用户调度

2024-09-14

用户调度（共6篇）

用户调度篇1

1 背景

优化网络结构, 提高用户体验, 是运营商网络维护工作的根本目标。一方面, 运营商不断扩容传输带宽, 降低链路利用率, 另一方面, 运营商加强用户行为分析, 为调整路由策略提供依据。但还有重要的一环往往被忽略, 那就是DNS的解析、调度, DNS为用户解析返回的地址是本网质优资源, 还是外网资源, 对用户的网络质量有很大的影响。

2 名称解释

在Internet上可以通过IP地址来访问每一台主机, 但是要记住那么复杂组合的数字串显然是非常困难。为此, Internet提供了域名解决上述问题。

2.1 域名的定义

域名 (Domain Name) , 是由一串用点分隔的名字组成, 代表Internet上某一台计算机或计算机组的名称。相比于IP地址, 域名更容易被记住, 便于用户访问。

2.2 DNS的定义

DNS (Domain Name System) , 是计算机域名系统的缩写, 主要功能是将用户上网访问的网址, 通过域名解析找到网址对应的IP地址。

域名是分级管理的, 域名解析过程也是自上而下逐级请求的。用户在解析域名时, DNS会先从根域名开始请求, 根域名授权逐级分配, 最终到对应网站的授权服务器, 授权服务器可能是1台, 也可能是多台, 返回解析IP机制有2种方式, 一种是轮询, 一种是全量返回。

3 用户解析的过程

1) 用户在浏览器输入www.qq.com, 终端向运营商DNS发出域名解析请求。

2) 本地DNS收到请求后, 如发现缓存中没有此域名记录, 则向根服务器发送DNS请求, 根服务器返回COM域服务器地址。

3) 本地DNS向COM服务器请求qq.com服务器地址, COM服务器返回qq.com的授权DNS服务器地址。

4) 本地DNS向qq.com授权服务器发起www.qq.com的解析请求, 授权服务器域名服务器IP返回给本地DNS。

5) 本地DNS将域名对应的IP返回至用户。

4 原理分析及优化措施

4.1 原理分析

从解析过程可以看出, 域名解析的IP地址是否为网内地址, 取决于域名授权服务器。授权服务器地址一般是外网地址, 响应解析请求常用的有两种策略。

1) 分析请求解析IP的运营商归属, 优先返回本运营商的服务器地址。

这种策略要求本省DNS以源地址到授权服务器请求解析, 避免地址转换。目前运营商的路由径路主要分为骨干和本地两种方式, 保证DNS的解析请求全部通过骨干出网, 才能避免地址转换。

2) 不分析归属, 将所有服务器的地址全部返回。

这种策略会返回多个地址, 有本网也有外网地址, 而用户访问只需要一个IP即可。

4.2 优化措施

1) 调整DNS解析服务器IP的路由, 保证解析请求以源地址出网。

2) DNS增加筛选策略, 授权服务器返回多个地址时, 将本网地址提供给用户。

5 效果检查

腾讯cnc.qzs.qq.com域名, 优化前, 授权服务器返回外网地址, 如图2。

优化后, 授权服务器返回本网地址, 如图3。

6 结论

精准的调度机制是用户获取优质资源和良好体验的基础, 虽然目前内容调度主要由CP主导, 但是运营商也不是无事可做。一方面要加强与CP沟通, 将本网地址告知CP, 便于其准确调度;另一方面, 通过缓存建设、路由调整、DNS引导等方式, 补充调度, 可获得更好的效果。

参考文献

[1]刘//阿尔贝茨.DNS与BIND[M].5版.房向明, 孙云, 陈治州, 译.人民邮电出版社, 2014.

[2]唐文.海量运维、运营规划之道[M].电子工业出版社, 2014.

用户调度篇2

大规模风电入网的反调峰特性和空调负荷等因素造成系统负荷的高峰谷差,使得电网调度运行中的调峰问题日益突出,给电力系统的安全、经济运行带来了极大的挑战。减小峰谷差有利于降低电网峰荷时段的重载水平,减少机组调峰和启停,从而有效地提高系统运行的安全、经济水平。而提高负荷侧的互动水平,引导用户用电行为从负荷高峰时段向低谷时段转移,无疑是减小峰谷差的有效途径。随着中国智能电网建设的深入推进,用户侧与调度中心之间的信息交互水平将不断提升,各种蓄冷、蓄热技术将在用户侧普及推广,互动负荷有望成为电网的调峰资源并统一参与调度运行。

需求响应是一种用户侧响应价格信号或激励机制选择在非峰时段用电的行为[1,2],很多美国独立调度机构(ISO)在备用市场或辅助服务市场中接受需求响应供应商(DRP)的报价[2,3],并且在日前发电计划中综合考虑DRP的特性及价格,制定机组组合计划。在智能电网框架下,以高级计量设施(AMI)为技术核心的[4]需求响应也被作为一种重要的互动资源,应用于备用、辅助服务、紧急控制[5]等调度运行中。然而,目前中国尚未建立各级电力市场,实时电价缺失,一般只能通过峰谷电价的方式开展需求侧管理。峰谷电价虽然可以在一定程度上引导用户在低谷时间用电,但在这种方式下电网与用户侧之间缺乏直接、充分的信息沟通,难以准确、有效地调度用户侧负荷,使其满足系统的移峰需求,削峰填谷的效果往往非常有限;而在峰谷电价力度较大的情况下,又有可能出现全网大用户集中移峰的现象,为电网的调度运行带来极大的不确定性。出现上述现象的本质原因在于用户和电网公司均以使自身运行成本最小化为目标,分别优化决策用电行为和调度运行计划,用户侧移峰资源与电网侧移峰需求的匹配缺乏精准性和最优性。由于短期发电计划决策时间的限制,需求侧与电网侧很难在短时间内频繁交换需求侧响应信息和电网调度计划信息。这样,一方面使得用户侧缺乏全网移峰需求信息,仅能被动地响应峰谷电价,极易导致过度移峰或欠移峰的发生;另一方面使得调度部门无法精确定位各节点用户的移峰能力,只能通过负荷需求弹性[6,7]预测用户侧的响应效果,编制相应的发电计划,以满足需求侧响应后的负荷需求。

英格兰和威尔士电力市场在20世纪90年代开展了需求侧竞价(DSB)的市场竞价模式,赋予用户通过申报削减负荷价格和发电侧统一参与电力市场竞争的权利,实现了调度中心对机组和负荷资源的统一调配。DSB模式虽然可以有效地削减峰荷,抑制价格尖峰,但是如何实现削峰后负荷的转移和电量的恢复是该模式未提及的问题。文献[8]提出了依照用户申报的被削减负荷恢复供电比例数据,解决用户被削减电量在何时段、以何种比例补偿供电的方式,该方式虽然可以满足系统的削峰需求,但是负荷恢复时段完全由用户自主决定,即削峰电量移至何处完全由用户的意愿体现。为了挖掘互动用户移峰能力与系统发电资源的最优配合,有必要进一步研究负荷恢复时段可调度的用户侧模式,以满足智能电网环境下按需互动、精准移峰的需求。

如何站在统一优化全网调度资源的高度,建立一套能够充分考虑用户侧负荷互动特性的高效、最优的调度计划制定模式和方法,成为未来智能电网环境下需要解决的重要课题。为此,本文在深入研究当前用户侧负荷互动特性和互动型负荷移峰潜力的基础上,设计了适应国内调度实际和未来智能电网需求的用户侧互动模式,建立了能够最优统一调配发电资源和互动用户负荷的发用电一体化调度计划(GLIS)模型,开辟了一条用户侧主动提供互动服务的途径,使发电侧和用电侧均作为可调度资源参与电网运行的资源优化配置,有效提高了系统调峰和消纳间歇性能源的能力,为智能电网环境下用户侧与电网运行的互动提供了新的思路和方法。

1 用户侧移峰潜力分析

用户侧移峰潜力分析是开展用户侧互动模式设计的基础。通过分析典型用户的用电曲线特性,可以明确互动模式的参与对象,深入挖掘互动用户的移峰潜力。目前,用户侧的可移峰负荷主要包括蓄能技术和避峰生产2种类型。

1.1 蓄能技术

蓄能技术是指以水或冰为储能介质,利用电网负荷低谷时段的电力蓄冷或蓄热,以满足负荷高峰时段的制冷或取暖需求。典型的冰蓄冷空调负荷曲线[9]如图1所示。该类型移峰负荷的主要特征是移峰前后的用电曲线形状不同,可以理解为先削峰再将削峰电量转移到其他时段。

文献[10-11]分别以典型商业用户的空调负荷为例,评估了冰蓄冷空调系统在上海、南京电网中的潜在调峰能力。文献[12]介绍了电锅炉水储热技术的工作原理及衡水电业局储热工程,指出了该工程的显著经济效益及移峰效果。在实际电网运行中,以2002年的统计数据为例,北京地区已投运的蓄冷、蓄热项目共计94个,具有转移200 MW高峰负荷的能力,相当于节约发电投资16亿元[13]。

1.2 避峰生产

避峰生产是指在对工艺流程无影响的前提下,工业用户通过调整设备使用时间、人员工作班制,在负荷低谷时段进行工业生产的行为。典型的避峰生产负荷曲线如图2所示。该类型移峰负荷的主要特征是移峰前后的用电曲线形状不变。

以高耗能企业比重很大的宁夏地区为例,宁夏电网对高耗能企业实行峰谷电价,引导高耗能企业集中避峰生产,使得原来后半夜谷时段负荷高出平均负荷100~200 MW。尽管造成了峰谷倒置的现象[14],却反映了高耗能企业避峰生产所蕴藏的巨大移峰潜力。

综上,无论是蓄能技术还是避峰生产都能实现负荷的移峰填谷,通过合理引导和调度相应的蓄能,可使移峰生产负荷避开高峰时段,使其在低谷时段用电,从而有效降低高峰时段的系统调峰压力、减少机组启停,全面提高电网运行的安全性和经济性。然而,如何适应电网的实际调度运行情况,充分合理地利用用户侧移峰潜力,是目前值得深入研究的课题。为此,本文将设计相应的用户侧互动模式和模型,以实现发用电资源一体化的最优调度。

2 用户侧互动模式设计

互动是智能电网的重要特征之一[15,16]。传统意义上的互动是用户被动地响应分时价格、实时电价或尖峰电价[1],以调整自身用电计划。这使用户难以充分、有效地参与到全网的调度运行优化中,存在过度移峰或欠移峰的隐患。为此,应该从提高电网运行安全性和经济性的角度出发,设计一种激励电力用户积极参与互动,电网企业统筹调配发用电资源的新型发用电一体化互动机制,初步构建智能电网愿景下的用户侧互动模式。

2.1 基本前提和假设

本文所探讨的用户侧参与电网运行互动基于以下前提和假设:(1)由于国内的电力市场发展尚处于起步阶段,本文采用国内现行电价体系下的发电成本和非互动用户电价,不考虑电力市场环境下的实时电价机制;(2)中国尚处于智能电网发展的初级阶段,大用户互动是最适合中国电网实际情况的用户侧互动方式,本文仅考虑具备移峰能力的商业和工业用户;(3)用户侧互动采用移峰形式,在保证用户期望用电曲线形状和用电量不变的基础上,优化用户的用电时段;(4)所有参与互动的用户均安装了与调度中心通信的双向通信设备,具备与调度中心交换信息的软硬件设备;(5)所有参与互动的用户均具有良好的移峰能力,在保障用电曲线的条件下调整用电时段。

2.2 用户侧互动的申报机制

用户侧参与互动的申报机制是整个互动模式的核心,它不仅应规定用户以何种方式参与电网运行互动,还要考虑激励用户参与互动的价格机制。在传统的峰谷电价模式中,峰谷电价在很多情况下不能很好地满足用户的移峰成本要求,从而难以有效调动用户侧参与电网运行互动。如对于冰蓄冷技术而言,峰谷电价比达到5∶1至7∶1时,投资才能在2年内收回[12]。而将互动用户作为一种调峰资源,赋予其申报移峰成本的权利,就能通过互动用户间的报价竞争,发现用户侧的真实补偿价格,从而充分调动用户侧参与电网运行互动。通过发用电一体化优化决策,可以挖掘机组启停与负荷移动间相互配合的优化潜力。

本文设计的用户侧互动申报机制如下:参与互动的用户应综合考虑自己的生产需求和成本,每日向调度中心提交次日的用电意愿曲线和移峰成本曲线,然后与发电机组一同作为可调度资源由调度中心统一优化调度。

2.2.1 用电意愿曲线

用户应申报的用电意愿曲线包括原始用电曲线L0和互动用电曲线Ls,分别为移峰前、后的用电曲线,如图3所示。

图3中:时段11到时段21的曲线部分表示原始用电曲线;时段0到时段10的曲线表示互动用电曲线;TD为可参与互动的负荷总时段。由图3可以看出:由于蓄能用户通常以恒功率蓄能,移峰前后仅需要保证电量不变,因此,用电曲线始终为平线;而高耗能工业用户由于有固定的生产工序安排,移峰前后要求用电负荷曲线形状完全不变。

用电意愿曲线可以反映3方面的信息:用户次日参与互动的原始用电曲线L0和互动用电曲线Ls;可参与互动的负荷总时段TD;用户参与互动的总电量。

2.2.2 移峰成本曲线

移峰成本曲线表征了用户认为提供移峰服务后,应从电网公司获取的补偿价格。本文设计了一种简单的移峰成本曲线,如图4所示。

图4中:T0表示用户的原始用电时段;C表示电网公司用于改变互动用户用电时段所需支付的额外成本。移峰后用电时段离原有用电时段越远,移峰成本就越高。

2.3 用户侧参与电网运行互动的流程

根据上述用户互动的申报机制,用户侧参与电网运行互动的具体流程如图5所示。

用户向调度中心申报的互动信息包括用电意愿曲线和移峰成本曲线;调度中心编制的次日GLIS包括机组启停计划、机组出力曲线及互动负荷的调用计划;一般情况下,调度中心与用户之间的信息反馈次数应不大于1。与现行的峰谷电价模式相比,本文所提出的用户侧互动模式的优势如下。

1)互动用户的角色从价格接受者转变为价格提供者,通过申报机制反映自身的用电意愿和移峰成本,最大限度地挖掘了需求侧的潜在可移峰负荷。有经验的用户可以在不增加自身成本甚至通过提供互动服务盈利的情况下,为电网的平稳运行作出贡献,并且可以通过长期的学习和分析,不断改进自己的报价策略。而电网公司可以统一调度互动负荷资源,进一步提高电网的安全性和经济性。

2)互动用户的移峰计划不再由各用户以被动响应价格的形式获得,而是由调度中心在充分考虑用户侧意愿和电网侧运行需求的基础上,优先调用移峰成本较低的互动负荷,以满足系统的调峰需求。相当于购买了互动负荷的灵活调用权,避免了用户自主移峰可能给系统运行方式带来的不良影响,实现了用户与电网之间的精准、按需互动。

3 GLIS模型

GLIS模型在传统安全约束机组组合(SCUC)模型的基础上,在决策变量中引入了互动负荷,构建了兼顾发电资源和互动用户资源、考虑电网安全约束的统一调度优化决策模型。

3.1 互动负荷的建模

互动负荷j的决策变量为启动变量Ij,m:若互动用户的负荷j在时段λ启动,则Ij,m=1;若在其他时段启动,则Ij,m=0。该决策变量决定了互动负荷的开始被调用时间,其物理意义类似于离散信号分析中的单位样值信号[17],可以表述为:

利用式(1)中互动负荷启动变量的抽样特性[17],互动用户i在t时段的有功负荷μi,t为:

因此

式中:Ui为互动用户i的负荷持续时间;Si为互动用户i的用电意愿曲线幅值数组;L0i为互动用户i的原始用电曲线。

若互动负荷被调用,通过式(2)等号右边的第1项,可以根据互动负荷启动变量I的优化结果中负荷启动时段λ的位置,将用电曲线序列S依次放置于有功负荷时间序列μ中从时段λ开始的相应时段。若互动负荷不被调用,则μ的取值由式(2)等号右边的第2项确定,与原始用电曲线一致。

3.2 优化目标

式中:Cg,i,t为发电机组i在t时段的发电成本函数;CU,j,t为发电机组i在t时段的启动费用函数;为互动用户j在t时段的移峰费用函数,其中Cs,j,t为互动负荷j在t时段的移峰成本(当用户互动负荷启动时段距离T0较近时,由于T0区间内的移峰成本为0,仅需支付在T0之前启动的部分移峰负荷;而当用户未被调用时,互动用户的有功负荷等于原始用电曲线,位于T0区间内的移峰费用为0);P为机组出力;I为互动负荷的启动变量;α,β,γ分别为机组状态变量、启动变量和停机变量;Ng为发电机组台数;Ns为互动用户个数。

3.3 约束条件

约束条件可以分为不含互动负荷的经典约束和含互动负荷的约束,前者为传统的机组组合模型[18],本文仅阐述后者的详细模型。

3.3.1 有功平衡约束

式中:Pi,t为发电机组i在t时段的有功出力;dk,t为非互动用户k在t时段的有功负荷;N0为非互动用户个数。

与常规有功平衡约束相比,式(6)增加了用μj,t描述互动负荷调用的情况。

3.3.2 线路有功潮流约束

其中

式中:Gi,l为节点i对线路l的节点输出功率转移分布因子;fl,max和fl,min分别为线路有功潮流上、下限。

与常规线路的有功潮流约束相比,式(7)考虑了互动负荷的调用与否对线路有功潮流的影响。

3.3.3 互动负荷调用次数约束

式(8)确保了互动负荷被调用的灵活性。若互动负荷要求的补偿价格过高,电网调度部门将宁可调用甚至启停高成本机组调峰,也不会调用互动负荷;互动负荷的补偿价格处于合理区间时,日内通过调整互动负荷的调用时间,可实现有序用电调峰。

3.3.4 日内用电意愿曲线调用的完整性约束

式(9)用于保证用电意愿曲线在日内计划中被调用的完整性。本模型中暂不考虑日与日之间互动负荷调用滚动协调的问题。

4 算例分析

算例分析选取新英格兰39节点系统[19],结合国内某地区夏季的24时段标幺负荷曲线以及该系统的原始负荷数据,得到系统及节点24时段负荷曲线。传统SCUC模型和GLIS模型中的混合整数规划问题采用CPLEX12.1软件包求解。

