关键词：
云计算
计算机网络
资源利用预测
网络流量关联
深度学习
摘要：
随着电力系统信息化程度的不断提高,智能电网的信息系统对计算速度和存储能力提出了更高的要求。国家电网有限公司于2018年推出电网云信息平台,充分整合了电力系统现有的业务数据信息与计算资源,并为电网业务系统提供了便捷稳定的计算服务。
电网云信息平台虽然能有效提升工作效率,但平台中的虚拟资源也面临着缺乏管理的问题。计算资源管理是云平台资源管理一个重要环节,为保障云平台的可服务性,有必要根据虚拟机运行状态实现资源动态调整。然而,资源调度的准备和实例的初始化需要一定时间,导致资源无法根据用户需求动态调度,因而可通过资源预测的方式提前为资源需求进行分配。而由于电网业务存在动态性,使得难以对资源需求进行准确预测,且虚拟资源不宜进行频繁调度。因此如何准确预测较长一段时间的资源利用率,是本文解决的第一个重要问题。
网络资源管理是云平台资源管理的另一重要环节,云计算针对不同用户签订相应的服务水平协议,对业务进行感知和区分,并且监控和维持相应的网络性能。为有效管理电网业务流量,可通过流量关联技术,逐跳关联电网云网络节点的网络流量,进而获取电网云网络流量走向的全局视图。而在电网云网络环境中,存在众多异构的虚拟网络功能,导致网络流量难以准确关联。因此如何准确关联电网云中进出网络节点的网络流量,是本文解决的第二个重要问题。
为了解决上述两个问题,本文主要从以下三个方面展开研究工作:首先,针对电网业务动态性强导致资源需求预测准确率低的问题,本文提出了基于深度时间序列分析的资源预测与动态分配机制,将资源利用预测转化为时间序列预测问题,并基于N-BEATS、N-HITS与TFT三种先进的深度时间序列预测模型建立预测模型池;在此基础上,本文提出了基于预测误差与时间相似度的模型选择法,从预测模型池中选择合适的模型进行预测,以改善单一模型的预测性能。其次,针对网络功能复杂性导致网络流量难以准确关联的问题,本文提出了基于深度度量学习的网络流量关联机制,同时在模型中引入了通道注意力机制,并选用Circle Loss作为损失函数,有效提升了模型区分不同网络流的能力,以提高流量关联的准确性。最后,本文基于以上两个机制设计并实现了面向电网云信息平台的智能资源管理系统,同时进行了部署与系统测试,以验证本文的理论成果。实验结果表明,本文所提出的智能资源管理系统可以快速准确的进行资源利用预测与网络流量关联,有效提升了电网云的资源管理水平。
综上所述,本文从资源利用预测与动态分配、网络流量关联两个方面分别为电网云信息平台的计算资源管理与网络资源管理提供有效可行的方案。随着更多的电网业务接入至电网云,本文的研究成果能有效帮助电网云信息平台进行资源管理,具有重要的理论与应用价值。
欢迎来到三峡大学图书馆！
