[發明專利]面向電力物聯網中邊緣數據處理的決策方法及其應用

有效

• 申請號: 202111002096.1
• 申請日: 2021-08-30
• 公開（公告）號: CN113676357B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 陸旭;聶偉峰;陳影;張海全;慕春芳;孫毅;胡亞杰
• 申請（專利權）人: 國網內蒙古東部電力有限公司;華北電力大學
• 主分類號: H04L41/083
• 分類號: H04L41/083;H04L41/142;H04L47/6275;H04L67/12;G06Q50/06;G16Y10/35
• 代理公司: 北京君有知識產權代理事務所(普通合伙) 11630
• 代理人: 焦麗雅

1.基于邊緣計算的差異化業務數據流量處理決策方法，其特征在于，所述方法包括如下步驟：

S10，設定邊緣服務器接入的各業務重要度等級：設方法應用場景下的電力通信網所承載電力業務的集合為M，其中電力業務m∈M的重要度等級根據時延敏感程度劃分為4個等級，其中業務m的重要度等級記為k_m，k_m≤K且K＝4；

S20，根據業務屬性與網絡拓撲構建業務處理深度模型：利用邊緣服務器c選擇進行數據處理的業務數據量S_c，二進制變量數據基礎壓縮率Δ和信息屬性集A構建如式(3)所示的業務處理深度模型；根據業務屬性與網絡拓撲構建業務處理深度模型：

分別用二進制變量和信息屬性集A來表征終端u所服務業務m以及|M|種業務所包含的全部信息屬性；因此業務m所擁有的信息屬性以及這些信息屬性的值分別用二進制信息屬性集A_m＝(a₁,..,a_i,..a_|A|)和屬性值集合B_m＝(b₁,..,b_i,..b_|A|)來表征；其中二進制變量a_i＝1表征業務m的數據包括屬性a_i，且該信息屬性的值即為b_i；

對于每個終端u，其發送的數據信息表征為行向量由于在邊緣服務器中有多個終端服務同一業務，因此邊緣服務器c中業務m的數據信息用矩陣來表示；矩陣的維度為其中是邊緣服務器c覆蓋范圍內服務業務m的終端數；同理，邊緣服務器c收到所有業務的數據信息則可以用矩陣DM_c來表示，且矩陣DM_c的維度則為

對于邊緣服務器c上任意業務m，其時延包括處理時延和轉發時延兩個部分；由于邊緣服務器c的計算能力β_c有限，因此邊緣服務器c上所有選擇進行數據處理的業務都需要等待一個處理時延為避免處理時延過大，邊緣服務器c選擇只對部分業務的數據進行數據處理；邊緣服務器c的處理時延定義式為：

其中，S_c和β_c分別為業務數據量和服務器計算能力；δ_c和分別是邊緣服務器c處理時延的正比例系數和基礎處理時延，并且這兩個參數均為邊緣服務器固有屬性而與接收數據大小S_c無關；基礎處理時延是指邊緣服務器c初始化數據處理過程的一個必須的時延開銷，該時延大小由邊緣服務器的硬件配置所決定；由于邊緣服務器c選擇只對部分業務進行數據處理，因此邊緣服務器c選擇進行數據處理的業務數據量S_c表征為數據矩陣DM_c的大小，即：

其中，為邊緣服務器c覆蓋范圍內服務業務m的終端數；二進制變量是邊緣服務器c是否對業務m進行數據處理的決策變量；表征邊緣服務器c對業務m的數據進行處理；因此um_c表示邊緣服務器c所服務的總終端數；

將數據處理前后數據量大小的比值稱為邊緣服務器c的數據處理深度φ_c；然而由于不同業務m的信息屬性集A_m由不同的信息屬性構成，因此邊緣服務器c上不同業務的數據處理也是不同的；定義邊緣服務器c的數據處理深度φ_c為：

其中Δ為數據基礎壓縮率，與處理該業務所用到的軟件功能本身效果有關；

S30，應用智能優化算法求解最優數據處理決策方案，設定各個邊緣服務器對每種業務的處理決策：

由于邊緣服務器c上只對部分業務m進行數據處理，因此邊緣服務器c會先后建立兩個數據包和來分別裝載經過數據處理以及未經過處理的業務數據；其中，未經數據處理的業務數據無須等待處理時延而直接封裝在數據包并通過電力物聯網發送到系統主站反之，經過數據處理的業務數據則需等待處理時延后才能封包并發送到系統主站；根據邊緣服務器c對各個業務m的處理決策，邊緣服務器c兩個數據包的數據量大小和分別為：

