[發明專利]面向5G云邊端協同的電力業務分解方法及系統有效
| 申請號: | 202111577683.3 | 申請日: | 2021-12-22 |
| 公開(公告)號: | CN114818446B | 公開(公告)日: | 2023-03-24 |
| 發明(設計)人: | 呂玉祥;向輝;汪玉成;楊陽;董亞文;陳巨龍;吳昊;陳顥;王紅艷;吳輝;杜廣東;王紅全;嚴世鑫;吳堃 | 申請(專利權)人: | 安徽繼遠軟件有限公司 |
| 主分類號: | G06F30/25 | 分類號: | G06F30/25;G06N3/006;G06Q10/0631;G06Q50/06;G06F111/04;G06F111/08;G06F119/12 |
| 代理公司: | 北京潤平知識產權代理有限公司 11283 | 代理人: | 劉兵 |
| 地址: | 230088 安徽*** | 國省代碼: | 安徽;34 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 面向 云邊端 協同 電力 業務 分解 方法 系統 | ||
1.一種面向5G云邊端協同的電力業務分解方法,其特征在于,所述分解方法包括:
獲取功能組件的計算資源需求、當前電力業務系統中協作終端、邊緣節點以及云中心可用于處理所述計算資源需求的功能組件的數量;
根據公式(1)確定每個功能組件的決策變量,
其中,X為所述決策變量,xijr為決策變量關于第i個功能組件是否屬于第j類節點下的第r個微服務的值,i、j、r均為正整數,在第i個功能組件屬于第j類節點下的第r個微服務的情況下,xijr=1,在第i個功能組件不屬于第j類節點下的第r個微服務的情況下,xijr=0,Ni為功能組件的數量,Nj為節點的類別的數量,為第j類節點中微服務的數量;
根據公式(2)確定第i個功能組件向第k個功能組件發送數據的數據耗時,
其中,tik為第i個功能組件向第k個功能組件發送數據的數據耗時,xkjr為決策變量關于第k個功能組件是否屬于第j類節點下的第r個微服務的值,Nr為微服務的數量,dik為表示第i個功能組件向第k個功能組件發送數據的通信數據量,B為數據傳輸的帶寬;
根據公式(3)確定第k個功能組件的執行完成時刻與第i個功能組件的執行完成時刻的約束條件,
其中,Fk為第k個功能組件的執行完成時刻,Fi為第i個功能組件的執行完成時刻,ck為第k個功能組件完成任務所需的CPU圈數,fj為第j類節點的功能組件CPU主頻;
根據公式(4)和公式(5)確定協作終端和邊緣節點的功耗約束條件,
其中,xi1r為決策變量關于第i個功能組件是否屬于協作終端的節點下的第r個微服務的值,ci為第i個功能組件完成任務所需的CPU圈數,fMT為協作終端的CPU主頻,PMT為協作終端的功率,EMT為協作終端的能耗閾值,為協作終端的微服務的數量,xi2r為決策變量關于第i個功能組件是否屬于邊緣節點的節點下的第r個微服務的值,fEN為邊緣節點的CPU主頻,PEN為邊緣節點的功率,EEN為邊緣節點的能耗閾值;
根據公式(1)至公式(5)確定所述電力業務系統的計算模型;
采用粒子群算法對所述計算模型進行求解以得到所述計算模型的最優解,其中,所述最優解的目標為完成所述計算資源需求的最小時間。
2.根據權利要求1所述的分解方法,其特征在于,采用粒子群算法對所述計算模型進行求解以得到所述計算模型的最優解包括:
隨機生成多個粒子;
更新每個粒子的位置及速度;
更新每個粒子的歷史最佳位置和所有粒子的歷史最佳位置;
計算每個粒子的適應度;
判斷當前的迭代次數是否大于或等于預設的迭代次數閾值;
在判斷當前的迭代次數大于或等于所述迭代次數閾值的情況下,輸出適應度最大的所述粒子以作為最優解;
在判斷當前的迭代次數小于所述迭代次數閾值的情況下,再次返回執行更新每個粒子的位置及速度的步驟,直到判斷當前的迭代次數大于或等于所述迭代次數閾值。
3.根據權利要求2所述的分解方法,其特征在于,隨機生成多個粒子包括:
根據公式(6)和公式(7)隨機生成所述粒子,
其中,Yn為第n個所述粒子的位置,n=1,2,...,Np,Np為多個粒子的數量,yijr=xijr,Vn為粒子的速度,vijr為決策變量的值xijr對應的速度。
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安徽繼遠軟件有限公司,未經安徽繼遠軟件有限公司許可,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/202111577683.3/1.html,轉載請聲明來源鉆瓜專利網。





