CN113676357A - 面向电力物联网中边缘数据处理的决策方法及其应用 - Google Patents
面向电力物联网中边缘数据处理的决策方法及其应用 Download PDFInfo
- Publication number
- CN113676357A CN113676357A CN202111002096.1A CN202111002096A CN113676357A CN 113676357 A CN113676357 A CN 113676357A CN 202111002096 A CN202111002096 A CN 202111002096A CN 113676357 A CN113676357 A CN 113676357A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- processing
- edge server
- edge
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 14
- 230000006835 compression Effects 0.000 claims abstract description 8
- 238000007906 compression Methods 0.000 claims abstract description 8
- 230000035945 sensitivity Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 11
- 238000005111 flow chemistry technique Methods 0.000 claims description 6
- 241000282672 Ateles sp. Species 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Images
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/625—Queue scheduling characterised by scheduling criteria for service slots or service orders
- H04L47/6275—Queue scheduling characterised by scheduling criteria for service slots or service orders based on priority
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
面向电力物联网中边缘数据处理的决策方法及其应用,包括:设定边缘服务器接入的各业务重要度等级:设电力通信网所承载电力业务的集合为M,其中电力业务m∈M的重要度等级根据时延敏感程度划分为4个等级,其中业务m的重要度等级记为km,(km≤K且K=4);根据业务属性与网络拓扑构建业务处理深度模型:利用边缘服务器c选择进行数据处理的业务数据量Sc,二进制变量
Description
技术领域
本发明属于电力物联网边缘数据处理领域,尤其涉及一种基于边缘计算的差异化业务数据流量处理决策方法及其应用。
背景技术
随着电力物联网的不断发展,其中的业务类型与数据规模也随之拓展,越来越多的传感器终端被部署在电力物联网的感知层中,向云平台上传感知数据。但受限于传感器终端的能耗低、处理能力不足等原因,传感器终端所采集和上传的数据容易出现冗余、错误、丢失等问题。
针对这一情况,近年来不少文献提出利用边缘计算技术在上传数据前通过对数据进行预处理来克服上述问题。它们的基本思路可以概括为通过引入边缘服务器或边缘网关来提升电网底层处理能力。罗鸿轩等人在智慧电力期刊2020年第48卷发表了《基于边缘计算与MapReduce的智能量测终端数据处理方法》,提出一种利用边缘节点提升电力物联网数据块管理能力的方法。C.Chen研究并在2018年的IEEE Transactions on Cloud Computing的第六卷上发表文章《MapReduce scheduling for deadline-constrained jobs inheterogeneous cloud computing systems》,尝试利用边缘服务器来提升电网边缘层的数据挖掘与处理能力。白昱阳等研究者在2020年的期刊的46卷上发表《云边智能:电力***运行控制的边缘计算方法及其应用现状与展望》一文,提出了一种利用边缘计算来提升电力***快速调度与可靠运行能力的新模式。电力***在引入边缘计算技术后可以视为***主站的计算与处理能力被下移到了网络的边缘层。在电力物联网中,边缘计算模式的数据处理过程有利于降低上传数据的数据量从而减少网络的通信压力。
