CN111045828B - 基于配电网台区终端的分布式边缘计算方法和相关装置 - Google Patents

基于配电网台区终端的分布式边缘计算方法和相关装置 Download PDF

Info

Publication number
CN111045828B
CN111045828B CN201911379761.1A CN201911379761A CN111045828B CN 111045828 B CN111045828 B CN 111045828B CN 201911379761 A CN201911379761 A CN 201911379761A CN 111045828 B CN111045828 B CN 111045828B
Authority
CN
China
Prior art keywords
edge
edge server
task
server
computing
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
Application number
CN201911379761.1A
Other languages
English (en)
Other versions
CN111045828A (zh
Inventor
林国营
吴亦竹
张思建
张晓平
王鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Power Technology Co Ltd
Original Assignee
China Southern Power Grid Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Southern Power Grid Power Technology Co Ltd filed Critical China Southern Power Grid Power Technology Co Ltd
Priority to CN201911379761.1A priority Critical patent/CN111045828B/zh
Publication of CN111045828A publication Critical patent/CN111045828A/zh
Application granted granted Critical
Publication of CN111045828B publication Critical patent/CN111045828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/126—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wireless data transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer And Data Communications (AREA)

Abstract

本申请公开了一种基于配电网台区终端的分布式边缘计算方法和相关装置，基于改进Kmeans聚类算法实现配电台区服务器的有效放置，综合网络延迟和边缘服务器之间的负载均衡设置算法的综合指标参数，大大提高边缘服务器的资源利用率与任务响应率；基于集群协作算法，可以实现智能配电台区高效的分布式实时计算、多边缘层集群协作和多任务低延迟计算，并大大提高智能配电台区网络的计算能力和多任务处理能力，解决了现有的配电网泛在分布式能源边缘计算交易平台计算延迟高，配电网泛在分布式能源边缘计算交易平台的技术问题。

