & Applications, 2019, 36(7): 1047-1056.

[2] 趙晉泉, 張逸康, 蘇大威, 等. 交直流大電網(wǎng)調(diào)度自動(dòng)巡航架構(gòu)及關(guān)鍵技術(shù)[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(22): 187-193, 216.

ZHAO Jinquan, ZHANG Yikang, SU Dawei, et al. Architecture and key technologies of automatic cruise for AC/DC bulk power grid dispatching[J]. Automation of Electric Power Systems, 2019, 43(22): 187-193, 216.

[3] 趙晉泉, 張強(qiáng), 方嵩, 等. 最小化用戶停電損失的主動(dòng)配電網(wǎng)黑啟動(dòng)分區(qū)優(yōu)化策略[J]. 中國電力, 2020, 53(7): 114-121.

ZHAO Jinquan, ZHANG Qiang, FANG Song, et al. Optimization strategy for black-start partitioning of active distribution network to minimize customer outage cost[J]. Electric Power, 2020, 53(7): 114-121.

[4] 常康, 徐泰山, 郁琛, 等. 自然災(zāi)害下電網(wǎng)運(yùn)行風(fēng)險(xiǎn)控制策略探討[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(10): 73-81.

CHANG Kang, XU Taishan, YU Chen, et al. Discussion of power system operation risk control strategy in natural disasters[J]. Power System Protection and Control, 2019, 47(10): 73-81.

[5] 閃鑫, 王軼禹, 金一丁, 等. 特高壓互聯(lián)電網(wǎng)一體化監(jiān)視和故障協(xié)同處置方案及應(yīng)用[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(2): 84-91.

SHAN Xin, WANG Yiyu, JIN Yiding, et al. Scheme and application of integrated monitoring and fault codisposal technology of UHV interconnected power grid[J]. Automation of Electric Power Systems, 2018, 42(2): 84-91.

[6] LI Lijuan, CHEN Yongdong, ZHOU Bin, et al. Linearization threshold condition and stability analysis of a stochastic dynamic model of one-machine infinite-bus (OMIB) power systems[J]. Protection and Control of Modern Power Systems, 2021, 6(2): 242-252.

[7] 唐成虹, 李淑鋒, 陳永華, 等. 計(jì)及分布式電源的主動(dòng)配電系統(tǒng)狀態(tài)估計(jì)[J]. 廣東電力, 2021, 34(3): 60-67.

TANG Chenghong, LI Shufeng, CHEN Yonghua, et al. State estimation of active distribution system considering DGs[J]. Guangdong Electric Power, 2021, 34(3): 60-67.

[8] 李靜, 李幸芝, 韓蓓, 等. 考慮分布式電源不確定性與相關(guān)性的配電網(wǎng)狀態(tài)估計(jì)[J]. 全球能源互聯(lián)網(wǎng), 2020, 15(3): 231-237.

LI Jing, LI Xingzhi, HAN Bei, et al. State estimation in distribution systems considering distributed generation uncertainties with correlations[J]. Journal of Global Energy Interconnection, 2020, 15(3): 231-237.

[9] 許丹, 丁強(qiáng), 林星宇, 等. 基于離散傅里葉變換矩陣的概率最優(yōu)潮流計(jì)算方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(1): 9-16.

XU Dan, DING Qiang, LIN Xingyu, et al. Probabilistic optimal power flow calculation method based on a discrete Fourier transformation matrix[J]. Power System Protection and Control, 2021, 49(1): 9-16.

[10] 劉峰. EMS高級(jí)應(yīng)用軟件實(shí)用化探討—調(diào)度員潮流與安全約束調(diào)度[J]. 電力信息化, 2007, 5(11): 55-58.

LIU Feng. Discussion on the practicability of EMS advanced application software: dispatcher power flow and safety constrained scheduling[J]. Electric Power Information Technology, 2007, 5(11): 55-58.

[11] 張浩. 云計(jì)算環(huán)境下的電力任務(wù)節(jié)能調(diào)度方法研究[J].電力系統(tǒng)保護(hù)與控制, 2021, 49(13): 128-134.

ZHANG Hao. Research on power task energy saving scheduling method in cloud computing environment[J]. Power System Protection and Control, 2021, 49(13): 128-134.

[12] 蔣越梅, 盧敏, 周浩涵, 等. 大電網(wǎng)事故預(yù)案推演系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(3): 142-149.

