实时能耗监测（精选4篇）
实时能耗监测 篇1
1 概述
铝型材生产企业属能源成本占总运营成本比例较高的行业,并通常被列为各级政府重点能源消耗监控单位。为了保证熔铸生产稳定、经济地运行,对铝型材生产能耗进行实时监测以及能耗异常检测,是实现制造自动化和清洁生产的发展趋势[1,2]。此外,以机组、车间为单位对生产节能情况进行评估,可以有效地减少能源泄露、待机时间过长、参数不恰当等能耗异常现象[3,4,5]。
但目前大多数特种工业铝型材生产企仍停留在无数据—粗放式的能源管理阶段,只有总的能耗数据(月账单、年账单),对工艺及设施的能耗数据不了解。少数企业有基础的能耗数据,有安排员工进行人工抄表,并对抄表数据进行汇总、制表,有简单的抄表和电力监测系统,缺乏对海量数据进行统计、整理和分析。因此,面向生产过程的系统性有效的全面能源监控并将能耗数据进行反馈,动态指导生产调度等决策过程,也已成为铝型材生产企业数字化升级的重要需求之一。樊龙等提出一种基于MODBUS的智能电表数据采集传输系统,提高了数据采集传输的实时性和可靠性[6]。杨文人对基于能耗预测模型的能源管理系统进行了研究,建立了基于BP神经网络的能耗异常监测模型,并成功应用于轮胎硫化工序[7]。
此外目前采用的节能评估手段是采用未采用节能措施的单位产品的能耗与采用节能措施后的单位产品的能耗进行对比。然而这一方法存在严重的滞后性,随着生产时间的不同、机组工作人员的不同、生产产品的不同,这种评估方法会产生较大的误差。文献[7]利用BP神经网络根据当前生产参数进行能耗预测,与实际能耗值进行比较的节能评估方法,可以有效地避免数据的滞后性。
为此,该文提出一种铝型材熔铸实时能耗监测及能耗预测方法及系统,不仅可以实时地监测熔铸生产中的能耗数据,并可以根据能耗预测发现熔铸生产中的能耗异常现象。
2 系统结构组成
系统分为实时能耗监测及能耗预测两部分,实时能耗监测部分由硬件部分和数据采集部分组成,能耗预测部分由训练回归型支持向量机模块,预测能耗区间模块和评估节能效果模块三部分组成。
实时能耗数据采集部分如图1所示:硬件部分由数字仪表、采集服务器、网关机和监控服务器组成。底层数字仪表与交换机通过RS-485接口相连,使用ZIGBEE通讯协议进行数据通信,采集服务器与交换机相连,使用TCP/IP协议进行数据通信,各个交换机通过局域网与监控服务器相连。
数字仪表包括智能电表和智能天然气表,智能电表安装于熔铸机用电线路上,用于采集用电量、电压、电流、视在功率、有功功率、无功功率、功率因数、频率等参数,该参数又分为A、B、C三相和汇总;智能天然气表:安装于辅助加热炉供热管道上,主要采集用量、温度、压力、流量等4个参数;
采集服务器:安装于车间,连接智能电表、智能天然气表和交换机之间,主要用于在网络设备中传输数据,实现数据双向透明传输;
网关机负责从各个设备控制系统采集数据,送到监控服务器中;同时充当管理网络与控制网络之间的网关。采集器与监控服务器之间的网络出现问题时,数据会先保存在网关机上,当故障网络恢复正常时,保存在网关机上的数据会自动上传到实时数据库服务器上,保证所采集数据的完整性。
监控服务器:用于接收和记录交换机传输的负载能耗数据以及运行回归型支持向量机方法;以回归型支持向量机算法计算单位产品能耗的预测值Xp;
软件部分有数据采集模块和服务器控制模块,数据采集模块运行于采集服务器,其工作内容是从监控服务器收到配置参数后,生成标准的数据命令帧,并发送给智能数字仪表,收到智能数字仪表返还的应答数据帧后,将数据帧中的内容打包为TCP/IP所用的数据包,通过网络接口转发到交换机网关中。节能评估模块运行于监控服务器,采用微软公司开发的软件开发平台VC++6.0进行开发,使用封装的Mscomm控件进行串口传输,并将硬件采集到的数据传输到上位机界面中实时显示以及存储到SQL数据库中。
