[發明專利]一種智能電網的網絡切片資源分配方法有效
| 申請號: | 202010054902.9 | 申請日: | 2020-01-17 |
| 公開(公告)號: | CN111277437B | 公開(公告)日: | 2022-11-22 |
| 發明(設計)人: | 翟迪;陸陽;張東磊;李信;尚芳劍;彭柏;來驥;王藝霏;葛俊;閆忠平;張少軍;馬躍;王東升;婁競;吳佳;李賢;陳重韜;劉超;孟德;常海嬌;張實君;那瓊瀾;楊峰;李堅;孫濤 | 申請(專利權)人: | 全球能源互聯網研究院有限公司;國網冀北電力有限公司信息通信分公司 |
| 主分類號: | H04L41/0894 | 分類號: | H04L41/0894;H04L47/783;H04L67/10;H04L67/60;H04L67/56 |
| 代理公司: | 北京三聚陽光知識產權代理有限公司 11250 | 代理人: | 張琳琳 |
| 地址: | 102209 北京*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 智能 電網 網絡 切片 資源 分配 方法 | ||
1.一種智能電網的網絡切片資源分配方法,其特征在于,包括如下步驟:
在智能電網核心云中將計算資源、存儲資源以及虛擬化網絡功能分配給不同的邊緣網絡,包括:根據資源利用率和體驗質量建立智能電網系統資源評估參數;
將核心云網絡中用戶請求的網絡切片種類和數量作為觀測數據,通過神經網絡進行環境特征提取得到輸出向量,定義狀態集;
根據終端用戶的地理分布將接入單元劃分多個集群,建立動作集;
在神經網絡中訓練數據,根據其特征可以獲取動作集上的概率分布矢量,構建回報函數;
通過分配切片,依據轉移概率從一個狀態轉移到任何時隙的其它狀態,構建狀態轉移概率矩陣;
增強學習算法被配制為元組S,A,P,R,γ,其中S是一個有限狀態集,A是一組有限的動作,P是一個狀態轉移概率矩陣,R是回報函數,γ為懲罰因子;
建立時隙的狀態-動作對的Q函數,在每個時隙中,接入單元可以依據當前狀態和回報來計算最佳Q值再選擇動作,根據當前狀態和所選動作,系統將在下一個時隙切換到新狀態,為每個時隙更新Q函數,當累計回報值不再變化時,停止更新;
在邊緣網絡中,邊緣服務代理將不同的切片分配給所需的用戶,包括:
將網絡切片優化問題建模為一個混合整數非線性規劃問題,根據切片是否被訪問狀態,獲取終端用戶的信道速率;
采用比例公平調度算法將資源分配給具有最高信道質量的用戶,并獲取終端用戶分配的子頻率f,及每個接入單元的總耗能PAU;
根據每個服務需求的反饋值以最優的體驗質量分配網絡切片資源;
用戶代理根據所在網絡用戶的請求向核心云請求網絡切片;
核心云的服務代理根據不同的用戶代理的請求將切片分配給用戶代理給用戶分配適應的網絡切片資源。
2.根據權利要求1所述的智能電網的網絡切片資源分配方法,其特征在于,資源評估參數通過以下公式表示:
ξ=η/ηth+θ/θth,
其中,η表示資源利用率,θ表示體驗質量,ηth和θth分別是η和θ的閾值。
3.根據權利要求1所述的智能電網的網絡切片資源分配方法,其特征在于,狀態集S通過以下公式計算:
其中,fNN表示神經網絡,OE表示神經網絡中的可變參數。
4.根據權利要求1所述的智能電網的網絡切片資源分配方法,其特征在于,第t個時隙的狀態-動作對的Q函數為
其中,rt是第t個時隙的回報,ρ是學習率,γ∈(0,1)是確定將來回報值的貼現因子,st是第t個時隙的狀態,at是第t個時隙中選擇的動作。
5.根據權利要求1所述的智能電網的網絡切片資源分配方法,其特征在于,每個接入單元的總耗能PAU通過以下公式表示:
PAU=∑(ηanωiPi,k+Pcir+Pbh)
其中,η1是一個常數,Pcir為總電路功耗,an是第n個切片的優先級,Pi,k是第i個終端用戶從第k個服務代理處接收到的功率,以及Pbh是回程的能耗,ωi是作為切片是否被訪問狀態。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于全球能源互聯網研究院有限公司;國網冀北電力有限公司信息通信分公司,未經全球能源互聯網研究院有限公司;國網冀北電力有限公司信息通信分公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010054902.9/1.html,轉載請聲明來源鉆瓜專利網。





