CN106027288A - 一种配电线路信息监测业务通信流量预测方法 - Google Patents

一种配电线路信息监测业务通信流量预测方法 Download PDF

Info

Publication number
CN106027288A
CN106027288A CN201610302898.7A CN201610302898A CN106027288A CN 106027288 A CN106027288 A CN 106027288A CN 201610302898 A CN201610302898 A CN 201610302898A CN 106027288 A CN106027288 A CN 106027288A
Authority
CN
China
Prior art keywords
data
information monitoring
sequence
distribution line
line information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610302898.7A
Other languages
English (en)
Inventor
陆俊
彭文昊
张旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201610302898.7A priority Critical patent/CN106027288A/zh
Publication of CN106027288A publication Critical patent/CN106027288A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供了一种配电线路信息监测业务通信流量预测方法，针对现行流量预测方法未考虑业务通信数据流动态到达特性导致流量预测值偏差大问题，充分考虑业务数据流的动态到达因素，该方法首先在泊松流量模型进行配电线路信息监测业务的流量参数估计基础上，按照排队论模型对配电线路信息监测业务流量进行有效预测；其次采用原始数据训练模型参数和参数优选；最后进行泊松排队论流量模型进行通信流量预测。该方法克服了传统方法无法描述业务的泊松流量动态影响因素对预测结果影响的问题，提高了预测精度，有利于实现智能配用电通信网络的合理规划和配置带宽资源。

Description

一种配电线路信息监测业务通信流量预测方法
技术领域
本发明属于智能配用电通信技术领域，尤其涉及一种配电线路信息监测业务通信流量预测方法。
背景技术
配用电通信网作为电力通信***的一部分，是配用电网各类信息传输的载体，在配电自动化、用电信息采集、分布式电源接入等业务中发挥着重要的作用，其中业务通信流量预测是通信网带宽分配的基础。电力现行配电信息监测业务的流量预测方法采用的是直观预测与弹性系数相结合的计算方法。
因未考虑智能电网背景下配电线路信息监测业务数据传输的动态到达特性，存在业务流量预测值与实际所需带宽偏差大而导致的带宽资源多分配的问题。
发明内容
本发明的目的在于提供一种配电线路信息监测业务通信流量预测方法，该方法包括以下步骤。
步骤1：按照信息监测周期获取配电线路信息监测业务数据时间序列。
按照配电线路信息监测业务数据传输特性，以时间T划分信息监测流量数据周期；以周期T为采集长度和单位时间1秒为采集时间间隔，统计信息监测业务到达变电站通信节点的数据比特数目构成流量数据序列；反复进行M次数据统计得到M个流量数据序列作为流量预测基础数据。
步骤2：直方图法统计获取信息监测业务流量数据序列的概率分布。
设流量数据序列的序号集合为IDSet={1,2,…,M}，以获取的M个流量数据序列作为概率统计的样本原始数据源。对于序号i(i∈IDSet)流量数据序列，以单位时间1秒为概率统计单位，按照直方图统计方法获取流量数据序列的概率分布如下公式所示：Pi(N=n)，其中n为单位时间1秒内到达通信节点的信息监测业务数据比特数目，即业务流量，单位为bps；N为正整数集合，表示单位时间1秒内到达通信节点的信息监测业务数据比特数目，对应概率分布的自变量。依次对流量数据序列进行概率分布统计计算操作，则M个流量数据序列对应概率分布构成序列概率分布集合{ Pi(N=n)} (i∈IDSet)。
步骤3：采用最小二乘法估计流量数据序列的泊松到达参数。
对于序号i(i∈IDSet)的流量数据序列，对应的序列概率分布Pi(N=n)，采用最小二乘法参数估计策略，按照以下公式对流量数据序列泊松流量模型的到达参数λi进行估计。
Pi(N=n)=e- λ i(λi)n／n! 。
其中λi是泊松流量分布模型到达参数，代表单位时间1秒内到达通信节点的信息监测业务的数据比特数的数学期望E(x)，即平均业务流量，单位为bps。
依次对每个序列进行以上参数估计操作，可以获取M个流量数据序列对应的泊松流量模型到达流量参数λi，构成泊松到达参数集合LamdaSet ={λi}。
步骤4：通过正态分布置信区间剔除流量数据序列的泊松到达参数异常值。
以流量数据序列的到达参数集合LamdaSet中参数λi为自变量，构造正态分布曲线Norm(μ,δ)，其中正态分布的均值和方差参数分别按照μ=E(λi)和δ=var(λi)计算。设置置信区间为[μ-2*δ,μ+2*δ]，将在置信区间外的到达参数值从LamdaSet集合中去除，实现到达流量参数异常值的剔除操作，得到最优泊松到达参数待选集合validSet={λj}，其中λj∈[μ-2*δ,μ+2*δ]。
步骤5：采用中值排序法选择流量数据序列的最优泊松到达参数。
对最优泊松到达参数待选集合validSet中的元素λj(j=1,…,q)进行升序排序操作，得到λ1<λ2<…<λmid<…<λq-1 <λq，其中λmid为中间值；选取λmid为信息监测业务流量数据序列的最优泊松到达参数λopt。
步骤6：按照排队论模型计算配电线路信息监测业务流量。
以最优泊松到达参数λopt作为业务流量预测的排队论模型的到达速率，给定配电线路信息监测业务的最大延迟要求TDelay秒，按照以下排队论模型公式计算满足业务延迟要求的业务流量B。
B=λopt+1／TDelay 。
将B作为配电线路信息监测业务流量预测值。当通信节点业务流量带宽配置为B时，能够满足业务的延迟服务质量要求。
前述各步骤首先对配电线路信息监测业务流量进行基于泊松流量模型的到达参数估计与优选操作；其次以到达参数作为重要输入，结合泊松到达排队论模型实现有效的业务流量预测；因充分考虑业务数据到达特性，可以有效减少现有静态预测方法带来的预测偏差。
所述步骤1中按照配电线路信息监测业务数据特性划分周期T；以周期T为采集长度和单位时间1秒为采集时间间隔，统计获取M个若干配电线路信息监测业务到达变电站通信节点形成的数据比特流构成的时间序列作为流量预测基础数据。
所述步骤2中以获取的M个流量数据序列构成训练样本，采用直方图统计方法获取流量数据序列对应的概率分布。
所述步骤3中对序列概率分布集合中每个序列概率分布Pi (N=n)，采用最小二乘法参数估计策略，按照泊松流量模型进行泊松到达参数λi的估计操作；获取M个到达流量参数λi，构成泊松到达参数集合LamdaSet ={λi}。
所述步骤4中以流量数据序列的到达参数集合LamdaSet中参数λi为自变量，构造正态分布曲线Norm(μ,δ)，通过设置置信区间剔除泊松到达参数λi中的异常值，得到最优泊松到达参数待选集合validSet={λj}，其中λj ∈[μ-2*δ,μ+2*δ]。
所述步骤5中对最优泊松到达参数待选集合validSet中的元素λj进行升序排序操作，采用中值排序法选择排序的中间值为信息监测业务流量数据序列的最优泊松到达参数。
所述步骤6中以最优泊松到达参数λopt作为业务流量预测的排队论模型的到达速率，给定配电线路信息监测业务的最大延迟要求TDelay，计算满足业务延迟要求的业务流量B，将B作为配电线路信息监测业务流量预测值。
与一般技术相比，本发明配电线路信息监测业务通信流量预测方法，针对现行流量预测方法未考虑业务通信数据流动态到达特性导致流量预测值偏差大问题，充分考虑业务数据流的动态到达因素，在泊松流量模型进行配电线路信息监测业务的流量参数估计基础上，按照排队论模型对配电线路信息监测业务流量进行了有效预测。采用原始数据训练模型参数和参数优选，然后进行泊松排队论流量模型进行通信流量预测，克服了传统方法无法描述业务的泊松流量动态影响因素对预测结果影响的问题，提高了预测精度，有利于实现智能配用电通信网络的合理规划和配置带宽资源。
附图说明
图1为本发明方法整体流程图。
图2为配电线路信息监测业务典型场景示意图。
图3为某省信息监测业务到达35kV变电站业务流量图。
图4为本发明方法正态分布置信区间估计参数剔除操作图。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。以一个配电线路信息监测典型业务场景为例，说明本方法实施过程。业务场景参数如表1所示。按每个变电站32条出线，每条配电线路柱上开关15台，开闭站 2 座，环网柜 8 座，箱式变电站 30 座，杆上变压器 50 台计算，则 32 条出线的配网自动化业务净流量为 (12×15+93×2+32×8+23×30+13×50)×32×8=502272bit/s≈502kbps，对应本方法中泊松流量模型的泊松到达参数λ。同时规约附加字节按业务净流量的10%，带宽裕量按业务净流量的50%考虑，按照上述配电网规模，采用弹性系数直观预测法可以得出配电自动化业务骨干接入网的业务流量预测值约为502×1.6=803kbps。
表1配电线路信息监测典型业务参数表。
。
一种配电线路信息监测业务通信流量预测方法，方法流程如图1所示，该方法包括如下步骤。
步骤1：按照信息监测周期获取配电线路信息监测业务数据时间序列。
按照配电线路信息监测业务数据传输特性，以时间T划分信息监测流量数据周期；以周期T为采集长度和单位时间1秒为采集时间间隔，统计信息监测业务到达变电站通信节点的数据比特数目构成流量数据序列；反复进行M次数据统计得到M个流量数据序列作为流量预测基础数据。
配电线路信息监测典型业务场景如图2所示，实例中通过统计某省信息监测业务到达35kV变电站通信节点的数据比特数目构成流量数据序列，取周期T=600秒，M=10；反复进行10次数据统计得到10个流量数据序列作为流量预测基础数据，如图3所示。
步骤2：直方图法统计获取信息监测业务流量数据序列的概率分布。
设流量数据序列的序号集合为IDSet={1,2,…,M}，以获取的M个流量数据序列作为概率统计的样本原始数据源。对于序号i(i∈IDSet)流量数据序列，以单位时间1秒为概率统计单位，按照直方图统计方法获取流量数据序列的概率分布如下公式所示：Pi(N=n)，其中n为单位时间1秒内到达通信节点的信息监测业务数据比特数目，即业务流量，单位为bps；N∈Z+( Z+为正整数集合)为单位时间1秒内到达通信节点的信息监测业务数据比特数目，对应概率分布的自变量。依次对流量数据序列进行概率分布统计计算操作，则M个流量数据序列对应概率分布构成序列概率分布集合{ Pi(N=n)} (i∈IDSet)。
步骤3：采用最小二乘法估计流量数据序列的泊松到达参数。
对于序号i(i∈IDSet)的流量数据序列，对应的序列概率分布Pi(N=n)，采用最小二乘法参数估计策略，按照以下公式对流量数据序列泊松流量模型的到达参数λi进行估计。
Pi(N=n)=e- λ i(λi)n／n! 。
其中λi是泊松流量分布模型到达参数，代表单位时间1秒内到达通信节点的信息监测业务的数据比特数的数学期望E(x)，即平均业务流量，单位为bps。
依次对每个序列进行以上参数估计操作，可以获取M个流量数据序列对应的泊松流量模型到达流量参数λi，构成泊松到达参数集合LamdaSet ={λi}。
实例中对图3中预测基础数据进行泊松流量模型到达流量参数λ进行估计，单位为kbps；获得泊松到达参数集合LamdaSet，包含10个估计值，如表2所示。
表2泊松流量模型流量到达参数估计值表。
序号 1 2 3 4 5 6 7 8 9 10
参数 654.76 592.50 605.87 401.95 659.33 483.94 447.57 588.02 510.17 676.46
步骤4：通过正态分布置信区间剔除流量数据序列的泊松到达参数异常值。
以流量数据序列的到达参数集合LamdaSet中参数λi为自变量，构造正态分布曲线Norm(μ,δ)，其中正态分布的均值和方差参数分别按照μ=E(λi)和δ=var(λi)计算。设置信区间为[μ-2*δ,μ+2*δ]，将在置信区间外的到达参数值从LamdaSet集合中去除，实现到达流量参数异常值的剔除操作，得到最优泊松到达参数待选集合validSet={λj}，其中λj∈[μ-2*δ,μ+2*δ]。
实例中由表2中数据可得μ=E(λi)=518.57，δ=var(λi)=65.90；置信区间为[386.77,650.38]，如图3所示，参数估计值中三个值(654.76,659.33,676.46)因在置信区间外而予以剔除；获得最优泊松到达参数待选集合validSet，包含7个可选估计值，如表3所示。
表3最优泊松到达参数估计值表。
序号 2 3 4 6 7 8 9
参数 592.50 605.87 401.95 483.94 447.57 588.02 510.17
步骤5：采用中值排序法选择流量数据序列的最优泊松到达参数。
对最优泊松到达参数待选集合validSet中的元素λj(j=1,…,q)进行升序排序操作，得到λ1<λ2<…<λmid<…<λq-1 <λq，其中λmid为中间值；选取λmid为信息监测业务流量数据序列的最优泊松到达参数λopt。实例中如表3中所示可选估计值进行排序操作，401.95<447.57<483.94<λmid=510.17<588.02<592.50<605.87，获得最优泊松到达参数λopt=510.17，即预测的平均流量为510.17kbps。
步骤6：按照排队论模型计算配电线路信息监测业务流量。
以最优泊松到达参数λopt作为业务流量预测的排队论模型的到达速率，给定配电线路信息监测业务的最大延迟要求TDelay秒，按照以下排队论模型公式计算满足业务延迟要求的业务流量B。
B=λopt+1／TDelay 。
将B作为配电线路信息监测业务流量预测值。当通信节点业务流量带宽配置为B时，能够满足业务的延迟服务质量要求。
实例中配电线路信息监测业务最大延迟要求TDelay=0.1s，本方法预测的平均流量λopt=510.17kbps，因此可计算出B=520.17kbps。电力现行弹性系数直观预测法的预测流量为803kbps，因此本方法与弹性系数直观预测法相比较，更接近业务净流量502kbps。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种配电线路信息监测业务通信流量预测方法，其特征在于，包括以下步骤：
步骤1：按照信息监测周期获取配电线路信息监测业务数据时间序列；
步骤2：直方图法统计获取信息监测业务流量数据序列的概率分布；
步骤3：采用最小二乘法估计流量数据序列的泊松到达参数；
步骤4：通过正态分布置信区间剔除流量数据序列的泊松到达参数异常值；
步骤5：采用中值排序法选择流量数据序列的最优泊松到达参数；
步骤6：按照排队论模型计算配电线路信息监测业务流量。
2.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述按照信息监测周期获取配电线路信息监测业务数据时间序列的步骤中，按照配电线路信息监测业务数据传输特性，以时间T划分信息监测流量数据周期；以周期T为采集长度和单位时间1秒为采集时间间隔，统计信息监测业务到达变电站通信节点的数据比特数目构成流量数据序列；反复进行M次数据统计得到M个流量数据序列作为流量预测基础数据。
3.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述直方图法统计获取信息监测业务流量数据序列的概率分布的步骤中，设流量数据序列的序号集合为IDSet={1,2,…,M}，以获取的M个流量数据序列作为概率统计的样本原始数据源；对于序号i(i∈IDSet)流量数据序列，以单位时间1秒为概率统计单位，按照直方图统计方法获取流量数据序列的概率分布如下公式所示：Pi(N=n)，其中n为单位时间1秒内到达通信节点的信息监测业务数据比特数目，即业务流量，单位为bps，N∈Z+( Z+为正整数集合)为单位时间1秒内到达通信节点的信息监测业务数据比特数目，对应概率分布的自变量；依次对流量数据序列进行概率分布统计计算操作，则M个流量数据序列对应概率分布构成序列概率分布集合{ Pi(N=n)} (i∈IDSet)。
4.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述采用最小二乘法估计流量数据序列的泊松到达参数的步骤中，对于序号i(i∈IDSet)的流量数据序列，对应的序列概率分布Pi(N=n)，采用最小二乘法参数估计策略，按照以下公式对流量数据序列泊松流量模型的到达参数λi进行估计：
Pi(N=n)=e- λi(λi)n／n!
其中λi是泊松流量分布模型到达参数，代表单位时间1秒内到达通信节点的信息监测业务的数据比特数的数学期望E(x)，即平均业务流量，单位为bps；
依次对每个序列进行以上参数估计操作，可以获取M个流量数据序列对应的泊松流量模型到达流量参数λi，构成泊松到达参数集合LamdaSet ={λi}。
5.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述通过正态分布置信区间剔除流量数据序列的泊松到达参数异常值的步骤中，以流量数据序列的到达参数集合LamdaSet中参数λi为自变量，构造正态分布曲线Norm(μ,δ)，其中正态分布的均值和方差参数分别按照μ=E(λi)和δ=var(λi)计算；设置置信区间为[μ-2*δ,μ+2*δ]，将在置信区间外的到达参数值从LamdaSet集合中去除，实现到达流量参数异常值的剔除操作，得到最优泊松到达参数待选集合validSet={λj}，其中λj∈[μ-2*δ,μ+2*δ]。
6.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述采用中值排序法选择流量数据序列的最优泊松到达参数的步骤中，对最优泊松到达参数待选集合validSet中的元素λj(j=1,…,q)进行升序排序操作，得到λ1<λ2<…<λmid<…<λq-1 <λq，其中λmid为中间值；选取λmid为信息监测业务流量数据序列的最优泊松到达参数λopt。
7.根据权利要求1所述的配电线路信息监测业务通信流量预测方法，其特征在于，所述按照排队论模型计算配电线路信息监测业务流量的步骤中，以最优泊松到达参数λopt作为业务流量预测的排队论模型的到达速率，给定配电线路信息监测业务的最大延迟要求TDelay秒，按照以下排队论模型公式计算满足业务延迟要求的业务流量B：
B=λopt+1／TDelay ；
将B作为配电线路信息监测业务流量预测值，当通信节点业务流量带宽配置为B时，能够满足业务的延迟服务质量要求。
CN201610302898.7A 2016-05-10 2016-05-10 一种配电线路信息监测业务通信流量预测方法 Pending CN106027288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610302898.7A CN106027288A (zh) 2016-05-10 2016-05-10 一种配电线路信息监测业务通信流量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610302898.7A CN106027288A (zh) 2016-05-10 2016-05-10 一种配电线路信息监测业务通信流量预测方法

Publications (1)

Publication Number Publication Date
CN106027288A true CN106027288A (zh) 2016-10-12

Family

ID=57099586

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610302898.7A Pending CN106027288A (zh) 2016-05-10 2016-05-10 一种配电线路信息监测业务通信流量预测方法

Country Status (1)

Country Link
CN (1) CN106027288A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109039833A (zh) * 2018-09-30 2018-12-18 网宿科技股份有限公司 一种监控带宽状态的方法和装置
CN109066981A (zh) * 2018-08-22 2018-12-21 国网江西省电力有限公司经济技术研究院 用于中压配电网的信息安全监测方法
CN109787846A (zh) * 2019-03-27 2019-05-21 湖北大学 一种5g网络服务质量异常监测和预测方法及***
CN109936487A (zh) * 2019-04-19 2019-06-25 浙江中烟工业有限责任公司 一种网络广播包的实时分析与监测方法及***
CN110020728A (zh) * 2018-12-25 2019-07-16 阿里巴巴集团控股有限公司 业务模型强化学习方法以及装置
CN111371603A (zh) * 2020-02-27 2020-07-03 长沙市源本信息科技有限公司 应用于边缘计算的服务实例部署方法和装置
CN112910984A (zh) * 2021-01-26 2021-06-04 国网福建省电力有限公司泉州供电公司 基于FGn与泊松过程的电力物联网流量预测方法
CN114050984A (zh) * 2021-11-24 2022-02-15 南京邮电大学 面向智慧园区的智能配用电业务通信带宽预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5501283B2 (ja) * 2011-04-11 2014-05-21 日本電信電話株式会社 最大接続数推定装置及び方法及びプログラム
CN104463351A (zh) * 2014-11-15 2015-03-25 国家电网公司 基于电力业务需求的通信带宽预测方法及装置
CN105071992A (zh) * 2015-08-26 2015-11-18 国家电网公司 变电站配用电业务通信带宽预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5501283B2 (ja) * 2011-04-11 2014-05-21 日本電信電話株式会社 最大接続数推定装置及び方法及びプログラム
CN104463351A (zh) * 2014-11-15 2015-03-25 国家电网公司 基于电力业务需求的通信带宽预测方法及装置
CN105071992A (zh) * 2015-08-26 2015-11-18 国家电网公司 变电站配用电业务通信带宽预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐志强等: "智能配用电多业务汇聚的通信带宽预测", 《电网技术》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109066981B (zh) * 2018-08-22 2021-08-17 国网江西省电力有限公司经济技术研究院 用于中压配电网的信息安全监测方法
CN109066981A (zh) * 2018-08-22 2018-12-21 国网江西省电力有限公司经济技术研究院 用于中压配电网的信息安全监测方法
CN109039833A (zh) * 2018-09-30 2018-12-18 网宿科技股份有限公司 一种监控带宽状态的方法和装置
CN109039833B (zh) * 2018-09-30 2022-11-22 网宿科技股份有限公司 一种监控带宽状态的方法和装置
US10965565B2 (en) 2018-09-30 2021-03-30 Wangsu Science & Technology Co., Ltd. Method and apparatus for monitoring bandwidth condition
CN110020728A (zh) * 2018-12-25 2019-07-16 阿里巴巴集团控股有限公司 业务模型强化学习方法以及装置
CN109787846A (zh) * 2019-03-27 2019-05-21 湖北大学 一种5g网络服务质量异常监测和预测方法及***
CN109936487A (zh) * 2019-04-19 2019-06-25 浙江中烟工业有限责任公司 一种网络广播包的实时分析与监测方法及***
CN111371603B (zh) * 2020-02-27 2022-09-13 长沙市源本信息科技有限公司 应用于边缘计算的服务实例部署方法和装置
CN111371603A (zh) * 2020-02-27 2020-07-03 长沙市源本信息科技有限公司 应用于边缘计算的服务实例部署方法和装置
CN112910984A (zh) * 2021-01-26 2021-06-04 国网福建省电力有限公司泉州供电公司 基于FGn与泊松过程的电力物联网流量预测方法
CN112910984B (zh) * 2021-01-26 2023-05-23 国网福建省电力有限公司泉州供电公司 基于FGn与泊松过程的电力物联网流量预测方法
CN114050984A (zh) * 2021-11-24 2022-02-15 南京邮电大学 面向智慧园区的智能配用电业务通信带宽预测方法
CN114050984B (zh) * 2021-11-24 2024-01-26 南京邮电大学 面向智慧园区的智能配用电业务通信带宽预测方法

Similar Documents

Publication Publication Date Title
CN106027288A (zh) 一种配电线路信息监测业务通信流量预测方法
CN110381541A (zh) 一种基于强化学习的智能电网切片分配方法及装置
CN103036792B (zh) 一种最大化最小公平多数据流传输调度方法
CN105071992B (zh) 变电站配用电业务通信带宽预测方法
CN107204894A (zh) 网络业务质量的监控方法及装置
Ni et al. Optimal and structured call admission control policies for resource-sharing systems
CN108632077B (zh) 一种电力业务数据传输建模流程及传输通道确定方法
CN106162680A (zh) 扩容参数确定方法及装置
CN106572019A (zh) 一种时延保障混合sdn网络节能流量调度方法
Mi et al. Software-defined green 5G system for big data
CN109327401A (zh) 一种sdn网络的流量调度方法与***
Skulysh The method of resources involvement scheduling based on the long-term statistics ensuring quality and performance parameters
CN106209687A (zh) 一种混合复用pon全局资源高效分配方法
CN108055701A (zh) 一种资源调度方法及基站
CN115632939A (zh) 一种实现算力网络多目标达成的自动选网选路的方法
CN109150756A (zh) 一种基于sdn电力通信网的队列调度权值量化方法
CN104242993B (zh) 中低压电力通信接入网带宽预测方法
CN101360319B (zh) 一种基于业务量的资源预留方法及装置
Huang et al. Service provisioning update scheme for mobile application users in a cloudlet network
CN107911763B (zh) 一种基于QoS的智能配用电通信网EPON网络规划方法
CN108923961B (zh) 一种多入口网络服务功能链优化方法
Vidmar et al. Broadband access network investment optimization in rural areas
CN115208765A (zh) 一种面向电力业务的切片编排方法及***
CN105429852B (zh) 适用于大容量分组传送***的自适应消息处理***
CN108540246A (zh) 一种基于认知无线电的IoT传感器网络在不完美信道下的次级IoT设备的资源分配方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20161012

WD01 Invention patent application deemed withdrawn after publication