Description

基于配电网台区终端的分布式边缘计算方法和相关装置
技术领域
本申请涉及配电网边缘计算技术领域，尤其涉及一种基于配电网台区终端的分布式边缘计算方法和相关装置。
背景技术
随着信息和通信技术在智能配电台区计算领域的快速发展，目前已经构建并实施了基于物联网的网络系统以及其他智能框架和系统，以提高智能配电台区的计算能力并提高经济效率。
传统的智能配电台区系统由于在复杂任务上的计算速度较慢而效率低下，不适合复杂的多任务处理过程以及特别是针对AI任务的大数据分析处理。而目前现有的配电网泛在分布式能源边缘计算交易平台，基于智能配电台区终端之上的扩展框架通过引入具有不同级别计算能力的计算资源，可以满足解决计算能力不足的基本要求，但是此中平台通常远离系统设备，大大增加了延迟，导致数据传输滞后，计算能力弱，协作性能差，不能保证智能配电台区海量任务处理的高效性和实时性。
发明内容
本申请提供了一种基于配电网台区终端的分布式边缘计算方法和相关装置，用于解决现有的配电网泛在分布式能源边缘计算交易平台计算延迟高，配电网泛在分布式能源边缘计算交易平台的技术问题。
有鉴于此，本申请第一方面提供了一种基于配电网台区终端的分布式边缘计算方法，包括：
通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至边缘服务器；
综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器；
基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，其中，每个所述中心边缘服务器处理预置任务所消耗的时间小于所述预置任务在边缘计算层的任一所述边缘服务器处理所述预置任务所消耗的时间的最小值Treq(x)；
基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的所述边缘服务器，并使得处理所述子任务的所述边缘服务器将处理结果反馈给所述主服务器合并计算结果。
可选地，所述通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至边缘服务器，包括：
通过设备计算层的智能配电台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量进行采集得到烟雾和水淹报警、对智能电表端的监测获取台区设备的用电状态信息；
通过GPRS或CDMA无线网络将所述当前温度值、所述烟雾和水淹报警、所述用电状态信息上传至缘服务器；
其中，所述智能配电台区终端与所述温度计、所述烟雾传感器、所述水淹传感器和所述智能电表通过RS-485通信总线通讯。
可选地，所述综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器，包括：
将每个边缘设备视为一个质点，随机从质点群众初始选取K个质点作为质心，计算每个质点到质心的距离指标，其中，计算所述距离指标的计算公式为：
Sij＝αxij+βγi(i∈{1,2...,n},j∈{1,2,...,k})
Sij为第i个质心与第j个质心的距离指标，xij为第i个质点与第j个质心的实际空间距离，α为网络延迟系数，β为负载均衡系数，γi为第i个质点在网络中的负载值；
基于平方欧式距离将每个质点分配到每个质点最近的质心，根据集群分配公式将每个质点分配入集群，集群分配公式为：
Figure BDA0002341949700000031
其中，dist(cj,xi)为第j个质心与第i个质点的综合指标欧式距离；
基于每个质心所在的集群的所有质点的平均值重新计算质心，聚类中心的中心边缘服务器，质心计算公式为：
Figure BDA0002341949700000032
其中，countj为属于第j个质心所在的集群的质点总数。
可选地，所述基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，包括：
基于所述智能配电台区终端的历史用电状态信息数据，计算任务传输到边缘服务器所需的时间和任务接收所需的时间，所述任务传输到边缘服务器所需的时间为：
Figure BDA0002341949700000033
所述任务接收所需的时间为：
Figure BDA0002341949700000034
其中，x为任务，es为边缘服务器，Ttrans为任务传输到边缘服务器所需的时间，Tre为任务接收所需的时间，
Figure BDA0002341949700000036
为任务x的数据量级，ξ(x)为任务结果的数据量级，υ(es)为数据传输速率，kx,esc为边缘服务器es对任务x的计算性能系数；
计算任务在边缘服务器处理队列排队所需的时间，计算公式为：
Figure BDA0002341949700000035
其中，Tque为任务在边缘服务器处理队列排队所需的时间，X＝{x1,x2,...,x|X|}为边缘服务器中的任务队列，xn＝{xn1,...,xn|X|}为边缘服务器中执行计算任务的队列，INj为第j个计算任务的排队复杂度，Vprocess为边缘服务器处理计算任务的速率；
计算边缘服务器处理任务所需的时间，计算公式为：
Figure BDA0002341949700000041
其中，Tprocess为边缘服务器处理任务所需的时间，INx为计算任务x的计算复杂度；
计算任务由边缘服务器处理所耗的时间，计算公式为：
Figure BDA0002341949700000042
对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器作为最终边缘服务器，将所述预置任务分配给所述最终边缘服务器。
可选地，所述基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的所述边缘服务器，并使得处理所述子任务的所述边缘服务器将处理结果反馈给所述主服务器合并计算结果，包括：
以最终边缘服务器作为主服务器，通过所述最终边缘服务器将所述预置任务并行划分为若干个子任务，记录子任务序列为x＝{sx0,sx1,...,sxN-1}，所述最终边缘服务器的非所述子任务序列记录为Ec＝{ec1,ec1,...,ecN-1}，所述最终边缘服务器分配若干个子任务所耗的通信时间为：
Figure BDA0002341949700000043
其中，Drough(sxi)和Dresult(sxi)分别为计算结果的子任务和计算结果的数据量级，
Figure BDA0002341949700000045
为主服务器ec0与非主服务器eci时间的平均数据传输速率，Tcom(ec0,eci)为主服务器ec0与非主服务器eci的任务分配耗时；
所述主服务器所在集群中的所述边缘服务器的子任务计算复杂度满足
Figure BDA0002341949700000044
将处理所述子任务的所述边缘服务器的处理结果反馈给所述主服务器合并计算结果。
本申请第二方面提供了一种基于配电网台区终端的分布式边缘计算装置，包括：
包括设备计算层、边缘计算层、云计算层和软件定义网络层；
所述软件定义网络层，用于控制和协调所述设备计算层、所述边缘计算层和所述云计算层；
所述云计算层，用于将边缘服务器的数据上传至云端和对所述边缘服务器进行任务分配，综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器，接收边缘服务器反馈的合并计算结果；
所述设备计算层，用于通过智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至所述边缘服务器；
所述边缘计算层，用于基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，其中，每个所述中心边缘服务器处理预置任务所消耗的时间小于所述预置任务在边缘计算层的任一所述边缘服务器处理所述预置任务所消耗的时间的最小值Treq(x)。
可选地，所述设备计算层具体用于：
通过设备计算层的智能配电台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量进行采集得到烟雾和水淹报警、对智能电表端的监测获取台区设备的用电状态信息；
通过GPRS或CDMA无线网络将所述当前温度值、所述烟雾和水淹报警、所述用电状态信息上传至缘服务器；
其中，所述智能配电台区终端与所述温度计、所述烟雾传感器、所述水淹传感器和所述智能电表通过RS-485通信总线通讯。
本申请第三方面提供了一种基于配电网台区终端的分布式边缘计算设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的基于配电网台区终端的分布式边缘计算方法。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面任一种所述的基于配电网台区终端的分布式边缘计算方法。
本申请第四方面提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得所述计算机执行第一方面任一种所述的基于配电网台区终端的分布式边缘计算方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中提供了一种基于配电网台区终端的分布式边缘计算方法，包括：通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将用电状态信息数据上传至边缘服务器；综合网络延迟和边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器；基于智能配电台区终端的历史用电状态信息数据，计算由中心边缘服务器处理预置任务所消耗的时间，对中心边缘服务器进行选择，选择消耗时间最少的中心边缘服务器，确定最终边缘服务器，其中，每个中心边缘服务器处理预置任务所消耗的时间小于所述预置任务在边缘计算层的任一边缘服务器处理预置任务所消耗的时间的最小值Treq(x)；基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的边缘服务器，并使得处理子任务的所述边缘服务器将处理结果反馈给主服务器合并计算结果。
本申请中提供的一种基于配电网台区终端的分布式边缘计算方法，基于改进Kmeans聚类算法实现配电台区服务器的有效放置，综合网络延迟和边缘服务器之间的负载均衡设置算法的综合指标参数，大大提高边缘服务器的资源利用率与任务响应率；基于集群协作算法，可以实现智能配电台区高效的分布式实时计算、多边缘层集群协作和多任务低延迟计算，并大大提高智能配电台区网络的计算能力和多任务处理能力，解决了现有的配电网泛在分布式能源边缘计算交易平台计算延迟高，配电网泛在分布式能源边缘计算交易平台的技术问题。
附图说明
图1为本申请实施例中提供的一种基于配电网台区终端的分布式边缘计算方法的一个流程示意图；
图2本申请实施例中提供的基于配电网台区终端的分布式边缘计算系统的一个框架图；
图3为本申请实施例中提供的基于配电网台区终端的分布式边缘计算系统的另一框架图；
图4为本申请实施例中提供的一种基于配电网台区终端的分布式边缘计算装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术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，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请提供了一种基于配电网台区终端的分布式边缘计算方法的一个实施例，包括：
步骤101、通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将用电状态信息数据上传至边缘服务器。
步骤102、综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器；
步骤103、基于智能配电台区终端的历史用电状态信息数据，计算由中心边缘服务器处理预置任务所消耗的时间，对中心边缘服务器进行选择，选择消耗时间最少的中心边缘服务器，确定最终边缘服务器，其中，每个中心边缘服务器处理预置任务所消耗的时间小于预置任务在边缘计算层的任一边缘服务器处理预置任务所消耗的时间的最小值Treq(x)；
步骤104、基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的所述边缘服务器，并使得处理子任务的边缘服务器将处理结果反馈给主服务器合并计算结果。
需要说明的是，本申请中的基于配电网台区终端的分布式边缘计算的框架如图2所示，包括设备计算层、边缘计算层、云计算层和软件定义网络层(Software DefinedNetwork,SDN)，所有部分均由工业通信网络汇集。所有部分均由工业通信网络汇集。其工作流程是计算系统所有计算任务在现场设备上创建的，包括设备无线网络节点和移动元件，网络中任务是随机事件，通常是实时处理。对于计划任务，需要考虑三个因素：计算能力、排队时间和数据通信延迟。根据这三个因素，在特定时间窗口内计算任务的等待时间，然后在混合计算系统中根据实时需求将AI任务放置在不同的计算层。对于边缘计算层来说，计算能力和排队时间是确定任务完成时间的重要因素。每个边缘计算层与计算功率不同，具有不同复杂性的任务可能具有不同的排队时间值。计算框架也同时考虑了计算资源的历史遗留性和系统低延迟。
