CN113422822A - 一种边缘计算自适应网络方法、系统、终端和存储介质 - Google Patents

一种边缘计算自适应网络方法、系统、终端和存储介质 Download PDF

Info

Publication number
CN113422822A
CN113422822A CN202110688973.9A CN202110688973A CN113422822A CN 113422822 A CN113422822 A CN 113422822A CN 202110688973 A CN202110688973 A CN 202110688973A CN 113422822 A CN113422822 A CN 113422822A
Authority
CN
China
Prior art keywords
edge computing
weight
node
community
service network
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
CN202110688973.9A
Other languages
English (en)
Other versions
CN113422822B (zh
Inventor
谭慧娟
李波
黎皓彬
赵瑞锋
郑文杰
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110688973.9A priority Critical patent/CN113422822B/zh
Publication of CN113422822A publication Critical patent/CN113422822A/zh
Application granted granted Critical
Publication of CN113422822B publication Critical patent/CN113422822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • 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
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种边缘计算自适应网络方法、系统、终端和存储介质，所述方法通过计算电力设备的权重并考虑地域分布等因素，确定接入到边缘计算网络拓扑中的重要设备，同时根据设备数据的利用率以及后续设备的接入情况，对网络拓扑结构进行自适应的调整以提高负载率。而针对计算节点的分布问题，考虑到实际应用场景，对社区发现算法进行了改进，将网络拓扑划分为多个小拓扑结构，然后分别为其分配计算节点并考虑节点的部署位置，此举能够提高计算节点的利用率，在一定程度上解决负载不均衡的问题。

Description

一种边缘计算自适应网络方法、系统、终端和存储介质
技术领域
本发明涉及电力物联网技术领域，特别是涉及一种边缘计算自适应网络方法、装置、终端和存储介质。
背景技术
近年来，电力设备日益增多，随之而来的是其产生的海量的相关数据，传统方法是通过数据采集与传送，将数据汇总到云平台进行统一的存储和处理，当数据量较大时，会给云平台造成巨大的计算压力，实时性也无法确保。为了解决上述问题，边缘计算逐渐被应用于电力物联网中，计算任务从云平台端被分配到了各个边缘服务器上，此举能大幅度提高电力系统的运行性能。
然而，虽然边缘计算服务器靠近终端，比起数据中心集中计算来说，更靠近终端、时延较低，但是它的存储能力低，也就是说它的计算负载有限。为了解决上述问题，如何进行合理的任务分配被广泛的研究。但是，目前仍缺少有效的策略控制接入每个边缘服务器的终端的类型与终端数量以使得终端负载均衡以使得边缘计算具有更佳的实时性。
发明内容
本发明的目的是：提供一种边缘计算自适应网络方法、系统、终端和存储介质，所述方法通过计算设备的权重并考虑地域分布等因素，确定接入到边缘计算网络拓扑中的重要设备，同时根据设备数据的利用率以及后续设备的接入情况，对网络拓扑结构进行自适应的调整以提高负载率。而针对计算节点的分布问题，考虑到实际应用场景，对社区发现算法进行了改进，将网络拓扑划分为多个小拓扑结构，然后分别为其分配计算节点并考虑节点的部署位置，此举能够提高计算节点的利用率，在一定程度上解决负载不均衡的问题。
为了实现上述目的，本发明提供了一种边缘计算自适应网络方法，包括：
S1、获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
S2、根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
S3、采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
S4、根据所述划分结果，选定边缘服务器的部署位置。
进一步地，所述获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的设备，包括：
S21、对电力物联网中所有的电力设备进行分类，并根据分类的结果分配标签；
S22、计算每个电力设备的权重；
S23、根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备。
进一步地，所述计算每个电力设备的权重，具体采用如下计算公式：
Wi＝Wii-Wio
Figure BDA0003124501830000021
Figure BDA0003124501830000022
R(mneig)＝(1+C(mi))/max{m,mi1,……,min}ih
其中，Wii表示节点i对于其内部设备的影响权重，Wio表示节点i对于其外部设备的影响权重，m表示的是i的邻居节点的数量，C(j)和C(k)分别表示i的一跳邻居节点j以及二跳邻居节点k的邻居节点的数量，其中C(mi)表示的是m的内部邻居节点的数量，Wki为二跳邻居节点k对于其内部设备的影响权重，Wji为一跳邻居节点j对于其内部设备的影响权重，n表示邻居节点的个数，R(mneig)表示的是m的1跳邻域内的内部设备关于权重的排序值，max{m,mi1,……,min}th表示对m以及其邻居内部设备按照权重从大到小排序m的位置。
进一步地，所述根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备，包括：
S231、对于每类设备，将该类设备选中的节点保存到节点集合中，并将未加入所述节点集合的节点中物理距离最远的两个节点加入所述节点集合；
S231、遍历所述节点集合，对于其中的每个节点，将其的权重与其邻居节点的权重比较，若所述邻居节点的权重大于所述节点的权重，则用所述邻居节点替换所述节点；
重复执行步骤S231－S232，直到所述节点集合达到预设的条件。
进一步地，所述预设的条件，具体为：
所述节点集合中的节点数量不再发生变化，且所述
Figure BDA0003124501830000031
Figure BDA0003124501830000032
进一步地，所述采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果，包括：
S31、根据所述边缘计算服务网络的拓扑结构的紧密程度，对所述拓扑结构进行划分，并将每个划分方结果作为一个社区，每个社区内包括至少一个网络节点；
S32、将所述社区之间的距离从大到小排序，并将距离最近的两个社区进行合并，获得合并后的社区；
S33、计算合并后的社区的模块度，若所述模块度的数值是大于合并前的社区的模块度，则保留所述合并后的社区；
S34、计算每个社区的权重和，并从大到小排序，计算所述权重和的中位数和平均数的差值作为阈值；
S35、分别比较每个社区权重和与所述权重和的平均数的差值，若所述差值小于阈值，则保留所述社区；若所述差值大于阈值且又处于上下四分位数区间之外，则不保留所述社区；
重复执行步骤S31－S35，直到所述社区的数量达到预设值且所述社区的模块度达到最大值。
进一步地，所述模块度，采用如下计算公式：
Figure BDA0003124501830000041
其中，ki、kj表示第i个和第k个节点的度数，m表示总边数，Ci、Cj表示第i个和第k个社区，α(CiCj)表示Ci、Cj社区的边占总边数的比例，Aij表示网络的邻接矩阵。
本发明还提供一种边缘计算自适应网络系统，包括：获取模块、构建模块、划分模块和位置模块，其中，
所述获取模块，用于获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
所述构建模块，用于根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
所述划分模块，用于采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
所述位置模块，用于根据所述划分结果，选定边缘服务器的部署位置。
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的边缘计算自适应网络方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的边缘计算自适应网络方法。
本发明实施例一种边缘计算自适应网络方法、系统、终端和存储介质与现有技术相比，其有益效果在于：
1、解决了传统方法网络结构存在设备冗余的问题，能够对网络拓扑结构进行自适应调整，对服务器负载率有一定程度的改善，能够提高计算的稳定性及实时性
2、解决了服务器布局需要依靠人工干预的问题，实现了网络结构的自适应，能够提高服务器的利用率，合理负载。
附图说明
图1是本发明某一实施例提供的一种边缘计算自适应网络方法的流程示意图；
图2是本发明某一实施例提供的一种边缘计算自适应网络系统的的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如图1所示，本发明实施例的一种边缘计算自适应网络方法，至少包括如下步骤：
S1、获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
需要说明的是，对于边缘计算服务网络来说，并不是所有终端都需要接入。边缘服务器通过采集分布在其领域内的设备的数据并进行分析以完成各项任务。可以将整个配电物联网看成一个网络，各个设备都是网络中的节点，每个节点都会接入一个或者多个边缘服务器，如果将边缘服务器看作一个个局部的中心，那么每个边缘服务器及接入它的设备能够组成一个局部的相对于整个配电物联网的子网络，而对于不同区域来说，节点分布的并不是非常均匀，用电负荷大的区域该子网络分布较为密集，而用电负荷小的区域该子网络就较为稀疏，而对于网络较为稠密的地区，并不是所有设备都需要接入其为中心的局部子网络，对于同类型的设备，以距离作为指标；对于不同类型的设备，以关联度作为指标，对子网络进行精简和优化。
具体地，1、对所有的设备进行分类并分配标签，同一类型的设备的标签相同
2、计算每个设备的权重，对于同一类型的设备来说，与其他设备连接相关性更高的设备的重要性更高；对于不同类型的设备，与其他设备相关性低的重要性更高，因为它的接入与否不会影响到链路中的其他设备，因此一个节点的权重W由以上两个因素决定，如下公式所示：
Wi＝Wii-Wio (1)
其中Wii表示节点i对于其内部设备(同类设备)的影响权重，Wio表示节点i对于其外部设备(非同类设备)的影响权重。对于内部设备来说，领域内设备越多，说明这个设备越处于中心位置，它的权重应该越高；领域内所连接的其他设备的权重越高，那么这个节点能够影响的节点越多，它的权重应该越高。因此，我们通过对邻居节点的权重进行累加，通过迭代计算出每个设备的权重。而实际上，一个设备它可能关联了多个同类设备，此时它的权重应该平均分配给它所连接的每个设备，我们计算它的1跳和2跳邻居节点权重对其的影响，因此计算公式如下所示，m表示的是i的邻居节点的数量，C(j)和C(k)分别表示i的一跳邻居节点j以及二跳邻居节点k的邻居节点的数量。
Figure BDA0003124501830000071
在计算得到了设备相对于同类设备的权重以后，即可得到设备对其连接的其他设备的影响权重，由于我们这个地方考虑到的是连通性的影响，因此链路的连通性是我们考虑的一个主要因素；除此之外，如果某个设备的相邻节点的权重高于它，那么这个节点并不是那么重要，那么相应的权重值也没有那么高，根据上述思路，公式如下，其中C(mi)表示的是m的内部邻居节点的数量，R(mneig)是m的1跳邻域内的内部设备关于权重的排序值，R(mneig)的计算公式如下，max{m,mi1,……,min}th表示对m以及其邻居内部设备按照权重从大到小排序m的位置。
Figure BDA0003124501830000081
R(mneig)＝(1+C(mi))/max{m,mi1,……,min}th (4)
3、根据权重、物理距离以及有效频率选定设备
计算设备到其邻居节点之间的物理距离，此处计算的是经纬距离。此处的目标是去掉冗余的同类型设备，当同类型设备的权重相距甚远且距离较近时，边缘服务器可以忽略掉一部分设备的数据，因为同等类型的数据在相近位置处可以反映同一问题，都接入边缘计算网络中当网络负载较大时会给服务器造成不必要的计算开销。这里我们考虑权重、内部设备之间的物理距离以及设备贡献的数据的有效频率来构建网络。
首先在初始化时，没有有效频率，此时根据权重(Wi)和物理距离(dij)初始化网络。我们希望形成的网络权重尽可能的大，相同类型设备间的物理距离尽可能的大。因此设备选择策略如下：
1)对于每类设备，用S(i)保存该类设备被选中的点，首先选择尚未加入S(i)的点中物理距离最远的两个点加入S(i)；
2)遍历S(i)中的点，对于其中的每个点i，将其的权重Wi与其邻居节点(物理距离小于阈值)的权重Wineig比较，如果Wineig大于Wi，那么用该邻居节点替换节点i；
3)重复步骤1)和2)，直到S(i)中的节点数量趋于稳定且S(i)的节点数大约是节点总数/平均度数。
当边缘服务器开始执行相关分析任务后，根据这些任务，每个节点会获得一定的先验经验(Ei)，云端此时能够根据这些先验经验对网络进行优化，以根据任务分布进一步优化网络结构，提高边缘服务器的利用率。节点的初始有效频率均为1，当某个节点的数据作为有效数据被分析任务使用时，它的有效频率加1，以此类推。在每个固定的时间段内，云服务器都会自动的对网络进行自适应的调整，也就是说，增加有效频率较高的节点的权重最高的邻居节点及2跳邻居节点进入网络，因为该部分属于使用频繁区域，增加设备数据有利于提高分析的精度。
S2、根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
具体地，根据选定的电力设备，构建边缘计算服务网络的拓扑结构；
S3、采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
需要说明的是，本步骤主要是对对网络拓扑进行划分。目标是根据网架结构，设置合理数量的边缘服务器，使得服务器的负载尽可能均衡。在这里我们借鉴了社区划分的原理，主要考虑网络拓扑结构的紧密程度进行划分，也就是说利用模块度进行划分。
社区划分的思路是通过将相似性高的节点聚簇以得到不同社区的。但我们主要是考虑到网络的密集程度，次要考虑的是得到的每个子网络中设备的相似程度，因此在这里，我们对基于模块度划分的社区发现算法进行了改进，以对我们的自适应网络进行划分，确定边缘服务器部署的合理位置。我们希望将网络划分为我们希望个数的子区域同时使得模块度最大、各个社区的权重较为均衡。
S4、根据所述划分结果，选定边缘服务器的部署位置。
具体地，据地理位置以及社区中心点(权值最大的那个点)确定边缘服务器的位置，一般是布置在中心点周围的临近机房中。
在本发明的某一个实施例中，所述获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的设备，包括：
S21、对电力物联网中所有的电力设备进行分类，并根据分类的结果分配标签；
S22、计算每个电力设备的权重；
S23、根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备。
在本发明的某一个实施例中，所述计算每个电力设备的权重，具体采用如下计算公式：
Wi＝Wii-Wio
Figure BDA0003124501830000101
Figure BDA0003124501830000102
R(mneig)＝(1+C(mi))/max{m,mi1,……,min}th
其中，Wii表示节点i对于其内部设备的影响权重，Wio表示节点i对于其外部设备的影响权重，m表示的是i的邻居节点的数量，C(j)和C(k)分别表示i的一跳邻居节点j以及二跳邻居节点k的邻居节点的数量，其中C(mi)表示的是m的内部邻居节点的数量，Wki为二跳邻居节点k对于其内部设备的影响权重，Wji为一跳邻居节点j对于其内部设备的影响权重，n表示邻居节点的个数，R(mneig)表示的是m的1跳邻域内的内部设备关于权重的排序值，max{m,mi1,……,min}th表示对m以及其邻居内部设备按照权重从大到小排序m的位置。
在本发明的某一个实施例中，所述根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备，包括：
S231、对于每类设备，将该类设备选中的节点保存到节点集合中，并将未加入所述节点集合的节点中物理距离最远的两个节点加入所述节点集合；
S231、遍历所述节点集合，对于其中的每个节点，将其的权重与其邻居节点的权重比较，若所述邻居节点的权重大于所述节点的权重，则用所述邻居节点替换所述节点；
重复执行步骤S231－S232，直到所述节点集合达到预设的条件。