3熔铸生产能耗预测
基于回归型支持向量机的熔铸异常能耗预测由三个模块组成:训练模型模块、预测能耗区间模块、评估节能效果模块。
训练模型模块用于训练基于回归型支持向量机的节能评估模型,如图2所示。以某铝型材制造企业熔铸车间为例,原始的能耗时间序列数据,包括日、月和年等不同时间维度的能耗数据已经由能耗监测系统预先存储于监控服务器的SQL数据库中。从监控服务器的SQL数据库中读取某一熔铸机组于2013.42013.8每生产1吨铝棒的耗电量和燃气量作为训练数据,输入数据x有熔铸质量、环境温度、熔铸温度、熔铸时间、操作工人工龄等,使用MATLAB训练基于回归型支持向量机的回归函数) ;根据回归函数计算该熔铸机组于2013.9所每熔铸1吨铝棒的耗电量和燃气量为373.74度/吨、36.68立方米/吨。
预测能耗区间模块,其特征在于使用统计分析方法计算单位产品能耗的置信区间。设单位生产铝棒的预测耗电量为X1, X2,…Xn服从样本分布( μ , σ2),和S2分别表示预测耗电量的样本均值和样本方差,则随机变量,对于给定的置信度,则预测耗电量的均值μ的置信区间为以某铝型材制造企业熔铸车间为例,2013.7月中5天的耗电量分别为345.24度/吨、343.82度/吨、354.05度/吨、346.44度/吨、353.26度/吨,则置信度为0.99的耗电量置信ˉ区间为:,则预测耗电量的置信区间为[348.56-9.77, 348.56+9.77]。
评估节能效果模块,其特征在于根据每熔铸1吨铝型材的能耗预测值Xp和每熔铸1吨铝型材能耗的实际值Xt,根据公式-计算所述单位产品的节能效果η。
4 系统测试及讨论
以某铝型材制造企业熔铸车间为例,从数据库中选取其2011.12012.9每生产1吨铝棒的耗电量为训练数据,结合软件MATLAB,训练基于回归型支持向量机的节能评估模型,数据如表1所示
根据训练好的回归型支持向量机模型去获取单位铝型材耗电量预测值。如图3所示,该企业2012年9月-2012年12月中每月的每生产1吨铝棒的耗电量的预测值分别为1100千瓦时、1083千瓦时、1055千瓦时和1092千瓦时。
最后根据每生产1吨铝棒的能耗预测值Xp和每熔铸1吨铝型材能耗的实际值Xt,根据公式计算所述单位产品的节能效果η。图4所示是置信度为99%的某熔铸机组日节能能效图,图中可以看出多个能耗异常情况。
5 结论及未来工作
本文针对铝型材熔铸过程能源使用较多,传统人工采集能耗数据频率低,采集速度慢等问题,提出了一种包括智能电表、智能天然气表、采集服务器、交换机以及监控服务器,智能电表和智能天然气表等构成的熔铸能耗监测和能耗预测系统,负载通过RS-485总线与采集服务器相连接,采集服务器将RS485串口转换为TCP/IP网络接口,实现RS-485串口到TCP/IP网络接口的数据双向透明传输,监控服务器实时监测负载能耗数据并记录不同负载的能耗数据,并用历史能耗数据以回归型支持向量机方法计算单位铝棒能耗的正常检测区间,还可以根据预测能耗数据与实际记录能耗数据进行比较,对熔铸生产进行节能评估。实验证明该系统不仅可以实时地采集车间内熔铸机组的能耗数据,还可以通过对历史能耗数据的分析,检测生产中的能源泄露、待机时间过长、生产参数不恰当等能耗异常现象。
摘要：针对铝型材生产过程中能耗较大,传统人工采集能耗数据频率低,采集速度慢等问题,该文提出一种铝型材熔铸炉生产实时能耗监测及能耗预测系统。该系统一方面使用基于zigbee协议的无线传输通讯方式将生产现场电表、燃气表与交换机相连接,并通过网络接口数据发送至服务器,实现对生产能耗数据的实时监测;另一方面采用回归型支持向量机对历史生产数据进行学习,得到预测能耗模型,用于对当前生产能耗数据预测,及时发现生产中的能源损失、生产参数不当等异常现象。