图2中，各层的作用可以描述为：
软件定义网络层：主要负责用于控制和协调不同的计算层；
云计算层：基于复杂多态信息与大数据场景下的AI模型被云端服务器使用，各边缘服务器的信息上传汇总至云端，边缘服务器的任务分配也均由云端服务器控制，用于解决云端计算量大的任务，包括云端数据库、云计算集群和云端服务器；
设备计算层：主要负责传感信息采集和控制的工作，通过配电网网络边缘层的智能配电台区终端，采用GPRS/CDMA无线通信方式，对公用配电台区的各种数据进行采集、分析、存储。具体来说为，一是通过智能台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量采集获取烟雾和水淹报警、对智能电表端的监测获取台区各类设备的用电状态信息；二是采用RS-485通讯总线实现台区终端与各智能设备端之间的通讯，通讯RS-485采用差分信号负逻辑，+2V至+6V表示“0”，-6V至-2V表示“1”.采用两线制总线拓扑结构的接线方式，使得在同一总线上最多可以连接32台智能设备；三是通过GPRS/CDMA无线网络实现终端与服务器之间的通讯，将智能台区终端收集的采集数据和告警数据上传至边缘服务器。
边缘计算层：四层混合计算框架中最为核心的地方在于分布式边缘计算层，边缘计算层直接影响着分布式计算框架处理多任务的计算性能。设备边缘计算层(Manufacturing Edge Layer，MEL)由多个边缘服务器(Edge Server，ES)集群组成，每个ES的计算能力和负载能力均不同，在MEL中ES通过高宽带网络(如有线链路光纤)连接，使得ES形成低延迟的边缘服务器集群网络(Edge Server Cluster Network,ESCN),MEL中每个ES都与其负责的设备一起部署来完成实时计算任务。同时，通过将已经训练好的AI任务处理模型部署到各个ES中，帮助ES高效处理边缘侧的低复杂性任务。另外边缘计算层还涉及在综合影响条件下，实现边缘计算的低延迟与多任务处理，边缘服务器的设置至关重要。本发明也综合了网络延迟和边缘服务器之间的负载均衡，基于改进Kmeans聚类算法实现配电台区边缘服务器的放置，并对配电网台区实时数据自动进行无功补偿和电能质量监测。
如图2所示的边缘计算层，网络层中讲每个边缘设备假定为一个质点，随机从质点群中初始选取K的质点作为质心，综合考虑网络延迟和边缘服务器之间的负载均衡作为综合指标。
计算所述距离指标的计算公式为：
Sij＝αxij+βγi(i∈{1,2...,n},j∈{1,2,...,k})
Sij为第i个质心与第j个质心的距离指标，xij为第i个质点与第j个质心的实际空间距离，α为网络延迟系数，β为负载均衡系数，γi为第i个质点在网络中的负载值。
基于平方欧式距离将每个质点分配到每个质点最近的质心，每个质心将基于下面的公式被分配到一个集群中：
Figure BDA0002341949700000091
其中，dist(cj,xi)为第j个质心与第i个质点的综合指标欧式距离。
基于每个质心所在的集群的所有质点的平均值重新计算质心，聚类中心的中心边缘服务器，质心计算公式为：
Figure BDA0002341949700000092
其中，countj为属于第j个质心所在的集群的质点总数。
最后，边缘服务器放置算法在集群分配和计算质心的步骤间迭代，直到满足没有质点改变质心集群为止，最终得到K个质心信息，即确定K台边缘服务器器位置。
如图3所示，本申请中提出一种基于贪心和阈值的双策略边缘层计算集群协作算法，具体包括：
ES选择算法：根据网络中特定的应用需求，需要选取合适的ES进行计算任务处理，根据通信、计算和排队时间三个要素来选取最终ES结果
基于智能配电台区终端的历史用电状态信息数据，计算任务传输到边缘服务器所需的时间和任务接收所需的时间，任务传输到边缘服务器所需的时间为：
Figure BDA0002341949700000101
任务接收所需的时间为：
Figure BDA0002341949700000102
其中，x为任务，es为边缘服务器，Ttrans为任务传输到边缘服务器所需的时间，Tre为任务接收所需的时间，
Figure BDA0002341949700000105
为任务x的数据量级，ξ(x)为任务结果的数据量级，υ(es)为数据传输速率，kx,esc为边缘服务器es对任务x的计算性能系数；
计算任务在边缘服务器处理队列排队所需的时间，计算公式为：
Figure BDA0002341949700000103
其中，Tque为任务在边缘服务器处理队列排队所需的时间，X＝{x1,x2,...,x|X|}为边缘服务器中的任务队列，xn＝{xn1,...,xn|X|}为边缘服务器中执行计算任务的队列，INj为第j个计算任务的排队复杂度，Vprocess为边缘服务器处理计算任务的速率；
计算边缘服务器处理任务所需的时间，计算公式为：
Figure BDA0002341949700000104
其中，Tprocess为边缘服务器处理任务所需的时间，INx为计算任务x的计算复杂度；
计算任务由边缘服务器处理所耗的时间，计算公式为：
Ttask(x,es)＝Ttrans(x,es)+Tque(x,es)+Tprocess(x,es)+Tre(x,es)
Ttask(x,es)为任务x在边缘服务器es执行计算任务所需的时间。
对中心边缘服务器进行选择，选择消耗时间最少的中心边缘服务器作为最终边缘服务器，将所述预置任务分配给所述最终边缘服务器。
为匹配网络中任务计算处理的实时需求，任务x由边缘服务器es处理所耗的时间为
Figure BDA0002341949700000111
多任务处理根据任务进入边缘计算层的时序先后进行分配，选取Ttask(x,es)最小对应的边缘服务器来处理任务x。另外，在任务分布式计算实时处理过程中，边缘计算层中每个边缘服务器必须满足Ttask(x,es)≤Treq(x)，Treq(x)为任务x在边缘层任一边缘服务器中计算处理所耗时间的最小值。
边缘层计算集群协作算法：上述的ES选择算法保证了分布式边缘计算层的实时计算分配需求，但无法处理多任务低延迟的计算工作。因此，本申请提出一种多个边缘层计算服务器协作创建ESC来弥补单个ES延迟约束的缺陷。在智能配电网台区网络中，根据ES与CS之间的网络距离，多ES通过SDN控制器与CS集群。为实现分布式边缘层计算的低延迟，集群协作计算调度算法主要思想是通过选择集群中某个ES作为主服务器来划分任务和合并结果，划分后的子任务根据延迟来选择集群中其他ES被处理，最后子任务处理结果反馈回主服务器并合并计算结果，集群协作计算任务完成。边缘层计算集群协作算法具体内容包括：
任务x在ESC中被主服务器ec0并行划分为N个子任务，记录子任务序列为x＝{sx0,sx1,...,sxN-1}，ESC中其他ES记录为ES序列Ec＝{ec1,ec1,...,ecN-1}处理划分好的子任务。对于子任务sxi∈x(0≤i≤N-1)，在ESC中任务分配所耗的通信时间为
Figure BDA0002341949700000112
式中，Drough(sxi)和Dresult(sxi)分别为计算结果的子任务和计算结果的数据量级，
Figure BDA0002341949700000113
为主服务器ec0与ESC中其他服务器eci之间的平均数据传输速率，Tcom(ec0,eci)为子任务通过ec0与eci的任务分配耗时。
根据边缘服务器处理任务公式得到子任务sxi在eci中任务处理耗时为
Figure BDA0002341949700000121
式中，
Figure BDA0002341949700000122
为子任务计算复杂度，Vprocess(eci)为ESC中第i个边缘服务器eci的计算处理速率，Tprocess(sxi,eci)为子任务sxi被eci计算处理的耗时。
根据Ttask对应公式可得，子任务在eci中被计算处理所耗时间为Tsubtask(sxi,eci)＝Tcom(ec0,eci)+Tque(sxi,eci)+Tprocess(sxi,eci)，式中Tque(sxi,eci)为子任务sxi在边缘计算服务器eci中被处理的排队耗时，Tsubtask(sxi,eci)为子任务sxi在ESC中被计算处理的总耗时。
集群中主边缘服务器ec0被用于划分任务和合并结果，因此ec0处理任务x的总耗时为：
Figure BDA0002341949700000123
式中，Tdivide(x)和Tmerge(x,Ec)分别为集群EC划分子任务耗时和任务合并结果耗时。
同时考虑到任务与集群的通信延迟，则可得到处理任务x的总耗时为Ttask(x,Ec)＝Tmain(x,sx0,Ec)+Tcom(ec0,x)，式中Tcom(ec0,x)和Ttask(x,Ec)分别为任务与集群通信耗时和任务被处理的总耗时。值得注意的是，在分布式边缘计算网络中一般满足Tdivide,Tmerge,Tcom＝Tprocess，则集群任务处理总耗时可转化成Ttask(x,Ec)＝max(Tsubtask(sxi,eci))+Tcom(ec0,x)。
由于边缘计算层中必须满足Ttask(x,es)≤Treq(x)，可得max(Tsubtask(sxi,eci))+Tcom(ec0,x)≤Treq(x)，进一步容易得到集群中每个计算服务器的计算复杂度满足
Figure BDA0002341949700000124
则实现了分布式边缘计算层多任务处理的实时处理和低延迟处理。
本申请提供的方法具有以下优点：
针对智能配电台区的计算资源调度方法是确保实时AI任务的重要基础，提出基于智能配电台区终端的分布式边缘计算方法，以实时为目标提高资源效率，减少功耗并提高计算资源利用率和系统可靠性；
设计了一种支持边缘计算和人工智能协作的四层混合计算框架，框架可以将已经训练好的AI任务处理模型部署到各个ES中，帮助ES高效处理边缘侧的低复杂性任务；
响应智能配电网台区边缘服务器的实时计算需求，提出基于贪心和阈值的双策略边缘层计算集群协作算法，可以实现智能配电台区高效的分布式实时计算、多边缘层集群协作和多任务低延迟计算，大大提高智能配电台区网络的计算能力和多任务处理能力。
为了便于理解，请参阅图4，本申请提供了一种基于配电网台区终端的分布式边缘计算装置的实施例，包括设备计算层、边缘计算层、云计算层和软件定义网络层；
软件定义网络层，用于控制和协调设备计算层、边缘计算层和云计算层；
云计算层，用于将边缘服务器的数据上传至云端和对边缘服务器进行任务分配，综合网络延迟和边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器，接收边缘服务器反馈的合并计算结果；
设备计算层，用于通过智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至边缘服务器；
边缘计算层，用于基于智能配电台区终端的历史用电状态信息数据，计算由中心边缘服务器处理预置任务所消耗的时间，对中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，其中，每个中心边缘服务器处理预置任务所消耗的时间小于预置任务在边缘计算层的任一边缘服务器处理所述预置任务所消耗的时间的最小值Treq(x)。
设备计算层具体用于：
通过设备计算层的智能配电台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量进行采集得到烟雾和水淹报警、对智能电表端的监测获取台区设备的用电状态信息；
通过GPRS或CDMA无线网络将所述当前温度值、烟雾和水淹报警、用电状态信息上传至缘服务器；
其中，智能配电台区终端与温度计、所述烟雾传感器、水淹传感器和智能电表通过RS-485通信总线通讯。
本申请中提供了一种基于配电网台区终端的分布式边缘计算设备，设备包括处理器以及存储器：
存储器用于存储程序代码，并将程序代码传输给所述处理器；
处理器用于根据程序代码中的指令执行前述的基于配电网台区终端的分布式边缘计算方法实施例中的基于配电网台区终端的分布式边缘计算方法。
本申请中提供了一种计算机可读存储介质的实施例，计算机可读存储介质用于存储程序代码，所述程序代码用于执行前述的基于配电网台区终端的分布式边缘计算方法实施例中的基于配电网台区终端的分布式边缘计算方法。
本申请中提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得所述计算机执行执行前述的基于配电网台区终端的分布式边缘计算方法实施例中的基于配电网台区终端的分布式边缘计算方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机系统(可以是个人计算机，服务器，或者网络系统等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (7)

