基于CloudSim的智能电网云计算建模及仿真研究

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报4（2017）159基于CloudSim的智能电网云计算仿真建模Sandeep Mehmia， Harsh K.Vermab， A.L. 桑加尔湾a印度旁遮普省旁遮普技术大学计算机科学与工程系b计算机科学与工程系，博士B.R Ambedkar国家技术学院，印度接收日期：2014年9月1日;接收日期：2016年1月11日;接受日期：2016年10月6日2016年10月20日在线发布摘要在本文中，智能电网云已经模拟使用CloudSim。研究了时间共享和空间共享资源分配策略中虚拟机（VM）数量、VM映像大小、VM RAM、VM带宽、微云长度等参数对成本和微云完成时间的随着微云的数量从68增加到178，与空间共享分配策略相比，在时间共享分配策略中，更多当虚拟机带宽从1 Gbps增加到10 Gbps，虚拟机RAM从512 MB增加到5120 MB时，也观察到类似的趋势处理成本随着虚拟机数量、虚拟机映像大小和云长度的增加而线性增加。© 2016 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：智能电网;云计算; CloudSim;虚拟机; Cloudlet完成时间1. 介绍电力通过一个称为电网的互联网络从供应商输送到消费者。组成发电站的电力生产，高压输电线，从遥远的来源进行电力的需求中心，和分配线，连接个人客户（卡普兰，2009年）。印度电网（印度电网公司，2016年）将印度描述为世界第三大输电公用事业，但它面临着电力供应不足，供应短缺（高峰和能源），质量和可靠性差以及猖獗的盗窃等挑战。传统电网基础设施的高效化、自动化、智能化和鲁棒性的目标推动了智能电网的发展。电网是实时电力输送系统，其中需要同时执行发电、输电和配电功能无法*通讯作者。电子邮件地址：sandeep. gmail.com（S. Mehmi）、vermah@nitj.ac.in（香港）Verma），sangalal@nitj.ac.in（A.L.Sangal）。电子研究所（ERI）负责同行评审。http://dx.doi.org/10.1016/j.jesit.2016.10.0042314-7172/© 2016电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。160S. Mehmi等人/电气系统与信息技术学报4（2017）159大规模存储电力对该系统提出了另一个挑战。因此，供应和需求必须在每一个瞬间平衡，这只有通过基于智能电网生成的实时数据分析的快速决策才有可能。智能监测传感器产生大量异构、不相关和非结构化的数据，需要大量可扩展的存储服务器。分析工具和优化算法需要可靠的计算服务器来执行自愈、容错、负载平衡、需求响应和最优潮流功能。此外，客户Web应用程序需要设计和部署工具来显示实时消费模式，灵活的关税和在线账单支付。在印度等发展中国家，在现有的设置和财政限制中缺乏必要的计算基础设施是全面实现复杂智能电网的主要挑战传统的集中式昂贵的服务器、存储硬件磁盘阵列、关系型数据库管理系统和紧耦合的业务应用软件包的方法导致系统可扩展性差、成本高、可靠性差另一方面，云计算可以帮助构建具有满足数据和计算密集型智能电网应用要求的能力的智能电网云通过云计算模式的应用，智能电网可以提高电力部门的可靠性、可用性、安全性、效率和环境友好性。本文采用CloudSim对智能电网的云计算模型进行了研究了虚拟机（VM）数量、VM映像大小、RAM大小、VM带宽和云长度等参数变化对处理总成本和云完成时间的影响在主机和虚拟机级别上使用了时间共享和空间共享分配策略，以评估它们对小云完成时间的影响。该研究对于发展中国家，特别是印度政府开发智能电网云，评估托管智能电网应用程序的云基础设施要求，确定VM/Cloudlet参数以及预测处理智能电网任务的成本和时间是有益的。其余文件的结构如下。第二部分介绍了本文的背景和相关工作。第三节讨论了研究方法。第4节介绍了智能电网云的仿真建模。第五部分是结果和讨论。最后在第6节中对本文进行了总结。2. 背景和相关工作智能电网技术正在逐步改变电力的生产和消费方式（Abdelaman和Abdelaziz，2014年）。智能电网可以定义为一个由信息通信技术和控制系统组成的互联系统。它能够与整个电力行业的自动化和业务流程进行交互，包括发电，输电，配电和消费者（FICCI，2016）。智能电网被认为是一个关键的信息基础设施（CII），其丧失能力或破坏将对国家安全，经济，公共健康和安全产生破坏性影响。NIST的参考模型将智能电网分为七个领域：客户、市场、服务提供商、运营、批量发电、输电和配电（NIST，2016 a）。世界各地的一些智能电网计划包括（智能电网愿景，2016）：美国能源部（DOE）-GRIDTECH团队纽约州智能电网联盟已经制定了一个路线图，估计在2011-2025年期间，72亿美元的投资将为客户节省和避免189亿美元的成本在加拿大，已实施的一些政府资助项目包括：马尼托巴水电公司115 kV线路的输电动态线路额定值和安大略省智能计量计划（魁北克水电公司的Hydro One和广域控制系统中的450万米在英国，ENSG，一个政府机构，制定了一个40年的路线图（2010驱动因素是向低碳经济的经济有效转型、能源安全、可负担性和经济竞争力。在法国，Electricité Réseau Distribution France（ERDF）已制定计划推出多个智能电网项目，包括：Linky Grid（地理信息系统、中/低压电网运营管理、电网现代化、电力质量）和Grid 4 EU（2011Grid4EU项目将包括6个主要的欧洲公用事业，28个合作伙伴和6个试点项目。在德国，DKE制定了智能电网标准发展路线图（2010-德国预计到2020年智能电网投资将达到400亿迪拉姆在意大利，经济发展部已拨款2亿多欧元用于南部地区的智能电网功能和网络现代化示范在中国，政府运营的中国国家电网公司领导着智能电网的发展，S. Mehmi等人/电气系统与信息技术学报4（2017）159161×2010年筹资75亿美元。中国设想建立一个强大的智能电网，涵盖8个领域（规划、发电、输电、变电、配电、用电、调度和ICT）; 26个技术领域和92个标准系列。云计算是一种模型，用于实现对共享池的无处不在、方便、按需的网络访问可配置的计算资源（例如，网络、服务器、存储、应用程序和服务），可以通过最少的管理工作或服务提供商交互快速配置和发布（NIST，2016 b）。这是一种新的计算方式，其中处理，存储和网络能力作为服务通过互联网提供。云计算由于硬件（硬件虚拟化、多核芯片）、互联网技术（Web服务、SOA、Web 2.0）、分布式计算（网格计算）和系统管理（自主计算、数据中心自动化）领域的进步而发展。它在相当短的时间内从一个小企业概念到IT行业中增长最快的部门实现了巨大的飞跃。云计算服务可根据所提供能力的抽象级别和提供商的服务模型分为三类，即：(1)基础设施即服务（IaaS）、（2）平台即服务（PaaS）和（3）软件即服务（SaaS）（Buyya等人，2011年）。IaaS为用户/组织提供基础设施，例如服务器，网络设备，防火墙，负载均衡器和存储磁盘作为按需服务。IaaS帮助组织托管其应用程序，监控流量并保持其24小时运行，而无需担心基础设施需求的激增。IaaS对于中小型企业特别有利，这些企业可以通过按使用付费模式访问服务器和存储系统，否则他们必须购买（Microsoft，2016）。消费者不需要管理或控制云基础设施，但是具有对操作系统、存储、部署的应用的控制;以及对所选择的联网组件（例如，主机防火墙）（NIST，2016 b）。对云的访问是通过各种用户界面提供的，最常见的是Web服务应用程序编程接口（API）、命令行界面（CLI）和图形用户界面（GUI），它们提供不同的抽象级别。云基础设施在全球范围内构建和分布，具有相当程度的数据冗余，因此一个站点的故障不会影响整体服务，确保服务的响应性和可用性。为了克服需求高峰，功能-自动扩展和负载平衡允许将流量分配到可用的服务器。中间层也称为平台即服务（PaaS），提供服务作为编程的环境（例如，Django）或软件执行（例如，Google App Engine）。消费者可以从各种库、mashup编辑器、框架和工具中进行选择PaaS提供了各种编程模型来解决特定的问题（例如，MapReduce模型用于在计算机集群中处理大量数据，工作流模型用于以工作流的形式编排业务流程）。PaaS提供商还提供各种语言和框架（例如，适用于Microsoft Windows Azure的.NET;适用于App Engine的Python和Java;适用于Heroku的Ruby onRails;适用于Amazon Elastic MapReduce的Perl、PHP、C++、Java、Hive和适用于 Force.com的Apex）以支持各种客户应用程序。视频处理、社交网络和客户关系管理等应用程序位于云堆栈（SaaS）的顶部，可以通过Web浏览器等瘦客户端界面进行访问 SaaS通过仅提供软件应用程序作为服务来限制客户需求（Xiao和Xiao，2012）。SaaS提供商以“一对多”的模式交付软件，该模式由中心位置管理。用户不需要处理底层云基础设施、软件升级和运行应用程序的补丁。建议的智能电网云已经使用CloudSim实现。CloudSim是一种新的、通用的和可扩展的仿真框架，其使得能够对新兴的云计算基础设施和应用服务进行无缝建模、仿真和实验（Buyya等人，2009年）。它支持对数据中心、主机、VM、Cloudlet和代理进行建模。数据中心由相同或不同的配置主机（服务器）组成。数据中心中的主机的特征在于主机ID、RAM、存储、带宽、处理能力（MIPS）和处理元件（PE）的数量主机负责管理VM创建、VM迁移、VM销毁和VM配置。VM到主机的分配取决于VM供应商采用的分配策略，默认策略是先到先服务。应用程序或云由VM处理，这些VM在数据中心主机上分配了一部分处理能力和内存在主机上创建的VM数量取决于VM RAM。VM的特征在于图像大小、RAM、处理能力、带宽和PE的数量，而cloudlets的特征在于长度、文件输入大小和文件输出大小。对于到VM的任务或微云映射，主机利用时间共享或空间共享分配策略。这两种策略之间的差异可以通过以具有两个PE的主机的云为例来说明，接收托管两个VM的请求，使得每个VM需要两个PE。此外，每个VM必须执行四个cloudlet，使得c1在云中，在主机和虚拟机级别均使用空间共享分配策略：由于每个虚拟机需要两个PE，因此仅162S. Mehmi等人/电气系统与信息技术学报4（2017）159一个VM可以在给定的时刻被映射到主机只有当VM1完成其cloudlet的执行时对于VM中托管的cloudlet也实施了类似的策略，因为每个cloudlet需要一个PE，因此两个cloudlet可以同时运行，使其他两个cloudlet等待到早期cloudlet完成当在主机和VM级别应用分时分配策略时：PE由VM并发地在这种情况下，VM或cloudlet都没有等待队列代理是用户和云服务提供商（CSP）之间的中介每个CSP向云信息服务（CIS）注册自己及其资源的状态，CIS代理将用户请求映射到适当的CSP，以便满足用户所要求的响应时间和预算方面的服务质量（QoS）要求。数据中心中的云协调器负责检查数据中心负载、与联盟的云协调器通信以及将负载迁移到其他云。通过将每内存成本、每存储成本、每带宽成本和处理成本与数据中心相关联来模拟云市场为应用程序创建虚拟机将产生内存和存储成本，而带宽成本将在数据传输期间产生。如果在创建VM后没有在VM上执行任务，则仅向用户收取存储和内存的费用。关于智能电网应用程序如何利用云计算来提高其可靠性和性能，已经有几项研究（Markovic等人， 2013年）。已经提出了用于印度电力部门的智能电网云（Mehmi等人，2014年a）。智能电网云从大容量发电中心、输电变电站、配电变电站、市场获取数据，并随后执行功能，即数据存储、配电&操作控制、输电操作&控制、分布式发电操作控制&、基于计算智能的自愈、容错和需求侧管理（Mehmi等人，2014年b）。还讨论了基于云的智能电网的经济可行性和攻击期间微云完成时间的分析（Mehmi等人，2015年，2016年a，b）。Yigit等人讨论了智能电网和云计算架构、云平台&&的技术安全问题以及云平台在实现智能电网应用方面的机遇和挑战（Yigit等人，2014年）。在另一项研究中，Dong等人研究了面向服务的架构（SOA）、业务流程技术的特点，并讨论了如何使用它们来构建智能用电服务系统（SPUSS）（Dong等人，2012年）。基于模拟技术，Mohsenian-Rad和Leon-Garcia（2010）已经表明，云计算中的网格感知服务请求路由设计可以显着帮助负载平衡，这可以使网格在链路中断和供需变化方面更加可靠和健壮。通过对上述文献的回顾，我们发现以下研究空白：（1）智能电网应用中的云模拟尚未得到适当的解决。（2）缺乏对智能电网应用的成本和时间分析的实证研究（3）没有足够的研究致力于探索与主机、VM和微云有关的各种云参数对微云完成时间的影响本研究论文通过解决这一领域的独特要求，将其与上述研究区分开来3. 方法本研究采用了以下方法：该云是针对印度电网公司运营的印度智能电网进行模拟的，该公司在68个城市拥有城市内网络，在178个城市拥有存在点。编码已经完成，以模拟具有2台服务器的数据中心。VM的数量等于城市的数量，即68.然而，数据中心有足够的RAM、带宽和存储规格，可以容纳来自178个城市的数据。服务器的数量、RAM、带宽和存储规格可以根据需求进一步增加从瘦客户机获取云形式的任务因此，已假定了cloudlet长度和文件大小的最小配置模拟已经完成，以适应最多178个城市/中心的微云VM映像大小、VM RAM、VM MIPS、VM带宽和云长度参数已相应变化。• 上述变化在两个虚拟机配置策略中进行了研究：时间共享和空间共享。• 测量了上述参数的变化对处理成本和云团完成时间的影响。····S. Mehmi等人/电气系统与信息技术学报4（2017）159163Fig. 1. 智能电网云模型。4. 使用CloudSim进行印度电网有限公司（POWERGRID）是印度电力部下属的中央输电公司（CTU）该公司在68个城市拥有市内网络，在大约178个城市设有网点（印度电网公司，2016）。在实验中，云模拟POWERGRID和服务从一个CSP或一个数据中心。在每个数据中心上创建的主机/服务器数量为两个，其中每个主机具有以下配置：RAM = 44.5 GB，存储= 10，000 GB，带宽= 100 Gbps。每个虚拟机具有以下特征：RAM = 512 MB，处理能力= 250 MIPS，带宽= 1 Gbps，映像大小= 256 MB。cloudlet的特征是：文件大小= 300 MB，输出文件= 300 MB。智能电网云模型如图1所示。云和虚拟机的数量从68到178不等，以评估对时间和成本的影响。CloudSim的类设计细节已在图中描述。 二、与模拟过程相关的更详细的细节和与模拟模型相关的各种参数讨论如下：4.1. 数据中心类Datacenter负责创建智能电网云所需的核心基础设施服务。它可以对具有相同或不同RAM、存储和带宽特性的服务器进行建模。此外，每个数据中心组件都实例化了一个通用的应用程序供应组件，该组件实现了一组用于向主机和VM分配带宽、内存和存储设备的策略。4.2. 数据中心特征该类包含了数据中心资源的配置信息。在本研究中，来自1个CSP或1个数据中心的服务被用于创建智能电网云。164S. Mehmi等人/电气系统与信息技术学报4（2017）159图二. CloudSim的类设计4.3. 主机此类负责对物理资源（如计算或存储服务器）进行建模。它封装了重要信息，例如内存和存储量、处理核心类型（代表多核机器）、用于在VM之间共享处理能力的分配策略以及用于为VM提供内存和带宽的策略。在我们的研究中，在数据中心上创建了2台主机/服务器，其中每台主机具有以下配置：RAM = 44.5GB，存储= 10，000 GB，带宽= 100 Gbps。4.4. 云协调员这个抽象类将基于云的数据中心扩展到云联合。CloudCoordinator监控数据中心资源的内部状态，并相应地采取负载平衡决策。对数据中心资源的监视由updateDatacenter（）函数执行。用户可以通过扩展这个类来配置自己的云间配置策略。我们的仿真模型只采用服务形式1数据中心。4.5. VM此类对VM进行建模，该VM由云主机组件管理和托管VM类存储RAM，图像大小，不需要。CPU核心、带宽和VM在智能电网云模型中，创建的虚拟机数量等于智能电网中的城市数量，每个虚拟机具有以下特征：RAM = 512 MB，处理能力= 250 MIPS，带宽= 1 Gbps，映像大小= 256 MB4.6. vmAllocationPolicy此抽象类表示VM Monitor用于将VM分配给主机的调配策略。vmAllocationPolicy的目标是在数据中心中选择满足VM的内存、存储和可用性要求的可用主机在我们的实验中使用了vmAllocationPolicySimpleS. Mehmi等人/电气系统与信息技术学报4（2017）159165百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比204060801006858483828 1861201328366611292961267252时间480.132016068 78 88 98 108 118 128 138 148 158 168 178云量图三. cloudlet数量与cloudlet完成时间（分时分配策略）。4.7. 弗姆托这是一个由主机组件实现的抽象类，该组件对将处理器核心分配给VM所在我们的实验中，使用了VmallerSpaceShared和Vmaller-TimeShared映射策略4.8. Cloudlet这个类表示要上传到云上进行处理的任务。每个小云都有一个预先分配的指令长度和数据传输（预取和后取）开销，它需要在其生命周期中承担。在我们的模拟模型中，云具有以下特征：云长度= 40，000MIPS，文件大小= 300 MB，输出文件大小= 300 MB。4.9. BwProvisional这是一个抽象类，用于为VM的带宽调配策略建模。此组件的主要作用是将网络带宽分配给跨数据中心部署的一组竞争VM。云系统开发人员和研究人员可以使用自己的策略（优先级，QoS）来扩展此类，在这项研究中，BwProvisioningSimple已被利用，它提供尽可能多的带宽所需的VM，但是，这是有限的主机的总可用带宽4.10. 克劳德莱特这个抽象类通过实现不同的策略来扩展，这些策略决定了VM中Cloudlet之间的处理能力共享。在我们的实 验 中 ， 我 们 使 用 了 时 间 共 享 策 略 和 空 间 共 享 策 略 （ CloudetSchederTimeShared 和CloudetSchederSpaceShared智能电网的云计算模型已在Intel Core i3-370 M处理器上进行了模拟，该处理器5. 结果和讨论图3示出了在时间共享调度器策略中微云的数量（n）对其相应微云完成时间的影响。在主机、虚拟机和小云配置保持不变的情况下，当小云百分比166S. Mehmi等人/电气系统与信息技术学报4（2017）159百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比68788898 108 118 128 138 148 158 168 178小云时间480320160见图4。cloudlet数量与cloudlet完成时间（空间共享分配策略）。178，微云完成任务的时间也增加了。在n = 68时，100%的微云在t = 160 s内完成处理，而在n = 128时，只有6%的微云在t = 160 s内完成处理，其余94%的微云在320 s内完成处理。类似地，在n = 178时，没有一个微云在160 s内完成其处理，而最大29%的微云和71%的微云分别在320 s和480.1 s内完成其处理。图4示出了在空间共享分配策略中微云的数量对其相应微云完成时间的影响。在主机、VM和微云配置保持不变的情况下，随着“n”从68增加到178，在160秒内完成其处理的微云的数量从100%减少到38%，在320秒内完成其处理的微云的数量从0%增加到38%，并且在480秒内完成其处理的微云的在n = 68时，100%的微云在160 s内完成了处理，而在n = 128时，只有53%的微云在160 s内完成了处理，其余47%的微云在320 s内完成了处理。类似地，在n = 178时，38%的微云在160秒内完成了它们的处理，另外38%的微云在320秒内完成了它们的处理，其余24%的微云在480秒内完成了它们的处理。通过对分时分配策略和空间共享分配策略的微云完成时间的比较，发现分时分配策略中以较高的微云完成时间完成处理的微云数量多于空间共享分配策略。这是由于在分时分配策略中，每个VM在每个处理核心上接收时间片，并且类似地，cloudlet在VM生命周期期间动态地上下文切换。多个VM可以在主机内同时执行多任务，类似地，多个cloudlet可以在VM内同时执行多任务而在空间共享分配策略的情况下，主机被排他地分配给VM，直到后者类似地，向微云分配VM，使得在一个时刻只有一个微云将活跃地使用VM。这些结果也意味着高的微云完成时间已获得分时分配政策，尽管存在的等待时间，在空间共享分配政策。图图5显示了VM数量对处理成本的影响。在主机、虚拟机和云特征保持不变的情况下，随着虚拟机数量从68增加到178，处理成本也从3481.6美元增加处理成本增加的原因可能与VM创建期间产生的成本有关。每当创建新的VM时，都会产生内存和存储成本。图6示出了Cloudlet长度（l）对最大处理时间的影响。在主机、VM和云特征保持不变的情况下，随着微云完成时间是微云长度和主机容量的函数随着cloudlet中指令数量的增加，更多的数据将被传输到VM，因此主机将花费更多的时间来执行cloudlet。图 7显示了VM映像大小对处理成本的影响。随着虚拟机映像大小从256 MB增加到2048 MB，对于虚拟机数量= 68和178，处理成本也分别从3481.6美元增加到15，667.2美元和从9113.6美元增加到41，011.2美元启动VM时，将产生内存和存储成本成本210122022303242684050686860686868 6868686868686868686868小云百分比S. Mehmi等人/电气系统与信息技术学报4（2017）15916710000900080007000600050004000300020001000068788898108118128138148158168178VM数量图五. VM数量7006005004003002001000云长见图6。Cloudlet长度与最大处理时间。450004000035000300002500020000150001000050000256 512 768 1，024 1，280 1，536 1，792 2，048虚拟机映像大小见图7。 虚拟机映像大小与成本。VM=68VM=178成本成本（美时间168S. Mehmi等人/电气系统与信息技术学报4（2017）15970006000500040003000200010000512102415362048256030723584409646085120RAM见图8。 VM RAM与处理成本。百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比2104122420142216342818166868242258184416342824221816512102415362048256030723584409646085120RAM见图9。VM RAM与Cloudlet完成时间（空间共享分配策略）。时间800640480320160是VM映像大小的函数。VM映像大小的线性增加与VM运行时使用的较大操作系统、数据文件和应用程序有关。图8示出了VM RAM对处理的总成本的影响。内存从512 MB增加到1536 MB，处理成本呈上升趋势，从3481.6美元上升到5939.2美元，内存进一步增加到3584 MB，处理成本进一步下降到4915.2美元这种趋势背后的原因可以总结为：（a）VM的RAM越大，成本越（b）总成本包括虚拟机创建成本（存储和内存）和处理成本（数据传输）。与VM创建成本相比，总成本增加到1536 MB RAM可能与所产生的高带宽/处理成本有关。(c)与带宽成本相比，随着RAM的进一步增加而降低的总成本可能与高VM创建成本（d）（c）情况下的总费用高于（d）情况。图 9显示了在空间共享分配策略中VM RAM对cloudlet完成时间的影响。Cloudlet的完成时间随着RAM的变化而显着变化。在n = 68时，当RAM从512 MB增加到5120 MB时，在160 s内完成任务的微云数量从100%减少到23.53%，在320 s内完成任务的微云数量从0%增加到50%（RAM = 2560 MB）然后减少到23.53%（RAM = 5120 MB），在480 s内完成任务的微云百分比保持为零直到2560 MB，从17.65%（RAM = 3072）增加到类似地，在640秒内完成任务的云的百分比从2.3%（RAM = 4096 MB）增加到23.53%（RAM = 5120MB）。在800秒内完成任务的cloudlet在RAM = 5120 MB时取得了5.88%的成绩小云百分比成本S. Mehmi等人/电气系统与信息技术学报4（2017）159169百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比512102415362048256030723584409646085120RAM时间800640.1480.1320160见图10。VM RAM大小与cloudlet完成时间（分时分配策略）。400035003000250020001500100050001,00020003,00040005,00060007,0008000九千一万带宽见图11。 带宽与成本。图10示出了在分时分配策略中VM RAM对微云完成时间的影响。在n = 68时，随着VM RAM从512 MB增加到5120 MB，注意到微云完成时间的以下变化：（a）微云完成任务所花费的时间增加。（b）大多数情况下，微云在每个RAM输入处表现出两种类型的完成时间变化。在时间共享和空间共享分配策略之间，相对于VM RAM的微云完成时间的比较揭示了在时间共享分配策略中以高微云完成时间完成其执行的微云的数量大于空间共享分配策略。这种趋势背后的逻辑可以与以下事实相联系：在分时分配策略中，主机由VM并发共享，并且每个VM的份额同时在其任务单元之间划分在空间共享分配策略中，只有当一个VM在主机上完成执行时，其他VM才允许在主机上运行其cloudlet。图11示出了VM带宽相对于最大处理成本的曲线图。随着虚拟机带宽从1 Gbps增加到10 Gbps，处理成本从3481.6美元减少到1024美元。这一趋势背后的原因可能与以下事实有关：随着虚拟机带宽的增加，主机-虚拟机密度和I/O操作得到了高度优化。此外，在数据传输过程中产生的成本随着VM带宽的增加而降低。图图12示出了在空间共享分配策略中VM带宽对微云完成时间的影响。Cloudlet完成时间随VM带宽的变化而显著变化当n = 68时，当虚拟机带宽从1 Gbps增加到10 Gbps时，160 s内完成任务的云的数量从100%减少到29.41%，820203648685668 68686048483220812小云百分比成本（美170S. Mehmi等人/电气系统与信息技术学报4（2017）159百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比1,00020003,00040005,00060007,0008000九千10000带宽时间640480320160见图12。带宽与Cloudlet完成时间（空间共享分配策略）。百分百百分之九十百分之八十百分之七十百分之六十百分之五十百分之四十百分之三十百分之二十百分之十0%的百分比时间640.1480.13201601,00020003,00040005,00060007,0008000九千一万带宽图十三.带宽与cloudlet完成时间（分时分配策略）。320 s内完成任务的时间从0%增加到47.06%（带宽= 6 Gbps时最高），然后下降到29.41%（带宽= 10 Gbps时最低）。在480秒内完成任务的云的百分比在高达6 Gbps时保持为零，从5.89%（带宽= 6 Gbps）增加到32.35%（带宽=9 Gbps），然后下降到29.41%（带宽= 9 Gbps）。同样，在640秒内完成任务的小云的百分比从2.94%（带宽= 9 Gbps）增加到11.76%（带宽= 10 Gbps）。图图13描绘了在分时分配策略中VM带宽对小云完成时间的影响。在n = 68时，随着带宽从1 Gbps增加到10Gbps，注意到对微云完成时间的以下影响(a)（b）在每个带宽输入（除了带宽= 1Gbps和10Gbps）下，微云表现出两种类型的完成时间变化，一种是增加的，另一种是减少的。图图14显示了VM处理能力对处理时间的影响。随着VM处理能力从250 MIPS增加这一结果背后的原因可能与更高的VM处理能力将导致更快地执行cloudlet这一事实有关。6. 结论智能电网的发展将导致大量复杂数据的产生现有基础设施（网络、存储和计算服务器）不足将对一些国家实现完整的智能电网愿景构成挑战另一方面，云计算的优势可以帮助智能电网满足计算和存储需求。本文提出了智能电网云的仿真模型，并说明了各种参数的变化，如虚拟机的数量，虚拟机映像大小，RAM大小，虚拟机处理能力，虚拟机带宽，云的长度对成本和云完成时间的影响。在分时分配策略的情况下，当2428181228202232202868 686624222050403228242220412836363256686860645660323236128小云百分比小云百分比S. Mehmi等人/电气系统与信息技术学报4（2017）159171180160140120100806040200250 500 750 1000 1250 1500 1750 2000 2250 2500虚拟机处理能力（MIPS）见图14。VM处理能力（MIPS）与处理时间。当微云的数量（n）从68增加到178时，微云完成任务所花费的时间也增加了。在n = 68时，100%的cloudlet在时间= 160 s内完成执行，而在n = 178时，71%的cloudlet在时间= 480.1 s内完成执行在空间共享分配策略的情况下，在n = 68时，100%的云在160秒内完成其与空间共享分配策略相比，在时间共享分配策略的情况下，花费更高执行时间的云的数量更多。处理成本随着VM数量、VM映像大小和云长度的增加而线性增加。随着虚拟机处理能力的提高，云的完成时间缩短在空间共享分配策略中，随着VM RAM从512 MB增加而在分时分配策略中，与空间共享分配策略相比，cloudlet完成时间的类数仍然较低。此外，在较高级别的cloudlet完成时间内完成其执行的cloudlet的最大百分比。随着带宽从1000 Mbps增加到10，000 Mbps，微云的完成时间也增加了。在空间共享的分配策略中，类的数量的小云完成时间也增加了与类之间按比例分配的小云的数量而在分时分配策略中，与空间共享分配策略相比，cloudlet完成时间的类数仍然较低此外，在较高等级的微云完成时间内完成其处理的微云的最大百分比该分析有利于做出关于在云上托管智能电网应用和选择适当的VM分配策略的决策。未来的工作包括为智能电网云制定安全策略，以确保数据的机密性，完整性和可用性智能电网云入侵检测和入侵防御系统的开发也是需要探索的确认这项工作得到了旁遮普技术大学的支持。B.R. 旁遮普省贾拉达尔的Ambedkar国立技术学院引用Abdelhal，H.A.，Abdelaziz，A.Y.，2014. 纳米技术在智能电网中的应用综述。电子电力公司系统42（3 -4），306-314。Buyya河，Ranjan河，Calheiros，R. N.，2009.可扩展云计算环境和CloudSim工具包的建模与仿真：挑战与机遇。在：高性能计算模拟HPCS'09国际会议论文集，莱比锡，6月1http://dx.doi.org/10.1109/HPCSIM.2009.5192685。Buyya河，Broberg，J.，Goscinski，A.，2011年。 云计算原理与方案。 约翰·怀尔父子&，新泽西州。时间172S. Mehmi等人/电气系统与信息技术学报4（2017）159Dong，G.，张，X.，李，Y.，杨，X.，徐，K.，2012年。运用业务流程和云计算技术构建智慧用电服务体系Energy Procedia 16，564http://dx.doi.org/10.1016/j.egypro.2012.01.091。FICCI，印度智能电网日，印度智能电网[联机]。可用网址：http://indiasmartgrid.org/en/Documents/Context%20of%20Smart%20Grids%20in%20India%20-%20Knowledge%20Paper%20of%20India%20Smart%20Grid%20Day%202013.pdf（2013年8月26日访问）。Kaplan，S. M.，2009. 智能电网。电力传输：背景和政策问题。国会研究服务，众议员R40511。Markovic，D.S.，Zivkovic，D.，布拉诺维奇岛，波波维奇河，Cvetkovic，D.，2013年。智能电网和云计算。续订。坚持住。能源收入24，566http://dx.doi.org/10.1016/j.rser.2013.03.068。Mehmi，S.，Verma，H.K.，Sangal，A.L.，2014年a。印度电力部门的智能电网云。在：IEEE工程ICRAIE-2014年最新进展和创新国际会议，5月，斋浦尔。Mehmi，S.，Verma，H.K.，Sangal，A.L.，2014年b。基于云的智能电网安全问题分析。Sci. 埃默湾技术LatestTrends18（1），12-21.Mehmi，S.，Verma，H.K.，Sangal，A.L.，2015年。智能电网云攻击过程中微云完成时间分析。 云计算 4（4），353-376。Mehmi，S.，Verma，H.K.，Sangal，A.L.，2016年a。印度基于云的智能电网的经济可行性。 网格分布Comput. SERSC 9（2），61-72。Mehmi，S.，Verma