[发明专利]基于深度神经网络的现货系统应用层负载均衡预测方法

说明书

本发明公开了一种基于深度神经网络的现货系统应用层负载均衡预测方法，首先通过对负载服务器的实时信息进行预测，确定负载服务器的调度优先级；然后根据代理服务器的实时流量信息进行未来流量的变化曲线预测，从而可以准确分析整个现货系统网络的流量吞吐情况；最后利用所预测的负载服务器的调度优先级和未来流量的变化曲线来进行动态的服务器最优负载均衡调度，从而可以保障整个电力现货系统的平台安全、高可靠性以及高可用性。

技术领域

本发明涉及深度学习领域，特别涉及一种基于深度神经网络的现货系统应用层负载均衡预测方法。

背景技术

电力现货市场作为电力市场的重要组成部分，在电力资源交易中发挥着极其关键的作用。电力现货交易是指符合准入条件的发电企业、售电公司、电力用户等市场主体，通过集中竞价方式、按节点边际价格出清的市场化交易方式，开展的日前和日内的现货电力(电量)交易。

电力现货系统的主要职责是保障电力现货市场业务的正常运营以及电网的安全稳定运行。其一般的系统架构主要包括基础设施层、平台服务层和应用层三层。其中应用层包含多个子系统应用功能，如现货子系统负责日前市场预出清、实时平衡市场、辅助服务市场运营等应用功能；合约市场子系统负责交易管理、合同管理、市场成员管理等功能；市场结算子系统负责根据交易结果、计量数据等进行结算计算、出具详细计算单据等功能；数据申报和信息发布子系统负责市场成员注册、数据申报及信息发布等功能。

由此可见，电力现货系统的应用层负责的应用功能种类多、数量大，如何将这些任务均衡地分配到服务器上是一个非常重要且实际的问题，其将直接影响到系统的安全性和可用性。现有的负载均衡方法主要以软硬件为主，借助经验式的静态或动态负载均衡算法，如轮询分配、随机分配、最小连接分配等。这些经验式的负载均衡算法无法充分利用服务器的吞吐信息对网络中的流量进行精准预测，并借助这些预测信息来进行负载调度，常常造成服务器的资源占用不平衡，达不到实际的负载均衡。

综上所述，针对电力现货系统的应用层负载均衡进行预测时，如何准确地分析整个现货系统网络的流量吞吐情况，并利用所预测的数据信息进行动态的服务器负载均衡调度是目前亟待解决的问题。

发明内容

针对上述存在的问题，本发明提出了一种基于深度神经网络的现货系统应用层负载均衡预测方法，能够针对电力现货系统的应用层负载均衡进行预测，准确分析整个现货系统网络的流量吞吐情况，并利用所预测的数据信息进行动态的服务器负载均衡调度，从而可以保障整个电力现货系统的平台安全、高可靠性以及高可用性。

为了实现上述目的，本发明所采用的技术方案如下：

一种基于深度神经网络的现货系统应用层负载均衡预测方法，其特征在于，包括以下步骤：

步骤1：实时采集电力现货系统应用层各个负载服务器的实时信息，并汇总到数据中心服务器；

步骤2：所述数据中心服务器根据所采集的所述负载服务器的实时信息，利用深度神经网络实时得到每个所述负载服务器的负载能力评分，基于所述负载能力评分确定各个负载服务器的调度优先级；

步骤3：客户端向电力现货系统应用层代理服务器发起请求；

步骤4：实时采集所述代理服务器的流量信息，并发送到所述数据中心服务器；

步骤5：所述数据中心服务器根据所采集的所述代理服务器的流量信息，利用深度神经网络预测未来一段时间的网络流量，并根据所述预测的网络流量和所述负载服务器的调度优先级制定最优负载均衡调度方案，将所述最优负载均衡调度方案返回至所述代理服务器；

步骤6：所述代理服务器根据所述最优负载均衡调度方案计算选择出最优的负载服务器地址；

步骤7：所述代理服务器根据所述最优负载服务器地址建立客户端与该地址所对应的负载服务器之间的业务通信通道。