CN112188502A - 一种变电站监控中前后端协同通信的资源分配方法 - Google Patents
一种变电站监控中前后端协同通信的资源分配方法 Download PDFInfo
- Publication number
- CN112188502A CN112188502A CN202010974793.2A CN202010974793A CN112188502A CN 112188502 A CN112188502 A CN 112188502A CN 202010974793 A CN202010974793 A CN 202010974793A CN 112188502 A CN112188502 A CN 112188502A
- Authority
- CN
- China
- Prior art keywords
- workstation
- monitoring node
- variable
- resource allocation
- representing
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 168
- 238000013468 resource allocation Methods 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 230000005540 biological transmission Effects 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000009977 dual effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 9
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出一种变电站监控中前后端协同通信的资源分配方法,解决了前后端数据传输时,通信资源分配不合理,计算资源利用不均匀的问题,以变电站前端监控节点的总体能效最大为目标函数,以关联变量分配约束、关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、传输时延约束为约束条件,建立原始资源分配优化模型,利用凸优化原理将其转换为凸优化资源分配模型,并进行本地更新和全局更新,形成交替方向乘子法能解决的问题形式,减少计算复杂度,使变电站监控中前后端协同通信的能效得到优化,满足变电站监控对传输延迟的要求,为实时监控提供保障,使无线网络中的通信与计算资源得到合理的利用。
Description
技术领域
本发明涉及变电站无线通信传输的技术领域,更具体地,涉及一种变电站监控中前后端协同通信的资源分配方法。
背景技术
近年来,随着社会经济的发展,用户用电规模不断扩大,电能需求量增加,变电站在电能传输过程中扮演着重要的角色,由于变电场所的环境及网线复杂度高的特点,在变电站的监控层面,也对电网自身提出了更高要求。
目前针对变电站监控,大部分解决方案是将采集的相关监控视频或图片信息上传至服务器进行分析,但视频图像传输量大且有效信息少,会占用和浪费大量网络带宽资源,另外出于对带宽成本的考虑,此类方案会降低数据回传的频次,因此无法真正做到实时监控与预警。2020年8月25日,公开号为CN111582016A的中国专利中公开了一种基于云边协同深度学习的智能免维护电网监控方法及系统,该专利考虑大量监控视频图像直接上传到服务器具有网络带宽压力大,产生网络时延的缺陷,利用边缘计算点(后端工作站)在数据源头(前端监控节点)就近对图像数据进行处理,解决交互延迟的问题,同时减少带宽成本,但就近对图像数据的处理识别基于电网异常检测模型,而电网异常检测模型需要不断训练更新,因此,不借助外在模型,仅从变电站监控本身出发,尝试对变电站前端监控节点与后端工作站传输数据的过程进行优化改进成为一个研究热点,然而,在前端监控节点与后端工作站传输数据的过程中,容易出现通信资源分配不合理,工作站服务器计算资源利用不均匀等问题,仍会导致数据传输延迟大,无法达到真正实时监控的效果,甚至会造成一部分工作站超负荷工作,而其他工作站的计算资源闲置浪费的情况。
发明内容
为解决在变电站前端监控节点与后端工作站传输数据的过程中,通信资源分配不合理,工作站服务器计算资源利用不均匀的问题,本发明提出一种变电站监控中前后端协同通信的资源分配方法,使变电站无线通信网络中的资源得到合理的分配,降低数据传输过程中的延迟,提高变电站监控节点的能效。
为了达到上述技术效果,本发明的技术方案如下:
一种变电站监控中前后端协同通信的资源分配方法,至少包括:
S1.初始化前端监控节点、后端工作站的数量及位置分布,确定前端监控节点至后端工作站的上行链路的基本传输速率;
S2.以变电站前端监控节点的总体能效E最大为目标函数,以前端监控节点与后端工作站的关联变量分配约束、前端监控节点与后端工作站的关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、前端监控节点至后端工作站的传输时延约束为约束条件,建立原始资源分配优化模型;
S3.将原始资源分配优化模型基于凸优化原理转换为凸优化资源分配模型;
S4.利用交替方向乘子法,引入拉格朗日乘子变量,进行凸优化资源分配模型中关联变量、带宽分配变量及计算资源变量的迭代计算,对关联变量、带宽分配变量及计算资源变量进行本地更新和全局更新;
S5.根据步骤S4中对关联变量、带宽分配变量及计算资源变量的更新,进行拉格朗日乘子的对偶更新;
S6.判断迭代计算是否收敛,若是,输出前端监控节点与后端工作站的关联分配情况、前端监控节点与后端工作站的关联上行链路的带宽分配情况以及每个后端工作站分配给前端监控节点的计算资源情况;否则,返回步骤S4。
在本技术方案中,考虑在前端监控节点与后端工作站传输数据的过程中,容易出现通信资源分配不合理,工作站服务器计算资源利用不均匀等问题,以变电站前端监控节点的总体能效E最大为目标函数,以前端监控节点与后端工作站的关联变量分配约束、前端监控节点与后端工作站的关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、前端监控节点至后端工作站的传输时延约束为约束条件,建立原始资源分配优化模型,由于此时原始资源分配优化模型的目标函数和约束中的变量定义离散,不是一个凸优化问题,利用凸优化原理将其转换为能利用数学手段解决的凸优化资源分配模型,但随着变电站前端监控节点和后端工作站数量的增加,这个问题越来越复杂,因此进行本地更新和全局更新,形成交替方向乘子法能解决的问题形式,减少计算复杂度,在迭代更新之后得出通信资源分配的优化方案,保证通信资源分配的合理准确性以及工作站服务器计算资源利用的均匀性。
优选地,基本传输速率计算公式为:
其中,Rjk表示基本传输速率;yjk表示前端监控节点至后端工作站的上行链路中分配给与后端工作站k关联的前端监控节点j的频率带宽指标,BC表示通信带宽,pjk表示从前端监控节点j到后端工作站k的传输功率,hjk表示从节点j到后端工作站k的信道增益,加性高斯白噪声记作Nk~CN(0,σ2),其中σ2为噪声方差。
优选地,步骤S2所述的原始资源分配优化模型的目标函数为:
约束条件为:
A.前端监控节点与后端工作站的关联分配约束:
B.前端监控节点与后端工作站的关联上行链路的带宽分配变量约束:
其中,yjk前端监控节点j与后端工作站k的关联上行链路的带宽分配量;
C.每个后端工作站分配给前端监控节点的计算资源变量约束:
其中,zjk表示后端工作站k分配给前端监控节点j的计算资源;
D.前端监控节点至后端工作站的传输时延约束为约束条件:
其中,Rj是前端监控节点j传送到后端工作站的任务数据大小,Dj是任务数据对应的计算能力要求,wk是后端工作站的计算能力;ρ是迭代步长,i是迭代次数。
优选地,步骤S4所述的本地更新具体为:将步骤S2建立的凸优化资源分配模型分布式分解,以每个后端工作站k为相加单位,对于每个后端工作站k,拆分转换为与所有前端监控节点关联上行链路中的监控网络能效和的若干个子问题,每一个子问题对应的每个后端工作站k的监控网络能效和优化模型为:
目标函数:
约束条件:
表示第k个后端工作站的效用函数;表示全局更新下前端监控节点j与后端工作站k的关联变量;表示全局更新下前端监控节点j与后端工作站k的关联上行链路的带宽分配变量;表示全局更新下每个后端工作站分配给前端监控节点的计算资源变量;ΩU和ΩB分别表示前端监控节点集合、后端工作站集合;n表示本地更新过程中的某个工作站;表示本地更新下前端监控节点j与后端工作站k的关联变量;表示本地更新下前端监控节点j与后端工作站k的关联上行链路的带宽分配变量;ψ表示可行集;T表示前端监控节点的传输时间要求,和均表示拉格朗日乘子。
在此,原始资源分配优化模型中的目标函数考虑的是前端监控节点与后端工作站之间所有关联上行链路中对应的前端监控节点的能效和,在凸优化原理处理之后,将凸优化资源分配模型分布式分解,以每个后端工作站k为相加单位,对于每个后端工作站k,拆分转换为与所有前端监控节点关联上行链路中的监控网络能效和的若干个子问题,优化内容本质一致,但降低了计算复杂度。
优选地,每个后端工作站k的监控网络能效和优化模型通过凸优化工具箱求解。
优选地,第k个后端工作站的效用函数的表达式满足:
优选地,步骤S3所述的全局更新所满足的具体公式为:
其中,K表示后端工作站的总数量;
拉格朗日乘子变量的对偶更新满足的公式为:
其中,i表示迭代次数,ρ表示迭代步长。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种变电站监控中前后端协同通信的资源分配方法,以变电站前端监控节点的总体能效E最大为目标函数,以前端监控节点与后端工作站的关联变量分配约束、前端监控节点与后端工作站的关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、前端监控节点至后端工作站的传输时延约束为约束条件,建立原始资源分配优化模型,利用凸优化原理将其转换为凸优化资源分配模型,进行本地更新和全局更新,形成交替方向乘子法能解决的问题形式,减少计算复杂度,在迭代更新之后得出通信资源分配的优化方案,保证通信资源分配的合理准确性以及工作站服务器计算资源利用的均匀性,满足了变电站监控对传输延迟的要求,为实时监控提供了保障,避免了工作站负载不均衡等问题。
附图说明
图1表示本发明实施例中提出的变电站监控中前后端协同通信的系统结构图;
图2表示本发明实施例中提出的变电站监控中前后端协同通信的资源分配方法的流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好地说明本实施例,附图某些部位会有省略、放大或缩小,并不代表实际尺寸;
对于本领域技术人员来说,附图中某些公知内容说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的变电站监控中前后端协同通信的系统结构图,图1中1表示前端监控节点,2表示前端监控节点至后端工作站的上行链路,3表示后端工作站,变电站前端监控节点1通过上行链路2向后端工作站3传输数据,在前端监控节点1与后端工作站3传输数据的过程中,容易出现通信资源分配不合理,工作站服务器计算资源利用不均匀等问题,如图2所示的本发明提出的变电站监控中前后端协同通信的资源分配方法的流程示意图,所述方法包括:
S1.初始化前端监控节点、后端工作站的数量及位置分布,确定前端监控节点至后端工作站的上行链路的基本传输速率;基本传输速率计算公式为:
基本传输速率计算公式为:
其中,Rjk表示基本传输速率;yjk表示前端监控节点至后端工作站的上行链路中分配给与后端工作站k关联的前端监控节点j的频率带宽指标,BC表示通信带宽,pjk表示从前端监控节点j到后端工作站k的传输功率,hjk表示从节点j到后端工作站k的信道增益,加性高斯白噪声记作Nk~CN(0,σ2),其中σ2为噪声方差;
S2.以变电站前端监控节点的总体能效E最大为目标函数,以前端监控节点与后端工作站的关联变量分配约束、前端监控节点与后端工作站的关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、前端监控节点至后端工作站的传输时延约束为约束条件,建立原始资源分配优化模型;
原始资源分配优化模型的目标函数为:
约束条件为:
A.前端监控节点与后端工作站的关联分配约束:
B.前端监控节点与后端工作站的关联上行链路的带宽分配变量约束:
其中,yjk前端监控节点j与后端工作站k的关联上行链路的带宽分配量;
C.每个后端工作站分配给前端监控节点的计算资源变量约束:
其中,zjk表示后端工作站k分配给前端监控节点j的计算资源;
D.前端监控节点至后端工作站的传输时延约束为约束条件:
其中,Rj是前端监控节点j传送到后端工作站的任务数据大小,Dj是任务数据对应的计算能力要求,wk是后端工作站的计算能力;ρ是迭代步长,i是迭代次数;以上表明每个前端监控节点仅与一个后端工作站传输数据;每个上行链路使用的通信频带资源不超过规定频段的带宽分配资源,每个后端工作站的计算资源不超过负荷分配的计算资源;监测节点到工作站传输时延不超过时延定值T;
S3.将原始资源分配优化模型基于凸优化原理转换为凸优化资源分配模型;在本实施例中,由于此时建立的原始资源分配优化模型中的目标函数和约束条件的变量定义离散,不是一个凸优化问题,利用凸优化原理将其转换为能利用数学手段解决的凸优化资源分配模型;
S4.利用交替方向乘子法,引入拉格朗日乘子变量,进行凸优化资源分配模型中关联变量、带宽分配变量及计算资源变量的迭代计算,对关联变量、带宽分配变量及计算资源变量进行本地更新和全局更新;
本地更新具体为:将步骤S2建立的凸优化资源分配模型分布式分解,以每个后端工作站k为相加单位,对于每个后端工作站k,拆分转换为与所有前端监控节点关联上行链路中的监控网络能效和的若干个子问题,每一个子问题对应的每个后端工作站k的监控网络能效和优化模型为:
目标函数:
约束条件:
表示第k个后端工作站的效用函数;表达式为: 表示全局更新下前端监控节点j与后端工作站k的关联变量;表示全局更新下前端监控节点j与后端工作站k的关联上行链路的带宽分配变量;表示全局更新下每个后端工作站分配给前端监控节点的计算资源变量;ΩU和ΩB分别表示前端监控节点集合、后端工作站集合;n表示本地更新过程中的某个工作站;表示本地更新下前端监控节点j与后端工作站k的关联变量;表示本地更新下前端监控节点j与后端工作站k的关联上行链路的带宽分配变量;ψ表示可行集;T表示前端监控节点的传输时间要求,和均表示拉格朗日乘子,每个后端工作站k的监控网络能效和优化模型通过凸优化工具箱求解,在本实施例中,利用内点法求解,原始资源分配优化模型中的目标函数考虑的是前端监控节点与后端工作站之间所有关联上行链路中对应的前端监控节点的能效和,在凸优化原理处理之后,将凸优化资源分配模型分布式分解,以每个后端工作站k为相加单位,对于每个后端工作站k,拆分转换为与所有前端监控节点关联上行链路中的监控网络能效和的若干个子问题,优化内容本质一致,但降低了计算复杂度;
全局更新所满足的具体公式为:
其中,K表示后端工作站的总数量;
S5.根据步骤S4中对关联变量、带宽分配变量及计算资源变量的更新,进行拉格朗日乘子的对偶更新;
拉格朗日乘子变量的对偶更新满足的公式为:
其中,i表示迭代次数,ρ表示迭代步长;
S6.判断迭代计算是否收敛,若是,输出前端监控节点与后端工作站的关联分配情况、前端监控节点与后端工作站的关联上行链路的带宽分配情况以及每个后端工作站分配给前端监控节点的计算资源情况;否则,返回步骤S4。
附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种变电站监控中前后端协同通信的资源分配方法,其特征在于,至少包括:
S1.初始化前端监控节点、后端工作站的数量及位置分布,确定前端监控节点至后端工作站的上行链路的基本传输速率;
S2.以变电站前端监控节点的总体能效E最大为目标函数,以前端监控节点与后端工作站的关联变量分配约束、前端监控节点与后端工作站的关联上行链路的带宽分配变量约束、每个后端工作站分配给前端监控节点的计算资源变量约束、前端监控节点至后端工作站的传输时延约束为约束条件,建立原始资源分配优化模型;
S3.将原始资源分配优化模型基于凸优化原理转换为凸优化资源分配模型;
S4.利用交替方向乘子法,引入拉格朗日乘子变量,进行凸优化资源分配模型中关联变量、带宽分配变量及计算资源变量的迭代计算,对关联变量、带宽分配变量及计算资源变量进行本地更新和全局更新;
S5.根据步骤S4中对关联变量、带宽分配变量及计算资源变量的更新,进行拉格朗日乘子的对偶更新;
S6.判断迭代计算是否收敛,若是,输出前端监控节点与后端工作站的关联分配情况、前端监控节点与后端工作站的关联上行链路的带宽分配情况以及每个后端工作站分配给前端监控节点的计算资源情况;否则,返回步骤S4。
6.根据权利要求5所述的变电站监控中前后端协同通信的资源分配方法,其特征在于,步骤S4所述的本地更新具体为:将步骤S2建立的凸优化资源分配模型分布式分解,以每个后端工作站k为相加单位,对于每个后端工作站k,拆分转换为与所有前端监控节点关联上行链路中的监控网络能效和的若干个子问题,每一个子问题对应的每个后端工作站k的监控网络能效和优化模型为:
目标函数:
约束条件:
7.根据权利要求6所述的变电站监控中前后端协同通信的资源分配方法,其特征在于,每个后端工作站k的监控网络能效和优化模型通过凸优化工具箱求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974793.2A CN112188502B (zh) | 2020-09-16 | 2020-09-16 | 一种变电站监控中前后端协同通信的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010974793.2A CN112188502B (zh) | 2020-09-16 | 2020-09-16 | 一种变电站监控中前后端协同通信的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112188502A true CN112188502A (zh) | 2021-01-05 |
CN112188502B CN112188502B (zh) | 2024-07-09 |
Family
ID=73921335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010974793.2A Active CN112188502B (zh) | 2020-09-16 | 2020-09-16 | 一种变电站监控中前后端协同通信的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112188502B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581223A (zh) * | 2022-05-05 | 2022-06-03 | 支付宝(杭州)信息技术有限公司 | 分配任务处理方法、设备、分布式计算系统及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110089A1 (en) * | 2007-10-26 | 2009-04-30 | Nokia Siemens Networks Oy | Cross layer network optimization for OFDMA systems using message passing algorithm |
US20180077182A1 (en) * | 2016-09-13 | 2018-03-15 | Cisco Technology, Inc. | Learning internal ranges from network traffic data to augment anomaly detection systems |
CN109348532A (zh) * | 2018-10-26 | 2019-02-15 | 南京航空航天大学 | 一种基于不对称中继传输的认知车联网高效联合的资源分配方法 |
CN109379754A (zh) * | 2018-12-18 | 2019-02-22 | 国家电网有限公司 | 一种无线接入网中的网络切片优化方法 |
CN110708752A (zh) * | 2019-10-12 | 2020-01-17 | 合肥工业大学 | 一种基于电力lte无线专网的变电站上行链路传输方法 |
KR20200047421A (ko) * | 2018-10-26 | 2020-05-07 | 인제대학교 산학협력단 | 밀리미터파 초고밀도 네트워크를 위한 사용자 연계 및 전력 할당 방법 |
CN111132342A (zh) * | 2019-12-26 | 2020-05-08 | 重庆邮电大学 | 一种基于无线供电反向散射通信网络的多载波资源分配方法 |
CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
-
2020
- 2020-09-16 CN CN202010974793.2A patent/CN112188502B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090110089A1 (en) * | 2007-10-26 | 2009-04-30 | Nokia Siemens Networks Oy | Cross layer network optimization for OFDMA systems using message passing algorithm |
US20180077182A1 (en) * | 2016-09-13 | 2018-03-15 | Cisco Technology, Inc. | Learning internal ranges from network traffic data to augment anomaly detection systems |
CN109348532A (zh) * | 2018-10-26 | 2019-02-15 | 南京航空航天大学 | 一种基于不对称中继传输的认知车联网高效联合的资源分配方法 |
KR20200047421A (ko) * | 2018-10-26 | 2020-05-07 | 인제대학교 산학협력단 | 밀리미터파 초고밀도 네트워크를 위한 사용자 연계 및 전력 할당 방법 |
CN109379754A (zh) * | 2018-12-18 | 2019-02-22 | 国家电网有限公司 | 一种无线接入网中的网络切片优化方法 |
CN110708752A (zh) * | 2019-10-12 | 2020-01-17 | 合肥工业大学 | 一种基于电力lte无线专网的变电站上行链路传输方法 |
CN111132342A (zh) * | 2019-12-26 | 2020-05-08 | 重庆邮电大学 | 一种基于无线供电反向散射通信网络的多载波资源分配方法 |
CN111582016A (zh) * | 2020-03-18 | 2020-08-25 | 宁波送变电建设有限公司永耀科技分公司 | 基于云边协同深度学习的智能免维护电网监控方法及系统 |
Non-Patent Citations (6)
Title |
---|
RYOULHEE KWAK: "Performance Analysis for OFDMA Downlink Relay Systems: Relay Gain and Fairness", 《IEEE "GLOBECOM" 2008 PROCEEDINGS》 * |
付雅茹, 中国优秀硕士学位论文全文数据库, no. 05 * |
周方;张信明;: "基于SWIPT的多用户双向中继协作系统资源分配算法研究", 计算机应用与软件, no. 05 * |
唐伦;肖娇;魏延南;赵国繁;陈前斌;: "基于云雾混合计算的车联网联合资源分配算法", 电子与信息学报, no. 08 * |
杨雪洲;唐伟;郭伟;: "基于实际应用环境的OFDM协同认知网络资源分配算法研究", 计算机应用研究, no. 04 * |
霍留伟;冯小龙;: "基于多小区通信系统能效优化研究", 无线互联科技, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581223A (zh) * | 2022-05-05 | 2022-06-03 | 支付宝(杭州)信息技术有限公司 | 分配任务处理方法、设备、分布式计算系统及存储介质 |
CN114581223B (zh) * | 2022-05-05 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 分配任务处理方法、设备、分布式计算系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112188502B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liao et al. | Learning-based queue-aware task offloading and resource allocation for space–air–ground-integrated power IoT | |
Ren et al. | Collaborative cloud and edge computing for latency minimization | |
Ji et al. | Energy-efficient cooperative resource allocation in wireless powered mobile edge computing | |
CN108601074B (zh) | 一种基于异构联合缓存的网络资源分配方法和装置 | |
CN109831808B (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
CN108495340A (zh) | 一种基于异构混合缓存的网络资源分配方法和装置 | |
CN109526040B (zh) | 非正交多址接入的移动边缘计算线性搜索式时延优化方法 | |
US11961409B1 (en) | Air-ground joint trajectory planning and offloading scheduling method and system for distributed multiple objectives | |
CN114521002B (zh) | 一种云边端合作的边缘计算方法 | |
CN114051254A (zh) | 一种基于星地融合网络的绿色云边协同计算卸载方法 | |
CN116009677B (zh) | 一种基于Cell-Free mMIMO网络的联邦学习设备端能耗优化方法 | |
CN110190981B (zh) | 一种基于非正交多址接入的多任务计算迁移能耗优化方法 | |
CN113612853A (zh) | 一种联合边缘计算的网络资源调度方法 | |
CN112188502A (zh) | 一种变电站监控中前后端协同通信的资源分配方法 | |
CN107426775B (zh) | 一种面向高能效异构网络的分布式多用户接入方法 | |
CN107682880A (zh) | 一种云无线接入网络的资源分配方法 | |
CN108174448B (zh) | 蜂窝d2d通信的资源分配方法 | |
CN108521672B (zh) | 一种分布式无线能量和信息传输系统的资源分配方法 | |
CN110167042B (zh) | 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 | |
Yu et al. | Task delay minimization in wireless powered mobile edge computing networks: A deep reinforcement learning approach | |
CN110493862B (zh) | 混合供能异构云无线接入网的资源分配和能量管理方法 | |
CN110647396A (zh) | 端云协同低功耗带宽受限智能应用实现方法 | |
CN113747452B (zh) | 一种云无线接入网通信协作波束赋形设计方法及系统 | |
CN112437450B (zh) | 一种双无人机无线网络中的发射功率优化的方法 | |
Li et al. | Information aggregation and data compression based on PLC for distributed photovoltaic integration |
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 |