عنوان فارسی مقاله:یک طرح شبکه هوشمند نوآورانه مبتنی بر ابر و مه برای بهره برداری کارآمد از منابع
چکیده
شبکههای هوشمند (SGs) اثربخشی، قابلیت اطمینان، انعطاف پذیری و عملکرد کارآمد شبکههای الکتریکی را افزایش میدهند. با این وجود، SG ها از تراکنشهای کلان داده رنج میبرند که تواناییهای آنها را محدود میکند و میتواند باعث تأخیر در عملیات بهینه و وظایف مدیریت شود. بنابراین، واضح است که یک معماری سریع و قابل اعتماد برای کارآمدتر کردن مدیریت کلان داده در SG ها مورد نیاز است. این مقاله عملکرد بهینه SG ها را با استفاده از محاسبات ابری (CC) محاسبات مه، و تخصیص منابع برای بهبود مشکل مدیریت ارزیابی میکند. اگر محاسبات ابری و مه (CFC) یکپارچه شوند، مدیریت کلان داده از نظر فنی، SG را کارآمدتر میکند. ادغام محاسبات مه (FC) با CC بار ابر را به حداقل میرساند و تخصیص منابع را به حداکثر میرساند. سه ویژگی کلیدی برای لایه مه پیشنهادی وجود دارد: آگاهی از موقعیت، تأخیر کوتاه و تحرک. علاوه بر این، یک چارچوب مبتنی بر CFC برای مدیریت دادهها در بین عوامل مختلف پیشنهاد شده است. به منظور کارآمدتر کردن سیستم، FC ماشینهای مجازی (VMs) را با توجه به تکنیکهای تعادل بار اختصاص میدهد. علاوه بر این، مطالعه حاضر یک الگوریتم بهینهسازی تکامل دیفرانسیل گرگ خاکستری ترکیبی (HGWDE) را پیشنهاد میکند که بهینهسازی گرگ خاکستری (GWO) و تکامل دیفرانسیل بهبود یافته (IDE) را با هم میآورد. نتایج شبیه سازی انجام شده در MATLAB کارایی الگوریتم پیشنهادی را با توجه به تراکنش دادههای بالا و زمان محاسباتی تأیید میکند. با توجه به نتایج، زمان پاسخ HGWDE 54 ms، ۸۲٫۱ ms و ۸۱٫۶ ms سریعتر از بهینه سازی ازدحام ذرات (PSO)، تکامل دیفرانسیل (DE) و GWO است. زمان پردازش HGWDE 53 ms، ۸۱٫۲ ms و ۸۰٫۶ ms سریعتر از PSO، DE و GWO است. اگرچه GWO کمی کارآمدتر از HGWDE است، اما تفاوت چندان معنی دار نیست.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.