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 PDF

Info

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
Application number
CN202010974793.2A
Other languages
English (en)
Other versions
CN112188502B (zh
Inventor
田霖
林睿
陆国生
陈保豪
朱一峰
刘淼
茹正辉
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.)
Super High Transmission Co of China South Electric Net Co Ltd
Original Assignee
Super High Transmission Co of China South Electric Net 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 Super High Transmission Co of China South Electric Net Co Ltd filed Critical Super High Transmission Co of China South Electric Net Co Ltd
Priority to CN202010974793.2A priority Critical patent/CN112188502B/zh
Publication of CN112188502A publication Critical patent/CN112188502A/zh
Application granted granted Critical
Publication of CN112188502B publication Critical patent/CN112188502B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种变电站监控中前后端协同通信的资源分配方法
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：
Figure BDA0002685392220000031
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：
Figure BDA0002685392220000032
其中，ΩU和ΩB分别表示前端监控节点集合、后端工作站集合；xjk表示前端监控节点j与后端工作站k的关联变量；
Figure BDA0002685392220000033
表示每个前端节点工作时平均消耗的能量。
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：
Figure BDA0002685392220000034
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:
Figure BDA0002685392220000035
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：
Figure BDA0002685392220000036
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：
Figure BDA0002685392220000037
其中，
Figure BDA0002685392220000038
表示前端监控节点至后端工作站的传输时延，T表示时延定值。
优选地，前端监控节点至后端工作站的传输时延
Figure BDA0002685392220000041
的表达式为：
Figure BDA0002685392220000042
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：
Figure BDA0002685392220000043
约束条件：
Figure BDA0002685392220000044
其中，
Figure BDA0002685392220000045
Figure BDA0002685392220000046
表示第k个后端工作站的效用函数；
Figure BDA0002685392220000047
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；
Figure BDA0002685392220000048
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；
Figure BDA0002685392220000049
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；
Figure BDA00026853922200000410
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；
Figure BDA00026853922200000411
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，
Figure BDA00026853922200000412
和
Figure BDA00026853922200000413
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：
Figure BDA0002685392220000051
其中，Rjk表示基本传输速率；
Figure BDA0002685392220000052
表示每个前端节点工作时平均消耗的能量。
优选地，步骤S3所述的全局更新所满足的具体公式为：
Figure BDA0002685392220000053
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：
Figure BDA0002685392220000054
其中，i表示迭代次数，ρ表示迭代步长。
优选地，步骤S6所述的迭代收敛的条件是：关联变量、带宽分配变量及计算资源变量的原始残差
Figure BDA0002685392220000055
满足：
Figure BDA0002685392220000056
其中，
Figure BDA0002685392220000057
表示关联变量、带宽分配变量及计算资源变量的原始残差；ζpri表示原始可行性公差，ζpri>0；且拉格朗日乘子变量对偶更新中的对偶残差
Figure BDA0002685392220000058
满足：
Figure BDA0002685392220000061
其中，
Figure BDA0002685392220000062
表示拉格朗日乘子变量对偶更新中的对偶残差；ζdual表示对偶可行性公差，ζdual>0。
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：
Figure BDA0002685392220000071
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：
Figure BDA0002685392220000072
其中，ΩU和ΩB分别表示前端监控节点集合、后端工作站集合；xjk表示前端监控节点j与后端工作站k的关联变量；
Figure BDA0002685392220000073
表示每个前端节点工作时平均消耗的能量。
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：
Figure BDA0002685392220000074
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:
Figure BDA0002685392220000081
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：
Figure BDA0002685392220000082
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：
Figure BDA0002685392220000083
其中，
Figure BDA0002685392220000084
表示前端监控节点至后端工作站的传输时延，T表示时延定值；前端监控节点至后端工作站的传输时延
Figure BDA0002685392220000085
的表达式为：
Figure BDA0002685392220000086
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：
Figure BDA0002685392220000091
约束条件：
Figure BDA0002685392220000092
其中，
Figure BDA0002685392220000093
Figure BDA0002685392220000094
表示第k个后端工作站的效用函数；表达式为：
Figure BDA0002685392220000095
Figure BDA0002685392220000096
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；
Figure BDA0002685392220000097
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；
Figure BDA0002685392220000098
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；
Figure BDA0002685392220000099
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；
Figure BDA00026853922200000910
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，
Figure BDA00026853922200000911
和
Figure BDA00026853922200000912
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：
Figure BDA0002685392220000101
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：
Figure BDA0002685392220000102
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。
在本实施例中，收敛条件是：关联变量、带宽分配变量及计算资源变量的原始残差
Figure BDA0002685392220000103
满足：
Figure BDA0002685392220000104
其中，
Figure BDA0002685392220000105
表示关联变量、带宽分配变量及计算资源变量的原始残差；ζpri表示原始可行性公差，ζpri>0；且拉格朗日乘子变量对偶更新中的对偶残差
Figure BDA0002685392220000106
满足：
Figure BDA0002685392220000107
其中，
Figure BDA0002685392220000108
表示拉格朗日乘子变量对偶更新中的对偶残差；ζdual表示对偶可行性公差，ζdual>0。
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。
2.根据权利要求1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，基本传输速率计算公式为：
Figure FDA0002685392210000011
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。
3.根据权利要求2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S2所述的原始资源分配优化模型的目标函数为：
Figure FDA0002685392210000021
其中，ΩU和ΩB分别表示前端监控节点集合、后端工作站集合；xjk表示前端监控节点j与后端工作站k的关联变量；
Figure FDA0002685392210000022
表示每个前端节点工作时平均消耗的能量。
4.根据权利要求3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，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：
Figure FDA0002685392210000023
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:
Figure FDA0002685392210000024
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：
Figure FDA0002685392210000025
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：
Figure FDA0002685392210000026
其中，
Figure FDA0002685392210000027
表示前端监控节点至后端工作站的传输时延，T表示时延定值。
5.根据权利要求4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，前端监控节点至后端工作站的传输时延
Figure FDA0002685392210000028
的表达式为：
Figure FDA0002685392210000029
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。
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：
Figure FDA0002685392210000031
约束条件：
Figure FDA0002685392210000032
其中，
Figure FDA0002685392210000033
Figure FDA0002685392210000034
表示第k个后端工作站的效用函数；
Figure FDA0002685392210000035
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；
Figure FDA0002685392210000036
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；
Figure FDA0002685392210000037
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；
Figure FDA0002685392210000038
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；
Figure FDA0002685392210000039
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，
Figure FDA00026853922100000310
和
Figure FDA00026853922100000311
均表示拉格朗日乘子。
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。
8.根据权利要求7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，第k个后端工作站的效用函数的表达式满足：
Figure FDA00026853922100000312
其中，Rjk表示基本传输速率；
Figure FDA0002685392210000041
表示每个前端节点工作时平均消耗的能量。
9.根据权利要求8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S3所述的全局更新所满足的具体公式为：
Figure FDA0002685392210000042
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：
Figure FDA0002685392210000043
其中，i表示迭代次数，ρ表示迭代步长。
10.根据权利要求9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S6所述的迭代收敛的条件是关联变量、带宽分配变量及计算资源变量的原始残差
Figure FDA0002685392210000044
满足：
Figure FDA0002685392210000045
其中，
Figure FDA0002685392210000046
表示关联变量、带宽分配变量及计算资源变量的原始残差；ζpri表示原始可行性公差，ζpri>0；且拉格朗日乘子变量对偶更新中的对偶残差
Figure FDA0002685392210000047
满足：
Figure FDA0002685392210000048
其中，
Figure FDA0002685392210000049
表示拉格朗日乘子变量对偶更新中的对偶残差；ζdual表示对偶可行性公差，ζdual>0。
CN202010974793.2A 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 Active CN112188502B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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