关键词：能耗预测,实时能耗监测,回归型支持向量机
实时能耗监测 篇2
1 系统模型简介
火力发电机组能耗实时监测模型最关键的计算指标为供电煤耗率, 它是反映机组经济性水平的最直接技术指标。根据热力学原理, 供电煤耗率的计算公式为
式中:qr为汽轮机热耗率;ηg l为锅炉热效率;ηp为系统管道效率;e为单台机组的厂用电率。
1.1 锅炉效率计算方法
本计算模型锅炉效率采用反平衡方法, 其计算公式为
式中:化学未燃烧热损失q3、散热损失q5及其他热损失q6均可取定值或根据相关参数计算出来。
排烟热损失q2的计算方法:通过测量排烟中各烟气组分体积份额, 可以计算出单位体积烟气排烟焓。同时, 根据排烟中各烟气组分体积份额, 可计算出入炉燃料中各元素对应摩尔数及生成单位体积烟气所需放出的热量, 从而计算出排烟热损失q2。
机械未完全燃烧热损失q4的计算方法:在多次性能试验基础上, 拟合出q4随燃料特性系数β及煤种变化的曲线, 根据排烟中CO2和O2体积份额计算出β, 根据单位负荷下燃料消耗量判断煤种变化状况, 从而近似计算出q4。
q2和q4的计算避免了煤质分析过程, q2的计算从对排烟组份分析的角度, 避免了煤质测量计算煤的低位发热量。q4通过经验公式修正的方法来计算得到, 以单位负荷给煤量来反映入炉煤低位发热量的变化, 进而反映煤质分析中C元素含量的变化;以按实际烧掉碳含量计算的燃料特性系数的变化, 反映灰渣中未燃尽碳的变化, 从而对基准的q4加以修正, 虽然会产生一定的误差, 但由于目前300 MW以上火力发电机组相对来说煤质较为平稳, 煤质分析中的C/H比、C/Q比波动很小, 因而此模型在锅炉效率计算上的误差尚属可接受范围之内。例如2008年江苏省内各大火力发电机组煤质分析数据, 统计分析得到其C/H比、C/Q比波动就很小, 如图1所示。
从统计数据可以看出, 江苏省内300 MW以上机组所使用的煤种其C/H比平均值为16.688 8, 均方差为0.701 2;C/Q比平均值为0.002 651, 均方差为4.79×10-5;以燃煤低位发热量来反映燃煤中C元素含量可能产生的误差仅为1.8%, 造成机械未完全燃烧热损失与实际值的偏差率约为0.27%, 由此引起供电煤耗的偏差率约为0.256%。
1.2 汽轮机热耗率计算方法
汽轮机热耗率的计算公式为
式中:D0为主蒸汽流量;H0为主蒸汽焓值;DRH为再热蒸汽流量;HRH为再热蒸汽焓值;Dfw为主给水流量;Hfw为主给水焓值;DCR为冷再蒸汽流量;HCR为冷再蒸汽焓值;DSHS为过热减温水流量;HSHS为过热减温水焓值;DRHS为再热减温水流量;HRHS为再热减温水焓值;Pe l为发电机功率。在汽轮机计算模型中, 将进入汽轮机的总热量主要分为主蒸汽携带的和再热蒸汽携带的2部分, 各焓值通过温度、压力求取, 流量用能量平衡的方法获取。
1.3 厂用电率和管道效率的计算方法
通常, 系统的管道效率变化不大, 在此取定值作常数处理。火力发电机组的厂用电率采用机组的上网功率、发电机功率进行计算。
2 能耗实时计算模型应用前提———数据处理技术[2]
热工过程是一个大滞后、大惯性的过程, 同一时标采集过来的一批实时运行数据并不代表彼此就能匹配起来, 只有在工况稳定的情况下, 各数据才能真正反映机组的实际运行情况, 此时计算出来的能耗才是比较准确的。因此, 上述火力发电机组能耗实时计算模型成功应用的关键就是必须是在工况稳定的情况下计算, 才能得出正确的结果。如果工况不稳定, 各参数的不匹配程度很大, 极有可能导致计算结果错误。下面将从数据调和技术、规则性判断2方面介绍此计算模型必须的数据处理技术。
2.1 数据调和技术[3]