JIANG Yuemei, LU Min, ZHOU Haohan, et al. Design and realization of an anticipated accident plan simulation system for a bulk power sys-tem[J]. Power System Protection and Control, 2021, 49(3): 142-149.

[13] 康卓然, 張謙, 陳民權(quán), 等. 適用于電力系統(tǒng)暫態(tài)穩(wěn)定分析的網(wǎng)絡(luò)電壓解析算法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(3): 32-38.

KANG Zhuoran, ZHANG Qian, CHEN Minquan, et al. Research on network voltage analysis algorithm suitable for power system transient stability analysis[J]. Power System Protection and Control, 2021, 49(3): 32-38.

[14] 曲銳, 王世榮, 辛文龍. 基于半監(jiān)督MPSVM的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[J]. 廣東電力, 2020, 33(4): 74-81.

QU Rui, WANG Shirong, XIN Wenlong. Power system transient stability assessment based on semi-supervised and manifold proximal support vector machine[J]. Guangdong Electric Power, 2020, 33(4): 74-81.

[15] 蔡國偉, 張啟蒙, 楊德友, 等. 基于改進(jìn)深度置信網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估研究[J]. 智慧電力, 2020, 48(3): 61-68.

CAI Guowei, ZHANG Qimeng, YANG Deyou, et al. Research on power system transient stability assessment based on improved deep belief network[J]. Smart Power, 2020, 48(3): 61-68.

[16]張晶, 黃小鋒. 一種基于微服務(wù)的應(yīng)用框架[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2016, 25(9): 265-270.

ZHANG Jing, HUANG Xiaofeng. Application framework based on micro-service[J]. Computer Systems & Applications, 2016, 25(9): 265-270.

[17] 許洪強(qiáng), 姚建國, 於益軍, 等. 支撐一體化大電網(wǎng)的調(diào)度控制系統(tǒng)架構(gòu)及關(guān)鍵技術(shù)[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(6): 1-8.

XU Hongqiang, YAO Jianguo, YU Yijun, et al. Architecture and key technologies of dispatch and control system supporting integrated bulk power grids[J]. Automation of Electric Power Systems, 2018, 42(6): 1-8.

[18] 梁壽愚, 胡榮, 周華鋒, 等. 基于云計(jì)算架構(gòu)的新一代調(diào)度自動(dòng)化系統(tǒng)[J]. 南方電網(wǎng)技術(shù), 2016, 10(6): 8-14.

LIANG Shouyu, HU Rong, ZHOU Huafeng, et al. A new generation of power dispatching automation system based on cloud computing architecture[J]. Southern Power System Technology, 2016, 10(6): 8-14.

[19] 馬斌, 袁龍, 劉文宗, 等. 基于云霧計(jì)算的智能電網(wǎng)調(diào)度機(jī)制[J]. 電測(cè)與儀表, 2019, 56(24): 67-72.

MA Bin, YUAN Long, LIU Wenzong, et al. Distribution mechanism for smart grid based on cloud-fog computing[J]. Electrical Measurement & Instrumentation, 2019, 56(24): 67-72.

[20] 譚軍光, 于全喜, 孔海斌, 等. 城市電網(wǎng)調(diào)度控制云系統(tǒng)總體架構(gòu)設(shè)計(jì)[J]. 自動(dòng)化技術(shù)與應(yīng)用，2019，38(5): 67-69, 86.

TAN Junguang, YU Quanxi, KONG Haibin, et al. Overall architecture design of urban power network dispatching control cloud system[J]. Techniques of Automation and Applications, 2019, 38(5): 67-69, 86.

[21]黨曉婧, 鄧世聰, 呂啟深, 等. 基于云計(jì)算的全維度設(shè)備狀態(tài)維護(hù)系統(tǒng)研究[J]. 電測(cè)與儀表, 2020, 57(5): 8-13.

DANG Xiaojing, DENG Shicong, Lü Qishen, et al. Research on full-dimensional device status maintenance system based on cloud computing[J]. Electrical Measurement & Instrumentation, 2020, 57(5): 8-13.

[22] 鄭宗強(qiáng), 翟明玉, 彭暉, 等. 電網(wǎng)調(diào)控分布式SCADA系統(tǒng)體系架構(gòu)與關(guān)鍵技術(shù)[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(5): 71-77.

