1、智能電網(wǎng)通過布置大量傳感器以及數(shù)據(jù)采集裝置，提高對(duì)電網(wǎng)相關(guān)數(shù)據(jù)的采集及實(shí)時(shí)監(jiān)控的能力，以實(shí)現(xiàn)智能化的輸電和配電，是未來電網(wǎng)發(fā)展的必然趨勢(shì)。然而，智能電網(wǎng)的運(yùn)行卻帶來了所采集的數(shù)據(jù)量的爆炸性增長，具備了大數(shù)據(jù)特征。當(dāng)前大規(guī)模電網(wǎng)的最優(yōu)潮流計(jì)算中，傳統(tǒng)的計(jì)算方法面對(duì)具備大數(shù)據(jù)特征的電力系統(tǒng)數(shù)據(jù)時(shí)，便出現(xiàn)計(jì)算速度慢，任務(wù)執(zhí)行效率低等缺點(diǎn)，難以滿足智能電網(wǎng)的實(shí)時(shí)計(jì)算需求；而現(xiàn)有的并行計(jì)算方法大多運(yùn)行于專用并行機(jī)，性價(jià)比較低。因此，如何以高性價(jià)比

2、，快速地實(shí)現(xiàn)最優(yōu)潮流計(jì)算，成為智能電網(wǎng)發(fā)展中所需要解決的一個(gè)重要問題。
　　本文研究了云環(huán)境下大規(guī)模配電網(wǎng)最優(yōu)潮流的分布式并行計(jì)算方法。提出的方法借助Map-Reduce分布式并行編程框架，能夠運(yùn)行于性價(jià)比較高的Hadoop集群之上。具體來說，本文首先提出了面向Map-Reduce框架的最優(yōu)潮流算法性能模型。該模型能夠分析和量化在不同的集群配置下算法的執(zhí)行時(shí)間，并為算法中電網(wǎng)的分解和計(jì)算粒度提供指導(dǎo)。基于此性能模型，本文提出了最優(yōu)

3、潮流計(jì)算的負(fù)載均衡算法。在給定的集群資源情況下，通過模擬退火算法確定最優(yōu)的算法分解方式和計(jì)算粒度；并通過饋線重組算法實(shí)現(xiàn)負(fù)載均衡，從而優(yōu)化最優(yōu)潮流在云環(huán)境下的計(jì)算速度和效率。
　　實(shí)驗(yàn)方面，本文將提出的方法與傳統(tǒng)的串行最優(yōu)潮流計(jì)算進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，提出的方法相對(duì)于串行方法，能夠減少68.3%的計(jì)算時(shí)間。同時(shí)，本文也驗(yàn)證了負(fù)載均衡和不均衡情況下最優(yōu)潮流算法的計(jì)算時(shí)間。實(shí)驗(yàn)數(shù)據(jù)表明，相比較于負(fù)載不平衡方法，本文提出的負(fù)載平衡算