数据调和技术, 即为在满足质量、能量平衡的基础上, 对计算模型的测量输入进行相应的调整, 以使得调和后的计算结果和测量数据最大程度地匹配。比如, 在本计算模型中, 影响计算结果最大的是给水流量, 因为流量测量不准一直是热工测量的难题。为了尽量减小它对计算结果的影响, 可在大量历史数据的基础上, 先拟合功率与给水流量之间的关系, 再判断测量的给水流量和拟合出来的给水流量之间的误差, 进而决定是否用其他流量进行反算给水流量, 替代直接测量的给水流量。
数据调和技术的应用对流量问题的解决具有很大作用, 为计算结果的准确性奠定了基础。
2.2 数据规则性判断技术
数据规则性判断主要包括以下几个方面:
(1) 数据的光滑与滤波, 去除高频噪声。系统的预处理模型相当于一个低通滤波器, 将测量数据中的噪声去除, 以获取稳定工况。
(2) 数据的有效性判断。对测量的数据进行上下限、斜率等判断, 以保证计算数据的合理性、稳定性。
(3) 交叉判断技术。热工模型, 各参数之间必然存在很多联系, 可以通过彼此之间的纽带桥梁判断数据的质量。
3 能耗实时计算模型的应用
应用上面介绍的实时火力发电机组能耗实时计算模型, 采用数据调和、数据规则性判断技术, 可开发出较为准确的在线能耗实时监测系统。采集某630 MW机组运行数据, 再开启实时计算模块, 根据一段时间计算结果拟合出来的功率—能耗曲线[4], 如图2所示。
4 能耗实时计算模型的延伸———智能诊断分析功能[5]
根据此能耗实时计算模型, 可以开发出能耗实时监测系统, 在此系统搭建的基础平台上, 可以开发远程智能诊断、专家分析系统。实时计算模型最关键计算指标为供电煤耗率, 它主要包含以下几个部分:锅炉效率、汽轮机热耗率、厂用电率。3个分计算指标又由其他各计算子指标计算得到, 因此可以“树”型结构表达这种关系, 如图3所示。
系统计算通道为“自下而上”数据流结构, 通过采集数据逐层计算相关指标最终得到机组的供电煤耗率。系统分析通道为“自下而上”+“自上而下”数据流结构, 一方面通过与标准源进行比较, 逐层向下递推, 分析导致机组能耗变化的主要原因;另一方面通过与标准源进行采集数据层比较, 通过影响因子叠加方法将这种差别折算到对各层计算指标的影响, 并最终反映到对机组供电煤耗率的影响上。对某1 000 MW机组进行逐层分析, 得到的关键影响因子树形结构图, 如图4所示。
图4中, 以900.236 MW工况为基准工况, 将同负荷段的2条计算结果 (负荷分别为900.236 MW, 898.502 MW) 进行了对比剖析, 虽负荷非常接近, 但供电煤耗率却相差达9.35 g/ (k W·h) 。通过对影响供电煤耗率因子分解, 可发现汽机热耗率的差值折算到对供电煤耗率影响最大, 达到8.48 g/ (k W·h) (锅炉效率偏差对供电煤耗率的影响是0.995 g/ (k W·h) , 厂用电率偏差对供电煤耗率的影响是0.147 g/ (k W·h) , 然后再对汽机热耗率进行分解, 可以发现主给水流量的偏差折算到对汽机热耗率的影响最大, 达到了316.92 8 k J/ (k W·h) 。因此, 可以看出, 主给水流量的偏差是导致这2个工况下供电煤耗率偏差如此之大的关键因素。图4中每行最右边的数据, 代表该行因子的变化对其上层因子的影响程度。
5 结束语
通过锅炉效率算法的修改, 避免了煤质分析等滞后环节影响能耗的实时监测。通过数据调和、数据规则性判断技术判断机组运行状态的稳定性, 保证本能耗计算模型的应用环境, 避免计算结果的误差性。最后结合上述能耗实时计算模型, 分析了建立在此基础上的智能诊断分析模型。
摘要：介绍了一种新的锅炉效率计算模型, 并分析了建立在此基础上火力发电机组能耗实时监测模型的研究方法, 最后介绍了能耗在线智能诊断基本思路。
关键词：实时监测,模型,智能诊断
参考文献
[1]周克毅.国外电站性能监测与诊断概况[J].动力工程, 1999, 19 (1) :58-63.
[2]王培红, 李强, 李琳, 等.厂级监控系统中数据校正算法模型的研究[J].东南大学学报 (自然科学版) , 2005, 35 (1) :11-15.
[3]廖志伟, 孙雅明.数据挖掘技术及其在电力系统中的应用[J].电力系统自动化, 2001, 25 (11) :62-66.
[4]毕政益.火电机组运行优化在线管理系统[J].能源研究与信息, 2000, 16 (1) :12-17.
实时能耗监测 篇3
实时数据库系统(Real-Time Database System,RTDBS)集成了实时系统和数据库系统的功能特征。与大多数计算机系统类似,RTDBS也受到了过量能耗的困扰,过量的能耗不单纯是导致了经济成本过高,而且增加了系统在散热上的压力,降低了系统的稳定性和可靠性。在一个计算机系统中,除去外设,其能量主要由CPU和磁盘所消耗[1]。而以较低速度完成一个事务会比高速处理一个事务耗费的能量更少,RTDBS主要的性能指标是实时事务截止期的满足,只要能保证实时事务在截止期之前完成,就可以适当降低CPU及磁盘的速度以节省系统能耗[1]。
国际上现有讨论实时系统中节省能耗的技术、理论、方法由于没有综合分析影响系统能耗的各因素以及它们之间的相互关联,只是从不同侧面一定程度地节省了实时系统的能耗。另一方面,作为一种特定的实时系统,RTDBS中事务由于共享数据而形成相互依赖关系,不同事务的执行给系统带来的价值也不一样。而已有的实时系统节省能耗的策略既没有考虑事务之间的这种相关性,也没有考虑不同事务执行在价值上的差别,这些策略不能直接应用到RTDBS中。
1 RTDBS节省能耗的相关研究
国外对于RTDBS的研究主要解决了实时事务处理的有关问题,包括优先级分派策略、“识时”的调度算法与并发控制协议等,并出现了如Hi PAC、Spring System等有代表性的系统。目前的研究主要从以下几个方面展开:
(1)研究基于保存点(save point)的任务执行模型。当执行发生临时错误时,事务从最近的保存点状态开始继续执行,而不是实时事务重启,从而达到节省能耗的目的。
(2)使用CPU的动态电压调节技术[2]。在系统负载较轻时,只要能保证实时任务在截止期之前完成,为了节省能耗,可以适当降低任务的执行速度,人们称之为CPU运行速度(对应于工作电压)的动态电压调节(Dynamic Voltage Scaling,DVS)技术。
(3)节省能耗的磁盘调度策略[1]。调度磁盘数据访问请求的服务,使得磁盘能连续为多个数据访问请求服务,尽量避免零星的数据访问服务。这样可以节省磁盘由于不断地在活动态与休眠态之间切换而引起的大量能量开销。
国内在实时系统的节省能耗的调度算法等方面也有初步的研究,具有代表性的工作见文献[4,5,6,7]。
然而上述研究成果在支持RTDBS时存在着以下的不足:
(1)没有从总体上考虑CPU和磁盘的能耗模型对RTDBS能耗节省的影响。可以优化分配任务的空闲时间给CPU调度程序及磁盘调度程序。
(2)基于保存点的事务执行模型没有考虑事务间由于数据共享而存在的依赖关系[3]。当一个事务记保存点时,相关的任事务也需要记保存点。
(3)没有综合应用记保存点和DVS技术。如采用记保存点的技术能使得事务执行出错时还有空闲时间,这段空闲时间就可以采用DVS技术进一步减少事务执行的能量开销。
(4)采用DVS技术时没有考虑由于事务同步(因共享数据)带来的影响。
(5)节省能耗的事务调度策略没能考虑不同实时事务的不同价值[4]。
2 RTDBS节省能耗的探讨
2.1 事务空闲时间在CPU计算与磁盘操作间的优化分配
一个事务在最快速度情况下的执行时间与其相对截止期之间可能存在节余时间,这段节余的空闲时间可以用来调节CPU的执行速度及磁盘的速度,以节省系统能耗。这就需要综合考虑CPU的能耗模型、磁盘的能耗模型、事务所需的计算量及磁盘I/O量等因素,把实时事务的空闲时间在CPU和磁盘之间优化配置,通过进一步研究系统能耗在不同特征事务(如“软实时”事务和“硬实时”事务)之间的优化分配,研究实现节省能耗的实时事务调度策略,结合CPU的DVS技术及磁盘速度调度策略,以期实现RTDBS系统总能耗问题的优化节省。
基于RTDBS中CPU和磁盘具有不同的能耗模型,在原型系统中可以结合CPU和磁盘的DVS技术评价空闲时间分配方法在节省能耗方面的性能,并进行相应的比例调整,找到近似最优的空闲时间分配算法。
2.2 基于保存点的实时事务执行模型
建立基于保存点的优化的实时事务执行模型,并综合考虑实时事务截止期、记保存点的代价、事务之间的依赖关系及事务执行过程中出错的概率等因素,优化设置事务记保存点时机。
而在RTDBS中,有两方面的问题需要研究:一方面是当一个事务记保存点时,与之相关联的事务也要记保存点,需要研究实时事务合作快速记保存点的策略;另一方面是一个事务Ti记保存点状态Cik包含了事务读取某数据对象d的操作,当该事务执行出现临时错误而回滚到Cik时,如果数据对象d已经被其它事务更新,这时为了保证事务并发执行的正确性(一般采用可串行化的正确性准则),需要并发控制协议的支持。与之相关联地还需要研究实时事务记保存点时机和频率的优化。事务记保存点会有对立的两个效果:一方面可以增加实时事务满足截止期的比率,节省事务执行的能耗;另一方面过于频繁记保存点会影响事务的正常执行。所以,需要综合考虑实时事务执行中出错的概率、事务记保存点的代价、一次保存点所引起的需要相应记保存点的事务数及事务保存点的可用性等因素,优化设置实时事务记保存点的时间间隔。
不同于实时系统,在RTDBS中,由于多个事务共享数据而形成依赖关系,此时需要引入一种机制标识事务保存点在回滚时的可用性,并与实时事务并发控制协议合作,必要时动态调整实时事务之间的可串行化顺序,这可以借鉴目前已经十分成熟的事务并发控制理论中关于事务并发调度的可串行性技术来加以解决。
同时,由于数据共享形成了记保存点的依赖关系,当一个实时事务记保存点时,相关的事务都需要记保存点。主要有两种记保存点方式:独立记保存点和合作记保存点。合作记保存点具有如下优势:每个事务只需要存贮一个保存点,事务执行出错时只需要回滚到唯一保存的保存点,并且不会出现雪崩现象,所以在RTDBS中更适合采用合作记保存点技术。当一个事务记保存点时,所有相关的事务都记一保存点。在RTDBS中,关键是如何尽快地标识需要记保存点的依赖事务。这可以借鉴华中科技大学李国徽博士于2006年在The Computer Journal上发表的研究成果[3],并考虑实时事务截止期的特性及节省能耗的要求。
对于实时事务记保存点的时间间隔问题,可以根据已有研究成果,估算实时事务的平均执行时间,假设事务执行中出错的概率及与某个事务之间存在记保存点依赖关系的事务数服从一定的分布规律(如泊松分布等),还可以利用Markov链预测事务执行中出错的概率及当一个事务记保存点时(由于存在依赖关系)需要相应记保存点的事务数。在实验原型系统中,可以通过验证分析采用的模型是否与系统具体情况相吻合来对相应的策略进行优化调整。
2.3 节省能耗的实时事务调度
现有的RTDBS主要是基于事务的截止期及事务最坏情况执行时间等信息来分派事务的优先级,基于优先级进行实时事务调度。
不同实时事务执行给系统带来的价值不相同,据此事务可以分为“软实时”事务和“硬实时”事务,节省能耗的事务调度策略对这些不同价值的事务应“区别对待”,给那些价值更大的事务分配更多的能耗,以使得系统单位能耗对应的事务执行取得最大价值。
在有些应用中,还可以有一些功能上相同或相似的可替代任务版本,这些任务的执行也具有不同的价值和能耗要求。此时任务调度需要考虑可替代任务之间的不同特点,以取得系统在事务执行价值及总能耗开销之间的平衡。另外,RTDBS可能出现超载的情况,即使按照最快的执行速度,系统也不可能在截止期之前处理完所有事务,此时事务调度执行应该综合考虑这些任务的关键性、能耗需求及事务提交给系统带来的价值等因素,以较少的能耗开销求得较大的系统价值。在实时事务调度的基础上,再结合CPU的DVS技术,进一步降低系统总的能耗。
基于对实时事务执行时间估算、当前系统的处理能力、系统负载及事务截止期等信息,对系统中事务执行顺序进行调度,同时调整各时间段CPU执行频率/电压,合称为节能事务调度。由于其中考虑的因素太多,该问题的解决相当复杂,但可以从以下方面着手进行研究:
首先,参考现有实时系统中关于同步任务的节能调度策略和相关算法,并结合上文所述的基于保存点的实时事务模型,研究实现基于实时事务的CPU动态电压调节策略。按是否访问共享数据将事务执行过程分为关键段和非关键段分别采取不同的DVS策略。如赋予事务关键段部分以相对较高的CPU频率执行,使得关键段执行加快从而减少阻塞其它事务的时间,使更多的事务满足截止期;同时也考虑事务处于非关键段时尽量以较低速度执行,以达到节能目的。
其次,借鉴控制论中的反馈控制理论,对系统当前处理能力、负载分布情况和事务截止期等信息进行收集,然后根据这些信息动态寻找最优DVS方案。近年来,人们开始将反馈控制理论应用于RTDBS服务质量(Qo S)的研究,主要是为了在事务满足截止期的比例和事务所访问数据的“新鲜”度之间取得一个平衡。
2.4 节省能耗的磁盘调度
磁盘是RTDBS中另外一个消耗系统能量的功能部件,大量的零星数据访问请求会导致磁盘在活动态与休眠态之间来回切换,耗费大量的能量,这是不可取的。在RTDBS中,根据CPU能耗模型及磁盘能耗模型,合理分派两者的空闲时间,并以此为基础计算一个实时事务磁盘数据请求的截止期。只要能满足截止期,可以把一段时间内到达的数据访问请求“积压”到一块连续处理,以减少磁盘I/O的能耗。另一方面,磁盘节省能耗也有与CPU类似的DVS技术,需要考虑数据访问请求的截止期进行磁盘速度调度。在RTDBS中,存在多个事务频繁访问的热点数据,这给节省能耗的磁盘调度提供了更大的空间。
3 结束语
本文主要是论述如何综合与优化事务记保存点技术、CPU和磁盘的DVS技术以及节能调度策略等,以对实时数据库系统节省能耗技术进行扩展。进一步的工作可望在工程实践方面,设计开发RTDBS事务基于保存点的事务执行模型;设计实现一个RTDBS原型,分析评价相关策略和方法在节省系统能耗上的有效性。
摘要：探讨应用实时系统低功耗管理方面的研究成果对实时数据库系统(RTDBS)节省能耗技术进行扩展。提出通过实时事务空闲时间在CPU及磁盘之间的优化分配;实时事务协同优化设置保存点;综合考虑实时事务关键性与能耗需求及事务执行价值的能量分配策略;优化的CPU及磁盘的速度调节等来实现节省RTDBS总能耗的统筹解决方案。
关键词：实时数据库系统,节能,动态电压调节,实时事务调度
参考文献
[1]Gurumurthi S,Sivasubramaniam A,M.Kandemir M,et al.DRPM:Dynamic speed control for powermanagement in server class disks[C]//Proceedings of the30th Annual International Symposium on ComputerArchitecture,June 2003:169-181.
[2]Zhong Xiliang,Xu Chengzhong.Energy-aware modelingand scheduling for dynamic voltage scaling with statisticalreal-time guarantee[J].IEEE Transactions on Computers,2007,56(3):358-372.
[3]Li Guohui,LihChyun Shu,Design and evaluation of alow-latency checkpointing scheme for mobile computingsystems[J].The Computer Journal,2006,49(5):527-540.
[4]向军,李国徽.基于能耗的移动实时数据库系统服务质量管理[J].华中科技大学学报,2008,35(5):53-56.
[5]韩建军,甘露,阮幼林,等.多处理器环境中基于节能及容错的实时动态调度算法[J].计算机研究与发展,2008,45(4):706-715.
[6]韩建军,吴晓东,李庆华.硬实时系统中基于任务同步及节能的动态调度算法[J].通信学报,2009,30(11):15-26.
实时能耗监测 篇4
对供热企业来讲, 能用信息技术, 改变传统的管理模式, 使管理信息化、科学化、集约化。创新管理模式, 节约能源、提高效益。对全国来讲, 有示范推广作用。国外供热企业早已实现信息化管理, 可以对能耗进行精细化管理分析及调控。国内供热企业信息化管理才刚刚起步, 有很多问题要进行研究和探讨, 要建成适合中国国情的信息化系统。
该系统通过采集供热系统中关键环节的运行参数 (热源、中继泵站、换热站) 并对数据上传、存储、整理、分析, 根据热力工作需求, 与自动控制、网络、软件工程等技术相结合, 实现热力管网的能耗采集分析, 运行状态监测, 进一步加强热网安全监控, 辅助管理者更加方便、有效地管理热网并对能耗情况进行精细化考核, 对热网管理提供科学的系统化解决方案, 进一步提升热网精细化管理和安全管理水平。
2 实现功能
热网能耗采集分析系统是以供热系统 (热源、一网、换热站、二网) 的温度、压力、流量、热量、耗电量、耗水量等技术参数的数据采集为基础, 通过PLC实时采集, 远传到调度室, 调度室可监控热网运行状态、分析能耗情况, 为管理者提供精确调整热网安全经济运行的依据。
系统采用PLC及组态平台, 进行数据采集。对采集的数据使用先进的数据结构进行数据存贮。稳定的B/S架构软件进行上位能耗采集分析处理和热力行业相关业务信息化管理。
系统定期汇总数据形成日报表、周报表、月报表及年度报表, 具有相当的快捷性、整齐性、完整性, 对供热运行的数据统计和管理工作提供极大的方便。汇总每周、每月换热站总能耗报表, 针对各换热站、小区的耗能量, 与总的供暖面积相比, 即可得出统计区间的各项能耗指标, 与业内指标对比即可分析出节能方向。以每个换热站供暖面积及各站本周所用热量为基础, 计算出各站的单位面积负荷, 可对照比较出各站耗热量的正常与否, 同时, 各站耗热量与室外温度情况密切相关, 成一定的线性比例关系, 累计一定的数据量后亦可推算出各站耗热量在室外温度变化条件下的曲线。
另外换热站各项数据与历史同期的对比分析, 换热站的各项实时参数均可实现每分钟一次的存储, 庞大灵活的数据库系统可轻松实现任意时间的数据查取和导出, 并可在软件上实现数据和图表的对比功能。
通过能耗数据的“对标”分析, 负担某个区域供热的企业一般都是所在地域的重点用能单位, 节能降耗任务艰巨。一般来说, 耗能大户同时也是潜力巨大的节能大户。有的企业对自己的系统进行了一定的改造, 但不能量化到底降低了多少耗能;有的供热企业不知道该从哪里着手去节能改造, 本项目通过建立能耗分析系统, 对实现供热企业能耗统计和分析具有重要的意义。
3 结论