CN111246586B - 一种基于遗传算法的分配智能电网资源的方法及系统 - Google Patents

一种基于遗传算法的分配智能电网资源的方法及系统 Download PDF

Info

Publication number
CN111246586B
CN111246586B CN202010065863.2A CN202010065863A CN111246586B CN 111246586 B CN111246586 B CN 111246586B CN 202010065863 A CN202010065863 A CN 202010065863A CN 111246586 B CN111246586 B CN 111246586B
Authority
CN
China
Prior art keywords
slice
resources
service
examples
resource
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
CN202010065863.2A
Other languages
English (en)
Other versions
CN111246586A (zh
Inventor
汪洋
王智慧
孟萨出拉
吴赛
杨德龙
李许安
段钧宝
唐铭蔚
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN202010065863.2A priority Critical patent/CN111246586B/zh
Publication of CN111246586A publication Critical patent/CN111246586A/zh
Application granted granted Critical
Publication of CN111246586B publication Critical patent/CN111246586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于遗传算法的分配智能电网资源的方法及系统，属于电力通信的频谱资源分配技术领域。本发明方法，包括：采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；根据峰错效应确定待分配资源的切片实例的容量伸缩；根据容量伸缩为待分配资源的切片实例分配电网资源。本发明根据业务分级和业务需求，合理分配无线资源给各个业务接入的切片。

Description

一种基于遗传算法的分配智能电网资源的方法及系统
技术领域
本发明涉及电力通信的频谱资源分配技术领域，并且更具体地，涉及一种基于遗传算法的分配智能电网资源的方法及系统。
背景技术
随着电网信息化建设不断发展，4G/5G无线专网逐步应用到电力发、输、变、配、用等各个环节。电力无线业务可以分为工业控制类、信息采集类和移动应用类，包括配电自动化、精准负荷控制、分布式电源、用电信息采集和智能大视频等业务。当前，控制类业务主要为子站/主站模式，主站集中，星型拓扑连接，秒级时延；未来主站将下沉，趋于分布式点对点连接，本地就近控制，以配电自动化业务为例，时延要求10ms，可靠性要求99.999％。采集类业务采集频次为月、天、小时级，采集内容以基础数据、图像为主，连接数为百个/平方公里；未来采集频次为分钟级，达到准实时，采集内容区域视频化、高清化，连接数量视具体业务而定，以用电信息采集业务为例，采集对象下沉至用户，连接数量将达千级，甚至万级每平方公里。移动应用类中的智能电网视频类业务需要回传大量高清视频。智能电网业务种类繁多，业务需求各异，且业务间需要进行物理隔离或者逻辑隔离。
5G将提供一个通用的方式，以应对垂直行业(如智能电网)中各种业务和应用产生的新通信需求所带来的挑战。首先，5G增强型移动宽带(eMBB)、超高可靠超低时延通信(uRLLC)和海量机器类通信(mMTC)三大应用场景可良好适配智能电网三大类业务。其次，网络切片技术是5G的重要技术之一，它允许在公共共享物理基础设施上创建多个逻辑网络。通过网络虚拟化技术将物理资源虚拟化成虚拟资源，使用软件定义网络技术对虚拟资源进行重组管理，以根据不同业务差异化需求提供合适的服务等级水平。网络切片带来的更大弹性将有助于满足智能电网这种垂直行业服务的成本、效率和灵活性要求。
发明内容
针对上述问题，本发明提出了一种基于遗传算法的分配智能电网资源的方法，包括：
采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的错峰效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩；
根据容量伸缩为待分配资源的切片实例分配电网资源。
可选的，对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例的每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率和对应资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源。
可选的，峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
可选的，匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
可选的，QoS分值根据资源到电力终端设备的业务时延和带宽确定。
本发明还提出了一种基于遗传算法的分配智能电网资源的系统，所述系统包括：
采集模块，采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
虚拟分配模块，对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
虚拟运行模块，将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
资源分配模块，根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的峰错效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩，根据容量伸缩为待分配资源的切片实例分配电网资源。
可选的，对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例的每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率和对应资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源。
可选的，峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
可选的，匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
可选的，QoS分值根据资源到电力终端设备的业务时延和带宽确定。
本发明根据业务分级和业务需求，合理分配无线资源给各个业务接入的切片，使切片能保证满足业务的时延要求，且最大化切片的吞吐量，以优化切片在一定服务时间内的服务性能。
附图说明
图1为本发明一种基于遗传算法的分配智能电网资源的方法流程图；
图2为本发明一种基于遗传算法的分配智能电网资源的方法智能电网场景下接入网网络切片逻辑架构图；
图3为本发明种基于遗传算法的分配智能电网资源的方法智能电网网络编排层资源分配逻辑图；
图4为本发明一种基于遗传算法的分配智能电网资源的方法电力业务服务效果累计得分曲线图；
图5为本发明一种基于遗传算法的分配智能电网资源的方法时间-平均吞吐量关系图；
图6为本发明一种基于遗传算法的分配智能电网资源的方法时间-累积吞吐量关系图；
图7为本发明一种基于遗传算法的分配智能电网资源的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了本发明提出了一种基于遗传算法的分配智能电网资源的方法，如图1所示，包括：
采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的峰错效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩；
根据容量伸缩为待分配资源的切片实例分配电网资源。
对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例的每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率、任意一个资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源。
峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
QoS分值根据资源到电力终端设备的业务时延和带宽确定。
下面结合是合理对本发明进行进一步说明。
智能电网切片整体框架，如图2所示，包括基础设施层、虚拟化层、切片层、电力业务层和网络编排层。
基础设施层提供执行虚拟化智能电网流程所需的物理资源，包括电力设备终端、计算设备、存储设备和网络硬件等等，除了传统的数据中心组件外，还包括传感和驱动设备。
虚拟化层为创建虚拟网络功能提供网络虚拟技术支持，主要依靠网络功能虚拟化(NFV)和软件定义网络(SDN)。
其中，NFV主要实现传统电信设备的软硬件解耦，将物理资源抽象化，形成可供上层应用的虚拟资源，实现网络功能虚拟化，SDN可以分离网络设备的转发平面和控制平面，实现网络自动化和智能化，特别地，要为电力终端设备提供新颖的节点映射和链路映射方案。
切片层是指为适应特定智能电网用例而部署的切片，不同切片之间可以通过切片联合接口按需联合，使不同切片之间可以互通，形成切片群，每个切片实例对应一个特定的切片管理器，切片管理器一方面使UE快速发现网络切片所对应的接入网节点，完成初始接入，关联到实际需要的网络切片。
电力业务层包括电力设备和接口，负责将电力业务信息，包括业务类型、QoS需求等传输给网络编排层中的业务感知模块。
网络编排层，如图3所示，包括业务感知、切片定制、资源分配、实时监控和动态管理等模块，业务感知模块用来收集业务信息，它采集并分析来自电力业务层业务流的各种信息，包括电力业务类型以及业务需求(时延、带宽、可靠性等)，切片定制模块对业务进行分类，根据具体业务的SLA指标要求，创建切片实例，在接入网部分对切片进行L1物理层、L2协议层和L3RRC层的协议栈定制和裁剪。
资源分配模块根据当前情况为切片分配虚拟资源后，创建网络切片所需的虚拟网络功能(VNF)，实例化VNF接口，完成编排；
在切片运行过程中，对接入网切片进行实时监控和动态管理，借助不同切片间话务在时间规律和地域分布两个维度上的差异所带来的错峰效应，分别实现单个切片的容量伸缩。
对切片联合实例，妥善处理竞争切片中可能会出现的资源分配冲突问题。
提出综合考虑电力业务时延、带宽、可靠性指标的无线资源分配优化模型。
1、系统模型假设；
假设产生工业控制类业务、信息采集类业务和移动应用类业务的电力终端设备分别有m、n、q台，这些设备均由gNodeB(gNB)提供服务。其中，m∈M＝{1,2,...,M}，n∈N＝{1,2,...,N}，q∈Q＝{1,2,...,Q}，分别表示产生三类业务的UE集合。给定共享带宽W,W0表示每个RB的带宽，RBk表示第k个资源块，其中k∈{1,2,...,K}。由于分配给不同切片的RBs都是正交的，切片内分配给不同UE的RBs也是正交的，因此为简化问题，不考虑切片内各RB之间的干扰和切片间干扰，注意加性高斯白噪声分布为CN(0,σ2)。
Figure BDA0002375947720000071
分别表示在第k个RB上，gNB到设备UEm、UEn、UEq的信道状态信息(CSI)，服从瑞利衰落。
Figure BDA0002375947720000072
表示在RBk上，gNB与设备UEm、UEn、UEq的传输功率，其中
Figure BDA0002375947720000073
二元变量：amk∈{0,1}、ank∈{0,1}、aqk∈{0,1}分别表示是否将RB分配给UEm、UEn、UEq。对于所有的k和t，将RBk分配给UEm、UEn、UEq时，需要满足每个RB最多只能分配给一个用户，且一个RB只能分配给一个切片。
考虑下行链路的传输速率：
Figure BDA0002375947720000081
Figure BDA0002375947720000082
Figure BDA0002375947720000083
三类业务随机产生，并加入到业务缓存队列中。
2、效用函数；
在描述业务服务效果时，我们引入效用函数，即切片业务被分配到的带宽和用户感知到的性能之间的曲线映射，使用效用函数计算现有可提供资源服务某业务时该业务的QoS得分，然后根据业务得分进行选择，我们的算法是选择得分最高的业务为其分配资源。
我们综合考虑时延、带宽和可靠性三种指标，顾名思义，当业务端到端时延值小于业务QoS需求中时延值，且分配带宽资源值大于业务要求带宽值时服务效果最好，此时可靠性也符合要求，因此，我们采用以下函数来分别表征业务在时延和带宽方面的满足程度：
Figure BDA0002375947720000084
Figure BDA0002375947720000085
其中，tv、tr、B v、Br分别表示业务时延需求、业务实际端到端时延、业务带宽需求和业务实际分配带宽，业务实际端到端时延越小，实际分配带宽越大，通信越可靠，获得效用值也越高。
通信需求如表1所示：
表1
Figure BDA0002375947720000086
Figure BDA0002375947720000091
工业控制类业务，如配电自动化、精准负荷控制等，对时延和可靠性的要求十分苛刻，通常需要进行优先处理；
移动应用类业务，主要是智能大视频应用，其侧重于带宽需求，时延要求为百毫秒级仅次于工业控制类业务；
信息采集类业务，如用电信息采集，各指标需求较为平庸，时延需求为秒级，即可以容忍较大延迟，可靠性要求也一般，且其一次传输数据量一般较小，因此通常情况下其不着急被处理。
关于如何反映应优先为哪种业务分配资源，我们引入了“网络请求价值”函数W来表征业务的优先级，对于任一业务，需要满足的网络请求价值定义为：
Wi＝2(pi)(k1i*Ubi+k2i*Uti)
其中，pi∈{1,2,3}，分别对应于信息采集类业务、移动应用类业务和工业控制类业务，k1i、k2i根据业务侧重点动态调整。
罚分策略，对于暂时无法分配资源进行服务的业务，我们让其重新加入缓存队列头部。但若当前时延已超过所要求时延，则需要其服务效果进行罚分：
Figure BDA0002375947720000101
其中，k3为罚分比例，0＜k3＜1，可取定值，也可以随着罚分次数或者超过时长而上升，在本文实验中，由于会在极短时间多次罚分，为保证效用函数之和大于0，该值固定为0.01。
3、遗传算法
遗传算法(Genetic Algorithm,GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
遗传算法的基本步骤为：
首先随机生成初始种群，对种群中个体进行二进制编码，得到染色体序列。
计算其适应度值函数，并记录最大适应度值。
根据轮盘赌算法(或随机竞争选择等方法)选择适应度值较高的若干个个体(染色体)
对选择出来的染色体以一定的概率进行交叉操作
对交叉后的染色体，以一定的概率进行变异操作。
重复步骤(2)-(5)，直到超出迭代次数或者解符合要求。
普通遗传算法
对于本文的场景，我们采用可变长遗传算法，将一组电力业务作为遗传算法的输入，染色体中基因的个数等于该组电力业务的数量，可根据业务中缓存队列情况，动态选取业务，每个染色体表示一种资源分配方案，染色体中的基因表示是否对该业务进行服务，其中0表示不服务，1表示服务，适应度值函数定义为效用函数之和，即
Figure BDA0002375947720000102
其中，ai∈{0,1}。特别地，在每次重新计算适应度值之前，需要判断该方案所需资源是否小于等于目前网络中的剩余资源，若不满足，则需要更新方案(进行单体初始化)。其他操作与传统遗传算法一致。
改进遗传算法
在实验中，我们发现由于需要使用遗传算法进行业务服务选择时，属于资源极其紧缺的情况，可能出现较多业务无法被服务的现象，因此会造成大量无效的方案更新，一些较好的基因被更新而无法遗传下去，最后趋于全不服务的安全方案。同时，在多基因趋于0的情况下，基因交叉意义不大。基于上述分析，我们对基因的初始化和交叉的部分进行了一些改进。
初始化：原则是选择尽可能少的业务进行服务，可以作为后续操作的因子。假定种群数量大于等于染色体中的基因个数，使得初始化中可以选择部分个体进行固定初始化、余下个体进行随机初始化。在初始化过程中，我们需要确认该组中哪些业务可以被服务(业务所需资源数小于等于网络剩余资源数)和哪些业务一定无法被服务(即该业务所需资源数大于网络剩余资源数)，无法被服务的业务对应的基因始终为0。
或交叉操作：对种群中的个体两两进行或运算，再按照一定比例进行交叉运算。进行或运算可以使可被服务的业务进行重组，以期待找到更多可同时服务的业务组合。同时，保证不可服务业务始终不被服务，降低更新方案的可能性，以减少时延。
退变异操作：该操作用于某方案所需资源不能满足的情况。其随机选择一个基因位变为0。该操作比起重新初始化该方案可以更好地保留优秀基因。另外，使用该方案与相邻方案进行与操作可以达到相似的效果，但是复杂度要高一些。
其他步骤与普通遗传算法一致，具体如表2所示：
表2
Figure BDA0002375947720000111
Figure BDA0002375947720000121
如图4所示，使用不同算法为电力业务分配无线资源的服务效果得分，通过应用本发明提出的基于改进遗传算法和效用的资源分配方法得到的分数是最高的，接下来依次是遗传算法、尽力比例公平算法和比例公平算法。因为资源块分配的最小单位是1，且资源块数量是有限的，因此为避免资源使用超量，比例公平算法在分配资源时使用下取整方式，从而会导致剩余资源。而尽力比例公平算法是对一组业务依次进行比例公平，从而可以使用上取整方式分配资源，该方法分配结束后剩余资源较比例公平算法少。比例公平算法的缺点是在资源紧缺时，资源分配过于分散，使得短时间内业务等待时延较短，但由于提供资源不充足，服务可靠性较差，服务时间较长，会导致后续业务等待时间更长，恶性循环。尽力比例公平算法也同理。而使用遗传算法是在保证业务所需资源充足的前提下进行分配，因而服务质量可以得到保证，因而得分较高。改进后的遗传算法，在资源分配上更加精确，尽可能减少存在可服务业务却未分配资源的情况，因此得分最高。虽然图中显示，尽力比例公平算法与普通遗传算法得分相差较小，但是随着时间的推进，两者差距将逐渐增大。
如图5和图6所示，平均吞吐量方面，普通遗传算法和改进遗传算法效果类似在2.2Mbps附近波动；比例公平算法和尽力比例公平算法效果均为迅速下降并趋于平稳。累积吞吐量方面，两种遗传算法要比两种比例公平算法大很多。
本发明中电力业务层源源不断产生业务流，网络编排层中的业务感知模块对业务流进行信息采集，包括业务类型、业务需求(如时延、可靠性、带宽需求等)。数据提取完成后进入切片定制模块，该模块根据具体业务的SLA指标要求，对其进行优先级分类，创建切片实例，并在接入网部分对切片进行L1物理层、L2协议层和L3RRC层的协议栈定制和裁剪。接着资源分配模块根据给定效用函数，使用算法选择效用高的业务进行优先分配资源。
本发明电力无线业务主要分为工业控制类、信息采集类和移动应用类，其中工业控制类业务主要属于uRLLC场景，注重超高可靠超低时延；移动应用类业务主要是eMBB场景，侧重大带宽；信息采集类业务主要属于mMTC切片，对时延和带宽要求一般，但连接数量巨大。业务产生后加入业务缓存队列，根据业务分级和业务需求，定义效用函数，并使用改进的遗传算法将RAN侧无线资源合理分配给各个业务接入的切片，使切片能保证满足业务的时延要求，且最大化切片的吞吐量，以优化切片在一定服务时间内的服务性能。
本发明还提出了一种基于遗传算法的分配智能电网资源的系统200，如图7所示，所述系统包括：
采集模块201，采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
虚拟分配模块202，对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
虚拟运行模块203，将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
资源分配模块204，根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的峰错效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩，根据容量伸缩为待分配资源的切片实例分配电网资源。
对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例的每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率、任意一个资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源。
峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
QoS分值根据资源到电力终端设备的业务时延和带宽确定。
本发明根据业务分级和业务需求，合理分配无线资源给各个业务接入的切片，使切片能保证满足业务的时延要求，且最大化切片的吞吐量，以优化切片在一定服务时间内的服务性能。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种基于遗传算法的分配智能电网资源的方法，所述方法包括：
采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
所述对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例中每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率和对应资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源；
将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的峰错效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩；
根据容量伸缩为待分配资源的切片实例分配电网资源。
2.根据权利要求1所述的方法，所述峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
3.根据权利要求1所述的方法，所述匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
4.根据权利要求2所述的方法，所述QoS分值根据资源到电力终端设备的业务时延和带宽确定。
5.一种基于遗传算法的分配智能电网资源的系统，所述系统包括：
采集模块，采集智能电网电力业务层的业务流信息，并对业务流信息进行分类，根据预设要求，对分类后的业务流信息创建多个切片实例；
虚拟分配模块，对多个切片实例中每一个切片实例确定虚拟的分配资源，并对多个切片实例中的每一个切片实例创建虚拟网络和实例化接口；
所述对多个切片实例中每一个切片实例确定虚拟的分配资源，具体为：
确定多个切片实例的每一个切片实例的电力终端设备的集合，给定智能电网资源的每一个资源块的共享带宽和带宽；
确定任意一个资源块至集合中的每一个电力终端设备的传输速率，根据传输速率和对应资源块的共享带宽和带宽，对每一个资源块与集合中的任意一个电力终端设备进行匹配，待全部资源块与多个切片实例的每一个切片实例的电力终端设备的集合中每一个电力终端设备完成匹配后，生成匹配规则，根据匹配规则虚拟分配资源；
虚拟运行模块，将每一个切片实例通过实施例话接口接入虚拟网络，并进行虚拟运行，虚拟运行过程中对每一个切片实例进行实时监控和动态管理，根据实时监控和动态管理获取多个切片实例中不同切片实例间的话务的时间规律和地域分布；
资源分配模块，根据不同切片实例间的话务的时间规律和地域分布，确定因时间规律和地域分布引起的峰错效应，根据峰错效应确定是否为切片实例分配资源，确定待分配资源的切片实例，并根据峰错效应确定待分配资源的切片实例的容量伸缩，根据容量伸缩为待分配资源的切片实例分配电网资源。
6.根据权利要求5所述的系统，所述峰错效应用于确定多个切片实例的QoS分值，选择QoS分值最大的切片实例作为待分配资源切片实例。
7.根据权利要求5所述的系统，所述匹配还根据电力终端设备业务时延和可靠性指标进行匹配。
8.根据权利要求6所述的系统，所述QoS分值根据资源到电力终端设备的业务时延和带宽确定。
CN202010065863.2A 2020-01-20 2020-01-20 一种基于遗传算法的分配智能电网资源的方法及系统 Active CN111246586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010065863.2A CN111246586B (zh) 2020-01-20 2020-01-20 一种基于遗传算法的分配智能电网资源的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010065863.2A CN111246586B (zh) 2020-01-20 2020-01-20 一种基于遗传算法的分配智能电网资源的方法及系统

Publications (2)

Publication Number Publication Date
CN111246586A CN111246586A (zh) 2020-06-05
CN111246586B true CN111246586B (zh) 2022-07-01

Family

ID=70865979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010065863.2A Active CN111246586B (zh) 2020-01-20 2020-01-20 一种基于遗传算法的分配智能电网资源的方法及系统

Country Status (1)

Country Link
CN (1) CN111246586B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111711538B (zh) * 2020-06-08 2021-11-23 中国电力科学研究院有限公司 基于机器学习分类算法的电力网络规划方法及系统
CN113825149B (zh) * 2020-06-18 2024-03-12 中国移动通信集团浙江有限公司 5g切片网元功能自动裁剪方法、装置及计算设备
CN112243228A (zh) * 2020-07-31 2021-01-19 国网浙江省电力有限公司培训中心 基于5g接入网切片的能源互联网终端接入系统及方法
CN112087782B (zh) * 2020-09-11 2022-12-02 杭州电子科技大学 一种X-Haul网络中EMBB和URLLC共存的带宽分配方法
CN112365366B (zh) * 2020-11-12 2023-05-16 广东电网有限责任公司 一种基于智能化5g切片的微电网管理方法及系统
CN112737813A (zh) * 2020-12-11 2021-04-30 广东电力通信科技有限公司 一种基于5g网络切片的电力业务管理方法及系统
CN114666233B (zh) * 2020-12-23 2023-08-22 上海华为技术有限公司 一种网络资源的请求方法及其相关设备
CN112819054B (zh) * 2021-01-25 2023-06-30 中国联合网络通信集团有限公司 一种切片模板配置方法及装置
CN113382417A (zh) * 2021-04-22 2021-09-10 国网浙江省电力有限公司嘉兴供电公司 一种面向多业务泛在接入的无线专网资源分配方法
CN113727450B (zh) * 2021-08-13 2024-03-08 中国科学院计算技术研究所 一种基于资源隔离与复用的网络切片无线资源分配方法
CN114679389A (zh) * 2022-03-15 2022-06-28 国网江苏省电力有限公司电力科学研究院 一种基于5g切片的电力精准负控通信保障系统及方法
CN114979710B (zh) * 2022-07-14 2022-10-28 中国科学技术大学 针对高速移动场景的星地联合多媒体传输架构的传输方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108111931A (zh) * 2017-12-15 2018-06-01 国网辽宁省电力有限公司 一种电力光纤接入网的虚拟资源切片管理方法及装置
CN110311798A (zh) * 2018-03-20 2019-10-08 华为技术有限公司 一种管理虚拟资源的方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10824454B2 (en) * 2017-06-15 2020-11-03 At&T Intellectual Property I, L.P. 5G dynamic slice and network identity instantiation, termination, and access management system and method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108111931A (zh) * 2017-12-15 2018-06-01 国网辽宁省电力有限公司 一种电力光纤接入网的虚拟资源切片管理方法及装置
CN110311798A (zh) * 2018-03-20 2019-10-08 华为技术有限公司 一种管理虚拟资源的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Integration Application of 5G and Smart Grid;Sachula Meng等;《2019 11th International Conference on Wireless Communications and Signal Processing (WCSP)》;20191025;第3、4节 *
一种5G网络切片的编排算法;周恒等;《电信科学》;20170820;第33卷(第8期);全文 *

Also Published As

Publication number Publication date
CN111246586A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN111246586B (zh) 一种基于遗传算法的分配智能电网资源的方法及系统
CN111953510B (zh) 一种基于强化学习的智能电网切片无线资源分配方法及系统
CN110381541B (zh) 一种基于强化学习的智能电网切片分配方法及装置
Sun et al. Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning
WO2020258920A1 (zh) 一种网络切片资源管理方法及设备
CN101601249B (zh) 基于质量和速率信息对多媒体内容进行尺寸调整的方法和系统
CN106100907B (zh) 一种基于公平性的mec服务器选择方法
CN106534333A (zh) 一种基于mec和mcc的双向选择计算卸载方法
CN111277437A (zh) 一种智能电网的网络切片资源分配方法
Ko et al. Joint client selection and bandwidth allocation algorithm for federated learning
CN102662764B (zh) 一种基于smdp的动态云计算资源优化分配方法
CN112543508A (zh) 面向5g网络切片的无线资源分配方法及网络架构
Zhou et al. Learning from peers: Deep transfer reinforcement learning for joint radio and cache resource allocation in 5G RAN slicing
CN110717300A (zh) 面向电力物联实时在线监测业务的边缘计算任务分配方法
CN111711666A (zh) 一种基于强化学习的车联网云计算资源优化方法
CN109743751B (zh) 无线接入网的资源分配方法及装置
CN110121213A (zh) 一种多业务资源调度方法及装置
Al-Khatib et al. Spectrum sharing in multi-tenant 5G cellular networks: Modeling and planning
CN115103450B (zh) 一种多业务时隙分配方法和设备
CN115460088A (zh) 一种5g电力多业务切片资源分配与隔离方法
Ning et al. Social-oriented resource management in cloud-based mobile networks
Shome et al. Deep Q-learning for 5G network slicing with diverse resource stipulations and dynamic data traffic
CN106028453B (zh) 基于排队论的无线虚拟网络资源跨层调度映射方法
Lotfi et al. Attention-based open ran slice management using deep reinforcement learning
Vamvakas et al. Optimization and resource management in NOMA wireless networks supporting real and non-real time service bundling

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