1.一种基于配电网台区终端的分布式边缘计算方法，其特征在于，包括：
通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至边缘服务器；
综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器；
基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，其中，每个所述中心边缘服务器处理预置任务所消耗的时间小于所述预置任务在边缘计算层的任一所述边缘服务器处理所述预置任务所消耗的时间的最小值
Figure 631112DEST_PATH_IMAGE001
；
基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的所述边缘服务器，并使得处理所述子任务的所述边缘服务器将处理结果反馈给所述主服务器合并计算结果；
所述通过设备计算层的智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至边缘服务器，包括：
通过设备计算层的智能配电台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量进行采集得到烟雾和水淹报警、对智能电表端的监测获取台区设备的用电状态信息；
通过GPRS或CDMA无线网络将所述当前温度值、所述烟雾和水淹报警、所述用电状态信息上传至边缘服务器；
其中，所述智能配电台区终端与所述温度计、所述烟雾传感器、所述水淹传感器和所述智能电表通过RS-485通信总线通讯；
所述综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器，包括：
将每个边缘服务器视为一个质点，随机从质点群中初始选取K个质点作为质心，计算每个质点到质心的距离指标，其中，计算所述距离指标的计算公式为：
Sij＝αxij+βγi，i∈{1,2...,n}，j∈{1,2,...,k}
Figure 528847DEST_PATH_IMAGE003
为第i个质点与第j个质心的距离指标，
Figure 451191DEST_PATH_IMAGE004
为第i个质点与第j个质心的实际空间距离，
Figure 207794DEST_PATH_IMAGE005
为网络延迟系数，
Figure 983989DEST_PATH_IMAGE006
为负载均衡系数，
Figure 91623DEST_PATH_IMAGE007
为第i个质点在网络中的负载值；
基于平方欧式距离将每个质点分配到每个质点最近的质心，根据集群分配公式将每个质点分配入集群，集群分配公式为：
Figure 549149DEST_PATH_IMAGE008
其中，
Figure 160259DEST_PATH_IMAGE009
为第j个质心与第i个质点的综合指标欧式距离，
Figure 310617DEST_PATH_IMAGE010
为第j个质心，
Figure 705214DEST_PATH_IMAGE011
为第i个质点，
Figure 28748DEST_PATH_IMAGE012
为质心最大取值范围；
基于每个质心所在的集群的所有质点的平均值重新计算质心，聚类中心的中心边缘服务器，质心计算公式为：
Figure 556681DEST_PATH_IMAGE013
其中，
Figure 940258DEST_PATH_IMAGE014
为属于第j个质心所在的集群的质点总数。
2.根据权利要求1所述的基于配电网台区终端的分布式边缘计算方法，其特征在于，所述基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，包括：
基于所述智能配电台区终端的历史用电状态信息数据，计算任务传输到边缘服务器所需的时间和任务接收所需的时间，所述任务传输到边缘服务器所需的时间为：
Figure 810432DEST_PATH_IMAGE015
所述任务接收所需的时间为：
Figure 609761DEST_PATH_IMAGE016
其中，x为任务，es为边缘服务器，
Figure 195463DEST_PATH_IMAGE017
为任务传输到边缘服务器所需的时间，
Figure 687624DEST_PATH_IMAGE018
为任务接收所需的时间，
Figure 788304DEST_PATH_IMAGE019
为任务x的数据量级，
Figure 391324DEST_PATH_IMAGE020
为任务结果的数据量级，
Figure 100042DEST_PATH_IMAGE021
为数据传输速率，
Figure 497525DEST_PATH_IMAGE022
为边缘服务器es对任务x的计算性能系数；
计算任务在边缘服务器处理队列排队所需的时间，计算公式为：
Figure 351080DEST_PATH_IMAGE023
其中，
Figure 492212DEST_PATH_IMAGE024
为任务在边缘服务器处理队列排队所需的时间，
Figure 114823DEST_PATH_IMAGE025
为边缘服务器中的任务队列，
Figure 683207DEST_PATH_IMAGE026
为边缘服务器中执行计算任务的队列，
Figure 964672DEST_PATH_IMAGE027
为计算任务j的计算复杂度，
Figure 971811DEST_PATH_IMAGE028
为边缘服务器处理计算任务的速率；
Figure 386612DEST_PATH_IMAGE029
为第
Figure 391477DEST_PATH_IMAGE030
个计算任务；
计算边缘服务器处理任务所需的时间，计算公式为：
Figure 954045DEST_PATH_IMAGE031
其中，
Figure 502226DEST_PATH_IMAGE032
为边缘服务器处理任务所需的时间，
Figure 37112DEST_PATH_IMAGE033
为计算任务x的计算复杂度；
计算任务由边缘服务器处理所耗的时间，计算公式为：
Figure 947299DEST_PATH_IMAGE034
对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器作为最终边缘服务器，将所述预置任务分配给所述最终边缘服务器。
3.根据权利要求2所述的基于配电网台区终端的分布式边缘计算方法，其特征在于，所述基于集群协作以最终边缘服务器作为主服务器来进行任务划分和合并结果，使得划分后的得到的子任务根据延迟来选择集群中的所述边缘服务器，并使得处理所述子任务的所述边缘服务器将处理结果反馈给所述主服务器合并计算结果，包括：
以最终边缘服务器作为主服务器，通过所述最终边缘服务器将所述预置任务并行划分为若干个子任务，记录子任务序列为
Figure 934847DEST_PATH_IMAGE035
，所述最终边缘服务器的非所述子任务序列记录为
Figure 283789DEST_PATH_IMAGE036
，所述最终边缘服务器分配若干个子任务所耗的通信时间为：
Figure 673182DEST_PATH_IMAGE037
其中，
Figure 19849DEST_PATH_IMAGE038
和
Figure 571658DEST_PATH_IMAGE039
分别为计算结果的子任务和计算结果的数据量级，
Figure 396395DEST_PATH_IMAGE040
为主服务器
Figure 702611DEST_PATH_IMAGE041
与非主服务器
Figure 282497DEST_PATH_IMAGE042
之间的平均数据传输速率，
Figure 244637DEST_PATH_IMAGE043
为主服务器
Figure 875994DEST_PATH_IMAGE044
与非主服务器
Figure 36717DEST_PATH_IMAGE045
的任务分配耗时；
所述主服务器所在集群中的所述边缘服务器的子任务计算复杂度满足
Figure 725187DEST_PATH_IMAGE046
；
将处理所述子任务的所述边缘服务器的处理结果反馈给所述主服务器合并计算结果。
4.一种基于配电网台区终端的分布式边缘计算装置，其特征在于，包括设备计算层、边缘计算层、云计算层和软件定义网络层；
所述软件定义网络层，用于控制和协调所述设备计算层、所述边缘计算层和所述云计算层；
所述云计算层，用于将边缘服务器的数据上传至云端和对所述边缘服务器进行任务分配，综合网络延迟和所述边缘服务器之间的负载均衡，基于改进Kmeans聚类算法确定聚类中心并设置中心边缘服务器，接收边缘服务器反馈的合并计算结果；
所述设备计算层，用于通过智能配电台区终端，采集智能配电台区的用电状态信息数据，将所述用电状态信息数据上传至所述边缘服务器；
所述边缘计算层，用于基于所述智能配电台区终端的历史用电状态信息数据，计算由所述中心边缘服务器处理预置任务所消耗的时间，对所述中心边缘服务器进行选择，选择消耗时间最少的所述中心边缘服务器，确定最终边缘服务器，其中，每个所述中心边缘服务器处理预置任务所消耗的时间小于所述预置任务在边缘计算层的任一所述边缘服务器处理所述预置任务所消耗的时间的最小值
Figure 236940DEST_PATH_IMAGE047
；
所述设备计算层具体用于：
通过设备计算层的智能配电台区终端对温度计的监测计算当前温度值、对烟雾传感器和水淹传感器的开关量进行采集得到烟雾和水淹报警、对智能电表端的监测获取台区设备的用电状态信息；
通过GPRS或CDMA无线网络将所述当前温度值、所述烟雾和水淹报警、所述用电状态信息上传至边缘服务器；
其中，所述智能配电台区终端与所述温度计、所述烟雾传感器、所述水淹传感器和所述智能电表通过RS-485通信总线通讯；
所述云计算层具体用于：
将每个边缘服务器视为一个质点，随机从质点群中初始选取K个质点作为质心，计算每个质点到质心的距离指标，其中，计算所述距离指标的计算公式为：
Sij＝αxij+βγi，i∈{1,2...,n}，j∈{1,2,...,k}
Figure 621971DEST_PATH_IMAGE049
为第i个质点与第j个质心的距离指标，
Figure 546589DEST_PATH_IMAGE050
为第i个质点与第j个质心的实际空间距离，
Figure 217742DEST_PATH_IMAGE005
为网络延迟系数，
Figure 453551DEST_PATH_IMAGE006
为负载均衡系数，
Figure 588866DEST_PATH_IMAGE051
为第i个质点在网络中的负载值；
基于平方欧式距离将每个质点分配到每个质点最近的质心，根据集群分配公式将每个质点分配入集群，集群分配公式为：
Figure 619139DEST_PATH_IMAGE052
其中，
Figure 777588DEST_PATH_IMAGE053
为第j个质心与第i个质点的综合指标欧式距离，
Figure 351177DEST_PATH_IMAGE054
为第j个质心，
Figure 544260DEST_PATH_IMAGE055
为第i个质点，
Figure 745435DEST_PATH_IMAGE056
为质心最大取值范围；
基于每个质心所在的集群的所有质点的平均值重新计算质心，聚类中心的中心边缘服务器，质心计算公式为：
Figure 391180DEST_PATH_IMAGE057
其中，
Figure 703212DEST_PATH_IMAGE058
为属于第j个质心所在的集群的质点总数。
5.一种基于配电网台区终端的分布式边缘计算设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-3任一项所述的基于配电网台区终端的分布式边缘计算方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-3任一项所述的基于配电网台区终端的分布式边缘计算方法。
7.一种包括指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行权利要求1-3任一项所述的基于配电网台区终端的分布式边缘计算方法。
CN201911379761.1A 2019-12-27 2019-12-27 基于配电网台区终端的分布式边缘计算方法和相关装置 Active CN111045828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911379761.1A CN111045828B (zh) 2019-12-27 2019-12-27 基于配电网台区终端的分布式边缘计算方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911379761.1A CN111045828B (zh) 2019-12-27 2019-12-27 基于配电网台区终端的分布式边缘计算方法和相关装置

Publications (2)

Publication Number Publication Date
CN111045828A CN111045828A (zh) 2020-04-21
CN111045828B true CN111045828B (zh) 2021-08-27

Family

ID=70239443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911379761.1A Active CN111045828B (zh) 2019-12-27 2019-12-27 基于配电网台区终端的分布式边缘计算方法和相关装置

Country Status (1)

Country Link
CN (1) CN111045828B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611062B (zh) * 2020-05-06 2022-10-25 南京邮电大学 云边协同分层计算方法及云边协同分层计算系统
CN111641683A (zh) * 2020-05-14 2020-09-08 国网河北省电力有限公司石家庄供电分公司 一种电气设备维护系统及方法
CN111641874A (zh) * 2020-05-21 2020-09-08 广州欢网科技有限责任公司 一种分布式计算方法、系统、及可读存储介质
CN111831746A (zh) * 2020-06-06 2020-10-27 国网河北省电力有限公司衡水供电分公司 一种分布式电力数据管理系统
CN111901145B (zh) * 2020-06-23 2022-11-08 国网江苏省电力有限公司南京供电分公司 一种电力物联网异构共享资源分配系统和方法
CN111934325B (zh) * 2020-07-27 2023-08-29 北京奥德威特电力科技股份有限公司 一种云边协同电压无功智能控制系统及控制方法
CN112311525B (zh) * 2020-10-26 2024-03-12 深圳供电局有限公司 一种电网中分布式终端的资源匹配方法
CN112995276B (zh) * 2021-02-01 2023-03-24 中铁第四勘察设计院集团有限公司 一种协作空间通信方法及装置
CN112511652B (zh) * 2021-02-03 2021-04-30 电子科技大学 一种边缘计算下的合作计算任务分配方法
CN113505522B (zh) * 2021-06-10 2022-12-23 南方电网科学研究院有限责任公司 一种智能电网台区业务计算管理方法、装置、终端及介质
CN114253728A (zh) * 2021-12-23 2022-03-29 上海交通大学 基于网页生态的异构多节点协同分布式神经网络部署系统
CN114928607B (zh) * 2022-03-18 2023-08-04 南京邮电大学 面向多边接入边缘计算的协同任务卸载方法
CN115051477B (zh) * 2022-08-16 2022-11-18 山东大学 一种基于云边端协同的谐波溯源系统及方法
CN117519948B (zh) * 2023-12-11 2024-04-26 广东筠诚建筑科技有限公司 基于云平台实现建筑施工下的计算资源调整方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017071924A1 (en) * 2015-10-30 2017-05-04 British Telecommunications Public Limited Company Mobile information processing
CN109543890A (zh) * 2018-11-09 2019-03-29 山大地纬软件股份有限公司 基于负载预测均衡的电网费控优化调度方法、装置及系统
CN109873499A (zh) * 2019-03-22 2019-06-11 北京智芯微电子科技有限公司 智能配电台区管理终端
CN110097226A (zh) * 2019-05-06 2019-08-06 航天科工网络信息发展有限公司 一种资源调度方法、系统、电子设备及可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109272176B (zh) * 2018-12-10 2019-10-08 贵州电网有限责任公司 利用K-means聚类算法对台区线损率预测计算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017071924A1 (en) * 2015-10-30 2017-05-04 British Telecommunications Public Limited Company Mobile information processing
CN109543890A (zh) * 2018-11-09 2019-03-29 山大地纬软件股份有限公司 基于负载预测均衡的电网费控优化调度方法、装置及系统
CN109873499A (zh) * 2019-03-22 2019-06-11 北京智芯微电子科技有限公司 智能配电台区管理终端
CN110097226A (zh) * 2019-05-06 2019-08-06 航天科工网络信息发展有限公司 一种资源调度方法、系统、电子设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于K-means算法的边缘服务器部署研究;薛端;《中国优秀硕士学位论文全文数据库信息科技辑》;20191015(第10期);第I139-38页 *
面向配电物联网的边缘计算技术;孙浩洋等;《电网技术》;20191205;第43卷(第12期);第4314-4321页 *

Also Published As

Publication number Publication date
CN111045828A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN111045828B (zh) 基于配电网台区终端的分布式边缘计算方法和相关装置
WO2021104096A1 (zh) 容器云环境下的任务调度方法、装置、服务器及存储装置
US10474504B2 (en) Distributed node intra-group task scheduling method and system
CN105205231B (zh) 一种基于dcom的配电网数字仿真系统
CN108845878A (zh) 基于无服务器计算的大数据处理方法及装置
CN103927229A (zh) 在动态可用服务器集群中调度映射化简作业
CN104901989B (zh) 一种现场服务提供系统及方法
CN102223419A (zh) 面向网络化操作系统的虚拟资源动态反馈均衡分配机制
CN104092756A (zh) 一种基于dht机制的云存储系统的资源动态分配方法
CN106934497A (zh) 基于深度学习的智慧小区用电量实时预测方法及装置
CN105320559A (zh) 一种云计算系统的调度方法和装置
CN109783225B (zh) 一种多租户大数据平台的租户优先级管理方法及系统
CN112261120B (zh) 一种配电物联网云边协同任务卸载方法及装置
CN115473901B (zh) 一种分布式算力集群智慧调度方法、装置及计算机设备
Delavar et al. A synthetic heuristic algorithm for independent task scheduling in cloud systems
CN109819032A (zh) 一种联合考虑基站选择与计算迁移的云机器人任务分配方法
CN109639498A (zh) 一种基于sdn与nfv的面向业务质量的资源柔性配置方法
CN116302568A (zh) 一种算力资源调度方法及系统、调度中心、数据中心
CN114899885A (zh) 电力调度方法、系统和存储介质
CN108132840A (zh) 一种分布式系统中的资源调度方法及装置
CN106209433B (zh) 一种云环境下面向架构的应用系统节能部署装置
CN107203256A (zh) 一种网络功能虚拟化场景下的节能分配方法与装置
CN117539619A (zh) 基于云边融合的算力调度方法、系统、设备和存储介质
CN115543582A (zh) 超算算力网络统一调度方法、系统及设备
Cao et al. Online cost-rejection rate scheduling for resource requests in hybrid clouds

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: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Applicant after: China Southern Power Grid Power Technology Co.,Ltd.

Address before: Room 501-503, annex building, Huaye building, No.1-3 Chuimao new street, Xihua Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Applicant before: GUANGDONG ELECTRIC POWER SCIENCE RESEARCH INSTITUTE ENERGY TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant