CN112365366B - 一种基于智能化5g切片的微电网管理方法及系统 - Google Patents
一种基于智能化5g切片的微电网管理方法及系统 Download PDFInfo
- Publication number
- CN112365366B CN112365366B CN202011264000.4A CN202011264000A CN112365366B CN 112365366 B CN112365366 B CN 112365366B CN 202011264000 A CN202011264000 A CN 202011264000A CN 112365366 B CN112365366 B CN 112365366B
- Authority
- CN
- China
- Prior art keywords
- slice
- micro
- intelligent
- information
- grid
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- H04L41/04—Network management architectures or arrangements
Abstract
本发明公开了一种基于智能化5G切片的微电网管理方法及系统，包括，接收存储微电网的注册信息及5G网络切片业务需求信息，对所述切片网络进行监测，采集所述切片运行状态、服务质量等信息，并处理和存储收集的信息数据；利用分布式机器学习算法分别对微电网切片业务需求生成切片分配策略、对切片网络的实时运行状态生成切片更新策略，得到决策信息；接收所述决策信息，生成对应的控制信息并通过端到端资源配置，为微电网创建、更新或切换切片，完成管理。本发明更加智能高效便捷，对于运行中的切片，实时监控切片状态，采用神经网络算法识别切片状态并动态进行切片参数优化，提升网络资源利用率。
Description
技术领域
本发明涉及5G、人工智能、网络切片、微电网的技术领域，尤其涉及一种基于智能化5G切片的微电网管理方法及系统。
背景技术
随着5G时代的到来，网络作为数字化社会的关键基础设施，需要满足不同场景的差异化服务需求。网络切片技术是5G网络实现为不同应用场景提供差异化服务的关键。网络切片技术将单个物理网络分成多个独立逻辑网络，从而满足不同客户对网络能力的不同需求，节省部署成本的同时也提升了网络资源的使用效率。
全球能源短缺和环境污染问题等决定了新能源发电将成为未来国家重点发展的新兴产业，微电网可以有效发挥能源采集优势，可灵活部署，具有可靠性高、清洁和能效高等传统电力系统不具备的优点。与此同时。微电网建设对电力通信承载力提出更高要求，随着5G时代的到来，微电网将是一个自愈、安全、经济、清洁，且能够提供适应数字时代的优质电力网络，面对不同微电网的不同通信业务需求，5G网络切片技术为其提供了可能。网络切片可定制化、切片间安全可靠隔离以及切片统一管理的特点可满足不同微电网的个性化通信业务需求。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：对于5G网络切片的分配和管理不够智能，需要人为为微电网提出的通信业务需求分配相应的网络切片，便捷性差，效率较低，对于实际运行的5G网络切片无法实现资源调度或资源调度不够智能，容易造成通信资源浪费的问题。
为解决上述技术问题，本发明提供如下技术方案：接收存储微电网的注册信息及5G网络切片业务需求信息，对所述切片网络进行监测，采集所述切片运行状态、服务质量的信息，并处理和存储收集的信息数据；根据所述微电网切片业务需求智能化生成切片分配策略，根据所述切片网络的实时运行状态智能化生成切片更新策略，对于切片和子切片采用分布式机器学习算法，并做出决策；接收所述决策信息，生成对应的控制信息并通过端到端资源配置，为微电网创建、更新或切换切片，完成管理。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：生成所述切片分配策略过程包括，利用神经网络算法进行训练学习，构建神经网络模型。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：所述神经网络模型包括，
其中，，表示神经网络模型参数，表示神经网络模型输出，表示用户的业务需求数据中的特征向量。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：所述切片分配策略包括mMTC切片、eMBB切片、uRLLC切片组合策略及切片SLA参数。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：所述切片SLA参数包括QoS参数、容量参数及业务参数。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：所述分布式机器学习算法包括，
其中，表示聚合后的模型参数，表示子模型个数，表示各个子模型参数，表示各个子模型所占权重。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：所述切片业务需求包括，时延等级、速率等级、最大用户数等级、覆盖区域等级、移动性等级。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：子切片模型训练包括，利用分析子切片内部实时运行数据，训练局部的神经网络系统。
作为本发明所述的基于智能化5G切片的微电网管理方法的一种优选方案，其中：切片全局模型聚合包括各个子切片的训练结果。
本发明解决的另一个技术问题是：提出一种基于智能化5G切片的微电网管理系统，根据实际使用场景针对不同层面设计对应的计算任务，从而优化整个系统的任务调度方案。
作为本发明所述的基于智能化5G切片的微电网管理系统的一种优选方案，其中：用户信息管理模块用于接收存储微电网的注册信息及5G网络切片业务需求信息；监测模块用于对所述切片网络进行监测，采集所述切片运行状态、服务质量等信息；数据模块对所述用户数据管理模块和所述监测模块收集的数据进行处理和存储；AI模块包括业务智能识别模块和切片智能管理用于智能化管理所述数据模块的切片，并对业务需求数据进行综合分析及作出决策，用于保证所述切片参数优化的实时性与全局性，提升所述网络切片的性能；控制模块接收AI模块的决策信息，生成对应的控制信息下发到切片管理模块；切片管理模块接收所述控制模块的控制信息，通过端到端资源配置，为所述微电网创建、更新或切换切片。
本发明的有益效果：针对微电网多场景、差异化、需求动态变化等特点，采用5G网络切片技术，针对不同微电网上传的通信业务需求参数，采用神经网络算法进行智能识别并生成切片组合方案以及切片参数，从而为不同性能要求的业务应用提供定制化的网络服务，更加智能高效便捷，对于运行中的切片，实时监控切片状态，采用神经网络算法识别切片状态并动态进行切片参数优化，提升网络资源利用率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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。其中：
图1为本发明一个实施例所述的一种基于智能化5G切片的微电网管理方法及系统的基本流程图；
图2为本发明一个实施例所述的一种基于智能化5G切片的微电网管理方法及系统的结构示意图；
图3为本发明一个实施例所述的一种基于智能化5G切片的微电网管理方法及系统的智能化切片分配流程图；
图4为本发明一个实施例所述的一种基于智能化5G切片的微电网管理方法及系统的智能化切片调控流程图；
图5为本发明一个实施例所述的一种基于智能化5G切片的微电网管理方法及系统的分布式机器学习流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1、图3~5，为本发明的第一个实施例，该实施例提供了一种基于智能化5G切片的微电网管理方法，包括：
S1：接收存储微电网的注册信息及5G网络切片业务需求信息，对切片微电网进行监测，采集切片运行状态、服务质量的信息，并处理和存储收集的信息数据。需要说明的是，切片业务需求包括，
时延等级、速率等级、最大用户数等级、覆盖区域等级、移动性等级。
S2：利用分布式机器学习算法分别对微电网切片业务需求生成切片分配策略、对切片微电网的实时运行状态生成切片更新策略，得到决策信息。需要说明的是，生成切片分配策略过程包括，
利用神经网络算法进行训练学习，构建神经网络模型。
其中，神经网络模型包括，
其中，，表示神经网络模型参数，表示神经网络模型输出，表示用户的业务需求数据中的特征向量。
切片分配策略包括mMTC（海量机器类通信）切片、eMBB（移动宽带增强）切片、uRLLC（超高可靠低时延通信）切片组合策略及切片SLA参数。
其中切片SLA参数包括QOS（服务质量）参数、容量参数及业务参数。
进一步的，分布式机器学习算法包括，
其中，表示聚合后的模型参数，表示子模型个数，表示各个子模型参数，表示各个子模型所占权重。
其中，子切片模型训练包括，
利用分析子切片内部实时运行数据，训练局部的神经网络系统。
切片全局模型聚合包括各个子切片的训练结果。
具体的，通过神经网络算法进行训练学习，构建神经网络模型，对切片进行智能化管理，实现满足微电网业务需求的同时节省网络切片资源，同时保障了切片运行的可靠性以及微电网通信的稳定性；利用分布式机器学习算法，针对网络切片和子切片采取不同的更新策略，对于子切片，模型更新较快，保证实时智能感知网络状态，迅速做出决策，能够快速提升网络切片SLA（服务等级协议），对于切片，根据子切片的训练模型进行模型聚合，能够持久地提升网络切片的性能，兼顾实时性与全局性。
S3：接收决策信息，生成对应的控制信息并通过端到端资源配置，为微电网创建、更新或切换切片，完成管理。
具体的，其整体工作流程分两类，
1. 智能化切片分配（如图3所示）：
（1）微电网首次接入5G网络，向运营商发送注册请求；
（2）成功注册后，微电网提交切片业务需求，包括时延等级、速率等级、最大用户数等级、覆盖区域等级、移动性等级等参数，并上传到用户信息管理模块；
（3）用户切片业务需求数据预处理；
（4）AI模块采用神经网络算法，导入处理好的用户切片业务需求数据进行训练；
（5）通过训练构建一个神经网络切片业务需求识别模型；
（6）通过训练好的AI模型识别微电网切片业务需求，并生成相应的切片分配策略（mMTC（海量机器类通信）切片、eMBB（移动宽带增强）切片、uRLLC（超高可靠低时延通信）切片组合策略）及切片SLA参数（包括QoS（服务质量）参数、容量参数、业务参数）；
（7）为微电网分配切片。
2. 智能化切片调控（如图4所示）：
（1）对实际运行中的切片进行监测；
（2）采集切片运行状态、服务质量数据；
（3）切片状态监测数据预处理；
（4）AI模块采用神经网络算法，导入处理好的切片状态监测数据进行训练；
（5）通过训练构建一个切片状态评估模型；
（6）针对切片实际运行状态和服务质量，对于正常运行的切片，对切片SLA参数进行智能化调整，并进行切片参数更新，若出现故障情况，则为微电网切换切片；
其中，对于其整体AI分布式机器学习流程如下（如图5所示）：
（1）子切片模型训练：通过分析子切片内部实时运行数据，训练局部的神经网络系统。实时性强，实现网络状态实时感知，迅速做出决策；
（2）切片全局模型聚合：切片全局模型聚合来自各个子切片的训练结果并得到全局的AI模型，实现切片的整体调控优化。
为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择传统方案人工进行切片分配与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
在本实施例中，采用人工分配方法及本发明方法对相应的5G网络切片进行分配和管理，其通过实验结果对比如下表所示：
由上述对比结果可看出，
（1）本发明在对微电网业务需求的识别更加智能，能够综合分析大量微电网业务需求数据，构建神经网络模型，智能识别业务需求并分配网络切片；
（2）本发明在切片运行过程的管理和调控上更加智能，通过分析实际切片运行状态，对切片参数进行动态配置，以及对切片故障进行处理；
（3）本发明对于切片和子切片采用分布式机器学习算法，兼顾实时性与全局性，提升了网络切片的性能。
实施例2
参照图2，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于智能化5G切片的微电网管理系统，包括：用户信息管理模块、监测模块、数据模块、AI模块、控制模块和切片管理模块，其中需要说明的是，
用户信息管理模块用于接收存储微电网的注册信息及5G网络切片业务需求信息；监测模块用于对切片网络进行监测，采集切片运行状态、服务质量等信息；数据模块对用户数据管理模块和监测模块收集的数据进行处理和存储；AI模块包括业务智能识别模块和切片智能管理用于智能化管理数据模块的切片，并对业务需求数据进行综合分析及作出决策，用于保证切片参数优化的实时性与全局性，提升网络切片的性能；其中需要说明的是，AI模块具有业务智能识别功能，利用采集的微电网业务需求数据进行综合分析，识别出业务类别从而生成切片分配策略。
控制模块接收AI模块的决策信息，生成对应的控制信息下发到切片管理模块；切片管理模块接收控制模块的控制信息，通过端到端资源配置，为微电网创建、更新或切换切片。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组（例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互）的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于智能化5G切片的微电网管理方法，其特性在于，包括：
接收存储微电网的注册信息及5G网络切片业务需求信息，对切片微电网进行监测；
利用分布式机器学习算法分别对5G网络切片业务生成切片分配策略、对切片微电网的实时运行状态生成切片更新策略，得到决策信息；
接收所述决策信息，生成对应的控制信息并通过端到端资源配置，为切片微电网创建、更新或切换切片，完成管理；
生成所述切片分配策略过程包括，
利用神经网络算法进行训练学习，构建神经网络模型，
所述神经网络模型包括，
其中，，表示神经网络模型参数，表示神经网络模型输出，表示用户的业务需求数据中的特征向量；
所述切片分配策略包括mMTC切片、eMBB切片、uRLLC切片组合策略及切片SLA参数；
所述切片SLA参数包括QOS参数、容量参数及业务参数；
所述分布式机器学习算法包括，
其中，表示聚合后的模型参数，表示子模型个数，表示各个子模型参数，表示各个子模型所占权重。
2.如权利要求1所述的基于智能化5G切片的微电网管理方法，其特征在于：所述5G网络切片业务需求信息包括，
时延等级、速率等级、最大用户数等级、覆盖区域等级、移动性等级。
3.如权利要求2所述的基于智能化5G切片的微电网管理方法，其特征在于：子切片模型训练包括，
利用分析子切片内部实时运行数据，训练局部的神经网络系统。
4.如权利要求3所述的基于智能化5G切片的微电网管理方法，其特征在于：切片全局模型聚合包括各个子切片的训练结果。
5.一种基于智能化5G切片的微电网管理系统，其特征在于：包括，
用户信息管理模块用于接收存储微电网的注册信息及5G网络切片业务需求信息；
监测模块用于对切片微电网进行监测，采集所述切片运行状态、服务质量信息；
数据模块对所述用户信息管理模块和所述监测模块收集的数据进行处理和存储；
AI模块包括业务智能识别模块和切片智能管理模块；
切片智能管理模块用于智能化管理所述数据模块的切片，并对5G网络切片业务需求信息数据进行综合分析及作出决策；
控制模块接收AI模块的决策信息，生成对应的控制信息下发到切片智能管理模块；
切片智能管理模块接收所述控制模块的控制信息，通过端到端资源配置，为所述微电网创建、更新或切换切片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011264000.4A CN112365366B (zh) | 2020-11-12 | 2020-11-12 | 一种基于智能化5g切片的微电网管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011264000.4A CN112365366B (zh) | 2020-11-12 | 2020-11-12 | 一种基于智能化5g切片的微电网管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112365366A CN112365366A (zh) | 2021-02-12 |
| CN112365366B true CN112365366B (zh) | 2023-05-16 |
Family
ID=74514597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011264000.4A Active CN112365366B (zh) | 2020-11-12 | 2020-11-12 | 一种基于智能化5g切片的微电网管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112365366B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112907232B (zh) * | 2021-04-16 | 2023-05-30 | 广东电网有限责任公司清远供电局 | 电网业务端到端传输可靠性保障方法、装置、设备及存储介质 |
| CN115442216B (zh) * | 2021-06-04 | 2023-09-05 | 中国移动通信集团浙江有限公司 | 网络切片故障自愈方法、装置、设备及计算机存储介质 |
| CN113381888B (zh) * | 2021-06-08 | 2024-03-05 | 广东电网有限责任公司清远供电局 | 控制方法、装置、设备及存储介质 |
| CN113973062B (zh) * | 2021-10-27 | 2023-06-02 | 中国联合网络通信集团有限公司 | 一种网络切换方法、装置及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017186092A1 (zh) * | 2016-04-28 | 2017-11-02 | 中兴通讯股份有限公司 | 网络切片的选择方法及装置 |
| CN110366193A (zh) * | 2019-05-28 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种智能电网的网络编排层承载的切片部署方法及装置 |
| CN111246586A (zh) * | 2020-01-20 | 2020-06-05 | 中国电力科学研究院有限公司 | 一种基于遗传算法的分配智能电网资源的方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10644955B2 (en) * | 2015-08-21 | 2020-05-05 | Huawei Technologies Co., Ltd. | Method and apparatus for network slicing |
| US20180241635A1 (en) * | 2017-02-21 | 2018-08-23 | Huawei Technologies Co., Ltd. | Method for enabling automation of management and orchestration of network slices |
| CN109120426B (zh) * | 2017-06-26 | 2022-06-17 | 中兴通讯股份有限公司 | 一种网络切片管理方法、装置及计算机可读存储介质 |
| CN110381541B (zh) * | 2019-05-28 | 2023-12-26 | 中国电力科学研究院有限公司 | 一种基于强化学习的智能电网切片分配方法及装置 |
| CN111277437B (zh) * | 2020-01-17 | 2022-11-22 | 全球能源互联网研究院有限公司 | 一种智能电网的网络切片资源分配方法 |
-
2020
- 2020-11-12 CN CN202011264000.4A patent/CN112365366B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017186092A1 (zh) * | 2016-04-28 | 2017-11-02 | 中兴通讯股份有限公司 | 网络切片的选择方法及装置 |
| CN107343306A (zh) * | 2016-04-28 | 2017-11-10 | 中兴通讯股份有限公司 | 网络切片的选择方法及装置 |
| CN110366193A (zh) * | 2019-05-28 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种智能电网的网络编排层承载的切片部署方法及装置 |
| CN111246586A (zh) * | 2020-01-20 | 2020-06-05 | 中国电力科学研究院有限公司 | 一种基于遗传算法的分配智能电网资源的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112365366A (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112365366B (zh) | 一种基于智能化5g切片的微电网管理方法及系统 | |
| CN110198237B (zh) | 一种无线意图驱动网络的配置方法 | |
| KR20120072015A (ko) | 스마트 그리드 환경에서의 에너지 관리 방법 및 시스템, 스마트 그리드 환경에서의 전력 생산 장치 | |
| KR102470712B1 (ko) | 피처 엔지니어링 오케스트레이션 방법 및 장치 | |
| CN113569117B (zh) | 一种基于工业互联网大数据服务的云平台系统及方法 | |
| CN112929187B (zh) | 网络切片管理方法、装置和系统 | |
| CN109743356B (zh) | 工业互联网数据采集方法及装置、可读存储介质和终端 | |
| CN105703927A (zh) | 一种资源分配方法、网络设备和网络系统 | |
| CN110535700B (zh) | 一种多用户多边缘服务器场景下的计算卸载方法 | |
| CN112804287B (zh) | 一种电力物联网的智能化网络切片模板生成方法及系统 | |
| WO2016176864A1 (zh) | 电动汽车预约充电控制方法及装置 | |
| CN112313997A (zh) | 在无线网状网络中的节点间动态分配处理 | |
| CN112738155A (zh) | 一种基于5g mec电力物联网设备本地互联接入方法及系统 | |
| CN114968981A (zh) | 基于电网数据的大数据平台系统及其数据处理方法 | |
| Lizondo et al. | Multiagent model for distributed peak shaving system with demand-side management approach | |
| CN117395251A (zh) | 资源调度方法、装置和计算机可读存储介质 | |
| CN112751685B (zh) | 网络切片用户面容量配置方法、装置和系统 | |
| CN109617738B (zh) | 用户服务扩缩容的方法、系统和非易失性存储介质 | |
| CN116385857A (zh) | 一种基于ai智能调度的算力分配方法 | |
| CN110060479A (zh) | 交通一体化云平台系统及信息处理方法 | |
| CN115526737A (zh) | 一种基于数字孪生的电网能量管理方法、系统及终端设备 | |
| CN115174416A (zh) | 一种网络规划系统、方法、装置及电子设备 | |
| CN106027420A (zh) | 一种资源模型创建方法和装置 | |
| CN112367628A (zh) | 一种电力物联网的智能化网络切片实例化方法及系统 | |
| WO2024066720A1 (zh) | 指标阈值的确定方法、装置、存储介质及电子装置 |
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 |