research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Optimization of Power Consumption in Cloud Data Centers Using Green Networking Techniques
الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدام تقنيات الشبكات الخضراء

Authors: Dr. Qutaiba I. Ali د. قتيبة ابراهيم علي --- Alnawar J. Mohammed النوار جاسم محمد
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2014 Volume: 22 Issue: 2 Pages: 13-27
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Optimization of Power Consumption in Cloud Data CentersUsing Green Networking TechniquesDr. Qutaiba I. Ali Alnawar J. MohammedEmail: qut1974@gmail.com Email: alnawar_j25758@yahoo.comComputer Engineering Dept., College of Engineering, University of Mosul, Mosul, Iraq.AbstractIn this paper, a neuro-based predictor is proposed with a prediction algorithm toestimate the required number of active servers simulating the Green Networkingobjectives. The inputs of such predictor are the CPU utilization of the servers in the datacenter and the variations of the incoming demands with the number of users’ variation.During the work, different demand profiles of ClarkNet traffic traces are simulated onOPNET14.5 Modeler to obtain the required training values of servers’ CPU utilizationand clients’ throughput. Also, Green Networking objectives are defined to maintain thePower Management Criteria (PMC) which guaranteed that all CPU utilization must begreater than 30%. Taking into account that a maximum number of 100 servers are usedin such local data center, an ON/OFF control algorithm is then suggested for the powermanagement of different servers in data center to fulfill the previous Green objectives.The Power saving is finally evaluated since it has been noticed that the power savingpercentage can be increased from 17.33% to 85.33% of a total power of 75 k watts whenthe number of the operating servers is decreased from 80% to 5% of the overall servers.Keywords: Artificial Neural Network (ANN), Cloud Computing, Data Centers,Green Networking, Power Consumption.الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدامتقنيات الشبكات الخضراءد. قتيبة ابراهيم علي النوار جاسم محمدEmail: alnawar_j25758@yahoo.com Email: qut1974@gmail.comقسم هندسة الحاسوب، كلية الهندسة، جامعة الموصل،الموصل، العراق.الخلاصةفي هذا البحث، تم اقتراح متنبيء قائم على استخدام الشبكة العصبية مع خوارزمية لتقدير العدد المطلوب منالخوادم النشطة محاكية أهداف الشبكات الصديقة للبيئة )الخضراء(. مدخلات هذا المتنبيء هي نسبة استغلال وحدةالمعالجة المركزية للخوادم في مركز البيانات، بالاضافة الى التغير في مقادير الطلبات الواردة من عدد من المستخدمين.و تم بناء نماذج مختلفة لشبكة مراكز ،ClarkNet أثناء العمل، تم تسليط نماذج مختلفة من الطلبات الواردة الى خوادمللحصول على القيم المطلوبة للتدريب وهي نسبة OPNET Modeler البيانات باستخدام برنامج المحاكاة 14.5الاستغلال لوحدة المعالجة المركزية للخودام ونسبة الحمل المسلط من قبل العملاء. أيضا تم تعريف أهداف الشبكاتالخضراء بالحفاظ على معايير ادارة الطاقة المتمثلة بأن تكون قيم نسبة استغلال وحدة المعالجة المركزية للخوادم أكبرمن 03 ٪. بعد الأخذ بعين الاعتبار أن الحد الأقصى لعدد الخوادم في مركز البيانات المقترح في العمل هو 100 خادم ،لإدارة استخدام الطاقة من قبل خوادم مختلفة في مركز البيانات لتحقيق أهداف الشبكة ON/OFF اقترحت خوارزميةالخضراء السابقة الذكر. أخ ي ر ا تم تقييم معدل تقليل صرف الطاقة حيث من الملاحظ أن نسبة تقليل صرف الطاقة ازدادتمن % 17.33 الى % 85.33 من مقدار صرف الطاقة الكلي المقدر بحوالي 57 كيلوواط عندما يقل عدد الخوادم التيتكون في حالة عمل من % 80 الى % 5 من عدد الخوادم الكلي.

Optimization of Power Consumption in Cloud Data CentersUsing Green Networking TechniquesDr. Qutaiba I. Ali Alnawar J. MohammedEmail: qut1974@gmail.com Email: alnawar_j25758@yahoo.comComputer Engineering Dept., College of Engineering, University of Mosul, Mosul, Iraq.AbstractIn this paper, a neuro-based predictor is proposed with a prediction algorithm toestimate the required number of active servers simulating the Green Networkingobjectives. The inputs of such predictor are the CPU utilization of the servers in the datacenter and the variations of the incoming demands with the number of users’ variation.During the work, different demand profiles of ClarkNet traffic traces are simulated onOPNET14.5 Modeler to obtain the required training values of servers’ CPU utilizationand clients’ throughput. Also, Green Networking objectives are defined to maintain thePower Management Criteria (PMC) which guaranteed that all CPU utilization must begreater than 30%. Taking into account that a maximum number of 100 servers are usedin such local data center, an ON/OFF control algorithm is then suggested for the powermanagement of different servers in data center to fulfill the previous Green objectives.The Power saving is finally evaluated since it has been noticed that the power savingpercentage can be increased from 17.33% to 85.33% of a total power of 75 k watts whenthe number of the operating servers is decreased from 80% to 5% of the overall servers.Keywords: Artificial Neural Network (ANN), Cloud Computing, Data Centers,Green Networking, Power Consumption.الإستهلاك الأمثل للقدرة في مراكز البيانات السحابيه بإستخدامتقنيات الشبكات الخضراءد. قتيبة ابراهيم علي النوار جاسم محمدEmail: alnawar_j25758@yahoo.com Email: qut1974@gmail.comقسم هندسة الحاسوب، كلية الهندسة، جامعة الموصل،الموصل، العراق.الخلاصةفي هذا البحث، تم اقتراح متنبيء قائم على استخدام الشبكة العصبية مع خوارزمية لتقدير العدد المطلوب منالخوادم النشطة محاكية أهداف الشبكات الصديقة للبيئة )الخضراء(. مدخلات هذا المتنبيء هي نسبة استغلال وحدةالمعالجة المركزية للخوادم في مركز البيانات، بالاضافة الى التغير في مقادير الطلبات الواردة من عدد من المستخدمين.و تم بناء نماذج مختلفة لشبكة مراكز ،ClarkNet أثناء العمل، تم تسليط نماذج مختلفة من الطلبات الواردة الى خوادمللحصول على القيم المطلوبة للتدريب وهي نسبة OPNET Modeler البيانات باستخدام برنامج المحاكاة 14.5الاستغلال لوحدة المعالجة المركزية للخودام ونسبة الحمل المسلط من قبل العملاء. أيضا تم تعريف أهداف الشبكاتالخضراء بالحفاظ على معايير ادارة الطاقة المتمثلة بأن تكون قيم نسبة استغلال وحدة المعالجة المركزية للخوادم أكبرمن 03 ٪. بعد الأخذ بعين الاعتبار أن الحد الأقصى لعدد الخوادم في مركز البيانات المقترح في العمل هو 100 خادم ،لإدارة استخدام الطاقة من قبل خوادم مختلفة في مركز البيانات لتحقيق أهداف الشبكة ON/OFF اقترحت خوارزميةالخضراء السابقة الذكر. أخ ي ر ا تم تقييم معدل تقليل صرف الطاقة حيث من الملاحظ أن نسبة تقليل صرف الطاقة ازدادتمن % 17.33 الى % 85.33 من مقدار صرف الطاقة الكلي المقدر بحوالي 57 كيلوواط عندما يقل عدد الخوادم التيتكون في حالة عمل من % 80 الى % 5 من عدد الخوادم الكلي.


Article
Determine the best model to predict the consumption of electric energy in the southern region
تحديد افضل نموذج للتنبوء باستهلاك الطاقة الكهربائية في المنطقة الجنوبية

Authors: ساهرة حسين زين الثعلبي/ --- خلود موسى عمران
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2016 Volume: 22 Issue: 90 Pages: 437-457
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Interest in the topic of prediction has increased in recent years and appeared modern methods such as Artificial Neural Networks models, if these methods are able to learn and adapt self with any model, and does not require assumptions on the nature of the time series. On the other hand, the methods currently used to predict the classic method such as Box-Jenkins may be difficult to diagnose chain and modeling because they assume strict conditions. So there was a need to compare the traditional methods used to predict the time chained with neural networks method to find the most efficient method to predict, and this is the purpose of this study. Contributes to predict future demand for electricity in the electric power sector to solve problems through future planning to meet changes in the demand for electricity increases. Experience has shown there is no way of certain predict appropriate for all cases, but that in each case the way of a private predict is needed to find and use. However, taking more than one way may lead to raising the future accuracy of the estimates. The present study aims to shed light on some of the statistical methods used to predict future demand for electricity for the Southern District, as well as a reference to more accurate methods to predict the future of energy. It has been used a number of methods to predict , such as econometric modeling technique, style and Box- Jenkins method of artificial neural network. And service to the goal of the study, which is based upon the premise that search: the neural network models more accurate than traditional models in long-term. As it is the most efficient and more accurate than other conventional models in dealing with non-linear time-series data. We have been using the annual electrical energy consumption data for the Southern District to conduct a comparison of the program through the application of SPSS and Minitab for statistical analysis, and Matlab language has been used to build a program in neural networks, and through the practical application it was found that neural networks gives better results and more efficient than the classic way.

لقد ازداد الاهتمام بموضوع التنبوء خلال السنوات الأخيرة وظهرت أساليب حديثة ومنها نماذج الشبكات العصبية Artificial Neural Networks، اذ إن هذه الأساليب قادرة على التعلم والتكيّف ذاتياً مع أي نموذج، ولا تحتاج إلى افتراضات لطبيعة السلسلة الزمنية. بالمقابل فان طرائق التنبوء الكلاسيكية المستخدمة حالياً مثل طريقة بوكس- جينكنز Box-Jenkins قد يصعب عليها تشخيص السلسلة ونمذجتها لأنها تفترض شروط صارمة. لذلك ظهرت الحاجة لمقارنة الطرائق التقليدية المستخدمة في التنبوء بالسلاسل الزمنية مع أسلوب الشبكات العصبية لإيجاد الأسلوب الأكثر كفاءة في التنبوء، وهذا يمثل الغاية من اجراء هذه الدراسة.يسهم التنبوء المستقبلي بالطلب على الكهرباء في حل مشاكل قطاع الطاقة الكهربائية من خلال التخطيط المستقبلي لتلبية الزيادة الحاصلة في الطلب على الطاقة الكهربائية. ولقد أظهرت التجارب عدم وجود طريقة تنبوء معينة ملائمة لجميع الحالات، بل إن لكل حالة طريقة تنبوء خاصة بها يتعين البحث عنها واستخدامها. إلا أن الأخذ بأكثر من طريقة قد يؤدي إلى رفع درجة دقة التقديرات المستقبلية. تهدف الدراسة الحالية الى تسليط الضوء على بعض الاساليب الاحصائية المستخدمة في التنبوء بالطلب المستقبلي على الطاقة الكهربائية للمنطقة الجنوبية، فضلا عن الاشارة الى اكثر الاساليب دقة في التنبوء المستقبلي للطاقة. وتم استخدام عدد من الاساليب للتنبوء مثل أسلوب نماذج الاقتصاد القياسي، اسلوب بوكس-جينكينـز وأسلوب الشبكة العصبية الاصطناعية. وخدمة لهدف الدراسة فان الفرضية التي يرتكز عليها البحث مفادها: ان نماذج الشبكات العصبية اكثر دقة من النماذج التقليدية في التنبوءات طويلة المدى. اذ تعد أكفأ وأكثر دقة من النماذج التقليدية الأخرى في التعامل مع بيانات السلاسل الزمنية غير الخطية. لقد تم استخدام بيانات استهلاك الطاقة الكهربائية السنوية للمنطقة الجنوبية لإجراء المقارنة من خلال تطبيق البرنامج SPSSو Minitab و Matlab للتحليل الإحصائي، وتم بناء برنامج بلغة مات لاب Mat lap للشبكات العصبية ، ومن خلال التطبيق العملي وجِدَ أن الشبكات العصبية. تعطي نتائج افضل واكثر كفاءة من الطريقة الكلاسيكية.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

Arabic and English (1)

English (1)


Year
From To Submit

2016 (1)

2014 (1)