CN111092826B - 一种网络接入控制方法、系统及设备 - Google Patents
一种网络接入控制方法、系统及设备 Download PDFInfo
- Publication number
- CN111092826B CN111092826B CN201911414267.4A CN201911414267A CN111092826B CN 111092826 B CN111092826 B CN 111092826B CN 201911414267 A CN201911414267 A CN 201911414267A CN 111092826 B CN111092826 B CN 111092826B
- Authority
- CN
- China
- Prior art keywords
- flow
- network
- access
- aggregation
- bandwidth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000002776 aggregation Effects 0.000 claims abstract description 73
- 238000004220 aggregation Methods 0.000 claims abstract description 73
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000005284 excitation Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000000872 buffer Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006855 networking Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/80—Actions related to the user profile or the type of traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络接入控制方法、系统以及设备，本发明包括以下步骤：对请求网络服务的聚合流进行分析，计算出聚合流的有效带宽；对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为聚合流分配带宽资源；对允许接入的聚合流进行接纳控制，根据分配的带宽资源将聚合流的服务内容传输到电力系统之中。本发明通过对对电力系统中请求网络服务的聚合流进行分析以及接入决策，并根据电力系统的需求对允许接入的聚合流进行接纳控制；提升了聚合流的有效带宽，大大提高了网络资源的利用率，降低了网络的服务质量要求，并且进一步提高了电力通信网络的并发处理能力，在实际应用中具有指导意义。
Description
技术领域
本发明涉及电力通信网资源分配技术领域，尤其涉及一种网络接入控制方法、系统及设备。
背景技术
传统的电力系统包括主网和配网两部分。其中，主网是指传输110kV及以上电压等级的电网，配网是指传输35kV及以下电压等级的电网。主网主要用于输电，配网主要用于供电。随着智能电网技术的快速发展和应用，为了实现电力系统的集约化和可持续发展，提出了主网和配网的一体化通信组网模式。主网和配网的一体化通信组网模式要求将传统的主网和配网两张独立运营的网络合并为一张统一运营的网络，并且对网络的服务质量(quality of service,QoS)要求较高。所以，主网和配网的一体化运营对网络资源的需求量快速增加。但目前的电力系统中还存在较多的租用第三方网络资源的情况，为主配网一体化运营带来较多的困难。如何在有限的网络资源环境下，保障电力业务的可靠运营，是当前急需解决的一个关键问题。
由于接纳控制技术可以较好的保障业务QoS、预防网络拥塞，所以，在网络资源受限时，接纳控制技术已成为网络运营的一项关键技术，较好的解决了网络设备如何从大量的网络资源请求中选择合适的请求进行接纳和提供网络服务。在使用接纳控制技术时，仅仅当新的网络流量的接纳不影响已经接纳的网络流的QoS、并且网络提供的资源可以满足新的网络流量的QoS要求时，新的网络流量请求才能够被接纳。为了实现接纳控制技术，已有的研究主要采用统计、参数、测量、演算等四种技术实现。其中，统计技术通过获取流量的参数和服务请求参数，基于有效带宽的理论实现接纳控制。参数技术基于流的参数求解分组流在最坏情况下的接纳控制的流特征实现接纳控制。测量技术基于测量的结果执行接纳控制实现接纳控制。演算技术通过获取流参数和服务请求参数，并基于网络微积分理论执行接纳控制。四种技术种，统计技术和参数技术的计算结果存在较大误差，测量技术的探测包容易导致网络拥塞，演算技术需要较长的运行时间。随着云计算和大数据技术的快速发展和应用，演算技术的运算时间得到大幅度降低，并且接纳控制效果逐步提升。所以，演算技术已成为当前接纳控制技术中最重要的一项技术。从已有研究成果可知，接纳控制技术已经取得了较多的研究成果。但是，由于不同网络具有不同的技术特征，因此，不能将同一种接纳技术统一应用在不同的网络场景中。另外，主网和配网的一体化通信组网模式的接纳控制技术研究尚处于起步阶段，还不能有效的应用在电力通信网中。同时，传统的基于单流的接入控制方法制约了网络处理并发电力业务请求的能力，使得接入控制算法的效率大大降低。因此，主配网共用一个通信网的环境下急需一种新的接入控制算法来保障电力业务的服务质量。
综上所述，现有技术中，主网和配网的一体化通信组网模式存在着网络资源利用率低，且对网络的服务质量要求较高的技术问题。
发明内容
本发明提供了一种网络接入控制方法、系统及设备，解决了现有技术中，主网和配网的一体化通信组网模式存在着网络资源利用率低，且对网络的服务质量要求较高的技术问题。
本发明提供的一种网络接入控制方法，适用于预先建立的主配一体化环境下的网络接入模型，所述方法包括以下步骤：
对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
根据电力系统的需求对允许接入的聚合流进行接纳控制，根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
优选的，所述聚合流由多个网络流叠加而成，所述网络流包括控制流、管理流、信息流以及视频流。
优选的，所述主配一体化环境下的网络接入模型包括接入控制区域以及网络域，所述接入控制区域包括接入请求分析区域和允许接入决策区域，所述网络域包括入口网络节点以及传输网络节点；
所述接入请求分析区域用于对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
所述允许接入决策区域用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述入口网络节点用于根据电力的系统资源需求量，对允许接入决策模块输出的聚合流进行接纳控制；
所述传输网络节点用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
优选的，所述接入控制区域中包括有多个固定缓冲区，所述多个固定缓冲区中的每个固定缓冲区用于对所述聚合流中的每一种网络流进行分析。
优选的，所述根据聚合流的有效带宽判断是否允许聚合流进行接入的具体步骤如下：
设定电力系统网络带宽的接入阈值；
判定所述聚合流的有效带宽与网络带宽的接入阈值的大小，如果聚合流的有效带宽小于网络带宽的接入阈值，则允许聚合流接入电力系统；否则，基于优先级对聚合流进行排序，以实现带宽利用最大化为目标进行带宽资源的分配。
优选的，若聚合流中只包含一种网络流，则优先级的排序为含有控制流的聚合流、含有管理流的聚合流、含有信息流的聚合流、含有视频流的聚合流；若聚合流中包含有多种网络流，则采用Q-Learning算法对带宽资源进行分配。
优选的，采用Q-Learning算法对带宽资源进行分配，将聚合流分为以下几种类型：包含控制流的聚合流；包含控制流、管理流的聚合流；包含控制流、管理流以及信息流的聚合流；包含控制流、管理流、信息流以及视频流的聚合流。
优选的，采用Q-Learning算法对带宽资源进行分配时，构建基于Q-Learning的流量策略生成模型，所述基于Q-Learning的流量策略生成模型包括状态空间、动作集合、激励函数以及搜索策略。
一种网络接入控制系统，所述系统包括主配一体化环境下的网络接入模型模块；所述主配一体化环境下的网络接入模型模块包括接入控制模块以及网络域模块；所述接入控制模块包括接入请求分析模块和允许接入决策模块，所述网络域模块包括入口网络节点模块以及传输网络节点模块；
所述接入请求分析模块用于对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
所述允许接入决策模块用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述入口网络节点模块用于根据电力的系统资源需求量，对允许接入的聚合流进行接纳控制；
所述传输网络节点模块用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
一种网络接入控制设备，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上述的一种网络接入控制方法。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过对对电力系统中请求网络服务的聚合流进行分析以及接入决策，并根据电力系统的需求对允许接入的聚合流进行接纳控制；提升了聚合流的有效带宽，大大提高了网络资源的利用率，降低了网络的服务质量要求，并且进一步提高了电力通信网络的并发处理能力，在实际应用中具有指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种网络接入控制方法、系统以及设备的方法流程图。
图2为本发明实施例提供的一种网络接入控制方法、系统以及设备的系统框架图。
图3为本发明实施例提供的一种网络接入控制方法、系统以及设备的设备结构图。
图4为本发明实施例提供的一种网络接入控制方法、系统以及设备的实施例中主网业务1和配网业务1的聚合流、单流的有效带宽比较示意图。
图5为本发明实施例提供的一种网络接入控制方法、系统以及设备的实施例中配网业务1和配网业务2的聚合流、单流的有效带宽比较示意图。
图6为本发明实施例提供的一种网络接入控制方法、系统以及设备的实施例中三种流的聚合流、单网络流的有效带宽比较示意图。
具体实施方式
本发明实施例提供了一种网络接入控制方法、系统以及设备，用于解决现有技术中，主网和配网的一体化通信组网模式存在着网络资源利用率低，且对网络的服务质量要求较高的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例提供的一种网络接入控制方法、系统以及设备的方法流程图。
本发明提供的一种网络接入控制方法，适用于预先建立的主配一体化环境下的网络接入模型，所述方法包括以下步骤：
对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
根据电力系统的需求对允许接入的聚合流进行接纳控制，根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
作为一个优选的实施例，聚合流由多个网络流叠加而成，所述网络流包括控制流、管理流、信息流以及视频流，不同类型的网络流在带宽需求、时延需求等具有不同的特点。
作为一个优选的实施例，所述主配一体化环境下的网络接入模型包括接入控制区域以及网络域，所述接入控制区域包括接入请求分析区域和允许接入决策区域，所述网络域包括入口网络节点以及传输网络节点；
接入控制区域用于对电力系统中的用户(主网、配网)请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；接入控制区域中包括有多个固定缓冲区，所述多个固定缓冲区中的每个固定缓冲区用于对所述聚合流中的每一种网络流进行分析。
将聚合流的到达曲线表示为
其中，ni为第i(i＝1,2,..,I)种类型的网络流的数量。本发明采用基于网络微积分的聚合流对有效带宽进行计算。网络微积分(network calculus)理论作为QoS分析工具已被成功应用到网络接入控制中。基于网络微积分理论计算聚合流的有效带宽时，通常采用网络流的上界和下界进行计算。
在时刻t，主网和配网的聚合流a的到达曲线表示为a(t)。本实施例中假设接入请求分析的输出受流量规范T-SPEC(pi,Mi,ri,bi)约束。所以，接入请求分析的聚合流的到达曲线可以使用公式(1)计算。其中，到达曲线的流模型T-SPEC(pi,Mi,ri,bi)中，p为到达曲线的到达速率，M为达到数据包的最大尺寸，r为缓冲区处理数据的速率，b为缓冲区大小。
当时延约束为D时，聚合流的有效带宽表示为
利用有效带宽的定义式，可以直接求解聚合流a的有效带宽，即：聚合流a的有效带宽为I种类型网络流的组合方式中的最小值。所以，服务过程中，聚合流a的有效带宽采用其下界来描述，使用公式(2)、公式(3)计算，其中Γi表示特定流量的特征，且Γ1≤Γ2≤...≤ΓI。
所述接入请求区域用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述入口网络节点用于根据电力的系统资源需求量，对允许接入决策模块输出的聚合流进行接纳控制；
所述传输网络节点用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
作为一个优选的实施例，所述根据聚合流的有效带宽判断是否允许聚合流进行接入的具体步骤如下：
设定电力系统网络带宽的接入阈值；
判定所述聚合流的有效带宽与网络带宽的接入阈值的大小，如果聚合流的有效带宽小于网络带宽的接入阈值，则允许聚合流接入电力系统；否则，基于优先级对聚合流进行排序，以实现带宽利用最大化为目标进行带宽资源的分配。
作为一个优选的实施例，若聚合流中只包含一种网络流，则优先级的排序为含有控制流的聚合流、含有管理流的聚合流、含有信息流的聚合流、含有视频流的聚合流；若聚合流中包含有多种网络流，则采用Q-Learning算法对带宽资源进行分配。
因为网络流组合情况比较复杂，采用逐个试探的方式不可行。考虑到Q-Learning是一种自学习能力较强的无监督学习算法，基于此，本实施例使用Q-Learning算法解决此问题。
作为一个优选的实施例，采用Q-Learning算法对带宽资源进行分配，将聚合流分为以下几种类型：包含控制流的聚合流；包含控制流、管理流的聚合流；包含控制流、管理流以及信息流的聚合流；包含控制流、管理流、信息流以及视频流的聚合流。
作为一个优选的实施例，采用Q-Learning算法对带宽资源进行分配时，构建基于Q-Learning的流量策略生成模型，所述基于Q-Learning的流量策略生成模型包括状态空间、动作集合、激励函数以及搜索策略。
在状态空间方面，将状态空间设置为流量请求(flow request,FR)，使用Si＝FRj表示状态变量，其中的j表示聚合流有效带宽的序号，取值范围为j＝1，2，...，M，因此，状态空间表示为S＝{FR1,FR2,...,FRM}。在生成允许接入策略时，需要遍历完所有的状态变量，才能最终完成允许接入策略的生成。
在动作集合方面，将动作集合设置为某种聚合流被分配的带宽数值。为最大化网络带宽利用率，本发明以各种聚合流的有效带宽值为基础，通过选取一定比例的聚合流有效带宽从而实现网络服务请求的接入。使用A＝{a1,...,ay}表示动作的集合。
在激励函数设计时，使用网络带宽利用率和业务流正向激励两个维度进行计算。其中，利用率(use rate,UR)表示为分配给请求聚合流使用的流量数值除以网络带宽值来求解，使用公式(4)计算。其中，Fi表示分配给请求聚合流使用的流量数值，B表示网络带宽值，Ui表示利用率。网络流正向激励(flow stimulate,FS)表示聚合流的优先级越高，激励越大，使用公式(5)计算。其中，Ai表示网络流正向激励取值，λi表示不同网络流的激励系数，wi表示每分配出单位流量获得的正向激励数值。
Ai＝λiwi (5)
流量分配的目标是实现网络带宽利用率和网络流正向激励的最大化，本发明将目标函数定义为公式(6)，系数α和β用于调节Ui和Ai的量纲。R(s，a)表示状态空间s环境下，采取动作a之后的流量分配收益。R(s,a)的值越大，则算法的性能越好。
R(s，a)＝αUi+βAi (6)
为了从多个允许接入策略中选择最优的流量接入动作a，本实施例基于ε-贪婪算法生成具有最大Q值的流量接入动作a，使用公式(7)进行计算。其中Q(s，a)表示当状态空间为s、动作为a的背景下，通过执行允许接入策略促使网络服务商获取到的利益值，使用公式(8)计算。snext∈S表示执行策略后的新状态，γ(0≤γ≤1)表示下一个允许接入策略执行时获得的收益到本次策略执行获得的收益的转化因子，该值越大，表明下一个允许接入策略对本次允许接入策略的执行的影响越大，
表示状态为snext时所有可用动作构成的集合；
在生成允许接入策略时，根据聚合流的有效带宽取值eD(a)与网络带宽阈值C来生成允许接入流量的策略。当eD(a)小于C值时，为聚合流eD(a)分配资源，说明当前网络系统可以为新到的聚合流提供网络服务，并且保障已接收的所有服务的QoS，为聚合流eD(a)分配资源。当eD(a)大于C的取值时，通过迭代学习最优的Q(s，a)，并计算Q值对累积回报的估计值来寻找最优的流量接入策略，为聚合流eD(a)分配带宽资源。
如图2所示，一种网络接入控制系统，所述系统包括主配一体化环境下的网络接入模型模块201；所述主配一体化环境下的网络接入模型模块201包括接入控制模块202以及网络域模块203；所述接入控制模块202包括接入请求分析模块204和允许接入决策模块205，所述网络域模块203包括入口网络节点模块206以及传输网络节点模块207；
所述接入请求分析模块204用于对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
所述允许接入决策模块205用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述入口网络节点模块206用于根据电力的系统资源需求量，对允许接的聚合流进行接纳控制；
所述传输网络节点模块207用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
如图3所示，一种网络接入控制设备30，所述设备包括处理器300以及存储器301；
所述存储器301用于存储程序代码302，并将所述程序代码302传输给所述处理器；
所述处理器300用于根据所述程序代码302中的指令执行上述的一种网络接入控制方法中的步骤。
示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序302在所述终端设备30中的执行过程。
所述终端设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
实施例2
在本实施例中，采用MATLAB对本发明提出的网络接入控制方法的接纳能力进行分析。模拟3种电力业务的到达曲线服从流模型。3种电力业务T-SPEC参数分别为：主网电力业务1的T-SPEC参数、配网电力业务1的T-SPEC参数、配网电力业务2的T-SPEC参数
其中，mn是指主网(main network)，dn是指配网(distribution network)，p为到达曲线的到达速率，单位Mb/s；M为达到数据包的最大尺寸，单位kb；r为缓冲区处理数据的速率，单位Mb/s；b为缓冲区大小，单位kb；入口节点的带宽为50Mb/s。
实验结果如图4到图6所示。图4展现了主网业务1和配网业务1的聚合流的有效带宽、单个网络流的有效带宽，图5展现了配网业务1和配网业务2的聚合流的有效带宽、单个网络流的有效带宽，图6展现了三种流的聚合流的有效带宽、单个网络流的有效带宽。通过分析实验结果图可知，三种情况下，在不同的时延约束下，聚合流的有效带宽都比单流情况下的有效带宽有所提升。
说明本发明提出的网络接纳过程提高了网络资源的利用率。另外，三种情况下，随着时延约束的增加，单流和聚合流的有效带宽都在变小，并收敛于稳定值。这说明时延约束增加后，电力业务的QoS要求降低，入口节点仅仅需要提供较小的服务速率就可以满足网络请求。这个实验结果非常有助于网络运营人员针对电力业务的QoS要求，采用分区域、分时段的差异化定价服务，更好的提高网络资源利用率，从而带来更大的收益。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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，在本发明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，本发明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设备(可以是个人计算机，服务器，或者网络设备等)执行本发明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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、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发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (6)
1.一种网络接入控制方法，其特征在于，适用于预先建立的主配一体化环境下的网络接入模型，所述方法包括以下步骤：
对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
根据电力系统的需求对允许接入的聚合流进行接纳控制，根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中；
所述聚合流由多个网络流叠加而成，所述网络流包括控制流、管理流、信息流以及视频流；
所述根据对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源具体步骤如下：
设定电力系统网络带宽的接入阈值；
判定所述聚合流的有效带宽与网络带宽的接入阈值的大小，如果聚合流的有效带宽小于网络带宽的接入阈值，则允许聚合流接入电力系统；否则，基于优先级对聚合流进行排序，以实现带宽利用最大化为目标进行带宽资源的分配；
若聚合流中只包含一种网络流，则优先级的排序为：含有控制流的聚合流、含有管理流的聚合流、含有信息流的聚合流、含有视频流的聚合流；若聚合流中包含有多种网络流，则采用Q-Learning算法对带宽资源进行分配；
所述采用Q-Learning算法对带宽资源进行分配包括构建基于Q-Learning的流量策略生成模型，所述基于Q-Learning的流量策略生成模型包括状态空间、动作集合、激励函数以及搜索策略；
所述状态空间具体为：
，其中，Si和FRj为状态变量，j表示聚合流有效带宽的序号，取值范围为j=1，2，...，M，M表示为聚合流有效带宽的总数；
所述动作集合具体为：
，其中，A为动作的集合，ay为某种聚合流被分配的带宽数值；
所述激励函数具体为：
其中，
表示分配给请求聚合流使用的流量数值，B表示网络带宽值，
表示利用率；
其中，
表示网络流正向激励取值，
表示不同网络流的激励系数，
表示每分配出单位流量获得的正向激励数值；
其中，系数
和
用于调节
和
的量纲；
表示状态空间s环境下，采取动作a之后的流量分配收益；
所述搜索策略具体为：
其中，
表示当状态空间为s、动作为a的背景下，通过执行允许接入策略促使网络服务商获取到的利益值；
其中，
表示执行策略后的新状态，
（
）表示下一个允许接入策略执行时获得的收益到本次策略执行获得的收益的转化因子，该值越大，表明下一个允许接入策略对本次允许接入策略的执行的影响越大，
表示状态为
时所有可用动作构成的集合。
2.根据权利要求1所述的一种网络接入控制方法，其特征在于，所述主配一体化环境下的网络接入模型包括接入控制区域以及网络域，所述接入控制区域包括接入请求分析区域和允许接入决策区域，所述网络域包括入口网络节点以及传输网络节点；
所述接入请求分析区域用于对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
所述允许接入决策区域用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述入口网络节点用于根据电力的系统资源需求量，对允许接入决策模块输出的聚合流进行接纳控制；
所述传输网络节点用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中。
3.根据权利要求2所述的一种网络接入控制方法，其特征在于，所述接入控制区域中包括有多个固定缓冲区，所述多个固定缓冲区中的每个固定缓冲区用于对所述聚合流中的每一种网络流进行分析。
4.根据权利要求1所述的一种网络接入控制方法，其特征在于，采用Q-Learning算法对带宽资源进行分配，将聚合流分为以下几种类型：包含控制流的聚合流；包含控制流、管理流的聚合流；包含控制流、管理流以及信息流的聚合流；包含控制流、管理流、信息流以及视频流的聚合流。
5.一种网络接入控制系统，其特征在于，所述系统包括主配一体化环境下的网络接入模型模块；所述主配一体化环境下的网络接入模型模块包括接入控制模块以及网络域模块；所述接入控制模块包括接入请求分析模块和允许接入决策模块，所述网络域模块包括入口网络节点模块以及传输网络节点模块；
所述接入请求分析模块用于对电力系统中请求网络服务的聚合流进行分析，基于网络微积分计算出聚合流的有效带宽；
所述聚合流由多个网络流叠加而成，所述网络流包括控制流、管理流、信息流以及视频流；
所述允许接入决策模用于对经过分析后的聚合流进行允许接入决策，根据聚合流的有效带宽与网络带宽的接入阈值的大小判断是否允许聚合流接入电力系统并为允许接入的聚合流分配带宽资源；
所述允许接入决策模块还用于对不允许接入的聚合流，进行优先级的排序，若聚合流中只包含一种网络流，则优先级的排序为：含有控制流的聚合流、含有管理流的聚合流、含有信息流的聚合流、含有视频流的聚合流；若聚合流中包含有多种网络流，则采用Q-Learning算法对带宽资源进行分配；
所述入口网络节点模块用于根据电力的系统资源需求量，允许接入决策模块输出的聚合流进行接纳控制；
所述传输网络节点模块用于根据分配的带宽资源开始流量传输，将聚合流的服务内容传输到电力系统之中；
所述采用Q-Learning算法对带宽资源进行分配包括构建基于Q-Learning的流量策略生成模型，所述基于Q-Learning的流量策略生成模型包括状态空间、动作集合、激励函数以及搜索策略；
所述状态空间具体为：
，其中，Si和FRj为状态变量，j表示聚合流有效带宽的序号，取值范围为j=1，2，...，M，M表示为聚合流有效带宽的总数；
所述动作集合具体为：
，其中，A为动作的集合，ay为某种聚合流被分配的带宽数值；
所述激励函数具体为：
其中，
表示分配给请求聚合流使用的流量数值，B表示网络带宽值，
表示利用率；
其中，
表示网络流正向激励取值，
表示不同网络流的激励系数，
表示每分配出单位流量获得的正向激励数值；
其中，系数
和
用于调节
和
的量纲；
表示状态空间s环境下，采取动作a之后的流量分配收益；
所述搜索策略具体为：
其中，
表示当状态空间为s、动作为a的背景下，通过执行允许接入策略促使网络服务商获取到的利益值；
其中，
表示执行策略后的新状态，
（
）表示下一个允许接入策略执行时获得的收益到本次策略执行获得的收益的转化因子，该值越大，表明下一个允许接入策略对本次允许接入策略的执行的影响越大，
表示状态为
时所有可用动作构成的集合。
6.一种网络接入控制设备，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1-4任一项所述的一种网络接入控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911414267.4A CN111092826B (zh) | 2019-12-31 | 2019-12-31 | 一种网络接入控制方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911414267.4A CN111092826B (zh) | 2019-12-31 | 2019-12-31 | 一种网络接入控制方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111092826A CN111092826A (zh) | 2020-05-01 |
| CN111092826B true CN111092826B (zh) | 2022-09-30 |
Family
ID=70397033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911414267.4A Active CN111092826B (zh) | 2019-12-31 | 2019-12-31 | 一种网络接入控制方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111092826B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6839767B1 (en) * | 2000-03-02 | 2005-01-04 | Nortel Networks Limited | Admission control for aggregate data flows based on a threshold adjusted according to the frequency of traffic congestion notification |
| CN103532759A (zh) * | 2013-10-17 | 2014-01-22 | 重庆邮电大学 | 面向云服务的聚合流的接纳控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7363371B2 (en) * | 2000-12-28 | 2008-04-22 | Nortel Networks Limited | Traffic flow management in a communications network |
| US6922564B2 (en) * | 2003-05-30 | 2005-07-26 | Motorola Inc. | Admitting data flows to a multiple access network |
-
2019
- 2019-12-31 CN CN201911414267.4A patent/CN111092826B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6839767B1 (en) * | 2000-03-02 | 2005-01-04 | Nortel Networks Limited | Admission control for aggregate data flows based on a threshold adjusted according to the frequency of traffic congestion notification |
| CN103532759A (zh) * | 2013-10-17 | 2014-01-22 | 重庆邮电大学 | 面向云服务的聚合流的接纳控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111092826A (zh) | 2020-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | A method based on the combination of laxity and ant colony system for cloud-fog task scheduling | |
| Wang et al. | Data-driven dynamic resource scheduling for network slicing: A deep reinforcement learning approach | |
| WO2020258920A1 (zh) | 一种网络切片资源管理方法及设备 | |
| Deng et al. | Towards power consumption-delay tradeoff by workload allocation in cloud-fog computing | |
| Zhang et al. | Virtual network embedding based on computing, network, and storage resource constraints | |
| CN111176792B (zh) | 一种资源调度方法、装置及相关设备 | |
| Sandhu et al. | Scheduling of big data applications on distributed cloud based on QoS parameters | |
| CN107360032B (zh) | 一种网络流识别方法及电子设备 | |
| CN111026547B (zh) | 基于拍卖机制的边缘计算服务器资源分配方法 | |
| CN107948083B (zh) | 一种基于增强学习的sdn数据中心拥塞控制方法 | |
| CN112737823A (zh) | 一种资源切片分配方法、装置及计算机设备 | |
| US11799901B2 (en) | Predictive rate limiting system for cloud computing services | |
| Hemmati et al. | QoE-aware bandwidth allocation for video traffic using sigmoidal programming | |
| US20200403913A1 (en) | Network Resource Scheduling Method, Apparatus, Electronic Device and Storage Medium | |
| WO2024098872A1 (zh) | 任务处理方法、系统、装置、设备及计算机可读存储介质 | |
| CN115934333A (zh) | 基于历史数据感知的云计算资源调度方法及调度系统 | |
| CN110888687A (zh) | 基于合约设计的移动边缘计算任务卸载最优合约设计方法 | |
| CN112383485B (zh) | 一种网络拥塞控制方法及装置 | |
| WO2023240911A1 (zh) | 算力调度系统和方法、控制节点、存储介质、设备 | |
| Zhao et al. | Queue-based and learning-based dynamic resources allocation for virtual streaming media server cluster of multi-version VoD system | |
| 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 | |
| CN118102318A (zh) | 一种基于5g技术的数据传输系统 | |
| CN111092826B (zh) | 一种网络接入控制方法、系统及设备 | |
| Yin et al. | Analysis of admission control in P2P-based media delivery network based on POMDP | |
| Wang et al. | Analysis of bandwidth allocation on end-to-end QoS networks under budget control |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |