前言：中文期刊网精心挑选了孕妇瑜伽范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
孕妇瑜伽范文1
1、将甲鱼翻过身来，背朝地，肚朝天，当它使劲翻身将脖子伸到最长时，迅速用快刀在脖根一剁，然后提起控净血。接着，放入水温大概有70～80℃，将宰杀后的甲鱼放在热水中，烫2～5分钟(具体时间和温度根据甲鱼的老嫩和季节掌握)捞出。
2、放凉后(迫不及待者可以用凉水浸泡降温)用剪刀或尖刀在甲鱼的腹部切开十字刀口，挖出内脏，宰下四肢和尾稍，关键得把腿边的黄油给拿掉。
3、还要把甲鱼全身的乌黑污皮轻轻刮净。注意可别把裙边(也叫飞边，位于甲鱼周围，是甲鱼身上滋味最香美的部分)刮破或刮掉。刮净黑皮后，洗净。就算基本清理完工了。
4、甲鱼加工完成后，放在碗里，把切成片的火腿铺上，香菇，姜蒜葱也可以一起放入了，最后加料酒。
孕妇瑜伽范文2
关键词： 云服务；云建设；云平台
0 引言
近年来，全球云计算产业蓬勃发展。我国云计算产业兴起于 20 世纪90 年代，云计算产业已经形成了竞争性的产业发展态势，以展览展示、网络游戏、远程教育、数字电视内容制作以及各种影视动画制作为主流的云计算消费市场日渐成熟，但传统互联网云计算也存在对应的问题，需要对之加以完善。
1 发展基于云平台服务云建设产业的历史机遇
1.1 云计算——第四次IT产业革命
作为新一代信息技术产业的重要组成部分，云计算被称为是继大型计算机、个人计算机、互联网之后的第四次IT产业革命，也是未来3～5年全球范围内最值得期待的技术革命，将可能引发信息产业商业模式的根本性改变。因此，传统IT巨头把云计算看作为未来决定成败的“必争高地”，纷纷向云计算模式转型，推出自己的云战略。
如今，云计算已逐渐渗透进了众多行业，对于我国经济发展日趋起到重要的影响和推动作用。作为战略性新兴产业中的“重头戏”，云计算无疑成为了“十二五”期间我国政府的发展重点。
1.2 政策力挺“十二五”云计算发展
日前，国家发改委、工信部、科技部等多部委共同参与的《加快发展高技术服务业的指导意见》已进入起草阶段，其中，云计算产业将被作为未来高技术服务业的主角。“十二五”规划纲要及《国务院关于加快培育和发展战略性新兴产业的决定》，均把“云计算”作为新一代信息技术产业的重要部分来强调。
为了加快应用和落地，推进云计算产业的切实发展，2010年10月18日，工业和信息化部圈定北京、上海、深圳、杭州、无锡等5个城市先行开展云计算服务创新发展试点示范工作，试点内容涵盖了平台搭建、产业联盟、核心技术研发和产业化以及标准和安全管理规范的研究制定等。今年，多个政企合作的云计算应用项目有望落地。
1.3 云计算引发商业模式发生巨大变革
云计算技术将从概念层面逐渐走向应用。许多研发公司已经将云计算作为新的战略核心，并探索其企业级、社会级的应用。云计算的技术实现手段并不是新生事物，从技术上讲已趋于成熟，但还缺乏成熟的商业模式。
云计算作为IT领域的一场变革，对于现有的公司是一种挑战也是一种威胁。云计算会推动新一代云存储、云网络、云安全的巨大需求和服务模式的创新，同时也会产生新的产业和商业模式。
根据IDC最新的报告预测，全球用于云计算服务上的支出在接下来的5年时间可能会出现3倍的增长，其增长速度将是传统IT行业增长率的6倍。到2012年，云计算将达到420亿美元的市场规模，占据IT支出增长总量中25%的份额。从2009年底到2013年底，云计算能为中国带来超过1.1万亿元的净业务收入。
可以说，国内云计算万亿市场启动在即。赛迪顾问IT系统产业研究中心总经理孙会峰对记者表示，云计算是提高生产效率的一个有效手段，是可以改变IT现状的应用模式，是一种可以更加高效、更加低成本、更加可持续发展的方法。
同时，他还指出，云计算等新兴技术将成为促进中国经济转型升级的新引擎。对于产业来讲，新兴技术将会带动传统产业的升级改造，调整经济结构，带动产业转型，还将孵化出一些新的产业。传统IT企业向云计算方向转型将会成为必然和根本所在，同时，其商业模式也可能发生变化。
2 传统互联网云计算存在的主要问题
首先，云计算企业规模相对普遍较小，云计算资源相对匮乏，难以与内容供应商有效合作，无法形成云计算创新产业链。
其次，科技投入不足，缺乏风险投资环境，缺乏在线运营经验和收费渠道，难以形成规模经济，总体反映出中小型 服务商进入门槛较高。
再次，大型云计算服务商都拥有自己的数据中心，分散、高耗能、成本高，互联网接入的数据缺乏一致性，少数大的数据中心需要进一步整合。
最后，在综合布局上，各区之间缺少横向交流，难于实现联动和错位竞争，形成云计算产业链；数据搭设和服务相互割裂，各自为政，资源无法实现共享，运营商的内部资源使用效率较低。
基于以上考虑，主要从下面这样几个方面对云平台的服务云建设进行完善。云计算云平台最终的目标用户定位为中小云计算服务商。通过云计算服务云的搭建，实现如下的建设目标：
通过搭建可靠的基础架构云（主要包括虚拟节点资源、存储资源、网络资源）将基础架构资源进行整合，采用最新的云平台技术达到减少物理资源及能源的使用成本，提高资源利用率。
1）搭建服务云的平台基础，包括管理平台和运营平台，提供多项基础的SDK接口，具备为中小型 服务商接入云计算云平台的能力。
2）引导中小型云计算服务商接入云计算云平台，从初期的“提供内容服务资源”，最终过渡到“提供完整云计算云应用运营平台”的分阶段建设。