在本发明的某一个实施例中，所述预设的条件，具体为：
所述节点集合中的节点数量不再发生变化，且所述
Figure BDA0003124501830000111
Figure BDA0003124501830000112
在本发明的某一个实施例中，所述采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果，包括：
S31、根据所述边缘计算服务网络的拓扑结构的紧密程度，对所述拓扑结构进行划分，并将每个划分方结果作为一个社区，每个社区内包括至少一个网络节点；
S32、将所述社区之间的距离从大到小排序，并将距离最近的两个社区进行合并，获得合并后的社区；
S33、计算合并后的社区的模块度，若所述模块度的数值是大于合并前的社区的模块度，则保留所述合并后的社区；
S34、计算每个社区的权重和，并从大到小排序，计算所述权重和的中位数和平均数的差值作为阈值；
S35、分别比较每个社区权重和与所述权重和的平均数的差值，若所述差值小于阈值，则保留所述社区；若所述差值大于阈值且又处于上下四分位数区间之外，则不保留所述社区；
重复执行步骤S31－S35，直到所述社区的数量达到预设值且所述模块度达到最大值。
在本发明的某一个实施例中，所述模块度，采用如下计算公式：
Figure BDA0003124501830000121
其中，ki、kj表示第i个和第k个节点的度数，m表示总边数，Ci、Cj表示第i个和第k个社区，α(CiCj)表示Ci、Cj社区的边占总边数的比例，Aij表示网络的邻接矩阵。
本发明实施例一种边缘计算自适应网络方法与现有技术相比，其有益效果在于：
1、解决了传统方法网络结构存在设备冗余的问题，能够对网络拓扑结构进行自适应调整，对服务器负载率有一定程度的改善，能够提高计算的稳定性及实时性
2、解决了服务器布局需要依靠人工干预的问题，实现了网络结构的自适应，能够提高服务器的利用率，合理负载。
如图2所示，本发明还提供一种边缘计算自适应网络系统200，包括：获取模块201、构建模块202、划分模块203和位置模块204，其中，
所述获取模块201，用于获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
所述构建模块202，用于根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
所述划分模块203，用于采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
所述位置模块204，用于根据所述划分结果，选定边缘服务器的部署位置。
本发明还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的配电网节能改造多维评估方法。
需要说明的是，所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field－ProgrammableGateArray，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，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMediaCard，SMC)、安全数字(SecureDigital，SD)卡和闪存卡(FlashCard)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的配电网节能改造多维评估方法。
需要说明的是，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。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在所述终端设备中的执行过程。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种边缘计算自适应网络方法，其特征在于，包括：
S1、获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
S2、根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
S3、采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
S4、根据所述划分结果，选定边缘服务器的部署位置。
2.根据权利要求1所述的边缘计算自适应网络方法，其特征在于，所述获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的设备，包括：
S21、对电力物联网中所有的电力设备进行分类，并根据分类的结果分配标签；
S22、计算每个电力设备的权重；
S23、根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备。
3.根据权利要求2所述的边缘计算自适应网络方法，其特征在于，所述计算每个电力设备的权重，具体采用如下计算公式：
Wi＝Wii-Wio
Figure FDA0003124501820000011
Figure FDA0003124501820000021
R(mneig)＝(1+C(mi))/max{m，mi1，......，min}th
其中，Wii表示节点i对于其内部设备的影响权重，Wio表示节点i对于其外部设备的影响权重，m表示的是i的邻居节点的数量，C(j)和C(k)分别表示i的一跳邻居节点j以及二跳邻居节点k的邻居节点的数量，其中C(mi)表示的是m的内部邻居节点的数量，Wki为二跳邻居节点k对于其内部设备的影响权重，Wji为一跳邻居节点j对于其内部设备的影响权重，n表示邻居节点的个数，R(mneig)表示的是m的1跳邻域内的内部设备关于权重的排序值，max{m，mi1，......，min}th表示对m以及其邻居内部设备按照权重从大到小排序m的位置。
4.根据权利要求3所述的边缘计算自适应网络方法，其特征在于，所述根据所述每个电力设备的权重、物理距离以及有效频率来选定并入边缘计算服务网络的电力设备，包括：
S231、对于每类设备，将该类设备选中的节点保存到节点集合中，并将未加入所述节点集合的节点中物理距离最远的两个节点加入所述节点集合；
S231、遍历所述节点集合，对于其中的每个节点，将其的权重与其邻居节点的权重比较，若所述邻居节点的权重大于所述节点的权重，则用所述邻居节点替换所述节点；
重复执行步骤S231-S232，直到所述节点集合达到预设的条件。
5.根据权利要求4所述基于社区发现的边缘计算自适应网络方法，其特征在于，所述预设的条件，具体为：
所述节点集合中的节点数量不再发生变化，且所述节点数等于
Figure FDA0003124501820000031
6.根据权利要求1所述的边缘计算自适应网络方法，其特征在于，所述采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果，包括：
S31、根据所述边缘计算服务网络的拓扑结构的紧密程度，对所述拓扑结构进行划分，并将每个划分方结果作为一个社区，每个社区内包括至少一个网络节点；
S32、将所述社区之间的距离从大到小排序，并将距离最近的两个社区进行合并，获得合并后的社区；
S33、计算合并后的社区的模块度，若所述模块度的数值是大于合并前的社区的模块度，则保留所述合并后的社区；
S34、计算每个社区的权重和，并从大到小排序，计算所述权重和的中位数和平均数的差值作为阈值；
S35、分别比较每个社区权重和与所述权重和的平均数的差值，若所述差值小于阈值，则保留所述社区；若所述差值大于阈值且又处于上下四分位数区间之外，则不保留所述社区；
重复执行步骤S31－S35，直到所述社区的数量达到预设值且所述社区的模块度达到最大值。
7.根据权利要求6所述的边缘计算自适应网络方法，其特征在于，所述模块度，采用如下计算公式：
Figure FDA0003124501820000032
其中，ki、kj表示第i个和第k个节点的度数，m表示总边数，Ci、Cj表示第i个和第k个社区，α(CiCj)表示Ci、Cj社区的边占总边数的比例，Aij表示网络的邻接矩阵。
8.一种边缘计算自适应网络系统，其特征在于，包括：获取模块、构建模块、划分模块和位置模块，其中，
所述获取模块，用于获取电力物联网中的所有电力设备的信息，并根据所述信息，选定并入边缘计算服务网络的电力设备；
所述构建模块，用于根据所述选定并入边缘计算服务网络的电力设备，构建边缘计算服务网络的拓扑结构；
所述划分模块，用于采用社区发现算法，对所述边缘计算服务网络的拓扑结构进行划分，获得所述边缘计算服务网络的拓扑结构的划分结果；
所述位置模块，用于根据所述划分结果，选定边缘服务器的部署位置。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一项所述的边缘计算自适应网络方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的边缘计算自适应网络方法。
CN202110688973.9A 2021-06-21 2021-06-21 一种边缘计算自适应网络方法、系统、终端和存储介质 Active CN113422822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110688973.9A CN113422822B (zh) 2021-06-21 2021-06-21 一种边缘计算自适应网络方法、系统、终端和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110688973.9A CN113422822B (zh) 2021-06-21 2021-06-21 一种边缘计算自适应网络方法、系统、终端和存储介质

Publications (2)

Publication Number Publication Date
CN113422822A true CN113422822A (zh) 2021-09-21
CN113422822B CN113422822B (zh) 2022-04-26

Family

ID=77789700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110688973.9A Active CN113422822B (zh) 2021-06-21 2021-06-21 一种边缘计算自适应网络方法、系统、终端和存储介质

Country Status (1)

Country Link
CN (1) CN113422822B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106161270A (zh) * 2015-04-22 2016-11-23 北京邮电大学 一种网络部署方法
CN107944705A (zh) * 2017-11-27 2018-04-20 国网河南省电力公司信息通信公司 一种基于模块度划分通信社团的全端可靠性计算方法
CN110677306A (zh) * 2019-10-25 2020-01-10 上海交通大学 网络拓扑副本服务器配置方法及装置、存储介质和终端
CN111092425A (zh) * 2018-10-24 2020-05-01 中国电力科学研究院有限公司 一种基于拓扑特性的网架聚类分析方法及系统
CN111310290A (zh) * 2018-12-12 2020-06-19 中移动信息技术有限公司 一种节点的社区划分的方法、装置及计算机可读存储介质
CN111669444A (zh) * 2020-06-08 2020-09-15 南京工业大学 基于边缘计算的云游戏服务质量增强方法及系统
CN112952821A (zh) * 2021-03-24 2021-06-11 国网北京市电力公司 配电网稳定性评估系统、方法及终端设备和可读存储介质
CN112967146A (zh) * 2021-02-03 2021-06-15 北京航空航天大学 一种基于标签传播的科研社区发现方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106161270A (zh) * 2015-04-22 2016-11-23 北京邮电大学 一种网络部署方法
CN107944705A (zh) * 2017-11-27 2018-04-20 国网河南省电力公司信息通信公司 一种基于模块度划分通信社团的全端可靠性计算方法
CN111092425A (zh) * 2018-10-24 2020-05-01 中国电力科学研究院有限公司 一种基于拓扑特性的网架聚类分析方法及系统
CN111310290A (zh) * 2018-12-12 2020-06-19 中移动信息技术有限公司 一种节点的社区划分的方法、装置及计算机可读存储介质
CN110677306A (zh) * 2019-10-25 2020-01-10 上海交通大学 网络拓扑副本服务器配置方法及装置、存储介质和终端
CN111669444A (zh) * 2020-06-08 2020-09-15 南京工业大学 基于边缘计算的云游戏服务质量增强方法及系统
CN112967146A (zh) * 2021-02-03 2021-06-15 北京航空航天大学 一种基于标签传播的科研社区发现方法及装置
CN112952821A (zh) * 2021-03-24 2021-06-11 国网北京市电力公司 配电网稳定性评估系统、方法及终端设备和可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邹青等: "社交网络中一种快速精确的节点影响力排序算法", 《计算机工程与科学》 *

Also Published As

Publication number Publication date
CN113422822B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN104995870A (zh) 多目标服务器布局确定
CN110519090B (zh) 一种fpga云平台的加速卡分配方法、系统及相关组件
CN106713468A (zh) 一种分布式集群服务结构及其节点协同方法
CN104980462B (zh) 分布式计算方法、装置和系统
CN109547872B (zh) 一种网络规划方法及装置
CN109446385A (zh) 一种建立网络资源的设备图谱的方法以及所述设备图谱的使用方法
CN113190939B (zh) 基于多边形系数的大型稀疏复杂网络拓扑分析和简化方法
CN111338801A (zh) 一种实现元数据负载均衡的子树迁移方法、装置
CN110597598B (zh) 一种云环境中的虚拟机迁移的控制方法
CN103957544A (zh) 一种提高无线传感器网络抗毁性的方法
CN113422822B (zh) 一种边缘计算自适应网络方法、系统、终端和存储介质
Lian et al. Mobile edge cooperative caching strategy based on spatio-temporal graph convolutional model
CN109412661A (zh) 一种大规模mimo系统下的用户分簇方法
Sharma et al. A network science-based k-means++ clustering method for power systems network equivalence
CN110808863A (zh) 基于区域毁伤的基础设施网络抗毁性评估方法和模型
CN115544697A (zh) 宽带节点位置规划方法、装置、设备及存储介质
CN114599043A (zh) 一种基于深度强化学习的空天地一体化网络资源分配方法
Chen et al. A Secure Cloud-Edge Collaborative Fault-Tolerant Storage Scheme and Its Data Writing Optimization
Mezher et al. Efficient strategy to optimize key devices positions in large-scale RF mesh networks
Krolikowski et al. Fair distributed user-traffic association in cache equipped cellular networks
CN113595750B (zh) 一种网络拓扑的划分方法、装置及网络拓扑管理设备
CN109510875B (zh) 资源分配方法、装置及电子设备
CN114417184A (zh) 一种种子节点筛选方法、装置、设备、存储介质
CN103701846B (zh) 基于节点临近度估计的对等网络资源搜索优化方法
Benzing et al. Multilevel predictions for the aggregation of data in global sensor networks

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