CN112804287B - 一种电力物联网的智能化网络切片模板生成方法及*** - Google Patents
一种电力物联网的智能化网络切片模板生成方法及*** Download PDFInfo
- Publication number
- CN112804287B CN112804287B CN202011403964.2A CN202011403964A CN112804287B CN 112804287 B CN112804287 B CN 112804287B CN 202011403964 A CN202011403964 A CN 202011403964A CN 112804287 B CN112804287 B CN 112804287B
- Authority
- CN
- China
- Prior art keywords
- slice
- module
- information
- things
- neural network
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- 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
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力物联网的智能化网络切片模板生成方法及***,包括收集电力物联网的网络资源,并将所述网络资源根据衡量指标进行资源分配生成切片信息;根据所述切片信息生成临时切片,检测所述临时切片是否满足与之对应典型场景的实际需求,将满足所述实际需求的临时切片存入切片模板库中;根据所述对应典型场景的实际需求建立神经网络模型,并根据上述步骤对所述神经网络进行训练;所述电力物联网产生新业务时,将数据信息直接输入训练好的神经网络进行预测并直接生成新的切片,实现了网络切片模板的智能化生成。本发明具有反馈检测的机制,这样便可很大程度上的避免因一些意外情况导致切片模板不满足需求的问题,提高了切片的精确度。
Description
技术领域
本发明涉及电力物联网的技术领域,尤其涉及一种电力物联网的智能化网络切片模板生成方法及***。
背景技术
电力物联网是物联网在智能电网中的应用,是信息通信技术发展到一定阶段的结果,其将有效整合通信基础设施资源和电力***基础设施资源,提高电力***信息化水平,改善电力***现有基础设施利用效率,为电网发、输、变、配、用电等环节提供重要技术支撑。
而为了在不单独铺设专用网络的情况下对各种业务提供独立的网络服务,5G网络引入了网络切片技术。该技术将物理基础设施资源虚拟化为多个相互独立的平行的网络切片,每个网络切片服务于某一具体的业务场景,以满足不同业务场景对带宽、时延、服务质量等差异化要求,从而满足各种垂直行业多样化需求,以增强网络弹性和自适应性。网络切片技术提升了网络资源利用率,节省了运营商的花费。在通过充分的需求调研、讨论和分析筛选出了对于无线通信具有潜在需求、未来5G切片可能使能的、最具典型代表意义的四大业务要求:
(1)超高可靠超低时延需求:典型代表场景包括智能分布式配电自动化、毫秒级精准负荷控制、主动配电网差动保护等工业控制类下行业务,对应的切片类型为URLLC 超高可靠性超低时延切片。
(2)海量物联终端接入需求:包括低压用电信息采集、智能汽车充电站/桩、分布式电源接入等信息采集类上行业务。对应的切片类型为mMTC海量机器通信接入切片。
(3)高清视频回传需求:典型代表场景包括输变电线路状态监控、无人机远程巡检、变电站机器人巡检、AR远程监护等需要高清视频回传的业务场景,对应的切片类型为eMBB增强带宽切片。
(4)高清语音通信需求:典型代表场景包括调度电话、管理电话、远程巡检、应急通信等需要高安全、高可靠、高接通率和高清通话质量保障的专网语音通信场景,对应的切片类型为Voice语音切片。
通过分析可知,一个智能电网在不同的应用场景下对于5G网络切片的需求是不同的。所以,如果我们可以设计出一种能够5G网络切片智能编排的方法,那么不仅可以有效的提升网络资源的利用效率,还可以进一步提升电网信息化、智能化水平,为经济社会发展提供更可靠的电力保障。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在电力物联网网络切片的问题,提出了本发明。
因此,本发明解决的技术问题是:现有智能电网在通信技术领域大多数采用4G网络,而4G网络并不能很好的满足智能电网对于网络的速度、时延等方面的要求;而目前在5G网络切片研究方面,现有的网络切片模板库的创建方法都还只是笼统的概述,并未进行下沉,针对具体的应用场景,像是根据电力物联网的具体业务要求创建切片模板库等并没有具体的技术方法。
为解决上述技术问题,本发明提供如下技术方案:收集电力物联网的网络资源,并将所述网络资源根据衡量指标进行资源分配生成切片信息;根据所述切片信息生成临时切片,检测所述临时切片是否满足与之对应典型场景的实际需求,将满足所述实际需求的临时切片存入切片模板库中;根据所述对应典型场景的实际需求建立神经网络模型,并根据上述步骤对所述神经网络进行训练;所述电力物联网产生新业务时,将数据信息直接输入训练好的神经网络进行预测并直接生成新的切片,实现了网络切片模板的智能化生成。
作为本发明所述的电力物联网的智能化网络切片模板生成方法的一种优选方案,其中:所述衡量指标包括,所述衡量指标是指宽带、时延、容量、安全等级四个衡量指标的数据信息。
作为本发明所述的电力物联网的智能化网络切片模板生成方法的一种优选方案,其中:所述将所述网络资源根据衡量指标进行资源分配生成切片信息包括,所述进行资源分配的过程为:其中网络切片1至网络切片N初始分配到的资源总数为 QUOTE ,在给各个网络切片进行资源分配后,所剩余的资源数为B,然后根据切片的优先级,按照时延>宽带>容量>安全等级的优先级顺序完成资源的分配。
作为本发明所述的电力物联网的智能化网络切片模板生成方法的一种优选方案,其中:所述检测所述临时切片是否满足与之对应典型场景的实际需求包括,若所述临时切片不满足与之对应典型场景的实际需求,则重新进行网络资源的分配。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:所述神经网络模型包括,将所述与典型场景的实际需求相对应的衡量指标作为所述神经网络模型的输入,将切片模板库中的切片模板信息作为神经网络模型的输出,实现神经网络的训练,并且所述神经网络会根据切片模板库的不断更新进行重新训练,不断提高神经网络的预测准确度,并且通过神经网络模块输出的切片信息同样需要经过满足与之对应典型场景的实际需求的检测。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:电力物联网业务需求模块用于接收电力物联网的典型场景信息并且根据指标进行衡量;资源分配模块与所述电力物联网业务需求模块相连接,用于对所述电力物联网业务需求模块接收的指标信息进行切片网络资源的分配;切片模板生成模块与所述电力物联网业务需求模块和所述资源分配模块相连接,用于根据所述切片网络资源的分配生成临时切片并对所述临时切片进行满足测试;AI模块与所述电力物联网业务需求模块相连接,接收所述衡量指标的数据信息,建立神经网络模型进行网络切片的生成,实现智能化。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:所述电力物联网业务需求模块包括,指标子模块用于接收电力物联网的典型场景输入信息,并用宽带、时延、容量、安全等级四个指标对接收的典型场景进行衡量,并将指标结果进行输出;将四个衡量指标的数据信息进行输出,输出到所述资源分配模块和所述AI模块;接收到所述AI模块的神经网络训练完成信号后,将新的应用场景的四个衡量指标信息输出到所述AI模块,而不再输出信息到所述资源分配模块;反馈检测子模块与所述指标子模块和资源分配模块相连接,用于接收所述资源分配模块中的切片信息,并生成一个临时切片代入到需求的典型场景之中,检测该临时切片能否顺利满足该典型的实际需求,若满足要求,则向所述资源分配模块传输满足需求信号,若不满足则向所述资源分配模块传输不满足需求信号,并向所述指标子模块提出进行二次指标衡量的申请。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:所述资源分配模块包括,分配子模块与所述电力物联网业务需求模块中的指标子模块相连接,用于将导入的四个衡量指标信息进行切片网络资源的分配;信息传输子模块连接于所述分配子模块和所述切片模板生成模块,将所述分配好的各个切片信息输入至所述切片模板生成模块。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:所述切片模板生成模块包括,切片生成子模块接收所述信息传输子模块输入的切片信息,生成临时切片;反馈子模块与所述切片生成子模块相连接,接收所述切片生成子模块生成的临时切片,并将所述临时切片反馈回反馈检测子模块中,进行临时切片的测试并接收反馈信息;模板库子模块与所述反馈子模块相连接,接收所述反馈子模块接收到的反馈信息,将满足需求的切片信息存入切片模板库,将不满足需求的切片信息,取消其切片模板的创建;对AI输出子模块与所述模板库子模块相连接,接收所述存入切片模板库的切片模板信息,并将其传输至所述AI模块。
作为本发明所述的电力物联网的智能化网络切片模板生成***的一种优选方案,其中:所述AI模块包括,AI输入接收子模块与所述指标子模块相连接,用于接收指标子模块输入的宽带、时延、容量、安全等级四个衡量指标的数据信息,并将“四个衡量指标” 作为建立神经网络模型的“输入”输入到神经网络子模块中;AI输出接收子模块连接于所述对AI输出子模块,用于接收对所述AI输出子模块输入的“已创建的切片模板信息”,并将其作为建立神经网络模型的“输出”输入到所述神经网络子模块中;神经网络子模块与所述AI输入接收子模块和AI输出接收子模块相连接,用于训练一个可以对切片模板信息进行预测的神经网络,并且当神经网络训练完成之后,给予指标子模块一个训练完成信号;在电力物联网有新的应用场景出现时,直接将指标子模块输入的四个衡量指标的数据作为神经网络的输入信息,让神经网络直接输出切片信息,并将输出的切片信息导入切片模板生成模块的切片子模块中,直接生成所需要的切片。
本发明的有益效果:本发明是根据电力物联网中不同业务需求下的具体应用场景,进行切片模板库的创建的,这样便在切片模板库的创建上更加具有针对性;采用了智能化网络切片模板生成方法进行切片模版的创建,让切片模板的创建过程更加高效;本发明具有反馈检测的机制,这样便可很大程度上的避免因一些意外情况导致切片模板库中创建出的切片模板不满足需求的问题,提高了切片模板库中切片的精确度;本发明的神经网络会根据切片模板库的实时更新,进行神经网络的重新训练,以不断提升神经网络的预测准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的一种电力物联网的智能化网络切片模板生成方法的流程示意图;
图2为本发明第一个实施例所述的一种电力物联网的智能化网络切片模板生成方法的神经网络训练流程示意图;
图3为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的整体原理图;
图4为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的电力物联网业务需求模块;
图5为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的指标子模块分类示意图;
图6为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的反馈检测流程图;
图7为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的资源分配模块;
图8为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的分配子模块工作流程示意图;
图9为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的切片模板生成模块;
图10为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的切片模板创建流程图;
图11为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的AI模块;
图12为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的神经网络再次训练流程图;
图13为本发明第二个实施例所述的一种电力物联网的智能化网络切片模板生成***的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1~2,为本发明的第一个实施例,该实施例提供了一种电力物联网的智能化网络切片模板生成方法,包括:
S1:收集电力物联网的网络资源,并将网络资源根据衡量指标进行资源分配生成切片信息。其中需要说明的是,
衡量指标是指宽带、时延、容量、安全等级四个衡量指标的数据信息,进行资源分配的过程为:其中网络切片1至网络切片N初始分配到的资源总数为 QUOTE ,在给各个网络切片进行资源分配后,所剩余的资源数为B,然后根据切片的优先级,按照时延>宽带>容量>安全等级的优先级顺序完成资源的分配。
S2:根据切片信息生成临时切片,检测临时切片是否满足与之对应典型场景的实际需求,将满足实际需求的临时切片存入切片模板库中。其中需要说明的是,
若临时切片不满足与之对应典型场景的实际需求,则重新进行网络资源的分配,其中典型场景和四个衡量指标对应关系如下表1所示:
表1:典型场景和四个衡量指标对应关系。
S3:根据对应典型场景的实际需求建立神经网络模型,并根据上述步骤对神经网络进行训练。其中需要说明的是,
神经网络模型包括,将与典型场景的实际需求相对应的衡量指标作为神经网络模型的输入,将切片模板库中的切片模板信息作为神经网络模型的输出,实现神经网络的训练,并且神经网络会根据切片模板库的不断更新进行重新训练,不断提高神经网络的预测准确度,并且通过神经网络模块输出的切片信息同样需要经过满足与之对应典型场景的实际需求的检测。
S4:电力物联网产生新业务时,将数据信息直接输入训练好的神经网络进行预测并直接生成新的切片,实现了网络切片模板的智能化生成。
为了更好地对本发明方法中采用的技术效果加以验证说明,本实施例中选择一种网络切片模板生成、网络切片模板应用方法进行测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果;
本发明为一种电力物联网的智能化网络切片模板生成方法,选取四种不同的应用场景对本发明和传统发明方法进行验证,四种应用场景分别为:控制场景、信息采集场景、监控场景和通信场景,其中传统一种网络切片模板生成、网络切片模板应用方法根据用户的请求业务在预设的切片模板数据库中匹配是否存在满足业务特性的切片模板,将满足业务特性的切片模板作为目标切片模板,而本发明方法根据电力物联网中不同业务需求下的具体应用场景,进行切片模板库的创建的,针对四种应用场景从宽带、延时、容量以及 安全等级四个方面对两种切片模板生成方法进行测试,实验结果如下表1所示;
表1:切片模板在电力物联网典型场景的应用情况
可以看出,使用传统方法在监控场景和通信场景方面与本发明方法表现区别不大,但是在控制场景以及信息采集场景方面,本发明方法在大宽带与低延时方面的表现明显优于传统方法;在大容量和高安全等级这两个指标下,使用传统方法与本发明方法的表现都为一般,但是本发明方法在信息采集场景与通信场景中也取得了良好的表现效果,因此可以看出,本发明切片模板生成方法要明显优于传统方法,并且本发明在切片模板库的创建上更加具有针对性,利用神经网络使切片模板的生成更具智能化,提高了切片生成的准确性。
实施例2
参照图3~13,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种电力物联网的智能化网络切片模板生成***,包括:电力物联网业务需求模块100、资源分配模块200、切片模板生成模块300以及AI模块400,其中电力物联网业务需求模块100用于接收电力物联网的典型场景信息并且根据指标进行衡量;资源分配模块200与电力物联网业务需求模块100相连接,用于对电力物联网业务需求模块100接收的指标信息进行切片网络资源的分配;切片模板生成模块300与电力物联网业务需求模块100和资源分配模块200相连接,用于根据切片网络资源的分配生成临时切片并对临时切片进行满足测试;AI模块400与电力物联网业务需求模块100相连接,接收衡量指标的数据信息,建立神经网络模型进行网络切片的生成,实现智能化。
进一步的是,电力物联网业务需求模块100包括,指标子模块101用于接收电力物联网的典型场景输入信息,并用宽带、时延、容量、安全等级四个指标对接收的典型场景进行衡量,并将指标结果进行输出;将四个衡量指标的数据信息进行输出,输出到资源分配模块200和AI模块400;接收到AI模块400的神经网络训练完成信号后,将新的应用场景的四个衡量指标信息输出到AI模块400,而不再输出信息到资源分配模块200;反馈检测子模块102与指标子模块101和资源分配模块200相连接,用于接收资源分配模块200中的切片信息,并生成一个临时切片代入到需求的典型场景之中,检测该临时切片能否顺利满足该典型的实际需求,若满足要求,则向资源分配模块200传输满足需求信号,若不满足则向资源分配模块200传输不满足需求信号,并向指标子模块101提出进行二次指标衡量的申请。
资源分配模块200包括,分配子模块201与电力物联网业务需求模块100中的指标子模块101相连接,用于将导入的四个衡量指标信息进行切片网络资源的分配;信息传输子模块202连接于分配子模块201和切片模板生成模块300,将分配好的各个切片信息输入至切片模板生成模块300。
切片模板生成模块300包括,切片生成子模块301接收信息传输子模块202输入的切片信息,生成临时切片;反馈子模块302与切片生成子模块301相连接,接收切片生成子模块301生成的临时切片,并将临时切片反馈回反馈检测子模块102中,进行临时切片的测试并接收反馈信息;模板库子模块303与反馈子模块302相连接,接收反馈子模块302接收到的反馈信息,将满足需求的切片信息存入切片模板库,将不满足需求的切片信息,取消其切片模板的创建;对AI输出子模块304与模板库子模块303相连接,接收存入切片模板库的切片模板信息,并将其传输至AI模块400。
AI模块400包括,AI输入接收子模块401与指标子模块101相连接,用于接收指标子模块输入的宽带、时延、容量、安全等级四个衡量指标的数据信息,并将“四个衡量指标”作为建立神经网络模型的“输入”输入到神经网络子模块403中;AI输出接收子模块402连接于对AI输出子模块304,用于接收对AI输出子模块304输入的“已创建的切片模板信息”,并将其作为建立神经网络模型的“输出”输入到神经网络子模块403中;神经网络子模块403与AI输入接收子模块401和AI输出接收子模块402相连接,用于训练一个可以对切片模板信息进行预测的神经网络,并且当神经网络训练完成之后,给予指标子模块101一个训练完成信号;在电力物联网有新的应用场景出现时,直接将指标子模块101输入的四个衡量指标的数据作为神经网络的输入信息,让神经网络直接输出切片信息,并将输出的切片信息导入切片模板生成模块300的切片子模块中,直接生成所需要的切片。
不难理解的是,本实施例中所提供的***,其涉及电力物联网业务需求模块100、资源分配模块200、切片模板生成模块300以及AI模块400的连接关系,例如可以是运行在计算机可读程序,通过提高各模块的程序数据接口实现。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“***”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地***、分布式***中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它***进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种电力物联网的智能化网络切片模板生成方法,其特征在于:包括,
收集电力物联网的网络资源,并将所述网络资源根据衡量指标进行资源分配生成切片信息;
根据所述切片信息生成临时切片,检测所述临时切片是否满足与之对应典型场景的实际需求,将满足所述实际需求的临时切片存入切片模板库中;
根据所述对应典型场景的实际需求建立神经网络模型,并对所述神经网络进行训练;
所述电力物联网产生新业务时,将数据信息直接输入训练好的神经网络进行预测并直接智能化生成网络切片模板;
所述神经网络模型包括将与所述典型场景的实际需求相对应的所述衡量指标作为所述神经网络模型的输入,将切片模板库中的切片模板信息作为神经网络模型的输出,实现神经网络的训练,并且所述神经网络会根据切片模板库的不断更新进行重新训练,不断提高神经网络的预测准确度,并且通过神经网络模型输出的切片信息同样需要经过满足与之对应典型场景的实际需求的检测。
2.如权利要求1所述的电力物联网的智能化网络切片模板生成方法,其特征在于:所述衡量指标包括,
所述衡量指标是指宽带、时延、容量、安全等级四个衡量指标的数据信息。
3.如权利要求2所述的电力物联网的智能化网络切片模板生成方法,其特征在于:所述将所述网络资源根据衡量指标进行资源分配生成切片信息包括,
所述进行资源分配的过程为:其中网络切片1至网络切片N初始分配到的资源总数为,在给各个网络切片进行资源分配后,所剩余的资源数为B,然后根据切片的优先级,按照时延>宽带>容量>安全等级的优先级顺序完成资源的分配。
4.如权利要求1~3任一所述的电力物联网的智能化网络切片模板生成方法,其特征在于:所述检测所述临时切片是否满足与之对应典型场景的实际需求包括,
若所述临时切片不满足与之对应典型场景的实际需求,则重新进行网络资源的分配。
5.一种电力物联网的智能化网络切片模板生成***,其特征在于:包括,电力物联网业务需求模块(100)用于接收电力物联网的典型场景信息并且根据衡量指标进行衡量;
资源分配模块(200)与所述电力物联网业务需求模块(100)相连接,用于对所述电力物联网业务需求模块(100)接收的指标信息进行切片网络资源的分配;
切片模板生成模块(300)与所述电力物联网业务需求模块(100)和所述资源分配模块(200)相连接,用于根据所述切片网络资源的分配生成临时切片并对所述临时切片进行满足测试;
AI模块(400)与所述电力物联网业务需求模块(100)相连接,接收所述衡量指标的数据信息,建立神经网络模型进行网络切片的生成,实现智能化;
所述电力物联网业务需求模块(100)包括,指标子模块(101)用于接收电力物联网的典型场景输入信息,并用宽带、时延、容量、安全等级四个指标对接收的典型场景进行衡量,并将指标结果进行输出;将四个衡量指标的数据信息进行输出,输出到所述资源分配模块(200)和所述AI模块(400);接收到所述AI模块(400)的神经网络训练完成信号后,将新的应用场景的四个衡量指标信息输出到所述AI模块(400),而不再输出信息到所述资源分配模块(200);
所述切片模板生成模块(300)包括切片生成子模块(301)接收信息传输子模块(202)输入的切片信息,生成临时切片;反馈子模块(302)与所述切片生成子模块(301)相连接,接收所述切片生成子模块(301)生成的临时切片,并将所述临时切片反馈回反馈检测子模块(102)中,进行临时切片的测试并接收反馈信息;模板库子模块(303)与所述反馈子模块(302)相连接,接收所述反馈子模块(302)接收到的反馈信息,将满足需求的切片信息存入切片模板库,将不满足需求的切片信息,取消其切片模板的创建;对AI输出子模块(304)与所述模板库子模块(303)相连接,接收所述存入切片模板库的切片模板信息,并将其传输至所述AI模块(400);
所述AI模块(400)包括AI输入接收子模块(401)与所述指标子模块(101)相连接,用于接收指标子模块输入的宽带、时延、容量、安全等级四个衡量指标的数据信息,并将“四个衡量指标”作为建立神经网络模型的“输入”输入到神经网络子模块(403)中;AI输出接收子模块(402)连接于所述对AI输出子模块(304),用于接收对所述AI输出子模块(304)输入的“已创建的切片模板信息”,并将其作为建立神经网络模型的“输出”输入到所述神经网络子模块(403)中;神经网络子模块(403)与所述AI输入接收子模块(401)和AI输出接收子模块(402)相连接,用于训练一个可以对切片模板信息进行预测的神经网络,并且当神经网络训练完成之后,给予指标子模块(101)一个训练完成信号;在电力物联网有新的应用场景出现时,直接将指标子模块(101)输入的四个衡量指标的数据作为神经网络的输入信息,让神经网络直接输出切片信息,并将输出的切片信息导入切片模板生成模块(300)的切片子模块中,直接生成所需要的切片。
