金年会,金年会官网,金年会平台,金年会登录,金年会网址,金年会网站,金年会官方网站,金年会体育,金年会数字站,金年会app,金年会电子娱乐,金年会体育赛事,今年会体育,金年会最新网址入口,金年会靠谱吗2、调度生产管理系统及 其实现方法 (57) 摘要 本发明公开了一种基于云计算的电力调度生 产管理系统及其实现方法， 系统支持多样化、 异构 化的海量数据的全景实时展现 ； 全景数据实时展 现即对运行数据分析得出的各类结果指标的实时 可视化， 展现设计应提供用户体验友好的可视化 方式， 适应当前终端多样化、 异构化的特点， 以便 基于可视化技术开发全方位的监控和分析系统， 从而提高调度人员对电网势态的感知能力， 能快 速地、 有效地对紧急情况做出反应 ； 本发明能够 对检修计划滚动排期， 具备月度计划高级统计分 析展示功能、 停电信息自动生成功能。 (51)Int.Cl. 权利要求书 2 页 说明。

　　3、书 10 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书10页 附图2页 (10)申请公布号 CN 104156810 A CN 104156810 A 1/2 页 2 1. 一种基于云计算的电力调度生产管理系统， 其特征是 ： 包括信息网络模块、 资源管 理模块、 支撑模块、 平台服务模块和应用服务模块， 其中 ： 所述信息网络模块， 存储电网信息， 用于为调度提供信息数据 ； 所述平台服务模块， 面向云计算环境， 用于为电网管理数据、 电网计划数据、 电网运行 数据和电网模型数据构建分布式文件系统、 Map/Reduce 框架及分析计算。

　　4、引擎， 以提供平台 级计算服务 ； 所述支撑模块， 用于提供应用接口和服务平台 ； 所述资源管理模块， 用于管控、 分析虚拟化资源、 存储资源数据 ； 所述应用服务模块， 用于为电网调度提供电网管理指标、 电网计划指标、 电网运行指标 和电网模型指标分析应用服务。 2. 如权利要求 1 所述的调度生产管理系统的实现方法， 其特征是 ： 包括以下步骤 ： (1) 根据信息网络模块中存储的电网运行数据、 电网计划数据和电网数据模型进行数 据模型转换 ； (2) 平台服务模块分布存储数据模型， 进行分布计算 ； (3) 应用服务模块结合资源管理模块进行电网运行计划、 关联分析和预测 ； (4) 应用。

　　5、服务模块将分析结果传输给支撑模块， 根据数据处理结果进行调度。 3. 如权利要求 2 所述的实现方法， 其特征是 ： 所述步骤 (1) 中， 电网运行数据包括 ： 调 度机端电量、 调度上网电量、 全口径机端电量、 受电量、 调度最高上网电力、 调度最低上网电 力、 调度最高上网电力发生时刻、 调度最低上网电力发生时刻、 调度最高机端电力、 调度最 低机端电力、 调度最高机端电力发生时刻、 调度最低机端电力发生时刻、 最大受电电力、 最 小受电电力、 最大受电电力发生时刻、 最小受电电力发生时刻、 调度最高发受电电力、 调度 最低发受电电力、 调度最高发受电电力发生时刻、 调度最低发受电电力发。

　　6、生时刻、 全口径最 高机端电力、 全口径最低机端电力、 全口径最高发受电电力和全口径最低发受电电力。 4. 如权利要求 2 所述的实现方法， 其特征是 ： 所述步骤 (1) 中， 电网计划数据包括 ： 电 力电量平衡预测情况， 直代管电厂发电、 抽水月度计划电量、 日计划电量、 调度计划电量， 省 市联络线关口、 跨省联络线关口的月度计划电量、 日计划电量和调度计划电量， 负荷预测值 及合格率， 日拉限电电力、 电量、 条次和错避峰电力、 电量。 5. 如权利要求 2 所述的实现方法， 其特征是 ： 所述步骤 (1) 中， 电网模型数据包括 ： 调 度员潮流数据、 短路电流、 网损数据、 最优。

　　7、潮流、 外部网络等值、 状态估计、 静态安全分析数 据等、 计划值与实际测量(遥测)值进行比较、 实际值的趋势分析、 各个时段的最大最小值。 6. 如权利要求 2 所述的实现方法， 其特征是 ： 所述步骤 (2) 的具体方法， 包括以下步 骤 ： (a)Map/Reduce 库将输入数据分割成 M 个片， 每个片的大小在 16MB 64MB 之间， 然后 在集群中随机大量拷贝 ； (b) 拷贝程序中的主节点分配 Map 任务和 Reduce 任务， 被分配 Map 任务的工作节点读 取输入片， 从中解析出键值对， 由用户自定义的 Map 函数处理该键值对， 产生中间键值对 ； (c) 应用服务。

　　8、模块进行中间键值对列表进行清理和排序 ； (d)Reduce 函数将传来的中间键值对列表， 按相同的 Key 值进行适当合并， 并输出 R 个 文件， 最终汇总形成所需结果。 权 利 要 求 书 CN 104156810 A 2 2/2 页 3 7. 如权利要求 2 所述的实现方法， 其特征是 ： 所述步骤 (3) 中， 应用服务模块进行计算 时， 用户只需输入统一的统一资源定位器访问整个系统， 而无需关注后台执行， 系统后台会 根据终端与服务器间的网速和距离自动选择访问速度最快的可用计算资源， 当计算量在设 定阈值之内时时， 应用服务模块调用本地资源为用户返回结果 ； 当计算量超过阈值时， 。

　　9、应用 服务模块调用临近地市服务器辅助完成计算。 权 利 要 求 书 CN 104156810 A 3 1/10 页 4 一种基于云计算的电力调度生产管理系统及其实现方法 技术领域 0001 本发明涉及一种基于云计算的电力调度生产管理系统及其实现方法。 背景技术 0002 调度生产管理系统(OMS系统)与云计算结合的应用场景是 “基于虚拟化的私有云 技术 + 大数据技术” ， 即 OpenStack 应与 VMware、 Hadoop 融合以提供虚拟化的私有云存储及 计算环境。 0003 实践中可基于 OpenStack Nova 模块与 VMware 集成， 实现虚拟机的管理 ； 基 于 Op。

　　10、enStack Dashboard 模块实现资源池管理功能和虚拟机生命周期管理功能 ； 基于 OpenStack Swift 模块与 Hadoop Map/Reduce 集群集成， 实现 IAAS 与数据处理的集成。使 用这种架构的优势是， OMS 系统将获得一个可扩展的存储集群， 以处理不断累积的数据， 并 为云计算的技术实现打下技术基础。 0004 基于云计算的 OMS 系统常用数据库包括关系数据库和分布式数据库。 0005 关系数据库虽然很强大， 但是它并不能很好的应付所有的应用场景， 其主要缺点 如下 ： 0006 (1) 对大数据或非结构化数据支持较弱。关系模型只能处理整数、 实数、。

　　11、 字符串等 这样简单的结构化数据类型， 难以支持文档、 网页等非结构化或半结构化数据。 0007 (2)关系模型不支持复杂的数据嵌套。 为了模拟复杂对象， 常常需要把信息分开成 几个不同的表， 表之间的连接常隐藏在应用程序里， 而不是在更易于管理的数据库中， 每次 必须连接一批表才能得到对象的信息， 存取速度变慢， 且这种方式也很难模仿出数据的现 实关系。 0008 (3) 关系型数据库在其性能、 扩展性及伸缩性方面不足。关系型数据库扩展性较 差， 大数据下 IO 压力大， 表结构更改困难。此外， 关系型数据库只能进行短小的处理， 不能 进行要求操作临时变量、 历史记录和数据版本的长处理， 只。

　　12、适合于保存记录的应用和报表 输出的设计。 0009 分布式数据库的新一代理论基础是 BASE 模型， 它存在以下缺点 ： 0010 (1) 难以实现数据的实时完整性， 也就是事务的一致性。 0011 (2) 缺乏供应商提供的强有力的技术支持， 对开发和运维人员自身技术水平要求 较高。由于关系型数据库本身天然的多样性， 以及出现的时间较短， 因此不像关系型数据 库， 有几 种数据库能够一统江山。 分布式型数据库的种类非常多， 并且大部分都是开源的， 对用户技术水平要求较高。 0012 (3)数据库设计难度较高。 关系型数据库最大的价值就在于其数据结构设计方便。 因为在其数据库的对象之间的关系模型。

　　13、 ( 如三范式等 ) 对于数据库结构设计是很有帮助 的， 这很大程度上体现了业务的实际情况。 但是分布式型数据库系统由于缺乏这种关系， 因 此基于分布式型数据库技木的不同产品之间， 可能会存在很大的差异。这增加了数据库结 构设计的难度。 说 明 书 CN 104156810 A 4 2/10 页 5 发明内容 0013 本发明为了解决上述问题， 提出一种基于云计算的电力调度生产管理系统及其实 现方法， 该系统能够对检修计划滚动排期， 具备月度计划高级统计分析展示功能、 停电信息 自动生成功能。 0014 为了实现上述目的， 本发明采用如下技术方案 ： 0015 一种基于云计算的电力调度生产管理。

　　14、系统， 包括信息网络模块、 资源管理模块、 支 撑模块、 平台服务模块和应用服务模块， 其中 ： 0016 所述信息网络模块， 存储电网信息， 用于为调度提供信息数据 ； 0017 所述平台服务模块， 面向云计算环境， 用于为电网管理数据、 电网计划数据、 电网 运行数据和电网模型数据构建分布式文件系统、 Map/Reduce 框架及分析计算引擎， 以提供 平台级计算服务 ； 0018 所述支撑模块， 用于提供应用接口和服务平台 ； 0019 所述资源管理模块， 用于管控、 分析虚拟化资源、 存储资源数据 ； 0020 所述应用服务模块， 用于为电网调度提供电网管理指标、 电网计划指标、 电网。

　　15、运行 指标和电网模型指标分析应用服务。 0021 一种基于上述调度生产管理系统的实现方法， 包括以下步骤 ： 0022 (1) 根据信息网络模块中存储的电网运行数据、 电网计划数据和电网数据模型进 行数据模型转换 ； 0023 (2) 平台服务模块分布存储数据模型， 进行分布计算 ； 0024 (3) 应用服务模块结合资源管理模块进行电网运行计划、 关联分析和预测 ； 0025 (4) 应用服务模块将分析结果传输给支撑模块， 根据数据处理结果进行调度。 0026 所述步骤 (1) 中， 电网运行数据包括 ： 调度机端电量、 调度上网电量、 全口径机端 电量、 受电量、 调度最高上网电力、 调度。