然而上述工作尽管提升了电力通信业务的数据计算效率,但利用边缘计算预处理数据时也带来了一个新的问题。相对于云中心,边缘计算服务器的算力十分有限,可能导致其在进行数据处理时需要付出一个较大的处理时延开销,并且这个处理时延的大小通常与边缘服务器所处理数据量的大小成正相关。况且对于部分对时延敏感的业务而言,若对其原始数据进行预处理,其导致的处理时延可能会影响业务的执行。
此外,中国专利申请,申请号为CN2021100901205,公开号:CN112764835A公开一种基于边缘计算的电力物联网传感设备配置微服务***及方法,包括:边缘物联代理架构、云服务中心和终端设备,其中,所述边缘物联代理架构将终端设备数据进行处理,并根据终端设备数据的优先级,在云服务中心与终端设备间进行计算任务协同处理;所述边缘物联代理架构包括边缘物联代理硬件和边缘物联代理软件,其中边缘物联代理软件为使用Linux操作***和Docker容器引擎,基于EdgeX Foundry边缘计算开源平台搭建的微服务模块架构;核心微服务模块包括策略控制微服务模块、策略执行微服务模块、数据保持微服务模块和命令操作微服务模块。申请号为CN2021100079494,公开号:CN112835691A公开一种物联网通讯的边缘数据处理方法及***,包括如下步骤:通过所述云计算中心获取各所述边缘计算设备的计算参数,其中,所述计算参数包括计算能力和处理时延;通过所述云计算中心获取来自智能终端的所述请求任务,其中,所述请求任务包括数据计算量、时间需求、紧急程度和对应的所述采集器的物理地址,所述紧急程度包括非常紧急、紧急和一般;通过所述云计算中心分析所述请求任务和所述计算参数,以得到与所述请求任务最匹配的所述边缘计算设备。然而,上述现有技术不能解决电力物联网在实现部分业务时降低边缘业务处理过程中的时延,提高网络的效率及性能的问题。
发明内容
为了实现部分业务时延效果以及降低电力通信网传输压力的权衡,本发明的基本思路是边缘服务器有选择地对部分业务进行数据处理,从而在尽可能优化所有业务的时延效果前提下降低电力物联网的传输压力。针对以上需求,本发明提出了一种面向电力物联网中边缘数据处理的决策方法,在尽可能优化所有业务的时延前提下,降低通信网的传输压力,优化网络性能,提高通信质量,其技术方案如下:
基于边缘计算的差异化业务数据流量处理决策方法,其特征在于,所述方法包括如下步骤:
S10,设定边缘服务器接入的各业务重要度等级:设方法应用场景下的电力通信网所承载电力业务的集合为M,其中电力业务m∈M的重要度等级根据时延敏感程度划分为4个等级,其中业务m的重要度等级记为km,(km≤K且K=4);
S30,求解最优数据处理决策方案,设定各个边缘服务器对每种业务的处理决策。
本发明还公开一种将基于边缘计算的差异化业务数据流量处理决策方法应用于电力通信网中。
本发明的有益效果是:本发明公开一种电力物联网中基于边缘计算的差异化业务数据流量处理决策方法。其中,经边缘服务器处理后的数据量变化情况通过边缘物联代理数据处理模型来量化,再使用业务实验模型分析数据处理对业务的时延影响。这就将业务加权时延和最小化问题变成一个边缘服务器有选择地对业务进行处理的二进制决策问题。这个问题可以通过使用智能优化算法来求解。本发明能降低边缘业务处理过程中的时延,提高网络的效率及性能。
附图说明
图1为本发明提供的一种基于边缘计算的差异化业务数据流量处理决策方法流程图;
图2为本发明提供的一种应用智能优化算法求解最优数据处理决策流程图;
图3为本发明提供的一种基于边缘计算的差异化业务数据流量处理决策方法的性能对比图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的解释说明,但应当理解为本发明的保护范围并不受具体实施例的限制。
图1为本发明提供的一种基于边缘计算的差异化业务数据流量处理决策方法流程示意图。具体包括:
S10,设定边缘服务器接入的各业务重要度等级。设输入算法的电力通信网所承载电力业务的集合为M,其中电力业务m∈M(往后简称为业务)的重要度等级根据时延敏感程度(分级以及以上,s级,百ms级,十ms级)划分为4个等级,其中业务m的重要度等级记为km,(km≤K且K=4);
所述S10中划分业务重要度等级包括如下内容:
在电力物联网中,每个终端可能应用于不同的业务,可以突发或以固定周期将其收集到的业务数据上传到其所接入的边缘服务器。边缘服务器的作用就是负责汇聚并上传来自终端的数据,并视具体时延情况决定是否对数据进行处理。
本发明使用无向图N=(U,C,R,E)来表征电力物联网的通信网络拓扑结构。其中U是终端集合,C是边缘服务器集合,R是云端路由集合,E是网络链路集合。集合表征接入边缘服务器c∈C的终端u∈U,该集合中的终端数目为UMc。边缘服务器c利用计算能力βc来对覆盖范围内的终端数据信息进行数据处理,其中计算能力βc由计算机的CPU工作频率表示,单位GHz。由于终端单次上传数据量通常不大(例如柱上开关遥信传感器单次上传数据量大小仅为数个字节),因此终端将数据上传到边缘服务器这一过程可以视为瞬间完成。边缘服务器c与其所接入的云端路由r1间的汇聚链路以及云端路由r1与r2间的转发链路的带宽量分别为和