4.1 算例基本参数

4.1.1 用户侧互动负荷的构成

文献[20]指出夏季空调负荷占第三产业用户用电量的30%左右。本算例分别以节点3,15,16,24,27和29母线负荷的30%来模拟蓄能空调负荷;以节点4,8,20和39母线负荷的40%来构造4个参与用户侧互动的高耗能用户。

4.1.2 用户侧互动申报数据

1)用电意愿曲线

根据2.2节提出的互动用户的用电意愿曲线,10个互动用户的用电意愿曲线见附录A图A1和图A2。

2)移峰成本曲线

本算例构造了5种场景的移峰成本曲线,以场景3为基准场景,其移峰成本曲线见附录A图A3。场景1和场景2中的移峰成本分别为基准场景的1/4和1/2,场景4和场景5中的移峰成本分别为基准场景的2倍和4倍。多种移峰成本的场景设置有助于分析不同移峰成本下用户侧互动的成本效益以及被调用的情况。

4.2 GLIS模型与传统SCUC模型计算结果的对比分析

本文采用不考虑用户侧互动的传统SCUC模型作为对比算例,分析GLIS模型与传统SCUC模型计算结果的差别。从互动负荷调用情况、发电机组调用情况以及成本效益分析这3个方面来验证GLIS模型的有效性。

4.2.1 互动负荷调用情况分析

在基准场景3下,根据GLIS模型的优化结果,各互动用户负荷的启用时段如表1所示。

注:“—”表示该用户的互动负荷未被调用,仍按照其原始用电曲线用电。

因价格及安全约束的影响,节点3,4,8,16,39上的互动负荷未被调用。被调用的互动负荷的启用时段受发电机组运行成本、启停成本、线路输送容量的共同影响,互动负荷倾向于在满足安全约束的条件下替代系统中最昂贵机组的开机,从而达到降低总成本的目的。附录A图A4中展示了考虑用户侧互动前后系统负荷曲线的差异,用户侧互动的削峰填谷能力显著,使得系统峰谷差明显降低。

4.2.2 发电机组调用情况分析

在基准场景3下,分别采用传统SCUC模型和GLIS模型得到的机组启停计划如表2所示。传统SCUC模型和GLIS模型下各台机组的出力曲线分别见附录A图A5和图A6。

注:“1”表示该机组在24时段内存在开机;“0”表示该机组在24时段内均未开机。

对比表2中2种模型下机组的启停计划及附录A图A5和图A6中各台机组的出力曲线可以明显地看出,在传统SCUC模型下需要启停3号机组调峰,而考虑用户侧互动负荷后,由于减小了系统负荷峰谷差,3号机组全天关停,其余机组的出力曲线更加平稳,参与深度调峰的机组变少。用户侧参与电网运行互动有利于减少高成本机组开机,同时提高低成本机组的负荷率,有效地提高了系统的经济运行水平。

4.2.3 成本效益分析

在基准场景3下,采用传统的SCUC模型和GLIS模型得到的系统各类成本,以及GLIS模型相对于传统SCUC模型所取得的效益如表3所示。

表3中,效益指相对于传统SCUC模型总成本的效益,其计算方法为:效益=(传统SCUC模型成本-GLIS模型成本)/传统SCUC模型总成本。由表3可以看出:在不考虑互动负荷的传统SCUC模型下,由于需要多开启一台机组,启动成本升高;在考虑互动负荷的GLIS模型下,系统的发电运行成本和启动成本显著降低,需要支付的代价是调用互动负荷的移峰成本。在5种场景下,总成本、发电运行成本、机组启动成本、移峰成本的变化情况如图6所示。

随着各互动用户申报移峰成本的提高,GLIS模型下的系统发电运行成本、系统调用互动负荷所需支付的总移峰成本也随之不断提升。场景5下,当互动负荷的移峰成本高于调用和开启昂贵机组的成本时,所有互动负荷均未被调用,传统SCUC模型和GLIS模型得到的优化结果相同。场景1—场景5下系统的总成本效益依次为2.9%,2.6%,2.1%,1.3%和0,说明只要支付的移峰成本不高于用户侧互动带来的运行成本和启动成本的降低量,调用互动负荷就有利于降低全网的总成本。

上述结果充分验证了本文所述模型的灵活性,GLIS模型能够根据互动负荷和发电机组调峰费用的对比,在确保电网安全的前提下,自动以最经济的方式解决系统的调峰问题。

5 结语

本文从挖掘用户侧移峰潜力的角度出发,深入分析了传统峰谷电价模式下用户移峰潜力难以充分发挥的根本原因,提出了用户申报能够充分反映自身生产实际需求、用电意愿的用电意愿曲线和移峰成本曲线,与发电机组一同成为调度部门可灵活调度资源的新型需求侧互动模式。在此基础上,建立了GLIS模型,将互动负荷和发电机组同时作为决策变量参与电网调度计划的制定。本文提出的用户侧互动模式和GLIS模型有助于电网消纳大规模可再生能源,并为智能电网环境下用户侧参与电网运行互动提供了新思路。

用户调度篇3

钩住系统服务调度表的技术是内核钩子技术之一, 并且得到广泛的应用。比如在木马软件和安全防护软件中利用此技术来获取系统信息等。目前, 检测这一技术所使用的一般方法是rootkit, 它以加载驱动程序的形式进入内核, 实现内核的读写权限等。本文中实现了如何在用户模式下通过权限的提升, 来检测系统服务调度表钩子的方法, 以用户程序的形式提供了一种用户模式检测内核的新思路、新方法。

1 系统服务描述表

Windows可执行程序在内核模式中运行, 并且对操作系统的所有子系统 (Win32、POSIX和OS/2) 都提供本地支持。这些本地系统服务的地址在内核结构中称为系统服务调度表 (System Service Dispatch Table, SSDT) 中列出。

系统服务调度表用于查询处理特定系统调用的函数。该工具在操作系统而不是在CPU中实现。程序有两种执行系统调用的方式:使用中断0x2E, 或者使用SYSENTER指令。

在Windows XP及其后的系统上, 程序通常使用SYSTEM指令, 而较老的平台则使用中断0x2E。这两种机制是完全不同的, 尽管他们能够得到相同的结果。

执行系统调用会导致在内核中调用Ki System Service函数。该函数从EAX寄存器中读取系统调用的编号, 并在SSDT中查询该调用.该函数还将由EDX寄存器所指向的系统调用参数从用户模式堆栈中复制到内核模式堆栈。图1给出了Windows下的Win32系统服务调用机制, 如图所示:

钩住系统服务描述表即将SSDT改为指向自己提供的函数, 而不是指向Ntoskrnl.exe或Win32k.sys。

2 查找系统服务调度表 (SSDT) 钩子

基于内存的检测方法是在操作系统或进程之中查找钩子, 系统服务调度表 (SSDT) 中的所有项都应该位于内核进程ntoskrnl.exe的地址范围之内[2]。

3 用户模式检测系统服务调度表 (SSDT) 钩子

3.1 使用devicephysicalmemory在用户模式下检测

用户空间可以通过直接读写devicephysicalmemory[4]来检测SSDT的入口。

在管理员权限下用户空间程序获取对devicephisicalmemory的读写

在用户空间的程序中必须把物理内存页映射到虚拟内存, 才能够直接对物理内存进行写操作, 这里可以通过Nt Map View Of Section函数完成。在物理内存映射到虚拟内存以后, 用户空间程序就可以像它本身自己分配的内存一样, 进行读写操作。

2.获取内核模块的地址范围

为了保护SSDT, 首先必须标识出可接受范围。这需要一个起始地址和长度。对于内核模块, 可以调用Zw Query System Information[7]来查找这些信息。

查找模块ntosnrnl.exe这一项的起始地址和结束地址, 并保存在全局变量中, 该信息用于标识SSDT中导出函数地址的可接受范围。

在内核导出表Ke Service Descriptor Table中保存的函数地址中检测在可接受范围之外的函数即为挂钩函数。

注意:由于所读取的内核模块SSDT位于物理内存空间, 因此需要将物理内存映射到虚拟内存空间, 即将相应的物理地址映射成虚拟内存地址[8]。

3.2 用户模式使用Nt System Debug Control函数检测

Command=8时从内核空间拷贝到用户空间, 或者从用户空间拷贝到用户空间, 但是不能从用户空间拷贝到内核空间。

Command=9时从用户空间拷贝到内核空间, 或者从用户空间拷贝到用户空间, 但是不能从内核空间拷贝到用户空间。

利用函数Enable Privilege (SE_DEBUG_NAME) 设置权限

调用Windows操作系统函数Nt System Debug Control () , 这个函数在ring 0模式下执行, 拥有Se Debug Privilege权限的调试者可以利用这个函数获得权限提升。

定位系统服务调度表的内存地址

首先通过调用Nt Query System Information () 函数来获取内核模块相关信息, 找到其中的一项ntoskrnl.exe模块;然后通过调用函数Ldr Get Procedure Address () 来获取Ke Service Descriptor Table导出表的内核地址;最后利用函数Read Kernel Memory () 来读取SSDT保存的各个Native API函数的入口地址, 使用内存检测方法检测函数的入口地址是否在可接受的范围内, 从而断定是否存在钩子挂接。

实验测试

挂接系统服务调度表SSDT的情况一般出现在木马用于自身的一些特性的实现。例如截获系统信息, 隐藏自身等。同样一些安全软件也会利用此技术来监视、检测木马病毒, 起到主动防御的功能。实验测试平台为Windows XP, 通过实验程序运行结果分析, 发现安全软件卡巴斯基等都有对SSDT的挂接的钩子。其中对卡巴斯基软件检测的部分结果如表1所示:

从表1中红色部分标记的一行, 可以看到其入口地址已经超出SSDT可接受的地址范围, 表明卡巴斯基对SSDT中的部分函数挂接了钩子。

结语

笔者对系统服务调度表的检测进行了深入的研究, 给出了区别于rootkit的两种在用户模式下检测系统服务调度表钩子的方法。实验证明这两种方法对以内存方式检测系统服务调度表的挂接是有效的。用户模式避免了加载驱动的繁琐过程, 并且给出了一种检测内核模块的不同思路。

摘要：为了保护系统服务调度表 (System Service Dispatch Table, SSDT) , 发现隐藏于该内核模块的钩子, 进行了深入研究, 提出异于rookit以加载驱动程序的形式的内核检测模式, 即两种在用户模式下检测SSDT钩子的方法:使用devicephysical memory在用户模式下检测;用户模式使用Nt System Debug Control函数检测。实验表明, 用户模式的这两种方法同样可以实现SSDT钩子的检测, 并且用户程序省略了加载驱动时的繁琐步骤, 避免了驱动的各种弊端。

用户调度篇4

近年来,MIMO(Multiple Input Multiple Output)的研究逐渐成为热点问题。在多用户环境下,利用多用户分集技术可以进一步提高系统频谱利用率。通过合适的调度算法可以获取多用户系统潜在的多用户分集增益[1],且将用户调度和适当的发送技术相结合也可以获得较高的MIMO信道容量[2],这充分显示了合理的调度算法在多用户MIMO系统中的重要性。

文献[3,4]研究了当基站可以获得小区中所有用户的信道状态信息(Channel State Information,CSI)时的多用户调度问题。但是将所有用户的CSI通过反馈信道发送给基站的情况会增加反馈信道的负担,事实上所需反馈的信息量是随着小区内用户数的增加而增加的,所以这种基于所有用户CSI反馈的调度方案并不实用。对此问题,焦点就聚集在仅反馈部分CSI的多用户调度算法的研究上了。其中有一类仅需反馈1bit信息量的方法,可以有效地减少反馈负荷,如基于1bit瞬时CSI反馈的调度方案[5]和基于1bit瞬时CSI结合空间相关信息即长期CSI反馈的调度方案[6]。该类方法的主要思想为:每个用户将反映自己CSI优劣的标量(如系统容量)与事先按一定规则设定好的阈值进行比较,然后将指示比较结果的1bit信息反馈给基站,基站随后根据指示信息对信道条件好的用户进行调度。本文分别对文献[5,6]中调度方案的性能及优缺点进行对比分析。

1 基于有限反馈的多用户MIMO系统用户调度方案

上述两种调度算法的核心思想均为仅采用1bit反馈信息,其主要不同之处在于方法一中基站仅根据1bit反馈信息随机调度用户,而方法二中基站通过反馈得到的1bit信息结合事先已知的空间相关信息来调度用户。

1.1 基于1bit瞬时CSI反馈的调度算法

为了使系统获得潜在的多用户分集增益,理论上基站应该调度使系统瞬时信道容量最高的用户,但这需要在每个时隙中,所有用户将各自通过计算得到的瞬时信道容量信息反馈给基站。而为了在反馈负荷和系统吞吐量之间进行折衷,采用基于1bit反馈信息的调度算法,其算法的主要思想如下:

考虑窄带多用户MIMO系统的下行链路,基站和每个用户端分别配置M和N根天线,小区内需要服务的用户总数为K,各用户信道为准静态平坦锐利衰落信道,在每个时隙内基站根据反馈信息仅选取一个用户进行调度。假设小区用户有精确的信道估计,在每个时隙内,用户将其瞬时信道容量Ck与事先设定好的门限值Cth进行比较:

并将结果Ik做为1bit瞬时CSI指示反馈给基站,基站根据用户的反馈信息,将用户分成两类:一类为合格用户,用集合Set1={k Ik=1,1≤k≤K}表示;另一类为不合格用户,用集合Set0={k Ik=0,1≤k≤K}表示。当第一类用户数大于0的情况下,基站将从合格用户Set1中随机选取一个用户占用信道资源,否则基站将从不合格用户Set0中随机选取一个用户占用信道资源。

对上述算法进行的计算机仿真是以衡量系统性能的系统平均频谱效率为比较标准的,将所提的调度方案与需要小区内用户均反馈CSI给基站的最优调度算法以及不需要反馈信息的循环调度算法进行性能对比分析,可以概括为如下三个方面:

(1)该方法和最优调度方案明显优于循环方案,并且受益于多用户分集增益的结果,方案优势随着用户数的增加而增加。

(2)尽管该方法与最优方案性能方面存在微略的差异,但是却可以有效地减少反馈信息量。

(3)所有方案在不考虑发送相关的情况下性能都是最优的,但是随着空间相关性的增加,各方案都面临着性能明显降低的问题。

1.2 基于1bit瞬时CSI结合空间相关信息即长期CSI反馈的调度算法

与方法一不同的是,基站在同一时刻可以调度多个用户,即采用多用户MIMO系统广播信道模型,所以求解系统的瞬时信道容量就变成求解MIMO系统的广播信道容量问题了。为简单起见,采用用户信道协方差矩阵的秩来替代系统容量以指示各用户的信道质量。下文为该算法的主要思想:

考虑多用户MIMO广播系统的下行链路,基站和每个用户端分别配置M和N根天线,小区内需要服务的用户总数为K,在每个时隙内基站根据反馈信息从K个用户中选取Ks个用户进行调度。各用户信道为准静态平坦衰落信道,信道矩阵用Hk表示。假设小区用户有精确的信道估计,在每个时隙内,用户将衡量其瞬时信道容量的信道协方差矩阵的秩与事先设定好的门限值Cth进行比较:

并将结果Ik做为1bit瞬时CSI指示反馈给基站,基站根据用户的反馈信息,将用户分成两类:一类为合格用户,用集合表示;另一类为不合格用户,用集合表示,集合Set1的集数用L来表示。当L≤Ks时,所有的L个用户将被基站调度,同时基站还要根据空间相关信息即长期CSI从集合Set0中选择另外Ks-L个用户进行调度;当L>Ks时,基站根据空间相关信息即长期CSI从这L个用户中选择Ks个进行调度。显然,不同于方法一的随机调度用户,该方法在上述两种情况下,基站都需要利用长期CSI来进行有目的的用户调度,而调度的标准为利用基站已知的用户信道相关信息,找到合适的一子组用户进行调度,使得遍历系统容量最大,即选择一组用户,使得经简化后代表遍历系统容量的最大。其中,集合S代表所有调度用户组成的集合,显然其集数为Ks,Rk代表第k个用户的发送相关矩阵,P为总的基站发射功率。

对上述算法进行的计算机仿真是以衡量系统性能的遍历系统容量为比较标准的,将所提的调度方案与需要小区内用户均反馈CSI给基站的最优调度算法、不需要反馈信息的循环调度算法以及基于一个标量瞬时CSI信息反馈的调度算法进行性能对比分析,可以概括为如下几个方面:

(1)该方法性能明显优于循环方案,虽然与最优方案之间仍存在略微的差异,但是却可以有效地减少反馈负荷。

(2)当结合迫零预编码策略来消除多用户信道干扰的情况下,由于对空间相关信息的合理运用,该方案性能明显优于仅采用瞬时CSI进行调度的基于一个标量反馈的方案。

2 对比分析

本文从以下不同的角度出发对上述两种调度方案进行对比分析:

两种方法都采用了基于1bit反馈信息的方案,使基站能够将瞬时信道质量较好的用户与相对信道质量较差的用户区分开,从而为下一步的调度做准备。但是方法一的性能随着空间相关性的增加而降低,而方法二在不增加任何反馈负荷的情况下,结合了在基站端已知的空间相关信息对用户进行调度,很好地将瞬时CSI和长期CSI结合起来。事实上,多天线信道常常是相关的,因此在这种发射天线间存在相关性的实际环境中,方法二优于方法一。

方法一中基站在一个时隙内只与一个用户进行通信,方法二中基站在一个时隙内可以与多个用户进行通信,而在蜂窝无线通信系统和无线局域网系统中,基站需要同时与多个用户进行通信,即信道多为广播信道。因此,从实用性角度来看,方法二优于方法一。

有文献研究表明:基站在一个时隙内选择一个用户进行通信获得的系统容量最大,而基站在一个时隙内同时选择多个用户进行通信获得的系统容量略低[7]。而方法一在同一时刻只调度一个用户,方法二在同一时刻调度多个用户。因此,单从衡量系统容量方面来看,方法一优于方法二。

3 结束语

本文对比分析了两种基于基于有限反馈的多用户MIMO系统用户调度方案。分析表明:方法二由于既考虑了发射天线间的相关性问题,又可以使基站同时与多个用户进行通信,所以比方法一更适合用于实际环境中;而方法一可以获得更高的系统容量,因此性能优于方法二。

参考文献

[1]Knopp R,Humblet P.Information capacity and power control in singlecell multiuser communications[C].IEEE International Conf.on Comm.(ICC),Seattle,America,1995.

[2]Dimic G,Sidiropoulos ND.On downlink beamforming withgreedy userselection:performance analysis and a simple newalgorithm[J].IEEETrans.Signal Processing.,2005,53:3857-3868.

[3]Shen Z,Chen R,Andrews J G,et al.Lowcomplexity user selectionalgorithms for multiuser MIMOsystems with block diagonalization[J].IEEE Trans.Signal Process.,2006,54(9):3658-3663.

[4]Yoo T,Goldsmith A.On the optimality of multi-antenna broadcastscheduling using zero-forcing beamforming[J].IEEEJ.Select.AreasCommun.,2006,24(3):528-541.

[5]Liu J G,Ma Q H,Lin M,et al.Ascheduling algorithm with one-bitfeedback for multi-user MIMO system[C].International Conf.onWiCom,Shanghai,China,2007.

[6]Xu W,Zhao C M,Ding Z.Efficient user scheduling under lowratefeedbackfor correlated MIMO broadcast channels[C].IEEE Interna-tional Conf.on Comm.(ICC),Beijing,China,2008.

用户调度篇5

1. 概述

鉴于Android是一种基于Linux的自由及开放源代码的操作系统, 本文以Linux系统为平台, 提出一种基于“用户使用频率”的智能化的任务调度机制。智能化的任务调度机制, 对特定用户使用进程的频率进行识别、统计以及优先极权值的改善操作, 减少了对系统总线的翻转次数, 从而加快了运行的速度, 相比于传统的任务调度机制, 本文提出的“基于用户使用频率的智能化”速度更快, 更加节能, 满足于人们的需求。

2. 基本思路

所谓“基于用户使用频率的智能化进程调度机制”, 即在原有的Linux系统的任务调度机制上, 增加一个识别、记录、统计用户使用进程频率的代码块。通过该代码与原有代码的结合, 使Linux任务调度机制可以更加智能化, 提高运行速度与效率, 使系统运行更流畅, 减少对系统总线的翻转次数, 从而达到节能的目的。具体来说, 智能化的含义, 就是针对不同用户的对手机进程使用的频率及习惯, 进行记录、统计与识别。Linux是多用户操作系统, 它使用用户和组标识符来控制进程对系统中文件和映像以及其他资源的访问权限。Linux的每个进程都拥有一个文件打开表, 以记录该进程使用文件的情况, 对应于task_struct中file_struct*类型的files成员。当进程退出时, 内核会自动检查并关闭进程已打开但未显式调用close () 关闭的文件。Linux用函数goodness () 统一计算进程 (包括普通进程和实时进程) 的优先级权值, 该权值衡量一个处于可运行状态的进程值得运行的程度, 权值越大, 进程优先级越高[1]。

而本文的思路, 即在“实时进程值的权值”上插入“用户使用频率”的方法recogzine () 、计时器方法runtime () 、更新方法refresh () , 以及计时器方法counter () 。与Linux中的goodness () 方法进行设计模式上的组合, 改进系统任务调度机制的方式。具体来说, 通过识别、统计以及优先极权值上的改善操作, 实现了对不同人群使用手机的差异性的识别, 从而提高了系统进程运行的工作效率与速度, 从而减少了系统总线的翻转次数, 达到了省电的目的。

3. 工作流程

如上文所述, Linux通过函数goodness () 来计算每个进程的优先级。而与goodness () 函数相关的域有4个:policy、nice、counter、rt_priority[1]。而进程分为2种:普通进程与实时进程。Linux通过policy来区分普通进程与实时进程。

本文讨论的是Linux对实时进程的操作。

对于实时进程, Linux采用了两种调度策略, 即SCHED_FIFO (先来先服务调度) 和SCHED_RR (时间片轮转调度) 。因为实时进程具有一定程度的紧迫性, 所以衡量一个实时进程是否应该运行, Linux采用了一个比较固定的标准, 即参考rt_priority () 的值。Linux用函数goodness () 计算进程的优先级权值时, 对实时进程是在基数1000的基础上加上rt_priotity的值。

在这里, 基数1000是Linux中的默认值, 由于1000的固定性, 有时会导致进程的优先级权值相同, 则发生调用进程的紊乱。本文提出的基于”用户使用频率“的智能化任务调度系统, 就是在此处进行优化, 具体步骤如下:

1) 建立recognize () 方法, 用于统计最近一段时间time, 用户使用各种进程的频率 (利用计数器方法counter () ) , 建立“用户使用进程频率表” (该表的顺序, 从小到大进行排列) ;

2) 建立计时器方法runtime () 和更新方法refresh () , 通过计时, 每隔一段时间就对频率列表进行更新, 这里的“一段时间”, 可以在具体实现工程项目时再进行设定;

3) 对“进程频率表”进行换算, 设每个进程的排名为a。将排次的数值a作为每个进程优先级数值的权值, 与统计的频率进行相乘, 得到结果参数result;

4) 当Linux利用函数goodness () 计算出进程的优先级数值时, 在基数1000的基础上, 加上result, 使得各个实时进程的优先级权值具有较大的差异性;

5) 系统对得到的新的进程优先级权值, 进行进程的调度和使用;

6) 重复上述1~5步骤。

4. 效果分析

1) 通过加入“基于用户使用频率的智能化任务调度机制”代码块, 使得系统对特定用户的使用习惯有了识别性、记录性以及统计性的功能;

2) 系统通过此新加入的代码块, 实现了对任务调度机制的有效改善, 提高了工作效率以及进程的打开速度, 从而减少了对系统总线的翻转次数, 进而实现了提高效率, 节省电能的效果。

5. 结语

本文针对Linux传统的任务调度机制, 提出了一种针对“用户使用频率的智能化”的任务调度机制, 通过对原有机制代码的添加及修改, 增加了部分新的方法 (函数) , 使系统对进程的调度更加智能化, 减少了对系统总线的翻转次数, 从而提高了系统进程调度的速度与效率, 并且节省了电能。

《中国科技信息》杂志社投稿说明

在线投稿

提高稿件审核速度同步查看审核进程

登录www.cnkjxx.com页面右上角在线投稿

编辑部稿件查询电话010-68003056 010-68003057

参考文献

用户调度篇6

随着国民经济持续发展, 电力网络峰值负荷持续攀升, 但由于产业结构均衡性矛盾日益突出, 电力网络的峰谷差距不断变大, 会进一步降低负荷率, 严重时将引起大面积拉闸限电, 从而不能保障部分用户用电要求。

用电高峰时期通过虚拟电厂进行双向信息交互实现的电网侧、用户侧的集中调度, 能够优化传统电网侧的单一调峰调度。集中错峰在错峰调度方面具有很大潜力, 联合电网侧调度和用户侧需求响应, 能够提高负荷率, 从而缓解峰荷时期的供需平衡难题, 在此基础上, 为了响应资源节约, 环境友好型社会的构建, 对虚拟电厂模型进行优化, 即把多个维度进行结合, 能够减少浪费, 并扩大效益[1,2]。

2 电网错峰调度理论与技术

错峰用电是指以电网的负荷特性为根据, 利用经济、技术、行政等一些方法把一些负荷从用电高峰期移到低谷期, 从而把峰谷负荷差减少, 并优化资源的分配置, 使电力网络更加有经济性和可靠性[3]。

3 智能电网用户侧错峰用电理论

3.1 基于需求响应的错峰用电理论

需求响应 (Demand Response, 简称DR) 是指用户凭借波动的电价信号或通过签订停电赔偿合同, 自身主动做出调整负荷的需求的反应。需求响应可分为基于激励的需求响应和基于价格的需求响应。

文献[4]提出了一种基于信息双向互动的基线负荷计算方法。

可中断负荷用户的费用的结算方法:

其中, 和Pc (t) 和Pp (t) 各自是用户在第t小时的补偿容量和惩罚容量;rc和rp各自是在协议里明确规定的单位补偿和惩罚金额。Pb1 (t) 为该用户在第t个小时的基线负荷;Pr1 (t) 是第t个小时里实际的负荷;Pr (t) 是此用户在第t小时的负荷削减量计算结果, 调度中心根据其发送削减命令。

从式 (3-1) 能够知道, 在Prl (t) =Pbl (t) -Pr (t) 的时候C (t) 有最大值rcPr (t) 。如果Prl (t) >Pbl (t) -Pr (t) rp/ (rc+rp) , 用户得到的金额是负数, 那么其要付一些钱作为惩罚。

这种方法能够获得最大的补偿金额, 还能让用户在每小时都达到制定的要求, 来避免其获取高价补偿, 从而抵押掉在其他时间内任务没有完成而对其进行的惩罚。

3.2 基于分布式发电的错峰用电理论

分布式发电 (Distributed Generation, 简称DG) , 一般指的是发电功率在几千瓦到数百兆瓦间的小型的分散在用户附近的高效的发电单元。

设有一个系统, 其中包含了1个结合储能的并网光伏电站和5台火电机组。

以下分别讨论:1) 光伏系统没有输出功率的时候, 结合了储能的并网光伏发电的调峰性能;2) 光伏系统有输出功率的时候, 结合了储能的并网光伏发电的调峰性能[5]。

3.2.1 储能对电网的削峰填谷效果分析

1) 系统可调峰容量

把结合储能的并网光伏电站并网点当做电网调峰源能让系统可调峰的容量变大约5倍。

2) 对负荷峰谷差的调节程度

把结合储能的并网光伏电站并网点参与电网调峰之后, 峰谷差率下降了大约有10%, 改善效果很好。

3) 对其他机组出力的影响

结合储能的并网光伏电站并网点对调整其他5台火电机组的出力起到很大作用, 负荷曲线变得更加平滑。各个火电机组的出力变化很小, 节能减排, 增加了安全运行能力。

3.2.2 结合储能的并网光伏发电对电网的削峰填谷效果分析

光伏系统有输出功率时, 系统对电网的削峰填谷趋势与光伏系统输出功率为零时系统对电网的削峰填谷趋势相似;但此时储能系统的功率来源于光伏系统及电网其他5台机组的出力, 则5台火电机组的出力将不同于光伏系统输出为零时的情况, 受储能系统吸收光伏系统输出功率的大小的影响。

由上可知, 储能系统能够在高峰的时候输出功率、低谷的时候吸收功率, 可使负荷的峰谷差变小、负荷的曲线更加平稳。

4 基于虚拟电厂的用户侧错峰方法研究

在错峰管理中只考虑单维度用电信息是存在缺陷的。因此, 以虚拟电厂为工具, 将多个单维度 (需求响应、分布式发电等) 进行拟合, 可以更加全面、精细化地实现用户侧错峰调度[6]。模型如下:

其中, DR为分布式发电;DER———分布式能源;EV为电动汽车

以风电并网发电为例, 模型如下:

其最终的多目标非线性优化函数为:

4.1 极小化发电总成本

式中:F是发电总成本;T取24小时;NG为火电机组的总数量;NW是风电场的总数量;Fit (Pit) 为第台火力机组耗量特性;Pit是在时段t第i台火电机组的有功出力, MW;PtWi是在时段t内第i个风电场的计划有功出力;uit是用户侧错峰资源被调用的状态;FtE Vi (PtE Vi) 是第i台火力机组的耗量特性;Wit是第i个风电场在时段t内的运行维护成本;PtWi为在时段t第i个风电场的有功出力;FtEVi为在时段t里第i个用户侧错峰资源的调用成本;PtEVi是在时段t第i个用户侧错峰资源负荷量。

4.2极小化污染物排放量

污染物的总排放量可以表示成:

式中:αi, βi, , λi, δi是火电机组的污染物系数。

4.3 极大化接纳风电功率

由上得到第i个风电场在时段t内计划的有功出力:

式中:Pwr, j和Ptw, i分别是在时段t内第i个风电场的额定有功和实际出力;

在时段t内把接纳风电功率极大化, 最小化没有被消纳的风电功率, 可以表示为:

5 结论

把虚拟电厂作为中心, 把需求响应、分布式发电等进行拟合, 以一个整体的方式参与到电网的调度和运行中去, 能使单维度错峰管理的优点融合并填补各自的缺陷。其错峰方案确实比单维度下的错峰方案更加全面、精细、可行有效。

参考文献

[1]刘吉臻, 李明扬, 房方, 等.虚拟发电厂研究综述[J].中国电机工程学报, 2014.

[2]牛文娟.李扬, 王蓓蓓.考虑不确定性的需求响应虚拟电厂建模[J].中国电机工程学报, 2014.