　　16、最低上网电力、 调度最高上网电力发生时刻、 调度 最低上网电力发生时刻、 调度最高机端电力、 调度最低机端电力、 调度最高机端电力发生时 刻、 调度最低机端电力发生时刻、 最大受电电力、 最小受电电力、 最大受电电力发生时刻、 最 小受电电力发生时刻、 调度最高发受电电力、 调度最低发受电电力、 调度最高发受电电力发 生时刻、 调度最低发受电电力发生时刻、 全口径最高机端电力、 全口径最低机端电力、 全口 径最高发受电电力和全口径最低发受电电力。 0027 所述步骤 (1) 中， 电网计划数据包括 ： 电力电量平衡预测情况， 直代管电厂发电、 抽水月度计划电量、 日计划电量、 调度计划电量， 。

　　17、省市联络线关口、 跨省联络线关口的月度 计划电量、 日计划电量和调度计划电量， 负荷预测值及合格率， 日拉限电电力、 电量、 条次和 错避峰电力、 电量。 0028 所述步骤 (1) 中， 电网模型数据包括 ： 调度员潮流数据、 短路电流、 网损数据、 最优 潮流、 外部网络等值、 状态估计、 静态安全分析数据等、 计划值与实际测量值进行比较、 实际 值的趋势分析、 各个时段的最大最小值。 0029 所述步骤 (2) 的具体方法， 包括以下步骤 ： 0030 (a)Map/Reduce 库将输入数据分割成 M 个片， 每个片的大小在 16MB 64MB 之间， 然后在集群中随机大量拷贝 ； 说。

　　18、 明 书 CN 104156810 A 5 3/10 页 6 0031 (b) 拷贝程序中的主节点分配 Map 任务和 Reduce 任务， 被分配 Map 任务的工作节 点读取输入片， 从中解析出键值对， 由用户自定义的 Map 函数处理该键值对， 产生中间键值 对 ； 0032 (c) 应用服务模块进行中间键值对列表进行清理和排序 ； 0033 (d)Reduce 函数将传来的中间键值对列表， 按相同的 Key 值进行适当合并， 并输出 R 个文件， 最终汇总形成所需结果。 0034 所述步骤 (3) 中， 应用服务模块进行计算时， 用户只需输入统一的统一资源定位 器访问整个系统， 而无需。

　　19、关注后台执行， 系统后台会根据终端与服务器间的网速和距离自 动选择访问速度最快的可用计算资源， 当计算量在设定阈值之内时时， 应用服务模块调用 本地资源为用户返回结果 ； 当计算量超过阈值时， 应用服务模块调用临近地市服务器辅助 完成计算。 0035 本发明的有益效果为 ： 系统支持多样化、 异构化的海量数据的全景实时展现 ； 全 景数据实时展现即对运行数据分析得出的各类结果指标的实时可视化， 展现设计应提供用 户体验友 好的可视化方式， 适应当前终端多样化、 异构化的特点， 以便基于可视化技术开 发全方位的监控和分析系统， 从而提高调度人员对电网势态的感知能力， 能快速地、 有效地 对紧急情。

　　20、况做出反应。 附图说明 0036 图 1 为本发明的云计算系统框架图 ； 0037 图 2 为本发明的基于云计算的 OMS 应用分层架构图 ； 0038 图 3 为本发明的流程图。 具体实施方式 ： 0039 下面结合附图与实施例对本发明作进一步说明。 0040 如图 1 所示， 一种基于云计算调度生产管理 (OMS) 系统， 包括信息网络模块、 资源 管理模块、 支撑模块、 平台服务模块和应用服务模块， 其中 ： 0041 所述信息网络模块， 存储电网信息， 用于为调度提供信息数据 ； 0042 所述平台服务模块， 面向云计算环境， 用于为电网管理数据、 电网计划数据、 电网 运行数据和电网。

　　21、模型数据构建分布式文件系统、 Map/Reduce 框架及分析计算引擎， 以提供 平台级计算服务 ； 0043 所述支撑模块， 用于提供应用接口和服务平台 ； 0044 所述资源管理模块， 用于管控、 分析虚拟化资源、 存储资源数据 ； 0045 所述应用服务模块， 用于为电网调度提供电网管理指标、 电网计划指标、 电网运行 指标和电网模型指标分析应用服务。 0046 一种基于上述调度生产管理系统的实现方法， 包括以下步骤 ： 0047 (1) 根据信息网络模块中存储的电网运行数据、 电网计划数据和电网数据模型进 行数据模型转换 ； 0048 (2) 平台服务模块分布存储数据模型， 进行分布计。

　　22、算 ； 0049 (3) 应用服务模块结合资源管理模块进行电网运行计划、 关联分析和预测 ； 说 明 书 CN 104156810 A 6 4/10 页 7 0050 (4) 应用服务模块将分析结果传输给支撑模块， 根据数据处理结果进行调度。 0051 所述步骤 (1) 中， 电网运行数据包括 ： 调度机端电量、 调度上网电量、 全口径机端 电量、 受电量、 调度最高上网电力、 调度最低上网电力、 调度最高上网电力发生时刻、 调度最 低上网电力发生时刻、 调度最高机端电力、 调度最低机端电力、 调度最高机端电力发生时 刻、 调 度最低机端电力发生时刻、 最大受电电力、 最小受电电力、 最大受电。

　　23、电力发生时刻、 最小受电电力发生时刻、 调度最高发受电电力、 调度最低发受电电力、 调度最高发受电电力 发生时刻、 调度最低发受电电力发生时刻、 全口径最高机端电力、 全口径最低机端电力、 全 口径最高发受电电力和全口径最低发受电电力。 0052 所述步骤 (1) 中， 电网计划数据包括 ： 电力电量平衡预测情况， 直代管电厂发电、 抽水月度计划电量、 日计划电量、 调度计划电量， 省市联络线关口、 跨省联络线关口的月度 计划电量、 日计划电量和调度计划电量， 负荷预测值及合格率， 日拉限电电力、 电量、 条次和 错避峰电力、 电量。 0053 所述步骤 (1) 中， 电网模型数据包括 ： 调。

　　24、度员潮流数据、 短路电流、 网损数据、 最优 潮流、 外部网络等值、 状态估计、 静态安全分析数据等、 计划值与实际测量(遥测)值进行比 较、 实际值的趋势分析、 各个时段的最大最小值。 0054 所述步骤 (2) 的具体方法， 包括以下步骤 ： 0055 (a)Map/Reduce 库将输入数据分割成 M 个片， 每个片的大小在 16MB 64MB 之间， 然后在集群中随机大量拷贝 ； 0056 (b) 拷贝程序中的主节点分配 Map 任务和 Reduce 任务， 被分配 Map 任务的工作节 点读取输入片， 从中解析出键值对， 由用户自定义的 Map 函数处理该键值对， 产生中间键值 对 。

　　25、； 0057 (c) 应用服务模块进行中间键值对列表进行清理和排序 ； 0058 (d)Reduce 函数将传来的中间键值对列表， 按相同的 Key 值进行适当合并， 并输出 R 个文件， 最终汇总形成所需结果。 0059 所述步骤 (3) 中， 应用服务模块进行计算时， 用户只需输入统一的统一资源定位 器访问整个系统， 而无需关注后台执行， 系统后台会根据终端与服务器间的网速和距离自 动选择访问速度最快的可用计算资源， 当计算量在设定阈值之内时时， 应用服务模块调用 本地资源为用户返回结果 ； 当计算量超过阈值时， 应用服务模块调用临近地市服务器辅助 完成计算。 0060 系统建设选用 Ja。

　　26、va J2EE、 OpenStack 虚拟平台与 Hadoop 云平台相结合的技术路 线及分层结构体系， 可最大程度保证系统的兼容性、 开放性和安全性， 能很好的与智能电网 调度技术支持系统基础平台、 SG186 平台集成。除了少数交互性能要求较高的应用采用 C/S 应用模式外， 绝大多数调度管理类应用都采用 B/S 应用模式， 采用以 J2EE 应用服务器为中 心的 B/S 多层分布式系统构架， 提供安全、 稳定、 可靠、 高效、 可扩展的应用运行环境， 以便 于用户使用、 部署和运维。 0061 本系统所涉及的主要关键技术有资源虚拟化技术、 分布式电网数据管理技术、 分 布式电网数据计算技。

　　27、术等。尽管云计算技术诞生及发展比较晚， 但其主要核心技术如虚 拟化、 分布式存储、 分布式计算等已经发展多年， 而且在多个行业得到广泛应用。至今， 已 有众多基于云计算构架系统， 如 Google GAE、 Amazon EC2、 百度云等， 开发基于云计算应用 说 明 书 CN 104156810 A 7 5/10 页 8 系统的平台及工具也如雨后春笋般地得到发展。如实现资源池化及虚拟化可以用开源的 OpenStack 及 VMware 联合构建 ； 实现分布式数据存储与管理、 分布式计算可以采用成熟开 源 Hadoop 平台， 用其 HDFS 实现数据分布式存储与管理 ； 用其 HBase。

　　28、 实现数据模型融合 ； 用 Hive 实现数据挖掘与分析 ； 用 Map/Reduce 实现分布式计算等。 0062 虚拟化技术的内涵非常广泛和复杂， 从实现层次上， 虚拟化技术可分为 ： 硬件虚拟 化、 操作系统虚拟化、 应用程序虚拟化等。从应用领域上， 虚拟化技术可分为 ： 服务器虚拟 化、 存储虚拟化、 网络虚拟化、 桌面虚拟化、 CPU 虚拟化、 文件虚拟化。可以说， 虚拟化一方面 对企业的 IT 系统变革中起到重要作用， 但同时又引入了复杂度。另一方面， 服务器虚拟化 技术是虚拟化的核心和关键， 直接决定着其他资源的虚拟化路径， 并影响着虚拟化的可靠 性、 稳定性和效益。因此服务器虚。

　　29、拟化平台的技术选型至关重要。 0063 常用的虚拟化工具有 VMware ESX Server 和 Microsoft Hyper-V。相对而言， VMware的产品具备应用广泛、 成熟、 跨平台性强的特点， Microsoft Hyper-V更适合Windows Server操作系统环境的虚拟化。 从安全性、 兼容性、 跨平台性和山东电力已有服务器平台考 虑， 本系统选用 VMware ESX Server 作为虚拟化工具。 0064 此外， 为使得虚拟化资源可被应用程序调用， 还需构建云基础环境将其纳入管理。 从安全角度出发， 山东电力 OMS 系统的云计算应用模式应为私有云。这方面的主流。

　　30、产品有 Microsoft System Center 和 OpenStack。前者为 Windows 平台的闭源商业软件， 尽管功能 强大， 但不符合国调关于操作系统安全性、 开放性的要求， 而 OpenStack 已成为一种广泛流 行的、 面向私有云的建设与管理的开源软件， 可提供一个大规模的可扩展的云操作系统。 基 于 OpenStack 可廉价便捷地实现资源的虚拟化及虚拟化资源管理， 并可简化云基础架构服 务 (IAAS) 的部署过程， 为其带来良好的可伸缩性和可扩展性。因此， 私有云构建方面， 本系 统选用 OpenStack 作为 IAAS 工具。 0065 OMS 系统与云计算结。

　　31、合的应用场景是 “基于虚拟化的私有云技术 + 大数据技术” ， 即 OpenStack 应与 VMware、 Hadoop 融合以提供虚拟化的私有云存储及计算环境。 0066 实践中可基于 OpenStack Nova 模块与 VMware 集成， 实现虚拟机的管理 ； 基 于 OpenStack Dashboard 模块实现资源池管理功能和虚拟机生命周期管理功能 ； 基于 OpenStack Swift 模块与 Hadoop Map/Reduce 集群集成， 实现 IAAS 与数据处理的集成。使 用这种架构的优势是， OMS 系统将获得一个可扩展的存储集群， 以处理不断累积的数据， 并 为云。

　　32、计算的技术实现打下技术基础。 0067 本系统选用 Hadoop 作为分布式数据管理技术平台， 主要原因是 Hadoop 分布式数 据管理技术具备如下优点 ： 0068 (1) 具备处理超大文件或数据集的能力。超大文件通常是指数百 GB、 甚至数百 TB 大小级别的文件。 HDFS可支持大文件存储， 能从整体上提供高数据传输带宽， 能在一个集群 里扩展到数百个节点。目前在实际应用中， 一个单一的 HDFS 实例已能用来存储管理 PB 级 的数据、 数以千万计的文件。 0069 (2) 支持高效的流式数据访问。运行在 HDFS 上的应用和普通的应用不同， 需要流 式访问它们的数据集。 HDFS的。

　　33、设计中更多的考虑到了数据批处理， 即建立在更多地响应 “一 次写入、 多次读写” 任务的基础上， 而不是用户交互处理。这意味着一个数据集一旦由数据 源生成， 就会被复制分发到不同的存储节点中， 然后响应各种各样的数据分析任务请求。 在 说 明 书 CN 104156810 A 8 6/10 页 9 多数情况下， 分析任务都会涉及数据集中的大部分数据， 也就是说， 对 HDFS 来说， 请求读取 整个数据集要比读取一条记录更加高效。 0070 (3) 硬件成本低， 容错性强。Hadoop 设计对硬件需求比较低， 可运行在廉价的商用 硬件集群上， 而无需昂贵的高可用性机器。Hadoop 考虑了错误。

　　34、检测和快速、 自动的恢复机 制， 并通过冗余设计来保证数据的可靠性、 安全性和高可用性。 0071 (4)Hadoop 设计时就考虑到平台的高扩展性、 可移植性， 能与国网现有 Linux 服务 器平台无缝集成。 0072 Hadoop 的底层文件系统为 HDFS 分布式文件系统， HDFS 是一种安全稳定的数据容 器， 也是分布式计算的存储基石， 非常适用于海量电网运行数据的分布式管理。 HDFS分布式 文件系统的技术特色如下 ： 0073 (1) 整个集群具备单一的命名空间。 0074 (2)具备数据一致性。 适合一次写入多次读取的模型， 客户端在文件没有被成功创 建之前是无法看到文件存在。

　　35、的。 0075 (3) 文件会被分割成多个文件块， 每个文件块被分配存储到数据节点上， 而且会根 据配置由复制文件块来保证数据的安全性。 0076 HDFS 主要由 NameNode、 DataNode 和 Client 三大部分组成， (1)NameNode 可以看做 是分布式文件系统中的管理者， 主要负责管理文件系统的命名空间、 集群配置信息和存储 块的复制等。 NameNode会将文件系统的元数据(Metadata)存储在内存中， 这些信息主要包 括文件信息、 每一个文件对应的文件块的信息和每一个文件块在 DataNode 中的信息等。 0077 (2)DataNode 是文件存储的基本。

　　40、的磁盘利用率超过这个均值， 那么将会把这个 DataNode 的 block 转移到 磁盘利用率低的 DataNode 上， 这对于新节点的加入来说十分有用。 0096 (4) 数据校验 ： 采用 CRC32 做数据校验。在写入文件 Block 的时候， 除了写入数据 外还会写入校验信息， 在读取的时候则需要校验后再读入。 0097 (5) 单个 NameNode ： 如果失败， 任务处理信息将会记录在本地文件系统和远端的 文件系统中。 0098 (6) 数据管道性的写入 ： 当客户端要写入文件到 DataNode 上时， 客户端首先会读 取一个 Block， 然后写到第一个 DataNode。

　　41、 上， 接着由第一个 DataNode 将其传递到备份的 DataNode 上， 直到所有需要写入这个 Block 的 DataNode 都成功写入后， 客户端才会开始写 下一个 Block。 0099 (7) 安全模式 ： 分布式文件系统启动的时候会有安全模式 ( 系统运行期间也可以 通过命令进入安全模式 )， 当分布式文件系统处于安全模式时， 文件系统中的内容不允许 修改也不允许删除， 直到安全模式结束。安全模式主要是为了在系统启动的时候检查各个 DataNode 上的数据块的有效性， 同时根据策略进行必要的复制或删除部分数据块。在实际 操作过程中， 若在系统启动时修改和删除文件会出现安全。

　　42、模式不允许修改的错误提示， 只 需要等待一会儿即可。 0100 考虑到云平台使能技术具备自下而上的层叠特点， 本系统提出了基于层次模型实 现系统总体框架设计， 包括 ： 0101 (1) 信息网络 ： 为电网现有已建成的三级信息网。 0102 (2) 资源管理 ： 为实现物理资源虚拟化在信息网络之上追加的虚拟化及虚拟资源 管理层。 0103 (3) 平台服务 ： 面向云计算环境， 为电网管理数据、 电网计划数据、 电网运行数据 和电网模型数据构建分布式文件系统、 Map/Reduce 框架及分析计算引擎， 以提供平台级计 算服务。 0104 (4) 应用服务 ： 为电网调度提供电网管理指标、 。

　　43、电网计划指标、 电网运行指标和电 网模型指标分析应用服务。 0105 (5) 云安全 ： 为整套云平台运行提供多层次、 多维度的安全保障。 说 明 书 CN 104156810 A 10 8/10 页 11 0106 新一代 OMS 系统还应支持多样化、 异构化的海量数据的全景实时展现。全景数据 实时展现即对运行数据分析得出的各类结果指标的实时可视化。 展现设计应提供用户体验 友好的可视化方式， 适应当前终端多样化、 异构化的特点， 以便基于可视化技术开发全方位 的监控和分析系统， 从而提高调度人员对电网势态的感知能力， 能快速地、 有效地对紧急情 况做出反应。 0107 基于云计算的一体化 。

　　44、OMS 调度管理类应用运行在二次安全防护系统安全 III 区， 即管理信息大区， 主要实现调度生产业务的流程管理 ； 规范专业管理及调度中心内部综合 管理 ； 采用时间、 空间等多维度分析方法， 对电网运行信息、 二次设备运行信息、 分析评价结 果等数据进行综合挖掘分析， 形成分析和评估结果并展示与发布， 实现工作一体化、 规范化 和流程化的调度管理。 0108 依据调度管理类应用功能管理层次要求， 应用架构分为数据层、 平台层、 支撑层、 业务层、 管控层、 决策层六层， 体现 “基础平台 + 应用开发支撑软件 + 四个中心” 思路， 调 度管理类应用是在整合了电网模型数据、 电网运行数据、。

　　45、 电网计划数据、 电网分析统计数 据、 电网调度管理数据， 在关系数据库和分布式数据库的支撑下， 基于 SG-OSS 基础平台及 OpenStack 虚拟化基础平台， 通过应用开发支撑软件的快速软件集成开发支撑， 构建业务处 理层、 应用管控层、 决策分析层应用， 从而为构筑坚强智能电网奠定基础。 0109 系统主要功能 0110 资源虚拟化及虚拟化资源管理 0111 虚拟化资源管理技术是实现虚拟化资源实用化的关键使能技术。 资源虚拟化是指 计算或存储物理资源抽象为逻辑资源， 使得管理系统可在虚拟环境下而不是真实的基础上 运行， 从而打破物理上的界限， 以达到扩大硬件的容量、 简化管理和配置、。

　　46、 优化资源的目的。 资源虚拟化优势在于 ： 减少服务器的数量 ； 提高服务器资源的利用率和计算能力， 简化部 署、 管理和维护工作， 降低管理费用 ； 负载均衡、 动态迁移、 快速转移和复制， 提高可靠性。 0112 海量数据管理 0113 当前电力信息系统面临的一个重大挑战是数据存储和管理能力相对不足。 现有的 数据采集与监控 (SCADA) 系统在采集数据时一般止于变电站级别， 且数据采样频率较低。 随着智 能电网及相关信息系统的推广， 不仅 SCADA 系统的采样频率将会明显提高， 电力系 统数据采集的范围也将大大扩展。相量测量单元 (PMU)、 智能电表， 甚至各种智能家电的嵌 入式系。

　　47、统都可能向调度中心提供大量异构实时信息， 如稳态运行参数(SCADA值)、 动态PMU 值、 设备状态信息、 电能量及电价信息等， 且数据的采样和更新速率差别较大， 从每秒钟几 千次到每秒上万次甚至快。 由上述各种传感器所组成的数据采集网络所产生的海量状态监 测数据可为运行分析系统利用， 也对数据建模及管理提出了更高的要求。 0114 数据建模技术是数据管理和计算应用的前提和基础。面对即将到来的电力大数 据， 在数据建模方面， SCADA、 OMS、 PMS、 ERP 等支持电网日常运营的管理信息系统传统上往 往采用关系型数据模型， 底层具体数据支撑环境为关系型数据库， 而与云计算环境所采用 。

　　48、的分布式数据模型及分布式数据管理平台并非完全匹配。 为使得云计算平台可有效利用关 系型数据库中的数据源， 应研究关系型数据模型与分布式数据模型的关联应用， 应给出关 系型数据模型与分布式数据模型之间的数据映射技术， 发挥出不同模型的各自优势， 令 OMS 的数据抽取及运行指标分析成为可能。 说 明 书 CN 104156810 A 11 9/10 页 12 0115 在数据管理方面， 传统的集中式存储管理(SAN或NAS)在容量和性能的扩展、 伸缩 性方面难以为继， 日益成为海量数据管控的性能瓶颈， 以电力系统现有的信息处理能力将 不足以完成对海量数据流的存储和分析功能， 也无法支持未来的电力。

　　49、调度对数据管理的需 求。 因此， 研究利用先进的分布式数据管理技术以解决多时间尺度数据信息整合与处理、 海 量数据压缩与查询等问题， 构建新的电力系统数据管理平台应尽早提上议事日程。 0116 分布式数据计算 0117 随着电力系统互联程度的加强和远距离输电系统的不断发展， 能覆盖一个甚至多 个国家的超大规模电力系统正在不断出现。 电力系统规模的不断扩大和结构的日趋复杂使 得安全评估、 安全与经济运行、 系统控制变得越发困难。 0118 分布式计算的原理是将一个需要非常庞大计算能力才能快速解决的问题分成许 多小的部分， 然后把这些部分分配给许多计算机或计算资源池进行处理， 最后把这些计算 结果综合起来得到最终的结果， 其非常适用于海量电网运行数据的分析和处理。面向云环 境分布式架构下构建并行计算体系， 在。

　　本发明公开了一种基于云计算的电力调度生产管理系统及其实现方法，系统支持多样化、异构化的海量数据的全景实时展现；全景数据实时展现即对运行数据分析得出的各类结果指标的实时可视化，展现设计应提供用户体验友好的可视化方式，适应当前终端多样化、异构化的特点，以便基于可视化技术开发全方位的监控和分析系统，从而提高调度人员对电网势态的感知能力，能快速地、有效地对紧急情况做出反应；本发明能够对检修计划滚动排期，具备月度计划高级统计分析展示功能、停电信息自动生成功能。

　　3.如权利要求2所述的实现方法，其特征是：所述步骤(1)中，电网运行数据包括：调度机端电量、调度上网电量、全口径机端电量、受电量、调度最高上网电力、调度最低上网电力、调度最高上网电力发生时刻、调度最低上网电力发生时刻、调度最高机端电力、调度最低机端电力、调度最高机端电力发生时刻、调度最低机端电力发生时刻、最大受电电力、最小受电电力、最大受电电力发生时刻、最小受电电力发生时刻、调度最高发受电电力、调度最低发受电电力、调度最高发受电电力发生时刻、调度最低发受电电力发生时刻、全口径最高机端电力、全口径最低机端电力、全口径最高发受电电力和全口径最低发受电电力。

　　所述步骤(1)中，电网运行数据包括：调度机端电量、调度上网电量、全口径机端电量、受电量、调度最高上网电力、调度最低上网电力、调度最高上网电力发生时刻、调度最低上网电力发生时刻、调度最高机端电力、调度最低机端电力、调度最高机端电力发生时刻、调度最低机端电力发生时刻、最大受电电力、最小受电电力、最大受电电力发生时刻、最小受电电力发生时刻、调度最高发受电电力、调度最低发受电电力、调度最高发受电电力发生时刻、调度最低发受电电力发生时刻、全口径最高机端电力、全口径最低机端电力、全口径最高发受电电力和全口径最低发受电电力。

　　所述步骤(1)中，电网运行数据包括：调度机端电量、调度上网电量、全口径机端电量、受电量、调度最高上网电力、调度最低上网电力、调度最高上网电力发生时刻、调度最低上网电力发生时刻、调度最高机端电力、调度最低机端电力、调度最高机端电力发生时刻、调度最低机端电力发生时刻、最大受电电力、最小受电电力、最大受电电力发生时刻、最小受电电力发生时刻、调度最高发受电电力、调度最低发受电电力、调度最高发受电电力发生时刻、调度最低发受电电力发生时刻、全口径最高机端电力、全口径最低机端电力、全口径最高发受电电力和全口径最低发受电电力。

　　系统建设选用JavaJ2EE、OpenStack虚拟平台与Hadoop云平台相结合的技术路线及分层结构体系，可最大程度保证系统的兼容性、开放性和安全性，能很好的与智能电网调度技术支持系统基础平台、SG186平台集成。除了少数交互性能要求较高的应用采用C/S应用模式外，绝大多数调度管理类应用都采用B/S应用模式，采用以J2EE应用服务器为中心的B/S多层分布式系统构架，提供安全、稳定、可靠、高效、可扩展的应用运行环境，以便于用户使用、部署和运维。

　　本系统所涉及的主要关键技术有资源虚拟化技术、分布式电网数据管理技术、分布式电网数据计算技术等。尽管云计算技术诞生及发展比较晚，但其主要核心技术如虚拟化、分布式存储、分布式计算等已经发展多年，而且在多个行业得到广泛应用。至今，已有众多基于云计算构架系统，如GoogleGAE、AmazonEC2、百度云等，开发基于云计算应用系统的平台及工具也如雨后春笋般地得到发展。如实现资源池化及虚拟化可以用开源的OpenStack及VMware联合构建；实现分布式数据存储与管理、分布式计算可以采用成熟开源Hadoop平台，用其HDFS实现数据分布式存储与管理；用其HBase实现数据模型融合；用Hive实现数据挖掘与分析；用Map/Reduce实现分布式计算等。

　　虚拟化技术的内涵非常广泛和复杂，从实现层次上，虚拟化技术可分为：硬件虚拟化、操作系统虚拟化、应用程序虚拟化等。从应用领域上，虚拟化技术可分为：服务器虚拟化、存储虚拟化、网络虚拟化、桌面虚拟化、CPU虚拟化、文件虚拟化。可以说，虚拟化一方面对企业的IT系统变革中起到重要作用，但同时又引入了复杂度。另一方面，服务器虚拟化技术是虚拟化的核心和关键，直接决定着其他资源的虚拟化路径，并影响着虚拟化的可靠性、稳定性和效益。因此服务器虚拟化平台的技术选型至关重要。

　　此外，为使得虚拟化资源可被应用程序调用，还需构建云基础环境将其纳入管理。从安全角度出发，山东电力OMS系统的云计算应用模式应为私有云。这方面的主流产品有MicrosoftSystemCenter和OpenStack。前者为Windows平台的闭源商业软件，尽管功能强大，但不符合国调关于操作系统安全性、开放性的要求，而OpenStack已成为一种广泛流行的、面向私有云的建设与管理的开源软件，可提供一个大规模的可扩展的云操作系统。基于OpenStack可廉价便捷地实现资源的虚拟化及虚拟化资源管理，并可简化云基础架构服务(IAAS)的部署过程，为其带来良好的可伸缩性和可扩展性。因此，私有云构建方面，本系统选用OpenStack作为IAAS工具。

　　(2)支持高效的流式数据访问。运行在HDFS上的应用和普通的应用不同，需要流式访问它们的数据集。HDFS的设计中更多的考虑到了数据批处理，即建立在更多地响应“一次写入、多次读写”任务的基础上，而不是用户交互处理。这意味着一个数据集一旦由数据源生成，就会被复制分发到不同的存储节点中，然后响应各种各样的数据分析任务请求。在多数情况下，分析任务都会涉及数据集中的大部分数据，也就是说，对HDFS来说，请求读取整个数据集要比读取一条记录更加高效。

　　(3)数据复制(场景为DataNode失败、需要平衡DataNode的存储利用率和平衡DataNode数据交互压力等情况)：使用Hadoop时可以用HDFS的balancer命令配置Threshold来平衡每一个DataNode的磁盘利用率。假设设置了Threshold为10％，那么执行balancer命令的时候，首先会统计所有DataNode的磁盘利用率的平均值，然后判断如果某一个DataNode的磁盘利用率超过这个均值，那么将会把这个DataNode的block转移到磁盘利用率低的DataNode上，这对于新节点的加入来说十分有用。

　　(7)安全模式：分布式文件系统启动的时候会有安全模式(系统运行期间也可以通过命令进入安全模式)，当分布式文件系统处于安全模式时，文件系统中的内容不允许修改也不允许删除，直到安全模式结束。安全模式主要是为了在系统启动的时候检查各个DataNode上的数据块的有效性，同时根据策略进行必要的复制或删除部分数据块。在实际操作过程中，若在系统启动时修改和删除文件会出现安全模式不允许修改的错误提示，只需要等待一会儿即可。

　　依据调度管理类应用功能管理层次要求，应用架构分为数据层、平台层、支撑层、业务层、管控层、决策层六层，体现“基础平台+应用开发支撑软件+四个中心”思路，调度管理类应用是在整合了电网模型数据、电网运行数据、电网计划数据、电网分析统计数据、电网调度管理数据，在关系数据库和分布式数据库的支撑下，基于SG-OSS基础平台及OpenStack虚拟化基础平台，通过应用开发支撑软件的快速软件集成开发支撑，构建业务处理层、应用管控层、决策分析层应用，从而为构筑坚强智能电网奠定基础。

　　当前电力信息系统面临的一个重大挑战是数据存储和管理能力相对不足。现有的数据采集与监控(SCADA)系统在采集数据时一般止于变电站级别，且数据采样频率较低。随着智能电网及相关信息系统的推广，不仅SCADA系统的采样频率将会明显提高，电力系统数据采集的范围也将大大扩展。相量测量单元(PMU)、智能电表，甚至各种智能家电的嵌入式系统都可能向调度中心提供大量异构实时信息，如稳态运行参数(SCADA值)、动态PMU值、设备状态信息、电能量及电价信息等，且数据的采样和更新速率差别较大，从每秒钟几千次到每秒上万次甚至快。由上述各种传感器所组成的数据采集网络所产生的海量状态监测数据可为运行分析系统利用，也对数据建模及管理提出了更高的要求。

　　数据建模技术是数据管理和计算应用的前提和基础。面对即将到来的电力大数据，在数据建模方面，SCADA、OMS、PMS、ERP等支持电网日常运营的管理信息系统传统上往往采用关系型数据模型，底层具体数据支撑环境为关系型数据库，而与云计算环境所采用的分布式数据模型及分布式数据管理平台并非完全匹配。为使得云计算平台可有效利用关系型数据库中的数据源，应研究关系型数据模型与分布式数据模型的关联应用，应给出关系型数据模型与分布式数据模型之间的数据映射技术，发挥出不同模型的各自优势，令OMS的数据抽取及运行指标分析成为可能。

　　(1)电网运行数据：调度机端电量、调度上网电量、全口径机端电量、受电量、调度最高上网电力、调度最低上网电力、调度最高上网电力发生时刻、调度最低上网电力发生时刻、调度最高机端电力、调度最低机端电力、调度最高机端电力发生时刻、调度最低机端电力发生时刻、最大受电电力、最小受电电力、最大受电电力发生时刻、最小受电电力发生时刻、调度最高发受电电力、调度最低发受电电力、调度最高发受电电力发生时刻、调度最低发受电电力发生时刻、全口径最高机端电力、全口径最低机端电力、全口径最高发受电电力、全口径最低发受电电力；

　　基于云计算的OMS系统基本保持现有模式不变，服务器仍置于现有物理位置，主要变化在于引入虚拟化平台将各地市的服务器整合为2套热备冗余的虚拟机群以提供主调应用支持，并实现计算资源的跨地共享。对用户而言，只需输入统一的URL访问OMS系统，而无需关注后台执行。系统后台会根据终端与服务器间的网速和距离自动选择访问速度最快的可用计算资源。当计算量较小时，OMS系统仍调用本地资源为用户返回结果；当计算量较大时，OMS系统可调用临近地市服务器辅助完成计算，以节省时延。由此保证了系统的高可靠性和可用性。