电力通信网所承载电力业务的集合为M,其中本发明将电力业务m∈M(往后简称为业务)的重要度等级根据时延敏感程度(分级以及以上,s级,百ms级,十ms级)划分为4个等级,其中业务m的重要度等级记为km,(km≤K且K=4)。
S20,根据业务属性与网络拓扑构建业务处理深度模型。利用边缘服务器c选择进行数据处理的业务数据量Sc,二进制变量数据基础压缩率Δ和信息属性集A构建如式(3)所示的业务处理深度模型。根据业务属性与网络拓扑构建业务处理深度模型:
分别用二进制变量和信息属性集A来表征终端u所服务业务m以及|M|种业务所包含的全部信息属性(共|A|种)。因此业务m所拥有的信息属性以及这些信息属性的值可以分别用二进制信息属性集Am=(a1,..,ai,..a|A|)和属性值集合Bm=(b1,..,bi,..b|A|)来表征。其中二进制变量ai=1表征业务m的数据包括属性ai,且该信息属性的值即为bi。
对于每个终端u,其发送的数据信息可表征为行向量由于在边缘服务器中可能有多个终端服务同一业务,因此边缘服务器c中业务m的数据信息可以用矩阵来表示。矩阵的维度为其中是边缘服务器c覆盖范围内服务业务m的终端数。同理,边缘服务器c收到所有业务的数据信息则可以用矩阵DMc来表示,且矩阵DMc的维度则为
对于边缘服务器c上任意业务m,其时延包括处理时延和转发时延两个部分。由于边缘服务器c的计算能力βc有限,因此边缘服务器c上所有选择进行数据处理的业务都需要等待一个处理时延为避免处理时延过大,边缘服务器c可选择只对部分业务的数据进行数据处理。边缘服务器c的处理时延定义式为:
其中,δc和分别是边缘服务器c处理时延的正比例系数和基础处理时延,并且这两个参数均为边缘服务器固有属性而与接收数据大小Sc无关。基础处理时延是指边缘服务器c初始化数据处理过程的一个必须的时延开销,该时延大小由边缘服务器的硬件配置所决定。由于边缘服务器c可选择选择只对部分业务进行数据处理,因此边缘服务器c选择进行数据处理的业务数据量Sc可以表征为数据矩阵DMc的大小,即:
本发明将数据处理前后数据量大小的比值称为边缘服务器c的数据处理深度φc。然而由于不同业务m的信息属性集Am由不同的信息属性构成,因此边缘服务器c上不同业务的数据处理也是不同的。本发明定义边缘服务器c的数据处理深度φc为:
其中Δ为数据基础压缩率,与处理该业务所用到的软件功能本身效果有关。
S30,应用智能优化算法求解最优数据处理决策方案,设定各个边缘服务器对每种业务的处理决策(处理或不处理直接上传)。
由于边缘服务器c上可能只对部分业务m进行数据处理,因此边缘服务器c会先后建立两个数据包和来分别装载经过数据处理以及未经过处理的业务数据。其中,未经数据处理的业务数据无须等待处理时延而可以直接封装在数据包并通过电力物联网发送到***主站反之,经过数据处理的业务数据则需等待处理时延后才能封包并发送到***主站。根据边缘服务器c对各个业务m的处理决策,边缘服务器c两个数据包的数据量大小和分别为:
边缘服务器c完成两个数据包的封装后,需要根据特定的路由规则得到数据包转发到***主站d0的路由路径。本发明中约定同一边缘服务器c的两个数据包和拥有相同的转发路由。同时如果网络层某段链路同时被选为多个边缘服务器c的转发路径,则链路均分其带宽量给每个边缘服务器c。为表征边缘服务器数据包的路由关系,本发明用二进制变量来表征边缘服务器c的数据包是否经过链路则两个数据包的转发时延和分别定义为:
综上所述,对于业务m而言,其时延由转发时延和处理时延两部分组成。因此业务时延定义式为:
本发明的优化目标是最小化所有业务的加权时延和,其中业务的时延权重系数是各业务的重要度等级km。在公式(8)中,边缘服务器c上业务m的时延大小取决于改业务是否进行了数据处理。因此本发明的业务时延优化问题目标函数属于一个整数规划问题,如式(9)所示:
其中,约束(10)-(12)是二进制整数规划的二进制变量约束。其中,二进制变量为终端u是否服务业务m,选择服务业务m时取值为1,反之为0。二进制变量来表征边缘物联代理c的数据包是否经过链路若经过取值为1,反之为0。
本发明的业务时延优化问题求解使用的智能优化算法为蜘蛛猴算法,步骤如下:
首先生成一个由N个个体构成的初始种群,其中N根据输入的电力业务数目决定。其中每个个体均是一个C维向量,记第i个个体为SMic,SMic=1等价于其意义是表征目标函数的一种潜在解。其初始位置由下式决定:
SMij=SMminj+U(0,1)*(SMmaxj-SMminj) (13)
其中U(0,1)生产的是0-1的随机数,而SMmaxj和SMminj则分别是个体第j维位置信息的给定上下界。
然后每个个体需要通过学习其所属群体的本地领导者位置信息以及一位随机的同组个***置信息来进行优化:
SMnewij=SMij+U(0,1)*(LLkj-SMij)+U(-1,1)*(SMrj-SMij) (14)
式中LLkj表示该个体SMi所在的第k个群体中,本地领导者所具有的第j维位置信息;而SMrj则表示该群体k内任意个体SMr的第j维位置信息。同时将当前获得最优目标函数值所对应的最优解作为其当前的全局领导者。此时各个体的位置更新公式如下:
SMnewij=SMij+U(0,1)*(GLj-SMij)+U(-1,1)*(SMrj-SMij) (15)
式中,GLj表示当前全局领导者的第j维位置信息。个体适应度值表征的是该个体在当前种群中位置的相对更优,其定义式为:
此时个体的位置更新概率为:
选择当前种群中适应度最大的个体为新全局领导者,若与上轮相同,则全局领导者计数器GlobalLeaderCount加1。
在各个群体内选择适应度最大的个体为各群体内的本地领导者,若与上轮选择相同,则本地领导者计数器LocalLeaderCount加1。
若某一群体的本地领导者计数器LocalLeaderCount尚未达到给定的本地领导者计数阈值LocalLeaderLimit,则该群体内的个体利用下式更新其位置信息:
SMnewij=SMij+U(0,1)*(GLj-SMij)+U(0,1)*(SMij-LLkj) (18)
若全局领导者计数器GlobalLeaderCount的计数值达到了给定的全局领导者计数阈值GlobalLeaderLimit,则整个种群需要多裂变出一个群体。若此时种群内的群体数达到了预设的最大群体数MG,则所有个体聚合为一个群体,此时全局领导者的位置就代表着近似最优解,即获取式(9)的近似最优值同时输出各蜘蛛猴位置,即对应了每个电力业务的处理决策结果。
具体流程涉及:-
S31,首先根据输入的网络拓扑结构N=(U,C,R,E),业务重要度等级,以及电力业务信息属性集A,基础压缩率Δ等数据,构建如式(9)所示的时延加权和最小化目标函数,构建目标函数的具体步骤包括:
边缘服务器c上可能只对部分业务m进行数据处理,边缘服务器c先后建立两个数据包和来分别装载经过数据处理以及未经过处理的业务数据。其中,未经数据处理的业务数据无须等待处理时延而可以直接封装在数据包并通过电力物联网发送到***主站反之,经过数据处理的业务数据则需等待处理时延后才能封包并发送到***主站。根据边缘服务器c对各个业务m的处理决策,边缘服务器c两个数据包的数据量大小和分别为:
边缘服务器c完成两个数据包的封装后,需要根据特定的路由规则得到数据包转发到***主站d0的路由路径。本发明中约定同一边缘服务器c的两个数据包和拥有相同的转发路由。同时如果网络层某段链路同时被选为多个边缘服务器c的转发路径,则链路均分其带宽量给每个边缘服务器c。为表征边缘服务器数据包的路由关系,本发明用二进制变量来表征边缘服务器c的数据包是否经过链路则两个数据包的转发时延和分别定义为:
综上所述,对于业务m而言,其时延由转发时延和处理时延两部分组成。因此业务时延定义式为:
本发明的优化目标是最小化所有业务的加权时延和,其中业务的时延权重系数是各业务的重要度等级km。在公式(8)中,边缘服务器c上业务m的时延大小取决于改业务是否进行了数据处理。因此本发明的业务时延优化问题目标函数属于一个整数规划问题,如式(9)所示:
其中,约束(10)-(12)是二进制整数规划的二进制变量约束。其中,二进制变量为终端u是否服务业务m,选择服务业务m时取值为1,反之为0。二进制变量来表征边缘物联代理c的数据包是否经过链路若经过取值为1,反之为0。S32,生成一个由N个个体构成的初始种群,其中N根据输入的电力业务数目决定。其中每个个体均是一个C维向量,记第i个个体为SMic,SMic=1等价于其意义是表征目标函数的一种潜在解。其初始位置根据式(13)决定;
S33,接着每个个体需要通过学习其所属群体的本地领导者位置信息,以及根据式(16)-(17)的概率随机选择同组个***置信息来进行更新,同时将当前获得最优目标函数值所对应的最优解作为其当前的全局领导者。
S34,选择当前种群中适应度最大的个体为新全局领导者,若与上轮相同,则全局领导者计数器GlobalLeaderCount加1。
S35,在各个群体内选择适应度最大的个体为各群体内的本地领导者,若与上轮选择相同,则本地领导者计数器LocalLeaderCount加1。
S36,若某一群体的本地领导者计数器LocalLeaderCount尚未达到给定的本地领导者计数阈值LocalLeaderLimit,则该群体内的个体利用式(18)更新其位置信息:
S37,若全局领导者计数器GlobalLeaderCount的计数值达到了给定的全局领导者计数阈值GlobalLeaderLimit,则整个种群需要多裂变出一个群体,即返回步骤S33。反之则所有个体聚合为一个群体,在S37退出算法执行,此时全局领导者的位置就代表着近似最优解,即获取式(9)的近似最优值同时输出各蜘蛛猴位置,即对应了每个电力业务的处理决策结果。
如:一种可能的数据处理决策方案如下表,其最后加权时延和为892.69ms。
在上表所示的对应边缘服务器数据处理决策方案中,边缘服务器决策对四种电力业务进行数据处理的频率分别为73.33%、73.33%、60%和53.33%。本发明方法有效地降低边缘业务处理过程中的时延,提高网络的效率及性能。
本发明公开一种电力物联网中基于边缘计算的差异化业务数据流量处理决策方法。其中,经边缘服务器处理后的数据量变化情况通过边缘物联代理数据处理模型来量化,再使用业务实验模型分析数据处理对业务的时延影响。这就将业务加权时延和最小化问题变成一个边缘服务器有选择地对业务进行处理的二进制决策问题。这个问题可以通过使用智能优化算法来求解。本发明能降低边缘业务处理过程中的时延,提高网络的效率及性能。
Claims (5)
2.根据权利要求1所述的基于边缘计算的差异化业务数据流量处理决策方法,其特征为:所述S10进一步包括如下内容:在电力物联网中,每个终端可能应用于不同的业务,可以突发或以固定周期将其收集到的业务数据上传到其所接入的边缘服务器;边缘服务器的作用就是负责汇聚并上传来自终端的数据,并视具体时延情况决定是否对数据进行处理。
4.根据权利要求1所述的基于边缘计算的差异化业务数据流量处理决策方法,其特征为:所述S30进一步包括如下内容:
S31,首先根据输入的网络拓扑结构N=(U,C,R,E),业务重要度等级,以及电力业务信息属性集A,基础压缩率Δ等数据,构建时延加权和最小化目标函数;
S32,生成一个由N个个体构成的初始种群,其中N根据输入的电力业务数目决定;
S33,每个个体需要通过学习其所属群体的本地领导者位置信息,随机选择同组个***置信息来进行更新,同时将当前获得最优目标函数值所对应的最优解作为其当前的全局领导者;
S34,选择当前种群中适应度最大的个体为新全局领导者,若与上轮相同,则全局领导者计数器GlobalLeaderCount加1;
S35,在各个群体内选择适应度最大的个体为各群体内的本地领导者,若与上轮选择相同,则本地领导者计数器LocalLeaderCount加1;
S36,若某一群体的本地领导者计数器LocalLeaderCount尚未达到给定的本地领导者计数阈值LocalLeaderLimit,则该群体内的个体更新其位置信息;
S37,若全局领导者计数器GlobalLeaderCount的计数值达到了给定的全局领导者计数阈值GlobalLeaderLimit,则整个种群需要多裂变出一个群体,即返回步骤S33;反之则所有个体聚合为一个群体,在S37退出算法执行,此时全局领导者的位置就代表着近似最优解,同时输出各蜘蛛猴位置,即对应了每个电力业务的处理决策结果。
5.一种将权利要求1-4任一所述的基于边缘计算的差异化业务数据流量处理决策方法应用于电力通信网中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002096.1A CN113676357B (zh) | 2021-08-30 | 2021-08-30 | 面向电力物联网中边缘数据处理的决策方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111002096.1A CN113676357B (zh) | 2021-08-30 | 2021-08-30 | 面向电力物联网中边缘数据处理的决策方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113676357A true CN113676357A (zh) | 2021-11-19 |
CN113676357B CN113676357B (zh) | 2022-07-29 |
Family
ID=78547364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111002096.1A Active CN113676357B (zh) | 2021-08-30 | 2021-08-30 | 面向电力物联网中边缘数据处理的决策方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113676357B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114390055A (zh) * | 2021-12-08 | 2022-04-22 | 广东电网有限责任公司 | 一种适用于电力行业的云边协同数据采集方法及*** |
CN116701962A (zh) * | 2023-08-07 | 2023-09-05 | 北京电科智芯科技有限公司 | 边缘数据处理方法、装置、计算设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717302A (zh) * | 2019-09-27 | 2020-01-21 | 云南电网有限责任公司 | 面向电网实时在线监测业务的边缘计算终端设备布设方法 |
WO2020181761A1 (zh) * | 2019-03-11 | 2020-09-17 | 江苏君英天达人工智能研究院有限公司 | 一种sdn增强路径装箱装置及方法 |
CN112187534A (zh) * | 2020-09-21 | 2021-01-05 | 上海交通大学 | 一种工业物联网中基于多跳传输的任务卸载方法 |
CN112702401A (zh) * | 2020-12-15 | 2021-04-23 | 北京邮电大学 | 一种电力物联网多任务协同分配方法及装置 |
CN112752302A (zh) * | 2021-01-05 | 2021-05-04 | 全球能源互联网研究院有限公司 | 一种基于边缘计算的电力业务时延优化方法及*** |
CN113011678A (zh) * | 2021-04-08 | 2021-06-22 | 国网辽宁省电力有限公司信息通信分公司 | 基于边缘计算的虚拟运营平台运行控制方法 |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
CN113268341A (zh) * | 2021-04-30 | 2021-08-17 | 国网河北省电力有限公司信息通信分公司 | 电网边缘计算任务的分配方法、装置、设备和存储介质 |
CN113286269A (zh) * | 2020-10-31 | 2021-08-20 | 国网河南省电力公司经济技术研究院 | 一种基于边缘计算的电力通信网络资源管理方法 |
-
2021
- 2021-08-30 CN CN202111002096.1A patent/CN113676357B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020181761A1 (zh) * | 2019-03-11 | 2020-09-17 | 江苏君英天达人工智能研究院有限公司 | 一种sdn增强路径装箱装置及方法 |
CN110717302A (zh) * | 2019-09-27 | 2020-01-21 | 云南电网有限责任公司 | 面向电网实时在线监测业务的边缘计算终端设备布设方法 |
WO2021139537A1 (zh) * | 2020-01-08 | 2021-07-15 | 上海交通大学 | 一种工业物联网中基于功率控制和资源分配的任务卸载方法 |
CN112187534A (zh) * | 2020-09-21 | 2021-01-05 | 上海交通大学 | 一种工业物联网中基于多跳传输的任务卸载方法 |
CN113286269A (zh) * | 2020-10-31 | 2021-08-20 | 国网河南省电力公司经济技术研究院 | 一种基于边缘计算的电力通信网络资源管理方法 |
CN112702401A (zh) * | 2020-12-15 | 2021-04-23 | 北京邮电大学 | 一种电力物联网多任务协同分配方法及装置 |
CN112752302A (zh) * | 2021-01-05 | 2021-05-04 | 全球能源互联网研究院有限公司 | 一种基于边缘计算的电力业务时延优化方法及*** |
CN113011678A (zh) * | 2021-04-08 | 2021-06-22 | 国网辽宁省电力有限公司信息通信分公司 | 基于边缘计算的虚拟运营平台运行控制方法 |
CN113268341A (zh) * | 2021-04-30 | 2021-08-17 | 国网河北省电力有限公司信息通信分公司 | 电网边缘计算任务的分配方法、装置、设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114390055A (zh) * | 2021-12-08 | 2022-04-22 | 广东电网有限责任公司 | 一种适用于电力行业的云边协同数据采集方法及*** |
CN114390055B (zh) * | 2021-12-08 | 2023-12-05 | 广东电网有限责任公司 | 一种适用于电力行业的云边协同数据采集方法及*** |
CN116701962A (zh) * | 2023-08-07 | 2023-09-05 | 北京电科智芯科技有限公司 | 边缘数据处理方法、装置、计算设备及存储介质 |
CN116701962B (zh) * | 2023-08-07 | 2023-10-27 | 北京电科智芯科技有限公司 | 边缘数据处理方法、装置、计算设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113676357B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Toward resource-efficient federated learning in mobile edge computing | |
CN111447083B (zh) | 动态带宽和不可靠网络下的联邦学习架构及其压缩算法 | |
CN109271015B (zh) | 一种降低大规模分布式机器学习***能耗的方法 | |
CN111475274B (zh) | 云协同多任务调度方法及装置 | |
CN110069325B (zh) | 基于任务分类的移动边缘计算任务调度方法 | |
CN110968426B (zh) | 一种基于在线学习的边云协同k均值聚类的模型优化方法 | |
WO2019184836A1 (zh) | 数据分析设备、多模型共决策***及方法 | |
CN113676357B (zh) | 面向电力物联网中边缘数据处理的决策方法及其应用 | |
WO2023040022A1 (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
CN112187891A (zh) | 基于多业务的边缘计算节点集合的负载优化方法及装置 | |
CN113918240A (zh) | 任务卸载方法及装置 | |
CN110162390A (zh) | 一种雾计算***的任务分配方法及*** | |
CN114885388B (zh) | 联合rss预测的多业务类型自适应切换判决方法 | |
Xing et al. | Task classification unloading algorithm for mobile edge computing in smart grid | |
Wu et al. | Link congestion prediction using machine learning for software-defined-network data plane | |
Cui et al. | Multiagent reinforcement learning-based cooperative multitype task offloading strategy for internet of vehicles in B5G/6G network | |
Sun et al. | A resource allocation scheme for edge computing network in smart city based on attention mechanism | |
CN111723978B (zh) | 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法 | |
CN117201408A (zh) | 一种基于群体博弈的大规模物联网设备负载均衡解决方法 | |
CN114615705B (zh) | 一种基于5g网络下单用户资源分配策略方法 | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
CN114116052A (zh) | 一种边缘计算方法及装置 | |
CN114785692A (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
CN112969157A (zh) | 一种无人机网络负载均衡方法 | |
CN115883661B (zh) | 一种云边协同云游戏场景下的请求动态调度方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 010041 No. 11, Ordos East Street, Ruyi Development Zone, Saihan District, Hohhot City, Inner Mongolia Autonomous Region Applicant after: STATE GRID EAST INNER MONGOLIA ELECTRIC POWER Co.,Ltd. Applicant after: North China Electric Power University Address before: 102206 No. 2 Nong Road, Zhu Xin Zhuang, Beijing, Changping District Applicant before: NORTH CHINA ELECTRIC POWER University Applicant before: STATE GRID EAST INNER MONGOLIA ELECTRIC POWER Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |