数字仿真平台（精选八篇）
数字仿真平台 篇1
关键词：TRAD,巴克码PD,全数字仿真,单脉冲测角,制导雷达
0 引 言
美国兰德公司曾在21世纪初预测,在未来的10年里,机载拖曳式有源雷达诱饵(Towed Radar Active Decoy,TRAD)将成为世界电子战设备市场上增幅最大的产品。据报道,1999年3月美国对南联盟实施的空袭中,美军在其B-1B轰炸机上装备了ALE-50拖曳式诱饵,致使南联盟至少有10枚地空导弹被诱偏,有效地保护了其战机的安全[1]。近年来,美英德等国更是加大了在TRAD方面的投入,完成了多种诱饵的研发、外场试验和定型等[2,3,4],并开始大量装备其各种战机。兰德公司的预测成为了现实。
拖曳式诱饵的使用对当前空空导弹(Air-to-Air Missile,AAM)制导雷达造成了很大威胁。目前,对抗TRAD干扰的主要技术手段包括采用复合制导体制[5,6]、具有抗欺骗能力的制导新体制和信号处理算法抗干扰[7,8]等,但无论是从体制上还是抗干扰算法上,其抗TRAD的有效性都缺乏一定的依据。这一方面是由于抗TRAD干扰问题本身的复杂性,另外一方面也是由于缺乏统一的验证评估平台来对这些抗干扰手段进行定量评估。
本文针对空空作战场景下单脉冲巴克码PD体制下制导雷达对抗TRAD干扰评估问题,提出了一种实现制导信息处理的全数字动态仿真平台,用于典型TRAD干扰样式下飞机目标诱饵雷达回波动态生成和抗干扰算法性能的验证。文中基于稳态时拖曳线刚体假设,针对迎头、尾追和截击等典型空战场景,实现了飞机运动学状态动态生成及TRAD伴飞状态生成,进一步可合成目标和干扰的雷达回波。通过仿真说明了文中提出仿真方法的有效性。
1 单脉冲巴克码PD雷达制导仿真平台
单脉冲巴克码PD制导雷达仿真平台的基本框图如图1所示。系统主要由实体运动特性仿真、实体雷达特性仿真、雷达信息处理过程仿真、信息显示及性能评估、框架流程控制及任务管理模块5大部分组成。其中,框架流程控制及任务管理模块(Framework Procedure Control & Task Management Module,FPC&TMM)是系统的核心,主要实现对各仿真模块的有序调用和对仿真流程进行控制(如仿真的开始、结束和暂停等),此外该模块还用于实现对全局数据文件的操作和管理等。
2 目标诱饵运动特性生成
图2给出了战机应对来袭导弹的一般战术,因此我们的标准仿真场景将主要针对迎头和尾追场景。此外,由于战斗机大的横向机动总是在单个平面内完成的,故仿真场景设置主要针对水平和竖直平面内的目标横向机动两种情形下的迎头攻击和尾追攻击场景。截击场景和迎头场景下的情形相同。
3 目标诱饵系统雷达特性生成
在本平台目标电磁散射模型中,采用目标多散射中心模型,用于快速生成目标回波,这种方法用于验证雷达信息处理过程以及抗干扰算法的评估满足精度要求。
设雷达发射脉冲宽度为T2,码元时间宽度(子脉冲宽度)为T1(T2=PT1,P为巴克码长度);设t为一个积累帧中以第0个发射脉冲开始时间为起点的时间变量,则制导雷达的发射信号可以表示[9]为:
式中:m为发射脉冲编号;M为目标检测所需要的相参积累脉冲个数;n为发射脉冲中每个子脉冲的编号;Tp为脉冲重复周期;tmn=t-nT1-mTp为以第m个脉冲中第n个子脉冲开始时间为起点的时间变量(0≤tmn<T1);emn(tmn)为第m个脉冲中第n个子脉冲对应的信号。
设雷达工作频率为f0,b(n)(n=0,1,2,…,P-1)是长度为P=13的巴克码序列,则第m个脉冲中第n个子脉冲的信号形式可以表示为:
式中:φmn=2πf0(mTp+nT1)+φ0。显然,雷达发射信号相当于一个频率为f0的正弦连续波按Tp为周期截断成宽度为T2的脉冲串,然后将每个脉冲串与b(t)相乘后(相位调制)的结果,可以表示为:
式中:当b(n)=-1时,bn(tmn)=-1;当b(n)=1时,bn(tmn)=1。
扩展目标雷达回波可表示为:
式中:v为目标径向速度;t是以该接收处理帧内第0个脉冲周期的开始时间为起点的时间变量;m为一个接收帧内的脉冲编号;φ′mn=2πf0[mTp+nT1]+φ1;φ1为该接收处理帧内第0个接收脉冲的第0个子脉冲相位;S为回波脉冲幅度;tmn是以帧内第m个周期的发射脉冲中第n个子脉冲开始时刻为起点的时间变量;N表示目标散射中心个数;Ap为第p个散射中心幅度;Rp为第p个散射中心距离。此处没有考虑目标各散射中心间的转动效应,认为各散射中心的运动速度相同。
TRAD一般采用欺骗式干扰,主要包括简单转发干扰、距离拖引干扰、速度拖引干扰、距离-速度组合拖引干扰及调频诱饵干扰等。它的工作机理是将载机传送过来的含有假目标的欺骗信号放大后直接发送回导弹来袭方向,在导引头雷达上的反映为一个新目标。因此,类似上述推导过程,干扰信号的形式如下所示:
式中:J为干扰信号幅度,拖曳式有源诱饵一般是需要转发假目标信号,因此干扰信号的强度J大于目标回波强度S;fdJ = 2vJ/λ为速度调制后的诱饵多普勒频率,当不采用速度门拖引式时,诱饵速度和载机速度相同,即fdJ=fd,但转发诱饵会使fdJ逐渐偏离目标真实多普勒频率fd,从而在速度上将速度跟踪波束拖开;kJ为诱饵距离拖引后对应的采样起始位置,kJ=2RJ/(cΔt)。其中:RJ为诱骗距离,与导弹和诱饵的距离RTD不同;RJ主要取决于诱饵转发所加的时延。
巴克码脉冲压缩雷达的一帧数据X=[xm(k)]M×kC表示为:
式中:
式中:S为目标电磁散射矩阵;EM×kC为M行kC列高斯白噪声矩阵。图3给出了巴克码脉冲压缩雷达全数字仿真成像处理流程。经采样得到的基带信号经过巴克码脉冲压缩后,在对相同距离单元信号进行相参积累处理就得到了距离多普勒成像结果。
4 仿真分析
整个仿真过程从初始化场景参数开始,然后根据图4所示场景,对目标和诱饵的运动进行模拟,得到目标和诱饵的状态信息,再根据目标和诱饵的相对位置,结合导弹的比例制导规律得到导弹的状态信息(位置和速度等)。根据它们的绝对信息,计算出其相对位置和速度参数,再把这些参数代入到雷达信号生成模块,生成目标和诱饵系统的雷达回波信号,并得到目标和诱饵的距离-多普勒图像,如表1所示。此处假定雷达工作频率为10 GHz,子脉冲宽度为0.5 μs,脉冲重复周期为25 μs,巴克码编码序列为[-1 -1 -1 -1 -1 1 1 -1 -1 1 -1 1 -1],相参积累脉冲个数为256,数据处理帧周期为10 ms,干扰样式为距离-速度组合干扰。
通过表1可以看到,在迎头场景下,刚开始可能目标和诱饵的谱特征不太明显(每个场景下的第一幅距离-多普勒图像),但随着导弹靠近目标,目标和诱饵在距离-多普勒平面逐渐分离,不管是在速度维还是在距离维上。这主要是由于迎头场景下,导弹是逐渐接近目标和诱饵系统的,两者的张角相对导弹逐渐增大,其距离特征的区别就显得比较明显。另外,迎头场景下目标和诱饵的多普勒差异也会变得比较大。图5给出了通过单脉冲测角得到的仿真场景一中弹目视线角误差在方位和俯仰平面内的值以及弹目多普勒值,目标和诱饵在距离多普勒平面上基本无法区分,这主要是由于目标-诱饵系统远离导弹,其本来微小的多普勒差异更加被削弱,距离上的差异也会显得很小。这也是飞机使用战术中尽量把迎头和截击场景转变为尾追场景才比较安全的一个重要原因。
5 结 论
本文针对空空作战场景下单脉冲巴克码PD体制下制导雷达对抗TRAD干扰评估问题,提出了一种用于实现单脉冲巴克码PD制导雷达信息处理的全数字动态仿真实验平台。该平台可用于直接转发、距离拖引、速度拖引及距离-速度组合拖引等典型干扰样式下飞机目标诱饵雷达回波动态生成和抗干扰算法性能的验证。在介绍TRAD干扰几种典型干扰的数学模型和单脉冲巴克码PD雷达全数字信息处理过程的基础上,提出了制导信息处理全数字仿真方法与仿真框架。文末的仿真实验表明,文中提出的仿真平台能够为抗干扰算法的评估提供数据源基础,同时仿真结果证明了文中仿真框架的有效性。
参考文献
[1]王燕.拖曳式诱饵步入前台[J].电子战技术文选,2000(3):3-6.
[2]张文俊.新一代先进诱饵发挥出巨人作用[J].电子侦察干扰,2001(2):39-42.
[3]金兆恂,王建涛.机载牵引式复合诱饵[J].光电对抗与无源干扰,2003(1):24-26.
[4]立平.AN/ALE-55光纤拖曳式诱饵取得新进展[J].航天电子对抗,2006,22(1):38.
[5]李朝伟.拖曳式有源诱饵及相应对抗技术初探[J].电子对抗,2003,19(2):36-40.
[6]李朝伟.基于数据融合抗拖曳式有源诱饵方法研究[J].航天电子对抗,2003,19(6):14-18.
[7]TURBYFILL M E,RUDD M A,MACK J L,et al.Activenoise suppression in phased array radars using an anti-jam-ming optical beam-forming system[J].Proceedings ofSPIE,1995,2481(141).
[8]PARKER P,SWINDLEHURST A.Space-time autoregre-ssive filtering for matched subspace STAP[J].IEEETransactions on AES,2003,39(2):510-520.
大气紊流的数字仿真 篇2
大气紊流的数字仿真
为提高大气紊流数字模拟的精度,分析Dryden紊流模型的数字仿真技术,发现仿真中采用的高斯白噪声序列的生成精度是影响大气紊流模拟精度的重要因素.在不改变随机数序列均值、方差以及概率密度特性的`情况下,采用双随机交换最小化方法对高斯噪声序列进行白化处理,使得随机数序列的白化程度提高,从而使紊流模拟的精度提高,而且模拟精度受采样间隔的影响降低.采用双随机交换最小化方法对高斯白噪声序列进行改进是提高紊流模拟精度的1种直接有效的手段.
作 者：马树峰 岳晓奎 MA Shufeng YUE Xiaokui 作者单位：西北工业大学,航天学院,西安,710072刊 名：计算机辅助工程 ISTIC英文刊名：COMPUTER AIDED ENGINEERING年，卷(期)：17(3)分类号：V411.8关键词：大气紊流 Dryden紊流模型 高斯白噪声 随机序列 双随机交换最小化方法
数字仿真平台 篇3
近20年来, 电力系统广域测量系统 (WAMS) 快速发展, 并逐步成为广域电力系统动态监测与控制的重要数据平台。基于WAMS数据的动态监测与控制的相关研究通常需要进行电力系统现场试验。现场试验往往由于可能引起系统失稳进而造成严重的经济损失而难以实现, 研究人员通常以数字仿真代替现场试验。
现有的研究表明, 若WAMS时延为固定值, 则该固定时延对广域控制器的影响可以完全补偿[1], 但实际WAMS通信网络中存在具有分布特性的通信时延[2], 这种随各通道的网络拓扑和通信量而变化的时延将对电力系统动态监测与控制产生严重影响, 且其随机性造成的影响很难以固定时延补偿方法进行有效补偿, 需在仿真分析中予以考虑[3]。
常见的电力系统数字仿真软件, 如PSCAD, PSS/E, TSAT, BPA, MATLAB/Simulink等可模拟2种时延: (1) 固定时延, 简单通用但不能准确模拟时延的时变特性; (2) 不带时标信息的可变时延, 可根据需求改变时延, 但不能模拟异常网络状态, 且由于缺乏时标信息而不能进行WAMS时延仿真或广域控制的时延补偿仿真。
电力系统实时数字仿真器 (RTDS) 是实时的电磁暂态仿真器, 以其高精确度且可实现硬件在环测试而得到业界高度认可, 广域控制设备投运前需要经过RTDS硬件在环测试。RTDS的内部时延仿真与其他数字软件仿真类似, 虽然RTDS能使用其自带的GT-net板卡[4]或通过功率放大器接入WAMS的终端 (相量测量单元 (PMU) 等设备) 模拟WAMS的测量功能, 但实验室中难以搭建与实际WAMS通信网络拓扑规模相近的通信网络, 导致其通信网络特性与实际相差甚远。
文献[5]中使用电力通信同步仿真平台 (EPOCHS) 对IEC 61850数字化变电站的通信进行了仿真研究;文献[6]提出了一种定步长电力系统与事件驱动通信系统混合仿真的方法, 但两者都没有涉及对同步时标的考虑。
现有的广域动态监测及控制方法的仿真研究中对WAMS时延的仿真主要有以下3种方法: (1) 分别评估多个固定时延对广域阻尼控制器的影响, 最终得到控制性能随时延变化的特性[1,7]; (2) 实测时延的分布, 以概率最大的一个固定时延代表分布特性, 并仅考虑该固定时延[8]; (3) 预估最大时延并只考虑这种极端情况下的控制器性能[9]。以上3种方法均是对固定时延的模拟, 不能仿真实际网络特性, 也不能研究时延分布特性的影响。还有的仿真研究[10,11]在控制器外围增加了时延生成单元, 但这种时延生成单元只适于模拟传输环节的时延而不是整个闭环回路的时延, 增加了仿真系统复杂度且通用性较差。
本文首先综述了WAMS中时延的产生原因以及相关统计结果, 然后提出可模拟任意网络特性的WAMS时延数字仿真方法及详细步骤。该方法混合处理小步长子流程与大步长子流程, 分别模拟软实时任务和硬实时任务的时延, 且可模拟数据丢包、粘包、通信失败等异常网络状态, 最终在RTDS仿真系统中使用CBuilder编程实现该方法, 并进行了时延对电力系统实时任务影响的算例分析, 验证该仿真方法的有效性。
1 WAMS的时延
WAMS的数据传输路径及时延产生过程如图1所示。
WAMS时延由Δtcal, Δtup, Δtsyn, Δtdown, Δtctrl组成[12]。Δtcal为PMU采集量测信号并计算、打包、发送的时延[13,14];Δtup为数据上传时延, 包括数据经过通信服务器、物理防火墙、电力数据通信网络 (多节点路由光纤网络) 的时延[14];Δtsyn为调度中心的WAMS数据服务器集中并同步数据的时延[11,14];Δtdown为数据下传时延, 与Δtup相似, Δtup与Δtdown均为通信时延, 但随通信协议、网络负载、传送距离、信道带宽、经过的节点路由器等因素不同而不同;Δtctrl为广域控制器接收、处理数据的时延。
目前, WAMS数据主要应用于电力系统广域动态安全监测[15]和广域动态闭环控制[12], 根据计算机科学中依据实时性对系统任务进行分类的方法, 对这2种应用进行分类, 针对这2种应用的WAMS时延有所不同。
1) 广域动态安全监测是软实时任务[16,17], 监测系统从WAMS同步数据库中获得实时数据并监测, 只要按照任务的优先级尽快完成操作即可。这类应用的WAMS时延通常为非闭环时延, 即上行时延τsyn不受固定的任务执行周期影响, WAMS数据受τsyn影响后, 更新间隔不定, 所以τsyn为“即到即得”时延[2]。
2) 广域动态闭环控制是硬实时任务[1], 为保证某一时刻的闭环控制, 必须获得之前特定时刻的数据, 若所需数据还没上传, 则控制将失效, 同时控制任务以固定周期执行, 这类应用的WAMS时延为闭环时延, WAMS数据受闭环时延τctrl影响后, 仍然以固定周期更新, 新到数据将在下一执行周期更新。文献[12]的分析表明, 闭环时延τctrl的范围在100~150ms之间, 需要考虑时延分布特性并加以补偿以保证控制效果。
2 时延及异常网络状态的模拟方法
2.1 WAMS时延的仿真原理
电力系统仿真系统每步仿真计算都是针对当前时刻的, 现有的固定时延和可变时延仿真方法均有一个测量值缓冲数据序列, 存放着一段时间内每个仿真步长的数据, 并按照当前时刻已知的时延查找前一段时间的数值以仿真时延。WAMS数据最重要的特点之一就是带同步时标, 其时间参考系为测量时标, 测量值受某一时延的影响, 在之后的某一时刻可用, 对仿真系统而言当前时刻的时延是未知的, 需要逐一向前查找。为了将这种时延影响转化为仿真系统所采用的当前时刻参考系, 仿真系统需要增加一个与测量值缓冲数据序列对应的通信时延缓冲数据序列, 以供在当前时刻的仿真中查找前一段时间内哪些数据可用, 哪些数据受时延影响而不可用。这2个序列均以WAMS测量步长为间隔进行数据操作以模拟WAMS功能。
本文提出的WAMS时延仿真方法的实现原理如图2所示, 其中iΔT各数据的单位为ms。
仿真系统通常采用定步长积分法求解, 每步长的时间间隔为仿真步长Δt;WAMS为定间隔测量, 该间隔为测量步长ΔT, 通常为10ms。图2中测量值缓冲数据序列和通信时延缓冲数据序列中数据的存放位置, 即2个序列中元素的指针, 与该元素的时标互相对应, 也即图中的i与iΔT是相对应的, 通过操作数组元素的指针i即可实现对以当前时刻为基准的时延iΔT的仿真。例如, 仿真当前的绝对时标为1 226 161 226.085s (协调世界时 (UTC) , 下同) , 则此时jΔt=0.005s, 指针i=5对应的时标为iΔT=0.050s, 2个序列中指针i=5的元素的绝对时标为1 226 161 226.030s。
设定仿真的最大时延为ΔTmax, 处理时延的最大循环次数为N, 则
图2中变量i用于计数处理时延的循环次数, 若设定仿真的最大时延为100ms, 则N=10。
设定WAMS测量步长ΔT为系统仿真步长Δt的整数倍, 设该倍数为M, 则
M在时延仿真中用于判断仿真是否到达一次WAMS测量周期。以RTDS为例, Δt通常为50μs, 则M=200。图2中, 变量j用于计数以判断是否到达一次WAMS测量周期。
为模拟WAMS的特性, 需要增加以WAMS的测量步长ΔT为间隔的操作, 将这一流程定为大步长子流程, 而以仿真步长执行的仿真为小步长子流程。每开始一次大步长子流程时, 将当前测量值和一个与其对应的时延数据增加到测量值缓冲数据序列和通信时延缓冲数据序列中, 该时延数据既可以依次取自实际WAMS中实测的时延数据序列 (即已知的时延数据序列) , 也可以是一个依据给定分布特性随机生成的时延数据, 由此时延仿真可实现对已知的时延或随机生成的时延的模拟。同时, 各量测信号可使用独立的时延数据以模仿不同的信道特性。由于RTDS的实时仿真特性, 模拟已知时延数据序列时需要循环使用时延数据序列。执行小步长子流程时则不需要执行上述更新缓冲数据的步骤。
2.2 软实时与硬实时任务的时延仿真
基于以上分析, 本文提出的方法可同时模拟软实时任务的上行时延τsyn和硬实时任务的闭环时延τctrl, 分别由小步长和大步长子流程实现。
1) 对τsyn采用小步长仿真, 以仿真步长Δt实时输出当前WAMS的最新数据而不受固定的测量周期ΔT影响。由于软实时任务需要在每个仿真步长下检测最新的可用数据, 则以仿真系统的当前时刻为基准, 在时延缓冲数据序列中逐一向前检测该时延数据对应的测量值缓冲数据是否可用。设第i个时延缓冲数据为ti, 则判定条件为:
若t>0, 则该时延数据对应的测量值缓冲数据受时延影响, 到当前时刻为止仍不可用;若t<0, 则该时延数据对应的测量值缓冲数据在当前时刻可用。i和j为指针, 代表当前时刻可用测量值的时标。
2) 对τctrl采用大步长仿真, 以WAMS测量步长Δt为周期, 定间隔输出数据及对应的时标信息, 供后续使用。由于硬实时任务只操作WAMS数据, 则大步长仿真只在仿真进行到大步长子流程时执行, 此时j=0, 检测最新可用数据的判定条件由式 (3) 退化为:
对多个量测进行的大步长子流程可以输出多个受不同时延影响的测量值及其时标, 在仿真系统的当前时刻, 多个量测可用的测量值的时标并不相同。在大步长子流程结束后, 时延仿真方法可以嵌入依据时标对多个测量值进行同步处理的方法以模拟该方法受时延的影响, 其中具体的同步处理方法按照仿真需求实现, 可进行灵活扩展。
2.3 异常网络状态的模拟
仿真中可设定时延数据的特定值对应丢包、粘包、错序、通信失败等各种异常网络状态[18], 进而对这些异常状态进行模拟及处理。模拟方法为:在检测第i个时延缓冲数据对应的测量值是否可用前, 先判定ti是否与预设的异常网络状态对应的数值之一相等, 若有相等的情况, 则需要进行针对该异常状态的相应处理;若不是异常状态, 才判定测量值是否可用。
1) 丢包:若一个测量值的时延很大, 超过了仿真设定的最大时延时, 会造成该数据丢包。以设定时延数据序列中数值0对应丢包情况为例, 在每步仿真开始前预处理时延数据, 时延超过ΔTmax的数据视为丢包, 对应的时延数据被置为0, 当仿真中检测到ti=0时, 则对应数据丢包, 处理方法为去掉该测量数据。
2) 粘包:若一个量测值的时延比较大, 当下一次通信开始时该测量值还没有到达接收端, 即出现“先发后至”情况时, 这在实际WAMS通信中的表现为粘包, 即多个不同时刻的数据包同时到达接收端。与其他异常网络状态不同, 粘包状态不是由时间序列中的对应数值决定, 而是融合在了测量值缓冲数据是否可用的判断中。
3 实现流程
仿真系统中WAMS时延的仿真及相应的WAMS操作可通过编程实现并作为一个控制元件嵌入到电力系统数字仿真中, 在每次仿真计算结束后执行, 小步长子流程与大步长子流程混合处理可仿真WAMS时延对实时任务的影响。设定关注的WAMS量测有K个, 并依次标记为第k个, k=1, 2, …, K。
3.1 基本流程
本文提出的WAMS时延仿真方法的流程如图3所示。
步骤1:开始仿真步长的时延仿真计算。
步骤2:对关注的K个WAMS量测分别执行小步长子流程, 输出量测受时延影响的值。
步骤3:若到达WAMS测量周期, 则执行大步长子流程, 否则结束当前步长的时延仿真。
步骤4:输出大步长子流程得到的K个量测对应数据及时标, 这些时标并不相同, 在此嵌入依据时标对K个量测协调处理的方法可以模拟该方法受时延的影响。以模拟时延对计算广域控制规律的影响为例, 控制器反馈信号通常为2个母线频率差, 但2个频率受时延影响后的数据不同步, 则可根据时标信息先同步数据后再作差作为反馈, 最终计算出当前的最新控制量。
3.2 小步长子流程
对第k个量测执行的小步长子流程以仿真步长Δt实时输出该量测受时延影响的值, 如图4所示。
步骤1:根据变量i判断是否到达限定的处理时延的最大循环次数, 若到达则结束小步长子流程, 否则继续。
步骤2:逐一判断测量值缓冲数据序列中的第i个受时延影响的测量值是否可用。记ti为时延缓冲数据序列中读取第k个量测的第i个时延缓冲数据, 首先判断是否为异常网络状态, 若是异常状态则进行处理并进行下一次循环。
步骤3:若不是异常状态, 则继续判定该时刻受时延影响的测量值是否可用, 判定条件为式 (3) , 当循环至t<0时, 此时第k个量测的第i个测量值缓冲数据即为当前时刻可用的最新数据。
步骤4:结束小步长子流程。
3.3 大步长子流程
对第k个量测执行的大步长子流程以WAMS测量步长ΔT输出量测受时延影响的值以及相应的时标, 如图5所示。
步骤1:同小步长子流程步骤1、步骤2。
步骤2:同小步长子流程步骤3, 但判定条件变为式 (4) , 且记录变量i作为时标信息, 此时第k个量测的第i个测量值缓冲数据即为当前时刻受时延影响的WAMS测量值, 其时标信息, 即WAMS数据库中数据对应的位置n (k) 代表数据的时标信息, n (k) =i, 可由此同步同一时刻不同量测数据, 一并输出测量值及其时标。
步骤3:新的采样值更新测量值缓冲数据序列、新时延数据 (取自通信时延缓冲数据序列或随机生成) 更新时延缓冲数据, 结束大步长子流程。
4 算例验证
4.1 算例系统及实测时延数据
算例在RTDS中进行仿真, WAMS时延仿真及实时任务作为一个器件由CBuilder编程实现。算例使用的两区四机系统及其参数参见文献[19]。在8号母线 (区域联络线中点) 上进行0.2个周期的三相短路扰动, 观测由区域1 (功率送端) 送出的有功功率, 该有功功率稳态值为400MW, 扰动故障发生在0.75s, 仿真持续10s。
算例中使用的时延数据有实测的时延数据序列和随机生成的时延数据。
1) 实测的时延数据为贵州电网WAMS中电厂A的上行时延τsyn。作者所在课题组正在进行贵州电网广域阻尼控制器的研究项目, 项目中电厂A被选做观测机组, 其功角测量信号将作为广域阻尼控制器的输入信号。图6为电厂A的实测时延分布柱状图, 该时延的范围主要在37~41ms之间, 最大值为187ms, 波动性较小, 但会出现150ms以上的极限情况。
2) 生成的随机数据序列是根据实际需求而设定的分布特性生成的, 本文示例性地假设时延的分布特性为正态分布。设定发电机1的时延分布特性为正态分布, 均值μ=80ms, 标准差σ=40ms。
4.2 结果分析
图7为传输有功功率随时间变化曲线及随机生成原始时延和实测原始时延的分布, 2种原始时延的分布范围为0~0.21s。2种时延数据序列中, 时延超过180ms的数据视为丢包, “先发后至”情况视为粘包。
图8和图9分别为传输有功功率随时间变化曲线及随机生成原始时延和实测原始时延的分布2种情况的放大图。两图中传输的有功功率为RTDS的实测仿真数据, 软实时数据是提供给电力系统软实时任务的数据, 即受时延影响的传输功率实时值, 曲线上的黑色空心圆标记是以WAMS测量步长为间隔的实时采样数据。硬实时数据是提供给电力系统硬实时任务的数据, 是使用仿真方法提供的时标信息进行同步后的受时延影响的有功功率, 仿真中根据时标信息对测量数据进行存储, 并最终将存储的WAMS数据与同时刻的仿真结果进行对比, 正常网络状态下的硬实时数据与实时采样数据重合。
图8中, A, E, F点是未丢包和粘包的正常网络状态下的硬实时数据, 与实时采样数据重合, 证明本文提出的时延仿真方法可有效地仿真WAMS时延并准确进行WAMS的时标操作。B点至C点的一系列数据点由于B点时延非常大 (约为120ms) 而粘包, 受时延影响值累积在一起, 随机生成的时延数据标准差大, 导致软实时数据变化间隔不均匀。D点的时延为185ms, 判断为丢包, 软实时数据及硬实时数据没有相应数据点, 时延仿真实现了对丢包的模拟。图9中, A点的时延为187 ms, 判断为丢包, B, C两点由于B点时延大而粘包。
图8、图9中均可见软实时数据的变化间隔随时延数据大小而改变, 随机生成时延数据标准差大而变化间隔不均匀, 实测时延数据标准差小而变化间隔几乎均匀。同时, 未丢包、未粘包的硬实时数据与实时采样数据重合。图8中时延分布设定为均值80ms、标准差40ms的正态分布时, 粘包率非常高且容易丢包, 这与时延超过180ms的数据视为丢包及“先发后至”视为粘包的条件吻合。图9中实测时延没有大幅波动, 仅有少量粘包发生。综上, 本文提出的时延仿真方法可以有效地仿真丢包及粘包的异常通信状态, 其他特定通信状态也可使用相似的方法进行仿真。
图8与图9对比可见, 时延的分布特性对广域测量的影响非常大, 实测时延虽然以较大概率维持在较小范围, 但仍会时而出现很大的时延, 需要在研究中加以考虑及补偿。
5 结语
本文首先分析了现有电力系统仿真软件在模拟WAMS时延方面的不足, 并分析了WAMS时延产生的原因, 在此基础上提出了一种WAMS时延数字仿真方法。该方法有以下优点: (1) 可使用实测WAMS时延数据序列从而使得仿真的时延非常接近实际WAMS中的时延; (2) 通过设定时延数据的特定值分别对应丢包、粘包、通信失败等各种网络状态, 可以实现对这些异常网络状态的仿真模拟; (3) 该仿真方法可同时得到受时延影响的数据及其对应的时标信息, 从而可很方便地进一步实现对WAMS高级应用的仿真。最后, 在RTDS中使用CBuilder编程实现了该时延仿真方法, 算例分析表明该方法可有效地仿真WAMS时延及异常网络状态。本文提出的WAMS时延数字仿真方法适用于各种时延影响以及通信特性补偿方法的研究, 为验证理论研究提供了试验方法。
摘要：根据对广域测量系统 (WAMS) 中时延产生原因以及实测统计结果的分析, 提出了一种WAMS时延的数字仿真方法并给出了实现步骤。仿真过程将基于WAMS的电力系统任务分为软实时任务和硬实时任务, 分别采用小步长子流程与大步长子流程同时进行模拟。小步长子流程以单位仿真步长间隔实时输出量测受时延影响的测量值;大步长子流程以WAMS测量步长输出量测受时延影响的测量值及其时标。所提WAMS时延仿真方法的最大优点是:既可以模拟按照特定分布生成的随机时延, 也可以依据实测时延数据序列模拟时延;在此基础上还能够模拟数据丢包、粘包、通信失败等各种异常网络状态。最后, 在实时数字仿真器 (RTDS) 中实现了该时延仿真方法, 并分别采用随机时延和实测时延进行RTDS试验, 仿真结果验证了该方法的有效性。该方法适用于广域控制器受时延影响的理论仿真校验。
电力市场仿真平台的评述 篇4
电力系统是最复杂的人造系统之一,而以其为物理载体的电力市场则比其他商品市场更为复杂。文献[1]详细探讨了电力市场的特点,以及经济稳定性与物理稳定性的关系。电能的发、输、用过程离不开能源流、资金流及信息流。热、静态,动态和暂态等物理稳定约束可能使输电能力不能支持最经济的电力交易,从而降低市场效率。在电力市场领域中,习惯将电力系统热稳定越限的影响称为阻塞,反映物理与经济问题的耦合。
还有许多尚未得到足够重视的因素同样会使能源流不通畅,例如一次能源不足、排放越限、竞争不充分、资金不足、基本设施缺陷、技术支撑滞后、管理失误等。它们不但影响电力供应的可靠性和质量,并会通过减小(或放大)那些受阻的(或不受阻的)参与者的市场力,影响电力市场的效率和稳定性。文献[2]将直接影响或通过资金流及信息流间接影响能源流最优配置的情况统称为广义阻塞,它们是电力市场与其他相关领域交互的主要渠道之一。
与一般商品市场类似,电力市场是为了有效配置资源。然而,除了电力市场固有的特点外,全球范围的能源危机、生态环境的恶化、大规模可再生能源的介入、外部灾害的多样化等都是新形势下电力市场无法回避的新挑战。它们按各自的机理引发不同的广义阻塞,降低市场效率,甚至破坏电力系统或电力市场的稳定性。
研究电力市场的方法可分为3类,即优化、博弈均衡和仿真方法[3]。优化类方法一般只能有效处理单目标问题;博弈均衡类方法为了获得解析式,必须采用很强的假设(例如完全竞争及完全信息);仿真类方法可以处理复杂的数学模型,研究模型及参数对系统特性的影响,但仍然难以真实反映参与者的博弈行为。在实验经济学[4]成功地在仿真中计及主观博弈后,仿真方法在电力市场研究中脱颖而出并推动了电力市场仿真平台的研发。文献[5]从仿真目的、模型及仿真时步的视角讨论了软件平台;文献[6]则从计算机技术出发,比较了基于CORBA和代理技术、基于Java Platform,以及基于高层体系结构(HLA)的电力市场仿真平台。
本文在提炼一般仿真平台的要素的基础上,结合电力工业的发展趋势,在广义阻塞的框架下,探讨电力市场仿真平台的功能需求和研究方向。
1 一般仿真平台的回顾
仿真平台在很多科学领域都有广泛应用,涉及科学计算、现象揭示、产品设计、方案评估、沙盘推演、虚拟实境、多人博弈等。可将仿真平台的功能要素归纳为信息获取、知识提取和决策支持。
1)信息获取。静态(或动态)仿真平台根据给定的模型、参数、场景及外部交互性输入信息进行仿真,从而获得该模型在特定(或一系列)时间断面上的信息。输入信息决定了目标问题的数学描述的充分性、准确性与确定性,而外部交互信息反映了仿真过程的非自治性。而由仿真算法及软件求解数学模型所获得的信息则反映了该模型的静态(或在给定场景下的动态)特性。显然,信息可靠性是“知识提取”和“决策支持”的基础。
文献[7]介绍了涉及跨领域知识的复杂产品(如航天器)的设计仿真平台,需要协调不同领域的仿真软件。虚拟现实仿真平台要根据人与计算机的交互来建立虚拟环境[8]。博弈互动仿真平台则要处理多方博弈产生的各种难以预见的结果。
2)知识提取。从仿真结果中提取能反映目标系统特性及指导决策的知识,包括均衡特性及动态特性。定性分析虽然直观,却难以比较不同算例的效果。定量分析是机理分析和决策优化的重要前提,为此必须定义严格反映目标特性的量化指标,并保证其全局单调、连续、可微,以支持灵敏度分析。
3)决策支持。实际决策问题往往具有跨领域的多目标,而控制手段则往往需在时—空—控制对象中综合协调。若知识提取环节仅提供定性知识,就只能通过反复试探来支持决策,难以优化决策。若能掌握定量知识,就可用灵敏度分析来快速优化决策。
2 电力市场仿真的应用目的
1)事件反演。文献[9]通过仿真再现了加州电力危机的动态过程,分析可用发电容量、投资、长期合同、用户侧电价及阻塞等因素影响电力危机的机理;引入电力市场稳定裕度和稳定域的概念,以优化控制量;比较了预防、紧急和协调控制的效果,加深对教训的反思。
2)机理分析。文献[10]研究了发电容量充裕度长期振荡的机理,揭示了电厂建设时滞、政策激励及投资博弈等因素对振荡周期及幅度的影响。
3)决策优化。电力市场中的大量不确定性因素,突出了通过仿真提供决策支持的重要性。大量文献针对发电侧博弈问题,通过预测电价及模拟对手的博弈行为,优化自己的交易策略[11,12]。相应的仿真平台有PowerWeb[13],SEPIA[14],MASCEM[15]。这些平台仅支持指定短时段的仿真,对每日的电力市场运行进行简单的重复仿真。
对发、输电扩容的决策支持必须处理更多随机因素,并采用动态仿真,其时间步长可设置为以月为单位。文献[16]提出的电力市场复杂适应系统(EMCAS)支持多个时段的仿真,包括简单的长期发电投资;文献[17]给出了20~50年的长期规划仿真模型,以年为步长计算平均电价,考察一次能源价格及碳税对发电规划的影响;文献[18]通过仿真算例反映政府扶持力度对风电投资的影响。
4)体制评估。文献[19]根据美国联邦能源管理委员会(FERC)建议的电力市场原型[20]搭建了仿真平台,观察该市场体制在不同的策略报价、容量持留或阻塞型市场力下的特性。文献[21]利用仿真工具来优化电力市场的设计,通过各种假想扰动来校验其鲁棒性。
5)教育培训。用仿真平台模拟电力市场;受训人员通过与其交互,了解市场规则,积累市场经验[22,23,24]。
各类应用的要求各有侧重。“事件反演”要求在重现动态过程的基础上加深对物理稳定性与经济稳定性交互影响的认识;“机理分析”着重市场复杂动态行为的剖析;“决策优化”从利益相关者的立场出发搜索最优决策;“体制评估”则从政策层面评估不同的监管方案;“教育培训”要求在提供反复模拟操作环境的同时提供启发、评估与指导。它们从不同的视角出发,收集所需信息并组织仿真;从仿真结果中提取所需的定性及定量的知识;根据其控制目标提供决策支持。
要求一个仿真平台成为万能并不现实,但它应该尽量灵活与开放。为此,需从不同应用中提炼出共同的功能要素,同时充分考虑扩展的灵活性以适应各种特殊要求。
3 电力市场仿真平台的功能需求
根据电力工业的特点,按照信息获取、知识提取、决策支持这3个要素探讨电力市场仿真平台的功能需求。电力市场仿真平台的功能模块见图1。
3.1 信息获取
电能的发、输、用过程含有能源流、资金流、信息流,及排放流。其静态与动态特性受许多因素影响,例如一次能源价格、需求侧管理、设备检修、各种运行约束、环境约束、排放权价格、市场博弈、监管约束、运行规划、发电规划和输电规划等。这些因素都可能随时间而变,且具有不同的时间尺度。它们都会在不同范围和不同程度上影响竞争水平和市场效率,文献[2]建议将这些影响统称为广义阻塞。监管的目的是避免市场力被滥用,并保障社会福利。但监管不当也会降低市场效率,甚至危及市场稳定性或社会稳定性,故应该视做一种广义阻塞。这些广义阻塞通过不同机理影响市场竞争程度,但到目前为止只有输电静态阻塞方面的研究比较深入。
广义阻塞是不同领域间交互的途径。市场参与者通过各种广义阻塞来损害(或提高)市场效率的能力其实都是市场力,而广义市场力则反映参与者对社会福利的影响能力。由于电能输送与电力交易的特殊性,经济领域中常用的动态模型一般不能直接应用。必须重新定义状态变量,建立合理的数学模型,正确地反映利润积累、投资行为、可用发电容量和可用输电容量的动态变化[1]。
电力市场仿真涉及不同领域的计算模块,包括:技术领域的负荷预测、潮流计算、稳定计算等;经济领域的宏观预测、成本核算、利润积累等;市场领域的博弈、均衡等;环境领域的排放量核算、排放权交易等。由于广义阻塞的客观存在,仿真平台必须整合这些被长期割裂的跨领域模型,后者通过数据流和控制流交互。此外,由于存在差别极大的时间尺度,需要合理设计跨领域的多时间尺度的交互仿真协调方法。
电力市场由不同角色的众多参与者组成。他们根据跨领域仿真过程中不断产生的信息来了解电力市场的运营状态,揣测对手的行为,衡量自身的市场力,预测未来走势并选择符合自身利益的决策。参与者的主观行为不仅个体差异大,对仿真输出的中间信息敏感,且往往不符合经济学中关于“理性经济人”的假设,常规数学方法很难模拟其博弈行为。实验经济学方法将参与者的决策作为时变因素加入仿真,仿真平台必须能够予以实时处理。因此,在设计平台时各种数据和信息的开放性和接口的标准化十分重要。
3.2 知识提取
从仿真结果中提取知识是颇具挑战性的任务,特别是关于量化和风险的知识。
1)量化分析,包括各种广义阻塞的程度及对应的安全稳定域。目前电力系统物理稳定性分析已经从定性分析发展为定量分析[25],其思路值得在电力市场动力学系统分析中借鉴。
2)风险分析。广义阻塞导致的停电威胁取决于具体工况、扰动,以及参与者的博弈等众多因素,是具有随机特征的问题,需要采用风险管理技术。
3)机理分析。以发电阻塞为例,由于发电扩容投资大、建设周期长、投资风险高,故适当水平的长期充裕度对协调供电可靠性与运营经济性而言非常重要。不当的扩容或退役都会引起市场振荡甚至崩溃。
3.3 决策支持
在有关市场力控制的研究中,一般都取消费者盈余和生产者盈余之和为社会福利,并作为控制目标。文献[2]指出还应在监管目标中加入物理、经济、环境等领域的各种广义阻塞风险,以计及节能减排和环境友好的社会贡献。例如:输电动态阻塞管理就是典型的物理—经济双目标优化问题;节能减排调度则是在化石能源的耗量、温室气体的排放量,以及购电成本间的多目标决策。
上述多目标优化问题一般可以采用2种方式处理:①将各领域的目标函数加权取和,作为折中目标函数;②通过风险概念,将各领域的目标函数分别转换为货币量纲,再取其和作为单目标规划的目标函数。从本质上看,前者只能靠主观偏好来确定权值,没有理论基础;后者则是以事件概率为隐含权值。
在防御电力系统在物理扰动下失去稳定的研究领域中,已广泛采用由预防、紧急和校正控制组成的三道防线。文献[26-28]强调各道防线内的优化,并提出不同防线的时空协调解决方案。在电力经济领域,电力市场稳定性控制手段分布在发电侧、输电侧和需求侧,而控制时机则可以在扰动前、中、后,其控制特性和代价互不相同。文献[9]建议借鉴电力系统中的成熟概念,构建电力市场的三道防线。
4 电力市场仿真方法
4.1 计算经济学
计算经济学泛指所有借助仿真计算来研究经济学的方法,涉及范围很广[29]。在电力市场研究中,初期仅针对宏观经济学和统计学,后来进入微观经济学范畴。常用的研究手段为:
1)基于博弈论的传统方法,通过完备的数学推演来研究电力市场中的博弈均衡。由于需要诸如完全信息和完全理性等很强的假设,而不能真实表达实际的竞争行为,也难以求解多方博弈。演化博弈论是把博弈理论分析和动态演化过程分析结合起来的一种理论,在电力市场中也有研究[30]。
文献[31]介绍了一个描述迭代报价的古诺博弈模型,发电公司基于上次交易结果调整申报的发电量,直至达到均衡状态。文献[32]使用供应函数均衡仿真模型来分析市场力问题。文献[33]对日前市场进行反复仿真以辨识市场博弈均衡模式。文献[34]介绍的长期电力市场仿真器包含2层博弈,即短期发电报价博弈和长期发电投资博弈。
2)基于多代理的方法,通过交互作用的计算机代理,将经济活动描述为动态系统仿真[35]。其核心是赋予计算机代理有一定自适应能力的算法[36],这在一定程度上解决了多市场主体互动的均衡问题。但目前的智能算法远远不能真实反映人类的博弈行为,也难以反映价格波动及价格尖峰等动态特性。文献[37]回顾了基于代理的计算经济学方法,探讨了其基本模型、学习算法、市场规则、市场参与者的仿真;文献[36]按所采用的学习算法,比较了各种电力市场的多代理模型。
4.2 实验经济学
人的主观行为对环境敏感,个体差异大,要建立实用的数学模型或计算机代理都非常困难。实验经济学为研究涉及人的决策行为的经济问题提供了方法论[4]。若将电力市场中能用数学模型表达的那些环节构成实验环境,将市场参与者的具体博弈作为实验环境的外部输入,则人的主观行为就可与反映客观规律和市场规则的模型互动仿真。这样,就可以根据仿真结果探究在一定社会环境中支配人的经济行为的内在规律。最早的尝试是组织电力市场报价策略的简单实验[38],然后逐渐发展为在仿真平台上实验[13,39,40]。
4.3 方法的互补性
博弈论需要实证,而实验经济学的结果也需要博弈论的解释,两者的互补性很强。可以用博弈论实现计算机智能代理,以代替实验研究中较次要的参与者。这样可以减少真实参与者的数目,提高仿真效率。
5 研究现状
5.1 关于信息的获取
5.1.1 多尺度动态信息
仿真平台除了处理一般仿真程序都需要的数学模型、背景数据、场景数据、仿真和分析结果外,在整个仿真时段内还需要实时处理这些多时间尺度数据的随机及不确定性变化,支持不同领域的程序之间的交互,支持与多角色多参与者的动态博弈。
静态仿真平台只支持对电力市场在确定时刻或平稳过程中的报价策略、博弈均衡、市场力等的静态研究[41,42]。若要研究电力市场长期动态(例如长期投资及充裕性),仿真平台必须能够支持动态模型的仿真及系统动力学研究。文献[17]介绍了系统动力学在电力工业政策研究中的应用。文献[43]描述了发电投资的动态行为,评估不同因素对于年平均电价的长期影响。文献[44]所建立的电力市场动力学模型包括了电力需求、发电投资、电力生产、结算、市场成员、监管者等模块,其中考虑了容量持留、长期合同、需求弹性等因素;该项研究还开发了仿真平台,辅助电力工业的政策设计和规划决策。
5.1.2 跨领域信息
技术领域的电力系统仿真和经济领域的电力市场仿真一直被割裂,而技术—经济的交互仅限于电力交易后的潮流分析[45]及输电静态阻塞管理。在动态安全阻塞及其管理,以及电力市场风险和电力系统稳定性的交互影响方面鲜有报道。
目前对电力工业外部因素的考虑集中在以减排为目标的排放交易体系,还未见同时考虑多种广义阻塞的报道。文献[46]将年排放权总量平均分摊到每日并以日为步长,采用多代理仿真理性的发电公司通过排放权交易达到平衡;发电公司参考排放权市场价格,以决定采取挪用(或积存到)下时段的排放权,还是直接购买(或出售)排放权。文献[47]则是按年负荷率将排放权分摊到每日,以周为步长进行平衡,并考虑了发电公司更多的策略行为。然而,交易周期的硬性设定不能正确反映排放交易体系关于总量约束的本质,会造成排放权价格随短期不确定性因素而不必要地剧烈波动。
仿真平台除了需要真实反映各相关领域的系统特性外,还应提供灵活而标准的接口,提高容纳更多潜在领域介入的开放性及友好程度。
5.1.3 参与者的行为信息及其计算机代理
以往的电力市场仿真平台采用博弈论[11]、智能算法(如遗传算法、进化规划、粒子群算法)[48],或强化学习算法(如Erev Roth算法和Q-learning算法)[36]来模拟人的行为。随着实验经济学的兴起,开始允许真实的实验人与数学模型进行互动仿真,参与博弈[13,39,40]。到目前为止,实验研究仍局限于平稳环境中的交易,有待扩展到长期动态博弈。
5.2 关于知识的提取
5.2.1 量化分析
一个研究领域的量化分析水平在相当程度上反映了该项研究的成熟度;严格的量化指标则是优化决策的重要基础。目前,电力市场定量分析的成果局限于静态范畴,包括分析市场力的HHI(Herhindahl-Hirschman Index),PSI(Pivotal Supplier Index),RSI(Residual Supplier Index)和发电容量充裕度等指标[49]。
关于电力市场仿真平台LREMS[34],EMCAS[16],NEMSIM[50],MASCEM[15]及AMES[19]方面的文献,则分别介绍了它们的建模、仿真,及对仿真结果的直接展示能力,但很少探讨从仿真结果中提取知识的方法。
5.2.2 动态分析
稳定性是动态系统最基本的品质,研究时变非线性动力系统的稳定性离不开数值仿真。但从仿真所得的时间响应曲线中提取严格的定性和定量知识却不是容易的事,使用者一般只能凭经验来解读仿真结果。轨迹保稳降维理论解决了这个难题[51];据此而建立的扩展等面积法在电力系统物理稳定性量化分析中已经得到广泛的工业应用[25]。
目前对电力市场的仿真分析主要针对特定的时间断面或平稳过程,而基于博弈均衡的研究则着重于对均衡点的静态分析。关于经济稳定性,特别是动态稳定性的研究工作尚不多见,并停留在定性描述。文献[9]选取了电网公司利润积累的良性程度来反映电力市场的经济动态稳定性,并给出了计算电力市场长期稳定域的方法。
5.2.3 随机分析
电力市场涉及大量不确定性及随机因素,然而每次动态仿真却只能针对一个确定的场景。解决这个矛盾的一种方法是采用2层计算框架:下层用确定性方法对指定场景进行仿真;上层则按概率概念或风险概念来高效地选择场景,并综合下层分析的结果,评估随机因素的影响。例如:负荷、降水、机组可用率、发电公司报价策略等大量不确定性及随机因素都会引起电价波动。可以采用基于蒙特卡洛仿真的风险价值(Value at Risk,VaR)计算[52,53]来分析。
文献[54]比较了确定性分析、概率分析及风险分析方法,指出只有基于风险的方法才能有效地协调经济性与稳定性。
5.3 关于决策的支持
5.3.1 决策目标
发电公司在按利润最大化进行报价的同时,还必须优化长期投资决策,并考虑物理约束和排放市场。这是个复杂的多目标决策问题。但当前的研究多局限于发电收益最大化的单目标问题[23,41]。文献[46-47]将排放成本作为发电成本的一部分,统一为售电收益的单目标问题。
电力系统可靠性和经济性的协调,要求在保证系统可靠性的前提下使购电成本最小。输电阻塞管理是输电可靠性管理在电力市场环境下的延伸,包括静态输电阻塞和动态输电阻塞[55]。
当前的仿真平台可以支持静态阻塞管理,例如在静态安全约束下优化潮流[45]。文献[56]提出电力市场与电力系统动态交互仿真的框架,通过定义风险控制代价,将输电稳定性对市场交易的影响转化为风险责任者的上网成本。据此,文献[57]通过预交易迭代来管理输电动态阻塞。
5.3.2 决策手段
发电公司为了在保证自身良性运营的前提下得到最大利润,需要优化多市场报价、检修、投资等决策,其中必然尽量利用其市场力。电力市场运营机构为保证经济可靠供电,需要不断优化电力系统及电力市场的预防—紧急—校正控制决策。监管部门需要通过市场机制及价格上限等措施,来优化对市场力的控制,并保障社会福利。为了协调处理实际存在的多种广义阻塞,仿真平台必须提供灵活开放的接口,以支持多角色、多参与者的动态交互。
5.4 关于平台实现技术
5.4.1 软件实现
电力市场仿真的应用软件一般以解决市场优化和博弈均衡的计算为主,而人机交互和软件开放性则尚未提上日程。一般选择适合科学运算的编程语言,如MATLAB来实现仿真平台[34,58]。可以预期,一旦电力市场仿真进入实用化阶段,关于平台架构的探讨和设计就会引起更多的关注。
随着功能需求和计算机技术的发展,电力市场仿真的底层支持软件逐渐从函数式编程语言,面向对象的编程语言,发展到应用商业软件技术平台,例如Java 2Platform[40]和.Net Framework[59,60]。
多代理建模可以在多代理辅助建模软件平台[61]上实现,而无需重新开发多代理框架。目前应用较多的多代理建模平台包括OAA[15],RepastJ[45],JATLite[62]和JADE[63,64]。
为了整合仿真平台与已有的仿真资源,并实现分布式交互仿真,已有文献研究异构仿真系统的重复利用和互操作问题。HLA就是这样一种高层体系结构;文献[65]用HLA建立了电力市场的一个原型仿真系统。
5.4.2 硬件实现
仿真平台的硬件实现一般以配合软件实现和提升仿真速度为目的。对多代理仿真平台而言,由于仿真过程无需人的参与,且计算密集度不高,单台普通PC即可满足硬件需求。对于采用商业技术平台的仿真平台,多以C/S(客户端/服务器),B/S(浏览器/服务器)或其混合形式的架构出现。文献[40]提出的电力市场竞价仿真平台采用基于Internet技术构建的3层B/S架构,除需配备应用服务器、数据库服务器之外,还需为管理员、教练员、报价员和交易员提供配备Web浏览器的硬件设备。文献[22]提出的电力市场仿真和培训系统包含了教员台和学员台2个体系,教员台采用C/S结构,而学员台采用B/S架构,此外还需配备服务于仿真的数据库服务器,所有设备采用以太网连接。
随着富互联网应用(RIA)技术的快速发展,B/S架构在界面复杂性上的缺陷已逐步被克服,诸如Flex/Flash技术[66]已经可以支持在浏览器内运行带有复杂图形的人机交互应用。因此,在开展电力市场仿真平台的硬件架构设计时,采用RIA的B/S架构是较好的选择。由于仿真计算密集度的进一步增强,可配置多台服务器,采用并行、网格、云计算等大规模计算框架提高运算速度。为保证多角色多参与者与仿真进程的动态交互,还需配备相应数目的PC终端,以保证仿真参与的客观需求。
6 结语
现有的电力仿真平台不支持电力系统和电力市场的联合仿真,没有考虑电力市场的动态行为,也不涉及一次能源、环境和宏观政策的影响。本文从信息获取、知识提取和辅助决策这3方面评述了仿真平台的现状,讨论了新形势下应用功能对软硬件架构的要求。后者包括:物理系统快动态与经济系统慢动态在多时间尺度上的交互;市场参与者不确定的动态博弈;从仿真结果中提取定量知识;多目标协调控制的仿真支持;不确定性因素的处理。特别强调:需要按照实验经济学观点来构建跨领域交互仿真平台;以灵活开放的软硬件架构来支持参与者在多时间尺度上与各领域数学模型的交互,并从时间响应中提取深层知识,以风险观点来处理不确定因素并辅助决策。
数字仿真平台 篇5
关键词：变电站,仿真,一次系统,实时数字仿真,异步替代法,π型重叠电路,并行处理系统
0 引言
数字-实物混合型变电站培训仿真系统模拟的事故场景十分逼真[1,2,3,4,5]。在此系统中, 一次系统采用数字模拟, 二次系统采用真实设备[6,7]。为完整、准确地表达变电站一次系统的工作状态, 变压器、断路器、刀闸、母线等设备均为仿真对象, 其计算模型是一个节点众多的复杂网络[8,9,10,11,12]。针对这种情况, 本文采用异步替代法, 将计算模型分割为节点相对较少的多个独立网络, 使计算模型能够方便地进行并行计算。在分析异步替代法稳定条件的基础上, 提出了一种改善稳定条件和提高计算精度的π型重叠电路模型。
1 一次系统计算模型的网络分块
图1为110kV/35kV变电站的简化模型。
采用后退欧拉法或梯形法后, 简化变电站的等效计算模型如图2所示。其中, Ye为系统等效输入电导;YT为变压器等效电导;YL为线路的等效负荷参数;YQF1～YQF4分别是断路器QF1～QF4的开关模型参数;YF1～YF4分别是110 k V母线、变压器110 k V侧、变压器35 k V侧、35 k V母线处的故障模型参数。对于开关模型, 当断路器处在合位状态时, 其电导取一个很大的值, 反之取一个微小值。对于故障模型, 它由4个电导构成, 通过改变电导的参数可模拟单相接地故障、三相短路接地故障以及相间短路故障。
图2的计算模型共有22个节点, 由此形成的节点电压计算矩阵阶数为22×22。如果考虑变压器内部故障、刀闸与断路器之间的故障、各进出线线路故障, 计算模型的规模将十分庞大[13,14,15]。
对于图2所示的计算模型, 如果用已知的节点6的电压U6 (t) 替代节点6右侧部分电路, 可得式 (1) 所示描述网络A的节点电压方程。同样, 如果用已知的节点4的电压U4 (t) 替代节点4左侧部分电路, 可得式 (2) 所示描述网络B的节点电压方程。
事实上, 当前时刻的U6 (t) 和U4 (t) 并不是已知的, 但可以用前一时刻U6 (t-Δt) 和U4 (t-Δt) 作为U6 (t) 和U4 (t) 的近似值, 利用式 (1) 和式 (2) 进行迭代计算, 可以得到精确的U6 (t) 和U4 (t) 。由于YA和YB满足对角占优条件, 利用式 (1) 和式 (2) 所进行的迭代计算是收敛的。但当U6 (t) -U6 (t-Δt) 和U4 (t) -U4 (t-Δt) 比较大时, 这种计算一般需要较多的迭代次数, 难以达到实时仿真的要求。仿真结果表明:迭代次数与仿真步长不是线性关系, 而且在某种情况下增大仿真步长并不会减少迭代次数。
如果仿真步长很短, 电流项YTU4 (t) +IT和YTU6 (t) -IT在迭代中变化很小, 可用YTU4 (t-Δt) +IT和YTU6 (t-Δt) -IT替代YTU4 (t) +IT和YTU6 (t) -IT进行一步计算。在应用替代定理时, 用前一时刻电压值U (t-Δt) 替代当前电压值U (t) 进行一步计算, 本文称之为异步替代法。
采用异步替代法计算式 (1) (2) , 在仿真步长内式 (1) 和式 (2) 的计算相互独立, 可以将多节点、复杂一次系统计算模型分割为节点较少的分块计算模型。各分块计算模型在仿真步长内计算相互独立, 方便式 (1) 和式 (2) 进行并行计算求解。
2 异步替代法计算稳定条件
由式 (1) (2) 不难发现, 应用异步替代法建立节点电压方程时, 仅有A、B重叠部两端的节点4和节点6的电流项使用了前一时刻的电流值, 因此可将重叠部与其端节点从计算模型中分离出来, 单独讨论异步替代法的稳定条件。为简化计算采用图3所示的单相模型进行论证。
图3中节点4左侧电路为等效电压源UA (Ue, Ie) 和输入电导gA, 节点6右侧为等效电压源UB (IL) 和输入电导gB。下面分别采用后退欧拉法和梯形法作为计算模型的差分方法, 论证异步替代法的计算稳定条件。
2.1 后退欧拉法
采用后退欧拉法, 变压器等效电导gT=Δt/LT, 等效电流源为
根据异步替代法, 用u4 (t-Δt) 、u6 (t-Δt) 分别替代A、B部分的等效电源和等效输入阻抗, 并结合式 (3) 列写节点4、6的电压方程, 得到图3的计算方程。
设z变换算子z=e (σ+jω) Δt=eσs∠ωΔt, 对式 (4) 进行z变换, 可得:
联立求解节点电压u4 (z) 、u6 (z) :
令k1=gA/gT, k2=gB/gT, 式 (6) 可以简化为
在z变换下研究u4 (z) 、u6 (z) 的计算稳定性。由于u5 (z) 、u7 (z) 的分母相同, u5 (z) 、u7 (z) 具有相同的极点, 其计算稳定判定条件相同。假定u4 (z) 、u6 (z) 分母极点为, 由z变换的计算稳定性, 如果满足σk<0, 即的计算与图3电路就具有一致稳定性。因此, 本文从研究u4 (z) 、u6 (z) 分母的极点出发, 寻求异步替代法的稳定条件。
令y (z) = (k1+1) (k2+1) z3+ (1-k1k2) z2-3z+1, 从而将u4 (z) 、u6 (z) 的极点的求解转换为y (z) 与坐标轴z轴交点的求解。
a.假定k1=k2=k。令y (z) =0, 解得:若要u4 (z) 、u6 (z) 计算稳定, 则需满足, 从而解得k>1。即当k1=k2时, 若要u4 (z) 、u6 (z) 计算稳定, 则需满足k1>1, k2>1。
b.假定k1≠k2。根据盛金公式计算根的判别式Δ=B2-4AC, 当k1>1, k2>1时, Δ>0, y (z) 与坐标轴z轴有3个不相等的实根。通过计算和不等式求解可得y (z) 的拐点zc1、zc2。当k1>1, k2>1时, 有0
综合a、b的证明可知, 当满足k1>1, k2>1, 即gT
2.2 梯形法
采用梯形法, 变压器等效电导gT=Δt/ (2LT) , 等效电流源IT (t) 为
采用异步替代法列写节点4、6的电压方程, 并结合等效电流源IT (t) , 可得图3的计算方程为
对式 (9) 进行z变换后, 解得u4 (z) 、u6 (z) 为
其中, k1=gA/gT, k2=gB/gT。
按照与后退欧拉法差分计算相同的计算证明可得, 当满足k1>0.5, k2>0.5, 即gT<2gA, gT<2gB, u4 (z) 、u6 (z) 采用异步替代法时, 其梯形法的差分计算与图3电路具有一致稳定性。
3 π型重叠部模型
采用异步替代法对计算模型进行网络分块时, 需要重叠部的等效电导和其两侧的等效输入电导满足异步替代法的稳定条件。重叠部的等效电导可由具体的设备参数计算得到, 例如图2计算模型重叠部为变压器的等效模型, 其等效电导可由变压器参数得到。重叠部两侧端口的等效输入电导需要由端口外的计算模型计算得到。由于网络分块的选择不同, 重叠部端口等效输入电导值差别很大。另一方面, 随着变电站的运行方式改变, 重叠部端口输入电导也随之改变。因此, 计算模型进行网络分块时, 异步替代法计算稳定条件很难得到满足, 从而限制了异步替代法在变电站仿真中的应用。本文提出π型重叠部模型, 使网络分块广泛满足异步替代法计算稳定条件。以图3所示异步替代法计算稳定研究模型为例, 给出π型重叠部模型如图4所示。
由图4可知, gC
差分方法采用后退欧拉法时, 并联电容的计算电导为:gC1=C1/Δt, gC2=C2/Δt。当仿真步长满足时, 有gC>gT。采用梯形法时, 并联电容的计算电导为:gC1=2C1/Δt, gC2=2C2/Δt。当仿真步长满足时, 满足0.5gC>gT。可以根据π 型重叠部模型参数选择合适的仿真步长进行仿真计算。
4 仿真实验
以图2所示简化变电站模型为例, 应用π型重叠部模型, 采用后退欧拉法进行仿真计算验证异步替代法的计算稳定条件。简化变电站仿真计算的参数如下:变压器等效电感LT=0.202 2 H, 变压器绕组入口电容C1=C2=0.04μF;负荷电阻为800Ω, 电感为0.406 5 H;系统等效输入电阻为1.45Ω, 电感为0.001 H。
针对图2模拟负荷侧线路出口单相接地短路故障。0.2 s时发生故障, 0.4 s模拟保护动作, 断路器QF4跳开线路, 隔离故障。
仿真步长Δt=10μs时, 由模型参数计算可得:gT=4.946×10-5S, gA=0.684 9 S, gB=0.012 S, gC=0.004 S, 有gC+gA (gB) >gT, 满足异步替代法计算稳定判据。图5给出了简化变电站模型线路出口接地短路故障电流和故障电压计算波形。由计算波形可知, 当仿真步长较短时, 故障电流、电压的暂态过程得到了很好的表达, 接近真实的线路故障状况, 满足数字-实物混合型变电站培训仿真系统对一次系统数字仿真的要求。
当仿真步长Δt=250μs时, 由模型参数计算可得:gT=0.0012S, gA=0.588 2S, gB=0.0012S, gC=0.00016S, gC+gA (gB) >gT, 满足异步替代法计算稳定条件。图6为仿真步长Δt=250μs时线路的故障电压计算波形。由于仿真步长较大, 暂态过程的表达与仿真Δt=10μs时 (见图5) 有较大差别。
当仿真步长Δt=350μs时, 由模型参数计算可得:gT=0.0017S, gA=0.555 6S, gB=0.0012S, gC=1.4×10-4S, gC+gB
5 结论
多用户水声通信仿真平台设计 篇6
国际上，早在20世纪70年代就有较完善的仿真系统问世，我国直到20世纪90年代中期才开始有一些对于海洋声信道模型、现代先进声纳信号处理模型等仿真系统的研究。但对于水声通信网络仿真系统的研究也仅限于PC机软件模拟。由软、硬件相结合方法构建的水声通信网络仿真平台弥补了这一方面的空白，并对水声通信网络的研究有着很好的辅助和补充作用。
1 仿真平台构建
为达到模拟海洋水声信道、仿真多个用户之间水声通信的目的，仿真平台采用标准接口，可连接多个实际的水声设备，仿真其间的水声传播情况。该平台可以仿真各种海洋环境，帮助测试水声设备的功能，完成水声通信、水声定位、导航及水声对抗等试验。同时平台可以存储大量实际测量的水声数据，用以“重现”已进行的湖海试验。
由于仿真平台需模拟多个水声通信节点之间的水声通信状况，故系统采用服务器端-客户端模式。服务器端负责水声信道模型建立、人机交互界面显示等功能;客户端负责水声信号采集、数字信号处理以及信号数据转发等功能。如图1所示，以两节点通信为例，在实际的水声通信中，通信节点发射的声波信号通过水声换能器发送到海洋中，声波信号在经过水声信道后被接收方水听器接收，并传送给接收方通信节点。在仿真系统中，通过客户端、以太网传输及服务器水声信道建模来模拟声波信号离开通信节点后的传输过程。使得软、硬件结合的仿真系统可以更真实地仿真水声通信网络试验状况。
2 服务器端设计
2.1 水声信道理论建模
水声信道实际是时变、空变的信道，由于其变化缓慢，在仿真系统中近似为时不变信道。本仿真平台要求能够实时显示接收信号的畸变波形。射线声学以其计算的高精度、高速度及物理含义的显著性成为本系统的首选建模基础理论。射线声学理论体系由如下两个方程构建：
式(1)为声程方程，决定声线的传播轨迹;式(2)为强度方程，决定能量沿声线束管的传输情况。射线理论为严格波动理论的近似解，在传播声信号频率较高时，射线声学求解结果偏差极为微小。在深海水声通信中，由于海底界面影响较小，声线结构更为规律，采用射线方法计算精度更高。
多途相干水声信道的系统函数为：
其中，N为声波传播途径的总数;Ai为声波沿第i条传播途径到达接收点的信号幅度值;τi为声波沿第i条传播途径到达接收点的信号传播时延。只要能求解出Ai、τi的值，就可以近似构建所需的信道系统函数，并逼真地反映出水下声信道的传输特性。令通信节点所发射的声信号为s(t)，则其经过水声信道作用后的输出信号y(t)应为s(t)与信道系统函数的卷积：
其中，n(t)为信道内的加性噪声，体现水下噪声特性。接收信号的幅度畸变、接收时延及受噪声干扰等信息均可以通过y(t)得出。由于实际运算中对于较长的信号序列使用卷积计算较为缓慢，考虑到运算的实时性，可利用FFT快速算法求解输出信号y(t)。此流程表示为：
至此，完成了水声信道模型的建立及接收波形生成的理论分析，据此设计实际使用的信道模型与波形处理软件模块。
2.2 服务器软件设计
图2所示为服务器软件功能结构图。以两个水声通信节点为例，服务器软件基本功能为通过以太网接收客户端发送的水声信号波形数据s(t)，并将s(t)与水声信道建模产生的信道冲击响应h(t)进行卷积、时延等运算，得到通过模拟水声信道的信号波形数据y(t)，再将y(t)传输给其他客户端，进而完成仿真任务。
3 客户端设计
3.1 硬件系统设计
客户端系统采用SoPC方案，主要完成信号采集、信号处理及数据转发等功能，如图3所示。FPGA芯片为系统控制及数据传输核心，对于水声信号的采集由音频CODEC完成，以太网数据传输通过FPGA内置MAC结合外部PHY芯片完成。NOR Flash用于操作系统及程序代码存储，SDRAM用于程序运行，Nand Flash用于数据存储，JTAG用于系统调试，RS232用于与GPS相连完成系统时间同步。
3.2 FPGA内部结构设计
FPGA是系统的核心，整个系统的任务调度和管理都由FPGA来完成。图4所示为FPGA内部的总体结构图,其中I2C模块用于配置CODEC工作模式,I2S模块用于CODEC与FPGA之间数据传输。
3.3 Nios II处理器程序设计
图5所示为FPGA内部总体结构图。在Nios II处理器运行后，首先初始化μC/OS-II以及TCP/IP协议栈，然后开始运行客户端程序,Nios II处理器接收服务器的命令后通过I2C总线对CODEC进行配置,配置CODEC实现相应的A/D或D/A功能,由此程序进入正常工作的无限循环状态。
4 系统测试
对于客户端与服务器的联合测试，采用在理想水声信道模型中收发单频信号的测试方法。由一个客户端发送数据，经服务器接收并相应处理后转发给其他客户端。如图6所示，服务器接收客户端四(图中字母B指示处)数据并将其转发给另外三个客户端(图中字母A指示处)。测试现场如图7所示。
多用户水声通信仿真平台通过服务器端软件与客户端硬件的完美结合，可以最大程度地在实验室模拟海洋试验时所处的海况。在实际湖海试验前进行仿真试验对节约试验成本及缩短项目周期有着重要意义。
云计算仿真平台的改进研究 篇7
在云计算环境下用户的服务需求各不相同,可能会导致为某些用户分配服务器的资源不足,或是分配过多的服务器资源给某些用户。如何科学的对虚拟资源进行调度是一个非常重要的课题[1]。
云计算需要满足不同用户在不同时间点的服务请求,这些请求有着不同的配置、部署条件和服务资源数量。多维因素的影响下,在实际的云计算数据中心中配置不同参数进行测试是不现实的。因此,使用模拟工具作为实验环境来进行虚拟资源仿真实验来评估虚拟资源调度算法,既可以考察算法所得的结果,也可以测试不同规模数据中心的运行效果。
在CloudSim的基础上设计了CloudSim+,改进CloudSim的核心模块以增强功能和提升模拟效率,优化事件和实体管理机制让云计算仿真平台更符合真实的云计算环境。
1 CloudSim仿真平台
CloudSim是由墨尔本大学CLOUDS(Cloud Computing and Distributed Systems)实验室所开发的一个基于离散事件的云计算仿真平台,使用自带的离散事件模拟链接库来进行事件处理和内部实体消息传送[2,3,4]。
1.1 CloudSim的结构
CloudSim的主要类结构如图1所示。
图1中说明了CloudSim平台进行云计算仿真的主要类结构。在仿真的过程中主要实体类有Datacenter和DatacenterBroker,两者通过CloudSim核心模块来发送离散事件。Datacenter表示模拟的数据中心实体,可以在创建Datacenter时进行自定义设置,并针对不同的设置要求来定义DatacenterCharacteristics和VmAllocationPolicy。前者表示着该数据中心的相关配置,如HOST的系统资源配置以及相关的运行成本,后者表示该数据中心如何配置VM的资源分配策略,VmAllocationPolicySimple是其实例。DatacenterBroker表示模拟的用户实体,负责发送需要运行的VM和Cloudlet给Datacenter。
VM作为运行Cloudlet的依据,需要执行不同类型、不同时间需求以及不同系统资源要求的Cloudlet,而VM中的CloudletScheduler作为一个抽象类,既包括了VM运行Cloudlet的方法,同时也记录了CloudSim中Cloudlet的运行时间。CloudletSpaceShared表示Cloudlet依次使用VM中vCPU的计算资源,而CloudletTimeshared表示Cloudlet平均分配使用VM中vCPU的计算资源。
VM在HOST上运行的方式也有相同的抽象类VmScheduler。VmSpaceShared和VmTimeshared的分别代表着VM依次使用HOST的CPU计算资源或是平均分配使用HOST的CPU计算资源。而RamProvisioner和BwProvisioner是HOST在配置VM时的物理内存和网络带宽分配的抽象类,RamProvisionerSimple和BwProvisionerSimple作为两者的实例。两者都只允许VM使用预先配置的内存容量和网络带宽资源,受到了HOST已分配的资源限制。
1.2 CloudSim的仿真过程
CloudSim是通过创建SimEntity来进行仿真的,例如Datacenter在设定的时间点更新自身的状态,Datacenter接受来自DatacenterBroker发送的服务请求等[5,6]。其仿真过程如图2所示。
在CloudSim的类库中,CloudInformationService继承自SimEntity的子类,负责管理和处理CloudSim中所有的SimEntity信息。仿真开始时,每个Datacenter向CloudInformationService注册。从而向DatacenterBroker提供所有参与仿真的Datacenter信息。DatacenterBroker是云计算的用户,主要向Datacenter提出VM以及Cloudlet的需求。DatacenterBroker根据CloudInformationService返回的详细的信息来决定使用哪一个Datacenter来满足应用。CloudSim默认使用第一个注册的Datacenter作为请求服务的对象。接着,DatacenterBroker送出其需求的资源特性、数量等的事件让Datacenter决定该如何分配VM到HOST上运行,此部分的部署方式则根据用户所使用的资源分配策略VmAllocationPolicy来决定。然后DatacenterBroker部署所要运行的Cloudlet到已经启动的VM上运行。Datacenter更新自己的运行状态来判断Cloudlet是否执行完毕,若完毕,则Datacenter返回Cloudlet的运行结果给DatacenterBroker。如果所有的Cloudlet都已经执行完毕,则DatacenterBroker向Datacenter发送请求来销毁其使用的VM。
1.3 CloudSim的缺陷
CloudSim在设计和运行上满足了云计算仿真环境的基本需求,例如数据中心和用户间的业务过程等。但是在实际运行中存在缺陷,使得C1oudSim无法完全的满足云计算仿真平台的需求[7]。
(1)作为云计算提供商,面对的是不同用户在不同时间的服务请求。这点需要在仿真平台上有所体现。CloudSim仿真工具所有的SimEntity是同时运行的,所有的创建的Datacenter和DatacenterBroker必须在模拟开始的时候同时启动。这样则无法DatacenterBroker在不同的时间点向Datacenter发送的服务请求。虽然CloudSim可以让仿真过程中动态增加的SimEntity在不同的时间点启动,但和实际的环境相差甚远。
(2)CloudSim的系统资源利用率和运行效率低,云计算仿真环境,需要在各种不同情况下的进行实验,例如同一时刻有大量的服务请求或者是有长期使用的请求。怎么在多种情况下保持仿真平台的运行效率非常重要,CloudSim在这上面就显得不足。例如CloudSim电量消耗包中的参数PowerHost和PowerVm会在仿真过程中自动记录下所有的状态信息,虽然每次HOST的记录信息只有24 bytes(记录项目有时间、需求的CPU频率以及实际的CPU频率)。但是如果仿真中有1 000台主机,有2 000个服务请求,光是记录信息就需要24×1 000×2 000=48 MB。这些信息不一定有用,但是记录的过程会占用系统资源并影响运行速度。
CloudSim使用的是Discrete Event simulation模式,其时间复杂度与事件和需要更新的SimEntity数量有直接的联系。假设在CloudSim的仿真过程中有x个数据中心,每个数据中心有y台HOST,有z个用户发送服务请求,平均每个用户有n个VM需求。CloudSim的仿真应用自平衡二叉查找树算法(Self Balanced Binary Search Tree)中红黑树的思想,删除、插入元素的时间复杂度为O(lgn),仿真过程中的事件最多有xz(用户向不同的Datacenter进行查询)+4zn(VM的创建和销毁)+zn(Datacenter的更新事件所占时间)=z(x+5n)。事件管理的时间复杂度为O{z(x+5n)lg[z(x+5n)]}。假设虚拟资源调度算法时间复杂度为O(t),则仿真过程中虚拟资源配置的时间复杂度为O(zt)。仿真过程中需要更新的SimEntity数量,最坏情况下所有实体都会查询到,其时间复杂度为O[z(x+5n)+(x+z)],仿真中的Datacenter更新频率根据HOST的数量而定,其时间复杂度为O(ynz)。因此CloudSim进行仿真的总时间复杂度为:O{z(x+5n)lg[z(x+5n)]+ zt+ z(x+5n)(x+z)+ ynz},可见事件和实体的数量对运行时间影响很大。
2 虚拟资源调度算法
将虚拟资源调度问题看作成装箱问题(Bin-packing Problem)的变种:假如有n个HOST,每个HOST的可用系统资源大小分别是H1,H2,…,Hn,现有k个VM,它们的大小分别是V1,V2,…,Vk。将k个VM运行在n个HOST上,要求所使用的HOST数量最小。该类问题已被证明是NP-hard,通常使用一些Heuristic Algorithm来处理,如首次适应算法(FirstFit)[8,9]。
FirstFit算法过程如下:
①将V1的要求从H1开始查询是否能被满足。如果不能,则依次查询H2,H3,…,直到该VM的要求被Hj满足,则将该VM部署到此HOST上;
②由H1开始查询是否有下一个Vi的要求能被满足;
③循环往复直到将所有VM要求使用此方式来查询被分配到的HOST。如果无法查询到合适该VM要求的HOST,则此次调度失败。
3 CloudSim+的设计与实现
CloudSim+从C1oudSim的基础上改进所得。为了满足云计算仿真平台的要求,对CloudSim的类库以及功能作了二次开发。
3.1 CloudSim+的结构设计
在CloudSim的基础上来设计仿真平台,在CloudSim核心模块新增了一个新类:等待队列(Holding Queue),在VM模块上的应用程序Cloudlet设计了状态读取功能(Loading Characteristics)。CloudSim+的类结构设计如图3所示。
HoldingQueue:该实体类继承至SimEntity,其主要功能是传递DatacenterBroker的服务请求以及根据目前所有的Datacenter可用系统资源来预先判断是否可以接受DatacenterBroker的服务请求。HoldingQueue的作用是当DatacenterBroker的资源需求大于Datacenter的可用资源,Datacenter就拒绝该DatacenterBroker的VM请求。
GiveCharacteristics:在HOST上的VM所运行的Cloudlet也必须有对应的系统资源占用量,GiveCharacteristics的作用则用来获得Cloudlet的运行状态。
3.2 CloudSim+的仿真过程设计
CloudSim+的仿真过程主要由四类SimEntity组成:CloudInformationService、HoldingQueue、Datacenter以及DatacenterBroker。其详细过程如图4所示。
①CloudInformationService接收来自Datacenter发出注册请求,并记录其对应的ID以便查询可用的系统资源;
②HoldingQueue接收来自DatacenterBroker的服务请求,并通过CloudInformationService来查询已经注册Datacenter的可用系统资源信息,如果满足服务需求资源则将结果发回至DatacenterBroker,否则拒绝该请求并返回错误信息;
③DatacenterBroker向Datacenter发送创建VM的指令,Datacenter利用预先定义的VmAllocationPolicy来部署VM并运行在HOST上,如果有任意一个VM没有被正确部署,则拒绝该DatacenterBroker的服务请求并返回错误信息;
④DatacenterBroker将Cloudlet任务发送到VM上运行;
⑤Datacenter判断VM上的Cloudlet是否运行完成,如果完成则将所得结果返回给DatacenterBroker,否则重复该步骤;
⑥当Cloudlet都正确运行完毕,DatacenterBroker向Datacenter发送销毁指令,撤销由其创建的所有VM,并且标注该DatacenterBroker不再参与之后的仿真过程。
3.3 CloudSim+的新特性
3.3.1 改进SimEntity启动模式
CloudSim+设计了一个新的仿真功能来让任意的SimEntity(如DatacenterBroker或是Datacenter)可以自由设定启动时间,并且不会导致该SimEntity无法正确启动。其主要代码如下:
CloudSim+在的CloudSimEntity. java中新增了一个构造函数,其中新加的参数start-time是仿真时的启动时间。改进所有继承自CloudSimEntity的startEntity()方法,让模拟的实体可以在设定的时间启动。从而让CloudSim+的用户可以模拟出不同时间点发送的服务请求,当start_time设置0时效果和CloudSim相同。
3.3.2 改进运行效率
CloudSim+设计了新的模块LISTSELF,仿真平台用户可以自己配置是否自动记录下运行过程中某些特定的信息,例如每个HOST或VM的历史使用情况等。从而有效的降低CloudSim+在仿真运行过程中系统资源的使用率。
在CloudSim+的设计上,特别对模拟事件和SimEntity的管理进行了优化改进,从而提升仿真平台的运行效率。CloudSim+改进了仿真事件的管理,引入compare()函数进行排序。主要思路是,在compare()中将在同一时间进行更新的Datacenter事件看作为同一事件并返回值0,从而减少进入等待队列的事件数量。使假设减少后的Datacenter事件为S,S≤n×z,所以事件管理的时间复杂度为O(y*S)。CloudSim+改进了SimEntity的管理,CloudSim保留了SimEntity的状态配置项,但却没有对具体的定义SimEntity状态,在CloudSim+加以改进。DatacenterBroker的请求运行完毕或者资源无法满足时则将该实体标注为FIN状态,在后续仿真过程中不再进行更新;如果启动时间还没到的SimEntity,则标注为WAIT状态在后续仿真过程中需要更新。假设同一时间进行更新的SimEntity数量为G,G≤(x+z)。因此CloudSim+进行仿真的总时间复杂度为:O(z(x+5n)lg(z(x+5n))+ zt+ z(x+5n)G+ yS),有效的降低了仿真的运行时间。
4 实验与分析
在相同配置的物理机器上,运行两个仿真平台并使用相同的虚拟资源调度算法进行实验,分析所得的结果。
4.1 实验环境
实验过程中所使用的测试资料来自Parallel Workloads Archive(http://www.cs.huji.ac.il/la-
bs/parallel/workload/)提供的Log文档,选用的Log来自捷克共和国国家电网的MetaCentrum在2009年1月至2009年5月的操作记录,log的格式为SWF(Standard Workload Format)[10]。对测试资料做如下定义:
将Log文档中的一行资源定义为一个用户发送的服务请求,Job Number:用户编号;Submit Time:用户请求服务的启动时间;Run Time:用户需求服务的运行时间;Number of Allocated Processors:用户对VM的需求数量;Requested Memory:用户需求的VM拥有的内存容量;Requested Disk:用户需求的VM拥有的硬盘容量。
在CloudSim+定义用户发送服务需求中有任意一个VM没有被分配HOST时,则拒绝该用户的所有的VM请求并销毁该用户之前所有已经创建的VM,不让该用户再进入等待队列。仿真的Datacenter有2 096台HOST,其中每台HOST有4颗vCPU、8 G内存、100 G硬盘,接入带宽为1 G。
仿真平台所在主机配置为Fedora 18 64位操作系统、Java SE 6 Update 43、CPU为Intel Xeon X5650 2.66 GHz(两颗)、内存容量为48 GB 1 333 MHz、硬盘容量为3 TB。
4.2 仿真实验与分析
对CloudSim+和C1oudSim的仿真进行虚拟资源调度实验,采用的算法为FirstFit,请求服务为100,500,1 000,2 000,4 000次,仿真运行的实验结果如图5所示。
从图5可知使用CloudSim进行仿真的过程中随着实验规模的增大而导致效率低下以及资源占用率高,有着运行时间长、使用内存多和CPU利用率高等缺点,这是因为很多仿真无用的事件和实体增加了系统开销。CloudSim+经过优化后,使用改进的事件管理和实体管理机制来除去不必要的操作,使得仿真运行时间和系统资源占用率大幅得到改善。
5 结论
本文在CloudSim工具的基础上设计了一个仿真平台CloudSim+,通过改进仿真工具的事件管理和实体管理机制进行优化,增强了仿真的功能。在同样的环境下, 使用两个工具作为来运行虚拟资源调度(首次适应算法)实验来进行评估,CloudSim+具有可以模拟不同用户在不同时间发送服务请求、节省运行时间、降低内存使用量和CPU利用率等新特性,使得仿真平台更为接近真实的云计算环境,具有较高的实用性。下一步研究工作是将该仿真平台图形界面化,以方便仿真用户的使用。
参考文献
[1]Mell J,Grance T.The NIST definition of cloud computing.2011—10—20.http://csrc.nist.gov/publications/drafts/800—145/Draft-SP—800—145_cloud-definition.pdf2013—1—20
[2]CloudSim使用文档.http://www.cloudbus.org/cloudsim2012—9—20/2013—1—20
[3]Calheiros R N,Ranjan R,Beloglazov A,et al.CloudSim:a toolkit for modeling and simulation of cloud computing environments and evalua-tion of resource provisioning algorithms.Software:Practice and Experi-ence(SPE),2011;41(1):23—50
[4]Virtualization&Cloud Computing.http://www.vmware.com/solu-tions/cloud-computing/index.html2012—6—22/2013—1—20
[5]CloudSim:A Toolkit for Modeling and Simulation of Cloud Computing Environments and Evaluation of Resource Provisioning Algorithms.http://code.google.com/p/cloudsim/(2011—01—19)[2012—11—25]
[6]Garg S K,Buyya R.NetworkCloudSim:modelling parallel applications in cloud simulations.Proceedings of the4th IEEE/ACM International Conference on Utility and Cloud Computing,Melbourne,Australia,December:2011:5—7
[7]Zhong Hai,Tao Kun,Zhang Xue-jie.An approach to optimized re-source scheduling algorithm for open-source cloud systems.In:China-Grid Conference,Fifth Annual:2010:124—129
[8]姚婧,何聚厚.基于自适应蜂群算法的云计算负载平衡机制.计算机研究,2012;32(09):2448—2450
[9]Karaboga D,Basturk B.On the performance of artificial bee colony(ABC)algorithm.Applied Soft Computing,2008;8(1):687—697
特种设备仿真云计算平台搭建 篇8
云计算现已发展为一种被大众广泛接受的计算模式[1],也是社会普遍关注和研究的热点。而以云基础设施为基础,搭建可提供应用服务的云平台更成为关注的焦点。目前国外已经建立大量各具特色的云平台,其中较为典型的有:Google的云计算平台和云计算的网络应用程序、IBM公司的蓝云(blue cloud)平台产品和Amazon公司的弹性计算云(elastic compute cloud,EC2)[2]等。近几年,我国也建立了一些初具规模的云计算平台。
以上介绍的主要是大型公有云服务,而目前,由于云计算还处于发展阶段,很多技术如安全性、可靠性及监管的可操作性等方面并不成熟,很多企业、高校或研究机构都偏向于构建以现有硬件资源为基础的私有云平台。本文以广州特种机电设备检测研究院现有的工作站及服务器设备为基础建立特种设备仿真云平台[3]。结合特种设备有限元仿真分析工作的特点,集合现有的建模、分析软件,建立云计算分析平台,使仿真工作人员可以在平台上进行协作仿真,也可实现异地即时处理仿真分析工作。
1 平台搭建基础
基于云计算分析技术,以广州特种机电设备检测研究院现有的计算硬件和软件资源为基础,建立特种设备仿真云平台。平台系统构建包括客户端、用户认证服务器、交换机、通信服务器、分析服务器、存储服务器及HPC工作站集群,如图1 所示。
云计算服务架构主要为用户提供3个层次的云服务:软件即服务层(software as a service,Saa S),其主要功能是将平台内的应用以基于Web的方式提供给使用者;平台即服务层(platform as a service,Paa S),其功能是将应用开发及部署平台开放给使用者;基础设施即服务层(infrastructure as a service,Iaa S),其功能是将平台内的计算及存储资源以服务的形式提供给使用者[4,5,6]。本私有云平台的搭建实现了大部分人能使用软件即服务层的功能,同时,也可让部分平台使用者能够访问、使用另外2 个服务层[7,8,9]。云平台的构建是将硬件资源和软件资源通过特定的程序处理之后集成一个虚拟化的工作平台[10,11]。
硬件方面,利用现有的工作站和服务器,将工作站作为计算节点及图形节点,将服务器作为高性能计算(high performance computing,HPC)的管理节点,配合大型的存储阵列,以逻辑方式将计算、存储及网络容量组合成虚拟数据中心资源池,将计算中心服务的交付完全抽象化,高效地利用资源池。单位现用的硬件设备不再是孤立的基础架构,而是一个为仿真人员提供相互隔离的虚拟数据的数据中心,如图2所示。
软件方面,集成ANSYS、ALGOR、Maxwell、nCode等相关求解器,通过部署集群计算模块,形成一个统一的高性能计算管理平台,可对各软件中的求解器模块进行统一的调度管理。
内置模块方面,平台包含管理模块及协同模块。管理模块接收仿真工作者提交的任务,由仿真模块将工作任务通过交换机存储在用户数据存储服务器;协同模块根据用户的访问请求,调用相关分析软件,利用该用户提供的模型及数据在分析服务器上进行任务分解,并将分解后的子任务分配给相关的分析人员,各子任务完成后再提交给分析服务器进行整合计算。
2 仿真建模分析任务实现流程
2.1 任务管理及访问
仿真分析工作一般分为模型简化、模型建立、参数定义、计算、结果后处理等过程。仿真工作完成后还需对计算结果进行分析,根据分析结果对原有结构进行改进。传统的仿真分析工作基本以一个人为主完成整个流程,即使分工合作也存在信息交流不及时、模型不匹配、不能实时验证等问题。
由于仿真云平台只为单位内部和特定人员提供私有云服务,所以可最大限度地开放平台使用权限,每位操作人员都拥有1 台或多台应用终端,他们有权限管理自己的客户机,包括软件安装、更新,配置更改等。1 个计算分析项目可由多人共同进行,允许相关人员及时地参与仿真计算的各个环节,从而保证分析结果的可靠性,也可以提高计算分析效率。
2.2 特种设备仿真云计算平台任务的实现过程
下面从仿真分析计算的流程出发研究仿真云平台架构完成后协同仿真的实现形式。平台任务的实现过程如图3 所示。
具体流程为系统接到仿真人员提交的仿真分析需求后,对用户的权限及工作需求进行审核;然后将分析数据存储至存储服务器;接着利用协同仿真模块,结合管理人员的指令将仿真模块分解成若干个子任务,将任务分配至相关建模分析人员进行建模;最后进行模型整合、整体计算、结果输出等。
2.3 实例说明
下面以某类型门座起重机的有限元分析(4 人合作完成)为例,说明流程实现的过程。
首先,仿真工作人员将具体建模分析需求、相关尺寸和材料参数输入平台系统;然后由协同仿真模块根据使用人员输入的相关参数分配具体建模任务;不同建模人员收到各自任务后,可随时调用存放于平台中的图纸和相关参数,若图纸发生改变,由任务发起人及具备相关权限的人对总图纸进行修改,修改内容会及时发送到相关人员,以便及时进行模型变更;多位建模人员同时通过各自的使用终端,访问云平台,并在平台上进行建模(图4 所示为每个建模人员完成的工作),建模完成后提交至协同模块进行整合,整合完成的模型如图5 所示;最后在平台上进行试算、修改、计算、结果输出、讨论等过程。
3 应用与讨论
多数情况下,用户的使用仅限于访问的实时性和有效性,而对于基础设施架构、平台的实现处理形式及平台的管理模式并不关心。下面从用户体验的角度对平台应用的便捷性、实时性、可扩展性和协同仿真体验进行介绍。图6 为平台使用效果图。
3.1 便捷性
程序及数据访问的便捷性是搭建本平台最重要的目的。平台搭建完成后,开放外部访问接口,允许仿真工作人员通过任意一个网络终端设备访问本平台,解决了每台仿真工作计算机都需要有高硬件配置且必须安装分析软件的问题。
3.2 实时性
云平台访问需要进行大量数据和图像的传输,对网速有较高的要求,达到无延迟数据处理需要千兆网络终端。运用先进的分布仿真技术/VR技术,实现无延迟的人机交互模式,实现局域网无延迟访问。
3.3 扩展性
通过虚拟机和服务主机集中管理,实现云规模的容量扩充。为有限元分析软件的应用提供前所未有的服务。平台采用动态仿真网格技术,将仿真计算求解器置于平台上,可根据用户使用需求调用计算设备,同时结合管理平台的统计数据,提出扩展需求。
3.4 协同仿真
协同模块允许用户在多个层面实现创新。协作式共同仿真使多位仿真分析工程师可以同时从事同一个产品的分析。同时,协同模块可以将运算过程实时传输到用户端,并实时接收用户访问及数据变更请求。每位用户都能在云中始终保持与单一通用数据库的连接,并且可以访问最新版本的数据。根据其安全和访问权限,所有用户都能随时随地通过任何设备访问数据以完成基本任务,例如管理或审阅模型、参与社区讨论等。协同仿真可以有效提高建模速度。前述模型正常情况下一个人单独完成需要约8 个工作日,经过实际操作发现在协同仿真模块的调动下,通过4 个人的合作可以在1.5 天内完成建模工作(折合总工作时间6 天),建模工作效率提高25%。同时有效调动全员的积极性,压缩了建模工作的持续时间,有效保障了仿真工作高效、准确地完成。
4 结语
特种设备仿真云平台的搭建,有效地整合了仿真计算资源,提高数值仿真工作效率,有效提升特种设备安全评估中的数值仿真能力,真正实现了软硬件资源的共享;平台允许多用户同时使用,可实现设备使用者与设计、评估者之间更方便地交流和协作;提高仿真分析工作效率,节约电能消耗,实现仿真办公异地化。还可以促进仿真分析在特种设备安全评估及评价工作中的应用,为特种设备安全管理部门带来切实的利益,也有效保护了特种设备使用单位的资产安全。
参考文献
[1]吴朱华.云计算核心技术剖析[M].北京:人民邮电出版社,2011.
[2]虞慧群,范贵生.云计算技术的应用及发展趋势综述[J].微型电脑应用,2011,27(10):1-3,8.
[3]彭启凤,黄国健,刘向民,等.特种设备仿真云计算平台构建研究[J].自动化与信息工程,2013,34(5):16-18.
[4]陈康,郑纬民.云计算:系统实例与研究现状[J].软件学报,2009,20(5):1337-1348.
[5]Rodrigues JJPC,Zhou Liang,Mendes LDP,et al.Distributed media-aware flow scheduling in cloud computing Environment[J].Computer Communications,2012,35(15):1819-1827.
[6]Xun Xu.From cloud computing to cloud manufacturing[J].Robotics and Computer-Integrated Manufacturing,2012,28(1):75–86.
[7]刘金,黄国健,王新华,等.起重机参数化技术应用研究综述[J].自动化与信息工程,2013,34(5):7-10,24.
[8]刘金,王新华,齐凯.有限元分析技术在大型起重机金属结构安全评估中的应用研究[J].中国水运,2013,13(10):104-105,109.
[9]陈敏,黄国健,吴粤平,等.基于有限元的门座起重机结构强度分析及应力测试[J].自动化与信息工程,2013,34(4):31-34.
[10]虞慧群,范贵生.云计算发展分析与展望[J].软件产业与工程,2011(5):15-18,21.
【数字仿真平台】相关文章：
数字仿真学科纲要05-17
数字化仿真电网07-01
直升机地面共振试验数字仿真分析06-29
多采样率数字信号处理及其MATLAB仿真09-10
飞机数字化装配工艺仿真技木05-15
航空发动机消喘控制器的数字仿真试验研究06-05
系统仿真平台06-02
算法仿真平台06-19
软件仿真平台09-05