CN114629804A - 一种适配毫秒级源网荷切负荷的5g切片编排方法 - Google Patents
一种适配毫秒级源网荷切负荷的5g切片编排方法 Download PDFInfo
- Publication number
- CN114629804A CN114629804A CN202210447179.XA CN202210447179A CN114629804A CN 114629804 A CN114629804 A CN 114629804A CN 202210447179 A CN202210447179 A CN 202210447179A CN 114629804 A CN114629804 A CN 114629804A
- Authority
- CN
- China
- Prior art keywords
- load
- sub
- band
- base station
- load shedding
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims abstract description 132
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000035772 mutation Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
- H04L41/083—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for increasing network speed
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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]
-
- 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
- H04W28/22—Negotiating communication rate
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种适配毫秒级源网荷切负荷的5G切片编排方法,具体切片编排步骤为:构建基于5G网络层的毫秒级源网荷切负荷优化配置架构,由控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在该优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;将上述优化问题转化成MAB问题,利用UCB算法的学习能力完成中继路由路径和子频带选择,实现毫秒级切负荷的5G切片编排。
Description
技术领域
本发明涉及一种适配毫秒级源网荷切负荷的5G切片编排方法,属于通信领域。
背景技术
近年来,随着电力系统形态朝着双向多能源互联互动方向发展,柔性可变负荷爆发式接入,新能源大量并网背景下的柔性负荷特性各异,同时其分布区域离散化,随机性较强的环境因素更加剧了负荷的不确定性,配电网故障频率显著上升,在配电网故障前期,其频率快速下降,需要通过源网荷切负荷系统及时下发指令,精确、快速、可靠切除可中断负荷,及时控制故障发生范围,为满足电网安全稳定要求,保证切负荷迅速执行,避免造成较大的经济损失及社会影响,源网荷切负荷业务指令数据下发的传输时延应控制在毫秒级。且其指令下发时延主要包括路由转发时延和空口时延,其性能提升的关键在于核心网路由路径选择和接入网子频带选择。
而第五代移动通信技术(5th-Generation,5G)以其大带宽、低时延、高可靠、广连接的优点,为源网荷切负荷毫秒级需求提供了有效的通信手段,毫秒级切负荷业务要求负荷终端的精准控制与灵活响应,基于5G毫秒级时延性能,通过合理的5G电力通信网业务编排,毫秒级源网荷切负荷的实时通信需求可得到充分满足,然而,面向毫秒级源网荷切负荷的5G切片编排技术还需要解决如下技术挑战:
第一,差异化传输方式下的中继路由路径与子频带选择联合优化,切负荷指令下发时延性能由核心网路由路径选择和接入网子频带选择共同决定,且在核心网传输过程中为有线传输而在接入网传输过程中为无线传输,如何有效构建决策模型,进而实现5G切片有效传输编排,是一个亟待解决的问题。
第二,全局信息不确定,电力系统通信中信道状态严重影响切负荷指令传输性能,而获取信道状态信令开销大,获取信道状态的全局信息并不现实,因此需要设计算法在信息不确定情况下优化路由路径与子频带选择,降低切负荷指令下发时延。