3）最终目标是将现有的各类运营系统纳入到云计算云平台中来，搭建业务运营模式完整的云计算资源运营平台；利用现有的计费模块及无线互联网相关的成熟模块建立新的业务运营模式，以实现多渠道、全方位的增值服务。实现运营商、 服务商以及内容提供商共赢的运营模式。
基于以上的研究目标，需要从以下几个层次逐级展开研究工作：
1）高灵活性、高可用性的基础架构云（IAAS）建设实验和研究；
2）基于基础架构云的PAAS解决方案的研究；
3）面一站式SAAS平台对于 商广泛商用的可行性研究；
4）整体盈利模式及行业领先前景展望。
3 云计算服务云平台整体规划的研究
3.1 基础架构云（IAAS）
基础架构云在物理资源基础上搭建虚拟化资源池，包括硬件资源、虚拟资源、云计算内容（中国音像著作权集体管理协会协助认证）的资源池，云计算服务商可按照运营模式租用资源池内的各类资源。基础架构云通过IAAS的相关服务提供虚拟资源的统一管理与使用。IAAS架构如下图：
3.2 平台服务云（PAAS）
平台服务云以云计算数据管理和成熟运营模式为基础，提供各类服务接口，提供运营商的服务管理门户和云计算服务商的接入门户。平台服务云是整个云计算云平台的核心管理与运营平台，除了需要提供面向 服务商的各类服务接口之外，还要支持对各类资源管理、申请、分配、监控等相关的业务应用。平台服务云分为两个部分：管理运营平台和服务接口平台，整个平台服务云由统一的安全管理机制保证系统安全。
管理运营平台为运营商提供基础架构云及资源运营管理支持，运营人员可以通过管理运营平成虚拟资源管控、资源管理、服务资源管理、运营管理、数字版权管理、统计分析等功能。
服务平台为服务商提供接入服务，服务商可以通过此平成如下工作：
其一，服务资源、产品的订单申请、内容检索、资源监控等管理功能；其二，服务商应用（SAAS）可直接访问资源服务接口，为最终用户提供资源服务；其三，服务商可以选购运营商的非常成熟的运营服务接口，并将其引入到自建的应用中，这些运营服务接口包括但不限于如下内容：其一，转码接口：以适应服务商的应用平台可以更容易的覆盖传统互联网与移动互联网用户，通过对用户的差异化服务；其二，广告管理接口：服务商可以选择运营商提供的广告打包服务，也可以通过接口直接在用户访问的流中增加广告数据；其三，短信、彩信、位置、计费等运营接口：这些接口在移动互联网领域已经有了非常成熟的运营模式，服务商可以通过这些接口实现建立更加灵活、高效的运营模式。比如：移动服务的包月服务、订阅服务、流量计费；同时也可以将移动互联网领域的运营模式扩展到传统互联网领域。其四，服务商可以通过服务平台申请基础架构云中的虚拟资源并将自有的应用（SAAS）部署到运营商的基础架构云中。
3.3 应用云（SAAS）
应用云（SAAS）的建设初衷是搭建以提供云计算内容服务为主的服务平台云，为中小型服务商提供基于传统互联网和移动互联网的内容服务。应用云由云计算服务商自行建设和管理，利用平台服务云提供的各类接口为最终用户服务，远期目标可以由运营商完成应用云的建设。应用云（SAAS）的建设有三种方式：
1）通过SDK、API、Web Service等多种通用接口与平台服务云（PAAS）中的服务、运营服务接口进行应用整合。
2）服务商的SAAS也可以到基础架构云中，为服务商提供更低成本、更高效率的“云”服务。
3）平台服务云也会逐步提供各种增值应用服务，将整个云平善为一个从基础架构云（IAAS）到应用云（SAAS）的完整的云计算应用云平台，为各种不同规模的服务商提供更加多样的、差异化的云平台服务。差异化服务可以为运营商建立起更加稳定。
4 高灵活性、高可用性的基础架构云（IAAS）建设实验和研究
4.1 基础架构云（IAAS）业务需求分析
4.1.1 核心架构需求分析
1）方便的资源申请：IAAS应该允许用户方便的请求各种资源如CPU，存储，内存，网络等，而不需要考虑实际的计算能力，带宽，存储等物理资源的具体配置、位置等信息。如用户在申请虚拟机实例的时候就可以方便的指定CPU的规模，内存的大小，存储的大小，网络的基本设置，甚至针对运营商的网络带宽限制条件，可以在用户选择资源的时候直接选择带宽的性质（独占或共享）和带宽的大小。
2）集中的管理、统一的调度和维护：有了IAAS平台后，资源都统一的放置在资源池中，这样CPU、存储、内存、网络等资源应该全部由基础架构云来管理；并通过统一的调度平台进行资源的合理化弹性调度；由于已经把硬件资源统一的进行了管理，自然，将由运维团队对硬件资源进行统一的维护。
3）兼容性：作为基础架构云平台，应该满足两方面的兼容性，即软件和硬件，软件方面要保持和国际云计算的兼容，硬件方面要能够支持多样化，即不同型号、品牌的服务器都可以纳入资源池进行统一资源管理。
4）云计算数据源：在基础架构云平台的存储控制器上增加对云计算数据源的管理调度。云计算数据使用分布式存储技术存储在云的存储池中，而管理员平时则无需知晓最终数据的最终存放位置，这部分工作由基础架构云的存储控制器角色完成。而PAAS（服务云）则可以直接通过相应接口调用相关数据。
4.1.2 可扩展性需求分析
基础架构云（IAAS）必须是分层的可扩展的基础架构，以便未来可灵活扩展基础架构云的规模或部署模型。这样我们可以在计算资源不足时，可以很方便的实现资源池的扩容。
4.1.3 安全性需求分析
所有基础架构云的管理节点都必须容灾，以保证虚拟机可以移动到其他节点，确保操作任务不会丢失。
4.1.4 网络与数据安全
基础架构云必须保证在网络层面上的安全性。必须有访问控制功能。数据安全的主要工作在于：保证基础架构云底层操作系统安全；保证基础架构云上的虚拟机安全；保证用户权限的合理分配与管理。
4.2 方案整体概述
在此方案中我们采用国内最先进的云产品构建基础架构云（IAAS）。
产品特点主要体现在弹性、自助和标准化三个主要方面：
4.2.1 弹性资源伸缩。可智能调度管理从数台到数千台的物理服务器，依据贪婪模式、省电模式等资源调度策略进行自动化管理。并可将计算、存储以及网络能力进行开放让普通应用系统也可具备像水电一样，获得即开即用能力。
4.2.2 自助式服务。提供了一个友好的web界面可供使用，使用者可依据被分配的资源配额（资源是指虚拟机、存储、IP、负载均衡、防火墙等云资源），快速的创建资源，监控资源使用情况，关联资源（关联资源是指虚拟机挂接存储、为多个虚拟机创建负载均衡等云资源之间的关联操作），自动化部署应用系统等工作。
通过自助式服务，将会把运营商IT运维人员从繁杂的工作中解脱出来，简易的操作界面，可以使最终用户方便的利用Step By Step方式的操作很快的申请到资源，进而事业虚拟机、存储及网络资源。
4.2.3 标准化平台。使用开放式云计算标准接口与技术，与现有大多数基础架构云平台相兼容，可实现在不同厂家的云平台产品之间进行自由穿梭；不做技术绑架，用户可自由选择已经购买的虚拟化产品、服务器（需要支持Intel或AMD的虚拟化技术）、存储及网络设备提高资产利用率，避免不必要的投资。
4.2.4 逻辑拓扑概述。云平台采用多层架构，可有效提升整个云平台的可扩展性。采用控制器横向堆叠的方式，可将云基础架构的规模提高至一个新的层次，如下图：
当需要扩展集群规模时，在现有集群中添加节点即可。当需要扩展整个云的规模时，可创建新的群集。
云中的主要角色和服务：
1）云控制器。云控制器（Cloud controller＼CLC）可以管理调度底层的一个或多个集群控制器（CC）的计算资源和网络资源，也可以管理调度底层的一个或多个存储控制器（SC）的存储资源。
2）集群控制器。集群控制器（Cluster controller＼CC）
是下属节点控制器（NC）所组成的计算群集的前端（Front—end）桥头堡和管理者，它包括虚拟机镜像、节点群集调度、虚拟网络管理等功能。
3）存储控制器。存储控制器（Storage controller＼SC）
是基于网络的块存储（按照Amazon的称呼，称为EBS，弹性块存储）实现，一个块存储被节点上运行实例的操作系统认为一个块设备，但其实它是一个通过网络连接到存储控制器的设备。支持通过iSCSI、AOE、FC SAN等存储适配器来访问各种存储设备。
4）节点控制器。节点控制器（Node controller＼NC）可以是虚拟机的计算宿主，也可以是组成分布式冗余存储系统的存储节点或者存储目录节点。如果节点是计算宿主，也就是实例的运行载体，它将根据上层的集群控制器的指令来负责执行、监控、终止、善后处理实例，同时还需要及时将目前的可用资源通知集群控制器。
4.3 产品功能架构
以下是云的产品架构示意图，我们基于Erlang OTP，使用Eucalyptus框架，兼容AmazonEC2标准。
主要分为四层：系统核心层、接口调用层、实用工具层、应用服务层。
1）系统核心层。其主要功能是操作系统的主体内容，负责将计算机分布式群集中的各种资源管理、调度和监控。对应的具体功能如下：实例管理；存储管理；网络管理；资源监控；运行支撑。
2）接口调用层主要功能。为用户或应用访问系统资源提供API，例如：EC2、S3、LB、CW。兼容Amazon接口标准。
孕妇瑜伽范文3
1.摄取充足的蛋白质,调节免疫力。蛋白质是准妈妈免疫系统防御功能的物质基础,如果蛋白质营养匮乏,会影响免疫细胞和抗体的形成,导致机体抗病能力减退,各种传染疾病乘虚而入。因此,建议准妈妈们可以喝一些孕妇奶粉,其别添加α-乳白蛋白、乳铁蛋白、乳清蛋白,满足了准妈妈们对于蛋白质的基本需求,在很大程度上帮助调节准妈妈们的免疫力,让其远离甲型H1N1流感的困扰。
2.添加适量的维生素,增强免疫力。除了蛋白质外,维生素A、维生素C、维生素E、泛酸、核黄素、叶酸和牛黄酸都是准妈妈维持正常生理功能所必需的营养素,它们的缺乏也会导致准妈妈免疫功能的降低。
3.补充微量元素,保障免疫力。钙、铜、铁、锌等是人体必不可少的微量元素,也与免疫功能密不可分。准妈妈如果缺乏这些元素,不仅会抑制免疫机能的正常运转,机体感染流感的概率也会随之升高。
4.运动+睡眠,提升免疫力。对免疫系统来说,运动胜过所有的药物手段。育婴专家提醒,准妈妈不适合做剧烈活动,但可以选择散步、做孕妇操、游泳等较轻微的运动,每天坚持一小会儿,不仅免疫细胞数目会增加,免疫力增强,还有利于顺利分娩。除了做些简单的运动之外,准妈妈还要保证拥有充足的睡眠。如果睡眠不足,会使抵御流感病毒的能力降低,患病的概率必然会增加。
5.良好的卫生习惯。与普通季节性流感一样,甲型H1N1流感病毒也是通过病人的咳嗽以及喷嚏来进行传播的,所以最基本的预防方法就是回到家中应该用普通肥皂清洗双手(触摸口鼻或接触有可能污染的表面时尤其应注意)。
6.减少传播途径。孕妇作为高危人群,要对甲型H1N1流感的预防予以重视。除了一般的预防措施外,与孕妇密切接触的家人也要注意减少外出活动。接触孕妇的人健康,孕妇得病的可能性也就小了。此外,孕妇外出乘车应戴口罩,减少在外的活动时间,要远离人员集中的区域,如大型商场、影院等。
孕妇瑜伽范文4
云计算实际上是继个人计算机，互联网之后的第三次IT革命。IT的发展框里面从大型机、个人机损及再到云计算的变革，我们看到合久必分，分久必合的趋势，从大型机的时候，其实就有网络，你打电话约定好时间，塞进你的卡片，得到结果。后来到PC的时候，从只有特定行业应用得起的服务，变成每个个人都能够用得起的情况，由此带来的互联网。后来互联网变革提高了我们个人计算系统的协同能力。实际上早在上个世纪九十年代，就提出了网络计算机的概念，这其实就是一个云计算的雏形，人们还没有想到通过互联网能够操作的某一些事情，对于网络的信任感还存在一定的局限性，所以，没有发生一些云计算。到现在，云计算逐渐深入人心，现在，云计算将来会成为一种像基础设施，水和煤气这样的方便供大家使用，更有观点说，将来世界上只有5台计算机。
“在云服务快速崛起的大背景下，电子文档产业或将迎来发展机遇，战略地位日益凸显，抓住电子文档产业市场机遇远景可期。”工业和信息化部信息化推进司副司长董宝青在日前天津举办的电子文档与云服务发展论坛上说，我国已经从电子文档产业的追随者，向打造具有自主知识产权的产业体系过渡。电子文档作为电子资源利用中的重中之重，今年将迎来更为迅速的发展。
“云文档服务不仅在未来能达到数百亿美元的应用，而且对IT的其他应用都能产生重大影响，已经成为谷歌、微软、苹果、Adobe等国际巨头全力抢夺的市场。”天津书生集团董事长、中电标协文档库标准工作委员会主任王东临表示。
在此次论坛上，由天津书生软件技术有限公司一款基于云服务的在线文档平台SurDoc，应用自主知识产权的UOML标准和技术解决了各种文档格式的兼容，支持各种移动设备，同时实现文档的在线备份功能，成为与会者关注与热议的焦点。这是天津滨海新区自去年7月推出“云集滨海”行动计划以来的又一力作。
事实上，电子文档与云服务领域仅仅是天津滨海新区“云计划”的一个缩影。2011年7月19日，天津滨海新区云计算产业联盟正式成立。就在当日，代表新区未来云计算产业发展方向的“云集滨海行动计划”正式启动。该计划明确了将把天津滨海新区建设成为我国云计算创新和产业发展核心区域之一，明确新区将重点开展四大工程，包括“超算云”、“聚云”、“智造云”和“政通云”工程。对引进企业给予房租、税收优惠；引导企业和社会使用云计算公共服务平台，对使用云计算公共服务平台的企业按相关政策给予专项补贴。制定“云计算人才计划”，引进云计算技术研发与产业化领军人才，将云计算领域人才纳入高级人才奖励范围。此外，新区还将设立专项资金，加大对云计算产业发展的资金支持力度。天津滨海新区相关负责人表示，今后，将会对园区内此类企业进一步加大支持力度，推动和促进天津高新技术产业的发展，增强天津在云服务和移动终端应用领域的实力，寻求天津高新技术产业走向世界共同发展的道路。
3G服务新趋势
孕妇瑜伽范文5
一、使用范围
市级教育费附加，主要用于市区教育布局调整和改善市属学校的办学条件，以实施义务教育为主，突出职业教育。
二、使用原则
1、预算安排原则。市级教育费附加纳入财政预算管理，按照“纳入预算、明细核算、先收后支、统筹安排、专款专用”的原则管理和使用。
2、量入为出原则。根据市级教育费附加预算收入情况安排支出，既要考虑刚性支出，又要考虑财力可能。
3、统筹安排原则。市级教育费附加要与预算内、外资金统筹安排。结合市本级教育结构实际，安排市级教育费附加支出预算，在支持职业教育事业发展的同时，努力促进各类教育协调发展。
4、绩效预算原则。注重发挥市级教育费附加的使用效益，做到预算有目标、执行有考核、绩效有评价。
三、使用安排
市级教育费附加支出，按照规定的部门预算编制原则、办法和程序，由学校主管部门提出分配方案商财政部门同意后，经过财政部门报市政府批准再正式纳入部门预算或综合预算管理。在预算执行过程中个别项目确需进行预算调整的，按有关程序报经批准后再调整预算。
具体操作程序是：
（一）各相关学校要在每年十月份根据本单位改善办学条件的实际需要，及时向学校主管部门申报下一年度项目。
（二）学校主管部门对所报项目经过梳理选择后，报财政部门建立项目库。
（三）对拟实施的项目财政部门与学校主管部门商定后，经过财政投资评审机构评审，再报市政府批准以后执行。
（四）项目学校不得随意更改项目建设内容和增加投资，特殊情况需作更改的，必须报原审批机关同意。
四、资金管理
市级教育费附加实行国库集中支付，专款专用，并根据项目工程进度及时拨付资金。用于基本建设的项目要按基本建设管理程序办理；用于教学设备、仪器、图书资料等购置的项
目，要按照市级政府采购的有关规定执行。
五、监督检查
孕妇瑜伽范文6
关键词：云计算；智能电网；负荷预测；电力云；架构
中图分类号：TM711 文献标识码：A
文章编号：1674-2974（2016）02-0101-08
传统负荷预测技术的研究多处于技术层面，如预测模型的改进、预测过程的完善等，而智能电网下的负荷预测技术将进入管理阶段，如需求侧用户用电模式管理、分布式新能源管理、储能设备管理等，都将对提高负荷预测水平产生巨大的影响.
智能电网环境下的负荷预测面临以下问题.第一，随着大量终端设备（智能电表、嵌入式智能家电等）投用和“信息化、数字化、自动化、互动化”过程的推进，数据信息采集、处理、计算遇到瓶颈.第二，由于传统数学模型考虑到计算实时性的问题都做了相应的简化，使得多影响因素下的负荷模型通用性不强.随机性、间歇性负荷的涌入导致现阶段的负荷预测准确率不稳定.第三，现有负荷预测系统大多基于多层体系Browser/Server（B/S）结构，采用.NET或J2EE技术，针对的对象不同（有母线、大用户、系统等），异构现象突出，造成不合理的资源配置.第四，服务器CPU利用率低，大部分时间处于空闲状态或者不饱和状态，严重浪费了资源.
云计算（Cloud Computing）是对基于网络的、可配置的共享计算资源池能够方便、随需访问的一种新型的计算模式[1]，可以解决目前电网日益严峻的问题，以及未来智能电网的三大问题（海量数据处理、实时数据分析及数据共享），因而逐渐应用于电力行业[2-3].电力云是电网的内在和本质的需要，如文献[4]指出云计算是未来电力系统的核心计算平台.云计算可运用到电力系统的以下方面：智能变电站、状态监测[5]、配网自动化[6]、调度运行、网损分析[7]等.本文主要根据云计算的优势，提出一种基于云计算的智能电网负荷预测平台架构，以电力私有云为基础建立了更加优良的负荷预测机制，更好地实现海量数据处理和资源合理配置.并在云平台负荷预测服务中引入多维多级协调优化机制，对原始预测结果进行修正与协调优化，显著提升智能电网负荷预测水平，为今后的负荷预测工作提供思路.
1智能电网负荷预测
智能电网环境下的负荷预测主要呈现以下特点：1）不仅要考虑传统因素（气象、经济、社会因素等），还要考虑分布式电源、需求侧管理、储能等对负荷的影响；2）负荷预测不仅关心负荷在一定时间、一定区域有多大，而且还要关注电能消耗的原因；3）随着高级量测体系（Advanced Metering Infrastructure，AMI）的逐步推广与应用，通过各种通信方式传输到数据管理系统的海量负荷预测数据，对各类负荷进行分类、分析研究至关重要；4）智能电网中双向的电力流、信息流要求负荷预测技术更具智能性和自适应性；5）智能电网下负荷预测涉及的对象（点、线、面、体四级）多维多级化，因此要考虑多维多级预测结果之间协调优化，以提高预测精度.智能电网负荷预测框架如图1所示.
2云计算及电力云
云计算是随着其构成（云基础设施作为服务， Infrastructure as a Service， IaaS；云平台作为服务， Platform as a Service， PaaS； 云软件作为服务， Software as a Service， SaaS）发展起来的.智能电网是电网2.0，云计算可以说是Web3.0，是一个诸如电网一样的云网，“按需即用，随需应变”，是一个创新的系统，因此云计算与智能电网有着天然的联系.
未来电力系统是超大规模的，电力计算是多节点、多任务、多目标、多层次、多策略、实时性的，依靠传统集中式的调度计算平台是远远达不到要求的.融入崭新的云计算，利用其独特的优点[1，8]，适用于电网这样快速增长的场景，实现配置优化、管理优化、计算优化、服务优化等等，因此电力云随之产生.
云计算按照其部署模式[1]可以分为：私有云、社区云、公共云和混合云.私有云优良的数据安全性、高效的服务质量、合理地整合资源能够满足电力云安全可靠稳定的需要.
图2所示为部署电力调度云，其中不同云层里包含一个负荷预测云，负荷预测云的运行原理是由用户（计划、方式、继保、调度、运行等不同专业）发出请求，通过互联网发送到主节点服务器，然后向存储节点服务器调用预测算法，向计算节点服务器分配资源，安排不同节点采用不同算法进行预测，各类数据通过请求从存储节点服务器获得.最后预测结果汇总到主服务器，进行分析并反馈给用户.
3 智能电网负荷预测云架构
目前，负荷预测的工作主要集中在平台开发、预测技术研究、预测管理中心的建立.但是，电力系统内部预测的需求不是单一的，系统平台异构性问题突出（服务器等基础设施多样化，开发平台多样化，数据标准多样化，预测技术多样化，对象多样化）.建立基于云计算的负荷预测系统，能够解决数据不能共享、处理速度慢等问题，适应了智能电网的发展.图3为基于云计算的负荷预测系统架构.
调度的时效性要求负荷预测的期限越来越短，甚至可能出现“超超短期负荷预测”.这就需要云计算的“虚拟化”技术，将分散在不同空间的服务器、数据库、网络等设施，整合分散的资源、统一数据和服务标准，构成一个“资源池”，通过负荷分配将任务分派给不同任务机器，进行分布式计算.如图3所示，分布式技术是PaaS的核心内容，包含分布式基础设施、分布式大规模数据处理（如Google采用的Hadoop Mapreduce框架）、分布式数据库（如MySQL）技术.SaaS在传统负荷预测系统的基础上，着力研究大规模的负荷分析、典型用户负荷预测、分布式负荷预测、多级协调机制、实现分析、预测、管理、服务一体化.而SOA （Service-Oriented Architecture）真正地将以上系统重构和重组，形成一个全面有序的系统.以上几个部分形成构架的“云”，而用户“端”主要通过桌面虚拟化等虚拟化技术来呈现.
4基于云平台的负荷预测服务
云计算的关键技术包括：虚拟化技术、并行编程模型、海量数据分布存储技术、海量数据管理技术、SOA构架等[8].虚拟化技术与SOA构架融合的SOAOV（Service-Oriented Architecture of Virtualization）系统框架能够增加负荷预测应用系统的灵活性，提高资源利用率.
SOA是一种分布式、开放的架构，以一切服务最大化作为出发点，可以将现有的杂乱无章的负荷预测系统整合并形成一套新的系统.[9-10]SOA提供了一种与平台无关的、松散耦合、可扩展、可重用的体系架构组织方式.
SOA可以将传统的.NET和J2EE平台的负荷预测系统，通过服务封装的形式进行组合，实现服务交互.SOA构架与负荷预测云运行机制的契合性高.因此，负荷预测服务与云机制优势结合，大大提升了预测的整体性能.
传统的负荷预测主要采用直接预测的方法，目前也逐步涌现出间接预测方法，如考虑网损的各地区负荷之和来预测省级负荷的研究、考虑地方小水电、检修、转供等因素的母线负荷预测来预测省级统调负荷的研究等，都推动了负荷预测的发展，但存在结果协调的问题.智能电网下将不同对象的负荷预测通过协调机制平衡各个结果，并转换成多种服务呈现给用户.
4.1云平台基础化负荷分析服务
负荷分析是负荷预测的基础.随着大量智能设备的投入，负荷数据的采集更加细化.在负荷聚类分析的基础上，可以将地区负荷分为各行业负荷进行实时滚动分析，克服以往通过负荷比重分析的不科学性；紧密结合实时气象要素、转供、检修等，展开对母线负荷的相关性分析；以集中空调负荷、居民空调负荷为主进行空调负荷分析；考虑企业生产计划、高速电气化铁路运行时刻表等的典型大用户波动性负荷特性分析；考虑气象、地理信息数据的光伏发电、风力发电功率分析；考虑运行状况、气象、路面状况等因素的电动汽车充电负荷分析.
4.2基于云平台负荷分析的负荷预测服务
在云计算平台下，负荷预测服务多样化、多级化，而负荷分析也更加精细化、科学化，因此基于负荷分析的研究方式更具实际意义.负荷预测服务主要包括：
1）行业负荷预测.将采集到的各行业（居民、商业、工业、农业、轻工业、服务业等）数据，分别进行预测，特别注重基于实时气象要素的商业负荷和居民负荷预测.
2）母线负荷预测.采用聚类方法进行母线分类，考虑气象、检修、小水电、转供对负荷的影响，建立面向电网安全校核的精细化母线负荷预测流程.
3）典型大用户负荷预测.了解大型企业的生产计划、结合负荷分析，采用概率预测算法；考虑高铁的运行时刻表，掌握随机性负荷的特点，归纳出一套针对波动性负荷的预测算法.
4）风力发电功率预测.以数值气象预报为基础，运用信息融合、数据挖掘、人工智能等理论，提出基于元学习（Metal-Learning）的前向评估自适应组合预测方法.
5）光伏发电功率预测.研究相关因子对光伏发电负荷的影响（如温度、阵列的高度、空隙、风速、覆尘率、湿度等），研究输入数据的筛选方法，提出基于主成分分析方法的数据同化、筛选与融合新方法.
6）电动汽车充电负荷预测.考虑电动汽车类型、日期类型、运行区域、气象、道路状况等因素，获取电动汽车的日负荷曲线，采用概率方法进行预测.
4.3云平台多维多级协调负荷预测优化服务
智能电网下负荷预测往往出现各预测结果不平衡的现象，需要建立协调机制[11-14]，如上下级电网之间、各个行业与地区之间、母线与系统之间等.将智能电网预测分为点、线、面、体多维多级负荷预测，同时也带来了各级之间的协调.如图4所示.
“点”指的是典型用户、高铁以及间歇性分布式负荷预测，“线”指的是母线负荷预测，“面”指的是传统的地区系统负荷预测，“体”指的是省、网及全网负荷预测.
协调1是指典型用户与母线负荷预测之间的协调.一方面有利于分析母线的负荷成分，另外一方面通过预测结果对比校正母线负荷预测结果.
协调2是指母线负荷预测与地区系统负荷预测之间的协调[11].这个过程往往在安全校核中涉及到，母线是安全校核的节点，几条母线构成一个安全校核断面.通过母线结果来协调地区负荷，由地区结果来修整母线负荷.
协调3是指各个省级电网与上级之间的协调.协调过程考虑各个省级之间的外部联络线的负荷、网损、同时率等.如式（1）.
5算例分析
5.1基于云计算的负荷预测计算仿真
通过本文分析，云平台中包含的计算资源构成了一个服务器集群，为客户端提供负荷预测计算服务.实验仿真使用Hadoop平台，采用的版本为Hadoop-0.23.2.Hadoop平台是一个工作在Unix系统环境下的软件框架，通过安装Linux虚拟机或者用Cygwin软件来模拟Unix运行环境.
本文的仿真实验中要求参与搭建云平台的计算机能正常运行Linux系统.单机的详细配置为：Intel（R）CoreTM2 Quad CPU Q9400，3.19 GHz，4 GB的内存，500 G硬盘.将这些计算机连接到一个局域网里面，网络带宽为2 M，每台计算机分配一个固定IP地址，即完成云计算平台的硬件部署.将实验集群搭建好后，在每个节点上配置运行环境.其中任务调度器采用虚拟Linux服务器，它是服务器集群的唯一入口，类似一个高性能服务器.当客户端提交计算请求时，任务调度器可根据请求内容选择服务器执行操作.以负荷预测计算为例，针对云计算对资源的调度的要求，将各节点负荷预测分为小的计算单元.并且选取不同数量的节点的负荷预测计算，分别采用单机服务器计算和云计算（本文中云平台提供不超过40个虚拟机）方法进行仿真对比.所谓单机模式是在一台计算机上进行算例仿真，云计算模型是在多台计算机组成的计算集群上进行算例仿真，又简称多机模式.两种方法的计算时间及使用的虚拟机个数如表1所示，图5给出了计算时间的变化趋势.
通过实验仿真结果可以发现，随着负荷预测计算中的节点数目增加，使用单机服务器进行负荷预测计算的时间几乎呈线性增长.而在计算资源（虚拟机数目）满足计算需求时，采用云计算所需的计算时间增长并不明显，这说明在负荷预测资源调度和计算中采用云计算的优势非常明显.当预测计算计划节点个数超过了云平台所能提供的最大计算资源数时，计算时间又开始有一定的增加，但仍然远远低于单机服务器模式的计算时间.若需要在较短时间内获得更多数量节点预测计算结果，只需要在云平台内增加一定计算资源节点即可.
5.2云平台多维多级预测优化协调模型仿真
本文采用某省基于气象要素的省地一体化负荷预测系统、母线负荷预测系统以及地区典型大用户负荷分析管理系统数据库样本数据进行负荷预测计算.分别通过“三系统”下的一般修正和基于云平台多级短期负荷预测协调优化方法，对原始预测结果进行修正与协调，表2所示为某月某一时刻的预测数据对比.其中地区1～14表示为某省各个市网供负荷；母线1～9为隶属于地区8不同电压等级的变电站高压侧负荷；用户1～3为所属母线3的典型用户负荷.图6给出了各方法预测值与实际负荷百分比误差对比.图中，一般修正指的是单一的下（上）级负荷对上（下）级负荷的修正.它和优化协调都减小了原始预测负荷的误差，但是后者效果更佳，提高了整体预测精度.上下级电网的预测水平都有显著提升.本文方法同样适用于超短期、中长期等其他时间尺度的协调预测.
图7为某省级统调和14个所属地区短期负荷预测结果经过协调后得到的负荷预测准确率变化情况统计.图中采用连续10个负荷点进行统计，地区级短期负荷预测准确率提高的地区个数都多于降低个数，总体上提高了地区级短期负荷预测准确率.表3为省级短期负荷预测准确率变化统计情况.在省级短期负荷预测有7次协调结果得到了提高，而4，7，9号负荷点由于地区级准确率降低个数增多，直接导致了省级短期负荷预测出现了3次协调结果降低的情况.出现该情况主要基于以下两点原因：第一，本文采用的协调过程只进行了一个循环周期，可通过设置一定的约束进行多次循环协调，寻求最优协调解.第二，本文的算法只能在原先预测结果的基础上加上一个不平衡量或者减去一个不平衡量，不能随机改变不平衡量的增减，有可能会增大误差.因此，在智能电网云平台下要继续研究负荷预测优化协调技术，寻找更加合理的算法，采用诸如关联协调模型、负荷类指标协调方法等，提高基于云平台的智能电网负荷预测水平.
6结语
本文针对传统负荷预测出现的不足，结合智能电网下负荷预测的新需求，提出了构建基于云计算的智能电网负荷预测平台架构，描绘了电力调度云、云平台的关键技术以及负荷预测服务.
云计算作为一种崭新的计算方式，以其优异的特性已运用于广大领域.本文通过实验仿真，充分证明云计算技术能在智能电网负荷预测中的资源调度和计算等方面发挥巨大优势.本文还阐述了基于云平台的负荷预测服务，并建立云平台多维多级预测优化协调模型进行仿真研究，通过引进多级协调优化机制，同时进行上级和下级双侧负荷修正预测，有效地提升了上下级电网的预测准确率，智能电网负荷预测整体水平也有明显的提高.本文提出的协调优化预测过程思路非常简单，已经成功应用于某省基于气象要素的省地一体化负荷预测系统、集中式省地一体化母线负荷预测系统以及地区典型大用户负荷分析管理系统中.
云计算与电力负荷预测的结合，才刚刚萌芽.虽然本文提出了基本的框架和一部分负荷预测服务，但是随着智能电网的发展，也要随之拓展.云平台关键技术与电网负荷预测如何更好地协同工作以及云平台安全性方面的提升，将是接下来研究的核心内容.
参考文献
[1]雷万云，朱近之，薛峰，等.云计算技术、平台及应用案例[M].北京：清华大学出版社，2011：7-8.
LEI Wan-yun， ZHU Jin-zhi， XUE Feng， et al. Cloud computing technologies， platforms and applications[J]. Beijing： Tsinghua University Press， 2011：7-8.（In Chinese）
[2]饶威，丁坚勇，路庆凯.云计算：智能电网云计算平台构建[J].华东电力，2011，39（9） ：1493-1496.
RAO Wei，DING Jian-yong，LU Qing-kai.Cloud computing platform construction for smart grid [J].East China Electric Power，2011，39（9） ：1493-1496.（In Chinese）
[3]潘睿，刘俊勇，郭晓鸣.面向智能电网的电力系统云计算[J].四川电力，2009，32（Z1）：6-10.
PAN Rui，LIU Jun-yong，GUO Xiao-ming.Power system cloud computing about smart grid [J].Sichuan Electric Power Technology，2009，32（Z1）：6-10.（In Chinese）
[4]赵俊华，文福拴，薛禹胜，等.云计算：构建未来电力系统的核心计算平台[J].电力系统自动化，2010，34（15）：1-7.
ZHAO Jun-hua，WEN Fu-shuan，XU Yu-sheng，et al.Cloud computing： implementing an essential computing platform for future power systems [J].Automation of Electric Power Systems，2010，34（15）：1-7.（In Chinese）
[5]白红伟，马志伟，宋亚奇.基于云计算的智能电网状态监测数据的处理[J].华东电力，2011，39（9）：1485-1487.
BAI Hong-wei，MA Zhi-wei，SONG Ya-qi.Processing of smart grid monitoring data based on cloud computing [J]. East China Electric Power，2011，39（9）：1485-1487.（In Chinese）
[6]范寅秋，弭娟.云计算技术在智能配网自动化中的应用研究[J].电脑知识与技术，2011，7（25）：6168-6170.
FAN Yin-qiu，MI Juan.Cloud computing in the smart distribution automation applied research [J].Computer Knowledge and Technology，2011，7（25）：6168-6170.（In Chinese）
[7]何迈，刘俊勇.基于云计算平台的电能网损计算分析实验系统设计[J].实验技术与管理，2011，28（7）：112-116.
HE Mai，LIU Jun-yong.Experimental system design of power network loss calculation and analysis based on cloud computing platform[J].Experimental Technology and Management，2011，28（7）：112-116.（In Chinese）
[8]陈全，邓倩妮.云计算及其关键技术[J].计算机应用，2009，29（9）：2562-2566.
CHEN Quan，DENG Qian-ni.Cloud computing and its key techniques[J].Journal of Computer Applications，2009，29（9）：2562-2566.（In Chinese）
[9]朱志良，苑海涛，宋杰，等.SOA与云计算：竞争还是融合[J].计算机科学，2011，38（12）：6-11.
ZHU Zhi-liang，YUAN Hai-tao，SONG Jie，et al.SOA and cloud computing： competition or integration [J]. Computer Science，2011，38（12）：6-11.（In Chinese）
[10]秦辉，史维峰，张丹.面向服务的动态体系结构描述语言SO.DADL[J].计算机工程与应用，2011，47（6）：68-74.
QIN Hui，SHI Wei-feng，ZHANG Dan.Service oriented dynamic architecture description language SO-DADL[J]. Computer Engineering and Applications，2011，47（6）：68-74. （In Chinese）
[11]康重庆，牟涛，夏清.电力系统多级负荷预测及其协调问题（一）研究框架[J].电力系统自动化，2008，32（7）：34-38.
KANG Chong-qing，MU Tao，XIA Qing.Power system multilevel load forecasting and coordinating part one research framework[J]. Automation of Electric Power System，2008，32（7）：34-38.（In Chinese）
[12]牟涛，康重庆，夏清，等.电力系统多级负荷预测及其协调问题（二）基本协调模型[J].电力系统自动化，2008，32（8）：14-18.
MU Tao，KANG Chong-qing，XIA Qing，et al.Power system multilevel load forecasting and coordinating part two basic coordinating model[J].Automation of Electric Power System，2008，32（8）：14-18.（In Chinese）
[13]牟涛，康重庆，夏清，等.电力系统多级负荷预测及其协调问题（三）关联协调模型[J].电力系统自动化，2008，32（9）：20-24.
MU Tao，KANG Chong-qing，XIA Qing，et al.Power system multilevel load forecasting and coordinating part three correlative coordinating model[J]. Automation of Electric Power System，2008，32（9）：20-24.（In Chinese）
[14]康重庆，赵燃，陈新宇，等.多级负荷预测的基础问题分析[J].电力系统保护与控制，2009，37（9）：1-7.
KANG Chong-qing，ZHAO Ran，CHEN Xin-yu，et al. Fundamental analysis of multilevel load forecasting[J]. Power System Protection and Control，2009，37（9）：1-7.（In Chinese）
[15]程义明，罗滇生，蔡剑彪，等.分步预测法在省级电网短期负荷预测中的应用[J]. 电力系统及其自动化学报，2012，24（4）：54-58.
CHENG Yi-ming， LUO Dian-sheng， CAI Jian-biao， et al. Step by step forecasting method in short term load forecasting in the provincial power grid[J]. Automation of Electric Power Systems， 2012， 24（4）：54-58. （In Chinese）