ZHENG Zongqiang, ZHAI Mingyu, PENG Hui, et al. Architecture and key technologies of distributed SCADA system for power dispatching and control[J]. Automation of Electric Power Systems, 2017, 41(5): 71-77.

[23] 熊文, 于全喜, 吳任博, 等. 基于演化博弈的彈性調(diào)控平臺(tái)任務(wù)調(diào)度研究[J]. 計(jì)算機(jī)工程, 2019, 45(7): 86-94.

XIONG Wen, YU Quanxi, WU Renbo, et al. Research on task scheduling of flexible regulation and control platform based on evolutionary game[J]. Computer Engineering, 2019, 45(7): 86-94.

[24] WANG P, DONG L, XU Y, et al. Clustering-based emotion recognition micro-service cloud framework for mobile computing[J]. IEEE Access, 2020, 8: 49695-49704.

[25] 王紀(jì)軍, 張斌, 顧永生, 等. 云環(huán)境中Web應(yīng)用的微服務(wù)架構(gòu)評(píng)估[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2017, 26(5): 9-15.

WANG Jijun, ZHANG Bin, GU Yongsheng, et al. Evaluation of micro-service architecture for web application in the cloud[J]. Computer Systems & Applications, 2017, 26(5): 9-15.

[26] 李祥瑞. 利用云計(jì)算進(jìn)行電力系統(tǒng)潮流計(jì)算[J]. 智能城市, 2019, 5(4): 5-7.

LI Xiangrui. Power flow calculation of power system using cloud computing[J]. Intelligent City, 2019, 5(4): 5-7.

[27] 化振謙, 盧世祥, 闕華坤, 等. 基于彈性分布數(shù)據(jù)集和有向無環(huán)圖的潮流優(yōu)化云計(jì)算系統(tǒng)設(shè)計(jì)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(23): 161-166.

HUA Zhenqian, LU Shixiang, QUE Huakun, et al. Design and research of power flow optimization cloud computing system based on elastic distribution data set and directed acyclic graph[J]. Power System Protection and Control, 2019, 47(23): 161-166.

[28] 劉偉佳, 李博權(quán). 容器技術(shù)在DRaaS中的應(yīng)用研究[J].微電子學(xué)與計(jì)算機(jī), 2018, 35(6): 52-55.

LIU Weijia, LI Boquan. Application research on container technology in DRaaS[J]. Microelectronics and Computer, 2018, 35(6): 52-55.

Design of a service elastic scheduling system for steady state analysis across provincial and regional dispatching centers

SUN Chao1, XIA Chen1, Lü Zhiqiang1, YANG Ming2, CAO Wu2

(1. NR Electric Engineering Co., Ltd., Nanjing 211102, China; 2. School of Electrical Engineering, Southeast University, Nanjing 210096, China)

The existing steady state analysis of power system application architecture has poor scalability and cannot adapt to the large-scale application requirement across provincial and regional dispatching centers. To solve this problem, a cross regional parallel power system steady state analysis service elastic scheduling management system based on cloud computing technology is proposed. The key technologies of the system, such as overall architecture, container packaging, resource isolation, service elastic scheduling, operation monitoring and so on are introduced and analyzed in detail. Micro service technology is used to modularize analysis services. The container technology is used to realize the deployment, isolation and dynamic expansion of analysis services. An algorithm based on the stochastic high-level Petri net model is used to realize the elastic scheduling of analysis services. A variety of practical steady-state analysis service applications proves that the overall operation of the system is stable, the system architecture has good scalability, and the application requirement of the wide range steady-state analysis and calculation across provincial and regional dispatching centers can be met.

cloud computing; steady state analysis of power system; micro-service; container; service elastic scheduling

10.19783/j.cnki.pspc.210718

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目資助(2017YFB0902600)“大電網(wǎng)智能調(diào)度與安全預(yù)警關(guān)鍵技術(shù)研究及應(yīng)用”

This work is supported by the National Key Research and Development Program of China (No. 2017YFB0902600).

2021-06-17；

2021-07-26

孫 超(1978—)，男，碩士，高級(jí)工程師，從事分布式計(jì)算與實(shí)時(shí)數(shù)據(jù)處理領(lǐng)域的研究工作。E-mail: sunch_2002@ hotmail.com

(編輯 魏小麗)