第三,电磁干扰影响,电力系统通信中无线传输易受电力设备等影响,而突发变化的电磁干扰会大幅度降低网络传输性能。因此,需要模拟实际情况下存在电磁干扰突变时的切负荷指令传输性能,以保证源网荷切负荷业务在所提方法下正常进行。
因此,迫切需要设计一种适配毫秒级源网荷切负荷的5G切片编排方法,提升电网系统安全性和可靠性。
发明内容
为解决上述技术问题,本发明的目的是提供一种适配毫秒级源网荷切负荷的5G切片编排方法,具体切片编排步骤为:
构建基于5G网络层的毫秒级源网荷切负荷优化配置架构,由控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在该优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;
将毫秒级源网荷切负荷优化配置架构所构建的系统模型分别建模为核心网和接入网的传输速率模型以及核心网和接入网的传输时延模型。进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;
将上述中继路由路径和子频带选择联合优化问题转化成MAB问题(Multi-ArmedBandit,多臂老虎机),利用UCB算法的学习能力,通过控制子站观察历史传输性能,不断更新不同选择奖励值并进行最优中继路由路径与子频带选择,实现毫秒级切负荷的5G切片编排。
优选的,所述控制子站下发的切负荷指令5G切片为Q(u,M,b,c,s),控制子站为u,核心网中继路由器为M,数据经基站传输至切负荷终端所需的子频带资源为c,切负荷指令5G切片数据包大小为d,接受切负荷指令的切负荷终端为s,控制子站所产生的切负荷指令5G切片个数记作i,i∈{1,...i,...,I},采用离散化正交子频带方法表示基站与切负荷终端间的子频带资源,其集合为路由传输层物理网络视为有向图具备转发能力的中继路由器表示为J为路由器总数量,v1为控制子站路由,因此数据转发层中共有J-1个中继路由器,由相连接的路由器所构成的转发链路集合表示为H(vj)为与路由器vj所连接的下一跳中继路由器集合,在基站和控制子站路由器之间存在K条路径,其集合表示为其中fk代表在v1下发指令至基站的第k条传输路径,路径fk中共有N个路由器且N<J-1,定义控制子站路由器从路径fk传输切负荷指令5G切片数据包至基站所经过的路由器集合为其中1≤n≤N,且和分别表示路径fk中的控制子站路由器和基站,设5G切片数据包不可分割,即在切负荷指令下发传输过程中,每个5G切片数据包只能通过一条路由链路传输至基站,且只能选择一个子频带传输至切负荷终端,基于上述限定设置时隙模型,设总优化过程有T个时隙,集合表示为同时设路由链路和子频带状态信息和在一个时隙内保持不变,在不同时隙间动态变化,定义时隙长度为5G切片数据包从控制子站路由器传输至切负荷终端的传输时延。
其中,为第t时隙第i个数据包在中继路由器到之间的链路增益,为第t时隙第i个数据包从基站至切负荷终端之间的子频带信道增益,和分别为路径fk中从到和基站与切负荷终端间的噪声功率,和分别为路径fk中的从到和基站与切负荷终端间的链路传输功率,为基站与切负荷终端间传输所受到的电磁干扰。
则第i个数据包选择路径fk经路由器转发到基站的总传输时延表示为:
基站与切负荷终端之间传输的空口时延可以表示为:
在5G切片数据包由控制子站路由器传输至切负荷终端的过程中,5G切片数据包传输的总时延由路由器转发时延和空口时延构成,可以表示为:
优选的,而最小化传输总时延问题所优化的问题可以构建为:
其中,C1表示路由选择约束,C2表示子频带选择约束,C3表示最大空口时延约束,C4表示路径fk的最大时延约束。
优选的,MAB问题还包括对决策者、摇臂、奖赏、动作和策略的设计,具体如下,
决策者:执行策略并产生动作的主体,即可以通过学习历史反馈的奖赏值,不断更新策略,将控制子站作为决策者,通过不断学习中继路由器以及子频带历史传输性能进行决策;
摇臂:决策者可以进行动作的候选项,即有多少个候选项即有多少个摇臂,将中继路由器与子频带构成的可选组合定义为摇臂,共有K*L个摇臂;
奖赏:每个回合决策者进行动作之后收到的反馈信息,即定义控制子站选择中继路由路径fk以及子频带cl将切负荷指令下发至切负荷终端所获得的奖励为传输总时延的倒数,表示为:
动作:决策者按下摇臂,将控制子站选择中继路由路径以及子频带的行为定义为动作;
策略:执行动作的依据,将不同中继路由路径以及子频带选择策略的组合定义为策略。
优选的,UCB算法分为变量初始化、决策制定和学习3个阶段,具体为,
②决策制定阶段,控制子站通过历史经验,在第t个时隙对传输路径fk以及子频带cl的偏好估计值可以计算为:
式中为第t个时隙前路径fk以及子频带cl的经验估计值,估计值越大,说明该组合被选中的概率越高;为置信区间,表示估计值的不确定度;为前(t-1)个时隙路径fk和子频带cl被选择的总次数。控制子站根据选择偏好值最大的中继路由路径和子频带组合,其表达式为:
令t=t+1,直到t>T时,UCB算法终止。
优选的,所述优化配置架构包括:主站层、子站层、5G网络层及终端用户层;
所述主站层包括控制主站,所述子站层包括控制子站,所述5G网络层包括核心网及接入网,所述终端用户层包括切负荷终端;
所述控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在所述优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;
将毫秒级源网荷切负荷优化配置架构所构建的系统模型分别建模为核心网和接入网的传输速率模型以及核心网和接入网的传输时延模型,进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;
将上述中继路由路径和子频带选择联合优化问题转化成MAB问题,利用UCB算法的学习能力,通过控制子站观察历史传输性能,不断更新不同选择奖励值并进行最优中继路由路径与子频带选择,实现毫秒级切负荷的5G切片编排。
借由上述方案,本发明至少具有以下优点:
(1)解决差异化传输方式下的中继路由路径与子频带选择问题:
本发明构建了核心网有线传输模型和接入网无线传输模型,切片在核心网中的有线传输需基于已构建线路选择网络拓扑路径进行传输,在接入网中的无线传输需通过选择合适的子频带进行传输,本发明基于多臂老虎机理论(Multi-Armed Bandit,MAB),通过将核心网中继路由路径选择与子频带选择的组合建模为老虎机摇臂,解决差异化传输方式下的中继路由路径与子频带选择问题。
(2)解决全局信息未知情况下的传输时延优化问题:
本发明提出了一种基于上置信界(Upper confidence bound,UCB)的源网荷切负荷5G切片编排方法,基于MAB模型的建立,利用UCB算法根据历史选择次数和经验性能,解决获取信道状态信令开销过大导致的全局信息不可知情况下传输时延优化问题。
(3)解决动态变化电磁干扰导致毫秒级切负荷传输性能下降问题:
本发明考虑了电力系统存在的电磁干扰变化,结合仿真实验,模拟实际场景中电磁干扰突变情况下的切负荷指令传输过程,利用UCB算法的学习能力,在实际情况下突变电磁干扰发生时,仍能够有效优化源网荷切负荷时延性能。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某个实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明毫秒级源网荷精准切负荷场景下的网络切片资源优化配置架构;
图2是本发明基于UCB的适配毫秒级源网荷切负荷5G切片编排算法流程图;
图3是本发明L=5,K=5时传输总时延随时隙的变化;
图4是本发明L=5,K=5时噪声突变情况下总时延随时隙的变化;
图5是本发明L=5,K=5时中继路由通信恶化情况下总时延随时隙的变化。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如背景技术中所介绍,面向毫秒级源网荷切负荷的5G切片编排技术还需要解决如下技术挑战:
第一,差异化传输方式下的中继路由路径与子频带选择联合优化,切负荷指令下发时延性能由核心网路由路径选择和接入网子频带选择共同决定,且在核心网传输过程中为有线传输而在接入网传输过程中为无线传输,如何有效构建决策模型,进而实现5G切片有效传输编排,是一个亟待解决的问题。
第二,全局信息不确定,电力系统通信中信道状态严重影响切负荷指令传输性能,而获取信道状态信令开销大,获取信道状态的全局信息并不现实,因此需要设计算法在信息不确定情况下优化路由路径与子频带选择,降低切负荷指令下发时延。
第三,电磁干扰影响,电力系统通信中无线传输易受电力设备等影响,而突发变化的电磁干扰会大幅度降低网络传输性能。因此,需要模拟实际情况下存在电磁干扰突变时的切负荷指令传输性能,以保证源网荷切负荷业务在所提方法下正常进行。
为了改善上述问题,本发明提供了一种适配毫秒级源网荷切负荷的5G切片编排方法,该方法构建基于5G网络层的毫秒级源网荷切负荷优化配置架构,由控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在该优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;将上述优化问题转化成MAB问题,利用UCB算法的学习能力完成中继路由路径和子频带选择,实现毫秒级切负荷的5G切片编排,从而改善了上述问题,下面对上述方案进行详细介绍。
整个技术方案包括三个步骤:
1、构件系统模型:
基于5G的毫秒级源网荷精准切负荷优化配置架构如图1所示,架构主要包含主站层、子站层、5G网络层以及终端用户层;
精准负荷控制主站基于监测到的可切负荷量,当系统发生直流闭锁故障导致功率大面积缺额时,将切负荷指令下发至各子站。子站层主要包括处于不同地理位置进行区域分管的控制子站,当控制子站接受到主站的切负荷指令后,依据其数据特征以及传输需求构建切负荷指令数据包,通过5G网络层以5G切片形式将切负荷指令转发至终端用户层,终端接受控制子站指令,进而快速切除部分可中断负荷,实现毫秒级精准切负荷系统在突发电网负荷超载情况下的精准管控。
5G网络层分为核心网与接入网,核心网主要由多个具备转发功能的路由器组成,通过有线传输的方式将自身接收的切负荷指令5G切片数据包转发至接入网,接入网连接终端用户侧各种切负荷终端,在接入网数据包通过基站以无线传输方式将指令下发至切负荷终端,差别于无线接入方式,切负荷指令5G切片在核心网中需通过已有路由构建的网络拓扑路径进行有线传输,根据当前路由信息构建路由转发规则,完成切负荷指令5G切片从控制子站到5G基站的传输;
由于控制子站下发指令需分别在核心网进行有线传输以及在接入网进行无线传输,其传输时延是影响切负荷指令下发总时延的主要因素,因此,为满足精准切负荷的毫秒级时延需求,需要制定合适的5G切片编排方案,实现控制子站对终端切负荷指令的低时延下发,本发明定义Q(u,M,b,c,s)为控制子站下发的切负荷指令5G切片,其中u表示控制子站,M表示切负荷指令5G切片传输所经过的核心网中继路由器,c表示数据经基站传输至终端所需的频带资源,d表示切负荷指令5G切片的数据大小,s表示接受切负荷指令的切负荷终端,本发明将控制子站所产生的切负荷指令切片个数记作i,i∈{1,...i,...,I},采用离散化正交子频带方法表示基站与终端间的频带资源,其集合为
本发明将路由传输层物理网络视为有向图具备转发能力的中继路由器表示为J为路由器总数量,v1为控制子站路由,因此数据转发层中共有J-1个中继路由器,由相连接的路由器所构成的转发链路集合表示为H(vj)为与路由器vj所连接的下一跳中继路由器集合,在基站和控制子站路由器之间存在K条路径,其集合表示为其中fk代表在v1下发指令至基站的第k条传输路径,路径fk中共有N个路由器且N<J-1,定义控制子站路由器从路径fk传输切负荷指令5G切片数据包至基站所经过的路由器集合为其中1≤n≤N,且和分别表示路径fk中的控制子站路由器和基站;
假设切片数据包不可分割,即在切负荷指令下发传输过程中,每个切片数据包只能通过一条路由链路传输至基站,且只能选择一个子频带传输至终端,本发明考虑时隙模型,假设总优化过程有T个时隙,集合表示为同时假设路由链路和子频带状态信息和在一个时隙内保持不变,在不同时隙间动态变化,定义时隙长度为数据包从控制子站路由器传输至终端的传输时延;
(1)传输速率模型
其中,为第t时隙第i个数据包在中继路由器到之间的链路增益,为第t时隙第i个数据包从基站至切负荷终端之间的子频带信道增益,和分别为路径fk中从到和基站与切负荷终端间的噪声功率,和分别为路径fk中的从到和基站与切负荷终端间的链路传输功率,为基站与切负荷终端间传输所受到的电磁干扰。
(2)传输时延模型
则第i个数据包选择路径fk经路由器转发到基站的总传输时延表示为:
基站与终端之间传输的空口时延可以表示为:
在切片数据包由控制子站路由器传输至终端的过程中,5G切片数据包传输的总时延由路由器转发时延和空口时延构成,可以表示为:
2、问题建模:
本发明构建了一种适配毫秒级源网荷切负荷的5G切片编排方法,即控制子站根据历史传输性能,通过选择中继路由路径及子频带完成切负荷指令5G切片编排,以实现切负荷指令的毫秒级传输。所提出方法优化目标为最小化传输总时延,优化问题构建为:
其中,C1表示路由选择约束,C2表示子频带选择约束,C3表示最大空口时延约束,C4表示路径fk的最大时延约束。
3、基于UCB算法的毫秒级源网荷切负荷的5G切片编排方法
UCB算法是一种解决MAB问题的有效方法,通过在每次决策中选取性能上界估计值最大的摇臂,观察收益,并将其作为下一次决策的依据,能够很好地实现探索与利用之间的平衡。因此,本发明设计了基于UCB的适配毫秒级源网荷切负荷5G切片编排算法以解决切负荷指令下发时的总时延最小化问题。
本发明所提出的基于UCB的适配毫秒级源网荷切负荷的5G切片编排算法分为变量初始化、决策制定和学习3个阶段。具体所下。
在决策制定阶段,控制子站通过历史经验,在第t个时隙对传输路径fk以及子频带cl的偏好估计值可以计算为:
式中为第t个时隙前路径fk以及子频带cl的经验估计值,估计值越大,说明该组合被选中的概率越高;为置信区间,表示估计值的不确定度;为前(t-1)个时隙路径fk和子频带cl被选择的总次数。控制子站根据选择偏好值最大的中继路由路径和子频带组合,其表达式为:
令t=t+1,直到t>T时,UCB算法终止,其算法流程图如图3所示。
所述优化配置架构包括:主站层、子站层、5G网络层及终端用户层;
所述主站层包括控制主站,所述子站层包括控制子站,所述5G网络层包括核心网及接入网,所述终端用户层包括切负荷终端;
所述控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在所述优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;
将毫秒级源网荷切负荷优化配置架构所构建的系统模型分别建模为核心网和接入网的传输速率模型以及核心网和接入网的传输时延模型,进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;
将上述中继路由路径和子频带选择联合优化问题转化成MAB问题,利用UCB算法的学习能力,通过控制子站观察历史传输性能,不断更新不同选择奖励值并进行最优中继路由路径与子频带选择,实现毫秒级切负荷的5G切片编排。
而本发明的技术方案所带来的有益效果是显而易见的,具体体现在:
本发明对上述提出的基于UCB的毫秒级源网荷切负荷的5G切片编排算法进行了仿真实验,通过MATLAB分别在正常网络状态以及无线链路噪声突变状态下对所提算法进行了验证,其中重要参数如下。数据包大小di=[0.4,0.6]Mbit,无线子频带带宽有线信道带宽为噪声 与均为0.4W,链路时延约束等级分别为和并设置了两个对比算法进行性能的对比验证,对比算法设置如下:
最大数据链路信道增益算法(Maximum Channel Gain of Data Links,MaDs):该算法在每次选择时,控制子站在核心网选择信道增益最大的中继路由器路径,在基站传输至终端时,选择信道增益最大的子频带传输数据包;
最短路径算法(Shortest Route Selection,SRS):该算法在控制子站路由器传输至基站时,选择转发路径最短的中继路由路径进行传输,在基站传输至终端时子频带随机选择;
仿真结果如图3所示,图3描述了空口频带资源为5个子频带,传输路径K为5条的传输总时延随时隙的变化情况,在初始阶段,UCB算法遍历全部可能的选择对传输信道与传输路径进行学习,在遍历学习之后传输总时延有明显下降趋势,相比于MaDs算法与SRS算法,采用UCB算法对路由路径和子频带选择进行联合优化,保证其总时延始终最低,且在传输路径变多导致全局信息更为复杂的情况下,UCB算法凭借其优异的学习性能,动态调整中继路由路径和子频带选择策略,其传输总时延降低更为明显,相比于MaDs算法与SRS算法,在第3000个时隙时,总时延分别降低了12.23%和20.19%。在实际应用环境中,基于UCB的毫秒级源网荷切负荷的5G切片编排算法能够在全局信息未知情况下,支撑源网荷切负荷业务下切负荷指令5G切片的及时下发;
而图4展示了在第500个时隙基站到终端的传输噪声突变情况下传输总时延变化情况,仿真结果表明,由于UCB算法对当前网络状态变化反应迅速并根据当前网络状态下的奖赏值更新置信区间,所提算法的空口时延在第500时隙的噪声突变后会呈现先上升后下降的趋势,因此,在面对实际应用中电磁干扰突变情况下所提算法仍然能保证切负荷指令5G切片毫秒级时延传输;
而图5展示了在第1000个时隙控制子站到基站间中继路由器通信状态恶化时总时延变化情况,仿真结果表明,所提算法仅在变化后的500个时隙内有时延的上升,而在第1500个时隙后又重新恢复平稳,其原因在于所提算法能实现对网络状态信息的迅速感知,并重新学习探索得到最优解。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (9)
1.一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:具体切片编排步骤为:
构建基于5G网络层的毫秒级源网荷切负荷优化配置架构,由控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在该优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;
将毫秒级源网荷切负荷优化配置架构所构建的系统模型分别建模为核心网和接入网的传输速率模型以及核心网和接入网的传输时延模型,进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;
将中继路由路径和子频带选择联合优化问题转化成MAB问题,利用UCB算法的学习能力,通过控制子站观察历史传输性能,不断更新不同选择奖励值并进行最优中继路由路径与子频带选择,实现毫秒级切负荷的5G切片编排。
2.根据权利要求1所述的一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:所述控制子站下发的切负荷指令5G切片为Q(u,M,d,c,s),控制子站为u,核心网中继路由器为M,数据经基站传输至切负荷终端所需的子频带资源为c,切负荷指令5G切片的数据大小为d,接受切负荷指令的切负荷终端为s,控制子站所产生的切负荷指令5G切片个数记作i,i∈{1,...i,...,I},采用离散化正交子频带方法表示基站与切负荷终端间的子频带资源,其集合为路由传输层物理网络视为有向图具备转发能力的中继路由器表示为J为路由器总数量,v1为控制子站路由,因此数据转发层中共有J-1个中继路由器,由相连接的路由器所构成的转发链路集合表示为H(vj)为与路由器vj所连接的下一跳中继路由器集合,在基站和控制子站路由器之间存在K条路径,其集合表示为其中fk代表在v1下发指令至基站的第k条传输路径,路径fk中共有N个路由器且N<J-1,定义控制子站路由器从路径fk传输切负荷指令5G切片数据包至基站所经过的路由器集合为其中且和分别表示路径fk中的控制子站路由器和基站,设5G切片数据包不可分割,即在切负荷指令下发传输过程中,每个5G切片数据包只能通过一条路由链路传输至基站,且只能选择一个子频带传输至切负荷终端,基于上述限定设置时隙模型,设总优化过程有T个时隙,集合表示为同时设路由链路和子频带状态信息和在一个时隙内保持不变,在不同时隙间动态变化,定义时隙长度为5G切片数据包从控制子站路由器传输至切负荷终端的传输时延。
3.根据权利要求1或2之一所述的一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:传输速率模型定义控制子站在第t个时隙所产生的第i个5G切片数据包经过路径fk由中继路由器到的传输速率为从基站选择第l个子频带传输至切负荷终端的传输速率为分别为:
4.根据权利要求1或2之一所述的一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:传输时延模型为构建控制子站路由器下发指令到基站的中继转发时延模型和基站转发指令到切负荷终端的空口时延模型,其中第t时隙第i个数据包在路径fk中的到的中继转发时延为:
则第i个数据包选择路径fk经路由器转发到基站的总传输时延表示为:
基站与切负荷终端之间传输的空口时延可以表示为:
在5G切片数据包由控制子站路由器传输至切负荷终端的过程中,5G切片数据包传输的总时延由路由器转发时延和空口时延构成,可以表示为:
6.根据权利要求1所述的一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:MAB问题包括对决策者、摇臂、奖赏、动作和策略的设计,具体如下,
决策者:执行策略并产生动作的主体,即可以通过学习历史反馈的奖赏值,不断更新策略,将控制子站作为决策者,通过不断学习中继路由器以及子频带历史传输性能进行决策;
摇臂:决策者可以进行动作的候选项,即有多少个候选项即有多少个摇臂,将中继路由器与子频带构成的可选组合定义为摇臂,共有K*L个摇臂;
奖赏:每个回合决策者进行动作之后收到的反馈信息,即定义控制子站选择中继路由路径fk以及子频带cl将切负荷指令下发至切负荷终端所获得的奖励为传输总时延的倒数,表示为:
动作:决策者按下摇臂,将控制子站选择中继路由路径以及子频带的行为定义为动作;
策略:执行动作的依据,将不同中继路由路径以及子频带选择策略的组合定义为策略。
8.根据权利要求1所述的一种适配毫秒级源网荷切负荷的5G切片编排方法,其特征在于:UCB算法分为变量初始化、决策制定和学习3个阶段,具体为,
②决策制定阶段,控制子站通过历史经验,在第t个时隙对传输路径fk以及子频带cl的偏好估计值可以计算为:
式中为第t个时隙前路径fk以及子频带cl的经验估计值,估计值越大,说明该组合被选中的概率越高;为置信区间,表示估计值的不确定度;为前(t-1)个时隙路径fk和子频带cl被选择的总次数。控制子站根据选择偏好值最大的中继路由路径和子频带组合,其表达式为:
令t=t+1,直到t>T时,UCB算法终止。
9.一种基于5G网络层的毫秒级源网荷切负荷优化配置架构,其特征在于,所述优化配置架构包括:主站层、子站层、5G网络层及终端用户层;
所述主站层包括控制主站,所述子站层包括控制子站,所述5G网络层包括核心网及接入网,所述终端用户层包括切负荷终端;
所述控制主站通过控制子站下发切负荷指令,通过核心网中继路由器转发至基站,进而通过基站在接入网利用子频带资源下将切负荷指令发至切负荷终端,在所述优化配置架构下通过控制子站进行中继路由路径和子频带选择,实现源网荷切负荷系统在电网应急情况下切负荷指令5G切片的毫秒级传输;
将毫秒级源网荷切负荷优化配置架构所构建的系统模型分别建模为核心网和接入网的传输速率模型以及核心网和接入网的传输时延模型,进而将中继路由路径和子频带选择联合优化问题描述为最小化传输总时延问题;
将上述中继路由路径和子频带选择联合优化问题转化成MAB问题,利用UCB算法的学习能力,通过控制子站观察历史传输性能,不断更新不同选择奖励值并进行最优中继路由路径与子频带选择,实现毫秒级切负荷的5G切片编排。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210447179.XA CN114629804A (zh) | 2022-04-19 | 2022-04-19 | 一种适配毫秒级源网荷切负荷的5g切片编排方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210447179.XA CN114629804A (zh) | 2022-04-19 | 2022-04-19 | 一种适配毫秒级源网荷切负荷的5g切片编排方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114629804A true CN114629804A (zh) | 2022-06-14 |
Family
ID=81905638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210447179.XA Pending CN114629804A (zh) | 2022-04-19 | 2022-04-19 | 一种适配毫秒级源网荷切负荷的5g切片编排方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114629804A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111711931A (zh) * | 2020-06-11 | 2020-09-25 | 西南科技大学 | 一种快速收敛的最优信道选择方法 |
CN111953510A (zh) * | 2020-05-15 | 2020-11-17 | 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无线资源分配方法及系统 |
CN112804728A (zh) * | 2021-01-05 | 2021-05-14 | 华北电力大学 | 一种基于上下文学习的电力物联网海量终端接入控制方法 |
EP3902306A1 (en) * | 2018-12-21 | 2021-10-27 | Sony Group Corporation | Electronic device and method for wireless communication, and computer-readable storage medium |
CN113595245A (zh) * | 2021-07-23 | 2021-11-02 | 许继集团有限公司 | 一种基于5g通信的精准负荷控制系统的测试系统及方法 |
-
2022
- 2022-04-19 CN CN202210447179.XA patent/CN114629804A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3902306A1 (en) * | 2018-12-21 | 2021-10-27 | Sony Group Corporation | Electronic device and method for wireless communication, and computer-readable storage medium |
CN111953510A (zh) * | 2020-05-15 | 2020-11-17 | 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无线资源分配方法及系统 |
CN111711931A (zh) * | 2020-06-11 | 2020-09-25 | 西南科技大学 | 一种快速收敛的最优信道选择方法 |
CN112804728A (zh) * | 2021-01-05 | 2021-05-14 | 华北电力大学 | 一种基于上下文学习的电力物联网海量终端接入控制方法 |
CN113595245A (zh) * | 2021-07-23 | 2021-11-02 | 许继集团有限公司 | 一种基于5g通信的精准负荷控制系统的测试系统及方法 |
Non-Patent Citations (2)
Title |
---|
ALIREZA ALIZADEH; MAI VU: "Multi-Armed Bandit Load Balancing User Association in 5G Cellular HetNets", GLOBECOM 2020 - 2020 IEEE GLOBAL COMMUNICATIONS CONFERENCE * |
林晓亮,白申义,史俊潇,段玉帅,魏艳伟: "基于5G通信网络的精准负荷控制系统", 浙江电力 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | Optimal cooperative relaying and power control for IoUT networks with reinforcement learning | |
CN102355670B (zh) | 一种多信道无线mesh网络信道分配方法 | |
CN103763744B (zh) | 蜂窝小区间d2d通信传输模式切换方法 | |
CN111263419B (zh) | 基于无人机的应急场景下立体异构网络的动态路由方法 | |
CN105025547A (zh) | 能量采集节点网络的中继选择和功率分配方法 | |
CN113765544B (zh) | 基于hplc与rf的双模异构场域网多径并发传输方法、系统及装置 | |
Chen et al. | Distributed best-relay selection for improving TCP performance over cognitive radio networks: A cross-layer design approach | |
CN101951645B (zh) | 一种蜂窝中继网络中的下行自适应传输方法 | |
CN110167097B (zh) | 基于加权度量转发和路径规划的移动机器人中继路由方法 | |
CN113453358B (zh) | 一种无线携能d2d网络的联合资源分配方法 | |
CN110932969B (zh) | 一种智能电网高级量测系统ami网络抗干扰攻击路由算法 | |
CN109561486A (zh) | 一种sdn与d2d网络接入策略的模式选择方法 | |
CN108811023A (zh) | 一种基于萤火虫算法的swipt协作通信系统中继选择方法 | |
CN103781166A (zh) | 异构无线网络协作通信系统中的移动终端功率分配方法 | |
CN102196587B (zh) | 中继辅助通信系统中考虑多小区协作时的无线资源调度方法 | |
CN101562882B (zh) | 一种功率分配的方法及装置 | |
CN107567068A (zh) | 一种超密集小型基站自适应fso回程网络构建方法 | |
Dao et al. | Deep reinforcement learning-based hierarchical time division duplexing control for dense wireless and mobile networks | |
CN108834003B (zh) | 一种量子通信业务的电力光载通信多维资源分配优化方法 | |
CN107071695A (zh) | 一种终端直通协作中继网络的路由和频谱资源管理方案 | |
CN114629804A (zh) | 一种适配毫秒级源网荷切负荷的5g切片编排方法 | |
Prasad et al. | An energy efficient fuzzy level clustering for stable communications in cognitive sensor networks | |
Lakshmanan et al. | Proteus: Multiflow diversity routing for wireless networks with cooperative transmissions | |
CN104202750A (zh) | 一种认知网络路径的选择方法 | |
KR101665568B1 (ko) | 무선 네트워크에서의 분산 송신 전력 제어 방법 및 장치 |
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 |