其中和分別裝載經過數據處理以及未經過處理的業務數據；

邊緣服務器c完成兩個數據包的封裝后，根據路由規則得到數據包轉發到系統主站d₀的路由路徑；約定同一邊緣服務器c的兩個數據包和擁有相同的轉發路由；同時如果網絡層某段鏈路同時被選為多個邊緣服務器c的轉發路徑，則鏈路均分其帶寬量給每個邊緣服務器c；為表征邊緣服務器數據包的路由關系，用二進制變量來表征邊緣服務器c的數據包是否經過鏈路則兩個數據包的轉發時延和分別定義為：

其中，是數據包在網絡層轉發時與其邊緣服務器共用鏈路的邊緣服務器數量；

綜上所述，對于業務m而言，其時延由轉發時延和處理時延兩部分組成；因此業務時延定義式為：

優化目標是最小化所有業務的加權時延和，其中業務的時延權重系數是各業務的重要度等級k_m；在公式(8)中，邊緣服務器c上業務m的時延大小取決于改業務是否進行了數據處理；因此業務時延優化問題目標函數屬于一個整數規劃問題，時延加權和最小化問題如式(9)所示：

式(9)表示在考慮時延加權和最小化為目標的前提下邊緣服務器c是否對業務m進行數據處理的二進制決策問題，該二進制整數規劃的相應約束為：

其中，約束(10)-(12)是二進制整數規劃的二進制變量約束；其中，二進制變量為終端u是否服務業務m，選擇服務業務m時取值為1，反之為0；二進制變量來表征邊緣物聯代理c的數據包是否經過鏈路若經過取值為1，反之為0；

業務時延優化問題求解使用的智能優化算法為蜘蛛猴算法，步驟如下：

首先生成一個由N個個體構成的初始種群，其中N根據輸入的電力業務數目決定；其中每個個體均是一個C維向量，記第i個個體為SM_ic，SM_ic＝1等價于其意義是表征目標函數的一種潛在解；其初始位置由下式決定：

SM_ij＝SM_minj+U(0,1)*(SM_maxj-SM_minj) (13)

其中U(0,1)生產的是0-1的隨機數，而SM_maxj和SM_minj則分別是個體第j維位置信息的給定上下界；

然后每個個體需要通過學習其所屬群體的本地領導者位置信息以及一位隨機的同組個體位置信息來進行第一步位置更新優化：

SMnew_ij＝SM_ij+U(0,1)*(LL_kj-SM_ij)+U(-1,1)*(SM_rj-SM_ij) (14)

式中LL_kj表示該個體SM_i所在的第k個群體中，本地領導者所具有的第j維位置信息；而SM_rj則表示該群體k內任意個體SM_r的第j維位置信息；同時將當前獲得最優目標函數值所對應的最優解作為其當前的全局領導者；此時各個體的位置需要根據全局領導者進行二次位置更新，公式如下：

SMnew_ij＝SM_ij+U(0,1)*(GL_j-SM_ij)+U(-1,1)*(SM_rj-SM_ij) (15)

式中，GL_j表示當前全局領導者的第j維位置信息；個體適應度值表征的是該個體在當前種群中位置的相對更優，其定義式為：

其中，f(x_i)為目標函數即時延加權和最小化問題MinD_total；此時個體的位置更新概率為：

其中，max_fitness為所有個體適應度值中最大值；選擇當前種群中適應度最大的個體為新全局領導者，若與上輪相同，則全局領導者計數器GlobalLeaderCount加1；

在各個群體內選擇適應度最大的個體為各群體內的本地領導者，若與上輪選擇相同，則本地領導者計數器LocalLeaderCount加1；

若某一群體的本地領導者計數器LocalLeaderCount尚未達到給定的本地領導者計數閾值LocalLeaderLimit，則該群體內的個體利用下式更新其位置信息：

SMnew_ij＝SM_ij+U(0,1)*(GL_j-SM_ij)+U(0,1)*(SM_ij-LL_kj) (18)

若全局領導者計數器GlobalLeaderCount的計數值達到了給定的全局領導者計數閾值GlobalLeaderLimit，則整個種群需要多裂變出一個群體；若此時種群內的群體數達到了預設的最大群體數MG，則所有個體聚合為一個群體，此時全局領導者的位置就代表著近似最優解，即獲取式(9)的近似最優值同時輸出各蜘蛛猴位置，即對應了每個電力業務的處理決策結果；

具體流程涉及：

S31，首先根據輸入的網絡拓撲結構N＝(U,C,R,E)，業務重要度等級，以及電力業務信息屬性集A，基礎壓縮率Δ等數據，構建如式(9)所示的時延加權和最小化目標函數，構建目標函數的具體步驟包括：

邊緣服務器c上可能只對部分業務m進行數據處理，邊緣服務器c先后建立兩個數據包和來分別裝載經過數據處理以及未經過處理的業務數據；其中，未經數據處理的業務數據無須等待處理時延而可以直接封裝在數據包并通過電力物聯網發送到系統主站反之，經過數據處理的業務數據則需等待處理時延后才能封包并發送到系統主站；根據邊緣服務器c對各個業務m的處理決策，邊緣服務器c兩個數據包的數據量大小和分別為：

其中和分別裝載經過數據處理以及未經過處理的業務數據；

邊緣服務器c完成兩個數據包的封裝后，需要根據特定的路由規則得到數據包轉發到系統主站d₀的路由路徑；約定同一邊緣服務器c的兩個數據包和擁有相同的轉發路由；同時如果網絡層某段鏈路同時被選為多個邊緣服務器c的轉發路徑，則鏈路均分其帶寬量給每個邊緣服務器c；為表征邊緣服務器數據包的路由關系，用二進制變量來表征邊緣服務器c的數據包是否經過鏈路則兩個數據包的轉發時延和分別定義為：

其中，是數據包在網絡層轉發時與其邊緣服務器共用鏈路的邊緣服務器數量；

綜上所述，對于業務m而言，其時延由轉發時延和處理時延兩部分組成；因此業務時延定義式為：

優化目標是最小化所有業務的加權時延和，其中業務的時延權重系數是各業務的重要度等級k_m；在公式(8)中，邊緣服務器c上業務m的時延大小取決于改業務是否進行了數據處理；因此業務時延優化問題目標函數屬于一個整數規劃問題，如式(9)所示：

式(9)表示在考慮時延加權和最小化為目標的前提下邊緣服務器c是否對業務m進行數據處理的二進制決策問題，該二進制整數規劃的相應約束為：

其中，約束(10)-(12)是二進制整數規劃的二進制變量約束；其中，二進制變量為終端u是否服務業務m，選擇服務業務m時取值為1，反之為0；二進制變量來表征邊緣物聯代理c的數據包是否經過鏈路若經過取值為1，反之為0；

S32，生成一個由N個個體構成的初始種群，其中N根據輸入的電力業務數目決定；其中每個個體均是一個C維向量，記第i個個體為SM_ic，SM_ic＝1等價于其意義是表征目標函數的一種潛在解；其初始位置根據式(13)決定；

S33，接著每個個體需要通過學習其所屬群體的本地領導者位置信息，以及根據式(16)-(17)的概率隨機選擇同組個體位置信息來進行更新，同時將當前獲得最優目標函數值所對應的最優解作為其當前的全局領導者；

S34，選擇當前種群中適應度最大的個體為新全局領導者，若與上輪相同，則全局領導者計數器GlobalLeaderCount加1；

S35，在各個群體內選擇適應度最大的個體為各群體內的本地領導者，若與上輪選擇相同，則本地領導者計數器LocalLeaderCount加1；

S36，若某一群體的本地領導者計數器LocalLeaderCount尚未達到給定的本地領導者計數閾值LocalLeaderLimit，則該群體內的個體利用式(18)更新其位置信息：

S37，若全局領導者計數器GlobalLeaderCount的計數值達到了給定的全局領導者計數閾值GlobalLeaderLimit，則整個種群需要多裂變出一個群體，即返回步驟S33。反之則所有個體聚合為一個群體，在S37退出算法執行，此時全局領導者的位置就代表著近似最優解，即獲取式(9)的近似最優值同時輸出各蜘蛛猴位置，即對應了每個電力業務的處理決策結果。