6.如权利要求5所述的电力物联网的智能化网络切片模板生成***,其特征在于:所述电力物联网业务需求模块(100)还包括,
反馈检测子模块(102)与所述指标子模块(101)和资源分配模块(200)相连接,用于接收所述资源分配模块(200)中的切片信息,并生成一个临时切片代入到需求的典型场景之中,检测该临时切片能否顺利满足该典型的实际需求,若满足要求,则向所述资源分配模块(200)传输满足需求信号,若不满足则向所述资源分配模块(200)传输不满足需求信号,并向所述指标子模块(101)提出进行二次指标衡量的申请。
7.如权利要求6所述的电力物联网的智能化网络切片模板生成***,其特征在于:所述资源分配模块(200)包括,
分配子模块(201)与所述电力物联网业务需求模块(100)中的指标子模块(101)相连接,用于将导入的四个衡量指标信息进行切片网络资源的分配;
信息传输子模块(202)连接于所述分配子模块(201)和所述切片模板生成模块(300),将所述分配好的各个切片信息输入至所述切片模板生成模块(300)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011403964.2A CN112804287B (zh) | 2020-12-04 | 2020-12-04 | 一种电力物联网的智能化网络切片模板生成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011403964.2A CN112804287B (zh) | 2020-12-04 | 2020-12-04 | 一种电力物联网的智能化网络切片模板生成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112804287A CN112804287A (zh) | 2021-05-14 |
CN112804287B true CN112804287B (zh) | 2023-04-14 |
Family
ID=75806373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011403964.2A Active CN112804287B (zh) | 2020-12-04 | 2020-12-04 | 一种电力物联网的智能化网络切片模板生成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112804287B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113381889B (zh) * | 2021-06-08 | 2023-09-29 | 广东电网有限责任公司清远供电局 | 一种网络切片的确定方法、装置、电子设备及存储介质 |
CN113726571B (zh) | 2021-08-30 | 2022-07-12 | 电子科技大学 | 一种基于网络切片的网络资源动态分配方法 |
CN116663856B (zh) * | 2023-07-25 | 2023-10-13 | 国网信息通信产业集团有限公司 | 一种面向电力的5g虚拟专网通信终端管理*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107925587A (zh) * | 2015-08-21 | 2018-04-17 | 华为技术有限公司 | 用于网络切片的方法和装置 |
CN108282357A (zh) * | 2017-12-12 | 2018-07-13 | 中国电子科技集团公司电子科学研究院 | 一种网络切片方法、装置及计算机可读存储介质 |
CN110138575A (zh) * | 2018-02-02 | 2019-08-16 | 中兴通讯股份有限公司 | 网络切片创建方法、***、网络设备及存储介质 |
WO2019164518A1 (en) * | 2018-02-25 | 2019-08-29 | Nokia Solutions And Networks Oy | Method and system for automated dynamic network slice deployment using artificial intelligence |
CN110366193A (zh) * | 2019-05-28 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种智能电网的网络编排层承载的切片部署方法及装置 |
-
2020
- 2020-12-04 CN CN202011403964.2A patent/CN112804287B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107925587A (zh) * | 2015-08-21 | 2018-04-17 | 华为技术有限公司 | 用于网络切片的方法和装置 |
CN108282357A (zh) * | 2017-12-12 | 2018-07-13 | 中国电子科技集团公司电子科学研究院 | 一种网络切片方法、装置及计算机可读存储介质 |
CN110138575A (zh) * | 2018-02-02 | 2019-08-16 | 中兴通讯股份有限公司 | 网络切片创建方法、***、网络设备及存储介质 |
WO2019164518A1 (en) * | 2018-02-25 | 2019-08-29 | Nokia Solutions And Networks Oy | Method and system for automated dynamic network slice deployment using artificial intelligence |
CN110366193A (zh) * | 2019-05-28 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种智能电网的网络编排层承载的切片部署方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于AI的5G网络切片管理技术研究;徐丹等;《电子技术应用》;20200106(第01期);全文 * |
智能电网中网络切片的资源分配算法研究;刘明月等;《电力信息与通信技术》;20200825(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112804287A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112804287B (zh) | 一种电力物联网的智能化网络切片模板生成方法及*** | |
CN111132190A (zh) | 基站负荷预警方法、装置 | |
CN112737813A (zh) | 一种基于5g网络切片的电力业务管理方法及*** | |
CN110662245B (zh) | 基于深度学习的基站负荷预警方法及装置 | |
CN109451532A (zh) | 一种基站位置的核查方法及装置 | |
CN112929187B (zh) | 网络切片管理方法、装置和*** | |
CN112365366A (zh) | 一种基于智能化5g切片的微电网管理方法及*** | |
CN107943697A (zh) | 问题分配方法、装置、***、服务器和计算机存储介质 | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN113688490A (zh) | 网络共建共享处理方法、装置、设备及存储介质 | |
CN114615718A (zh) | 基于数字孪生技术的网络拓扑构建方法及装置 | |
CN116976713A (zh) | 对象评估方法、装置、存储介质及电子设备 | |
CN113935390A (zh) | 数据处理方法、***、设备及存储介质 | |
CN108696888A (zh) | 一种确定重叠覆盖小区的方法及装置 | |
CN113852204B (zh) | 一种基于数字孪生的变电站三维全景监视***及方法 | |
CN116526667A (zh) | 基于电流物联网反馈机制的二次融合配网馈线终端*** | |
CN115802398A (zh) | 干扰优化方法及装置、存储介质及电子设备 | |
CN113973336B (zh) | 一种网络中干扰小区的确定方法、装置、设备和存储介质 | |
Petrović et al. | Model-driven multi-objective optimization approach to 6G network planning | |
CN114615670B (zh) | 一种评估方法及装置 | |
CN112367628B (zh) | 一种电力物联网的智能化网络切片实例化方法及*** | |
CN109788501A (zh) | 2g+4g移动网络语音质量联合评估方法及装置 | |
CN113316157A (zh) | 站点位置的确定方法、装置和*** | |
CN107682865B (zh) | 一种无线网络基站的覆盖优化*** | |
CN111949246A (zh) | 新能源电力行业应用的创建方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |