CN115099476A - 一种基于循环差集理论的电力物联网异步调度方法 - Google Patents
一种基于循环差集理论的电力物联网异步调度方法 Download PDFInfo
- Publication number
- CN115099476A CN115099476A CN202210675262.2A CN202210675262A CN115099476A CN 115099476 A CN115099476 A CN 115099476A CN 202210675262 A CN202210675262 A CN 202210675262A CN 115099476 A CN115099476 A CN 115099476A
- Authority
- CN
- China
- Prior art keywords
- task
- time
- scheduling
- difference set
- slot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 15
- 125000004122 cyclic group Chemical group 0.000 claims description 13
- 230000007958 sleep Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000005059 dormancy Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及一种基于循环差集理论的电力物联网异步调度方法,包括以下具体步骤:步骤1:基于动态时延优先级的任务调度排队顺序;步骤2:基于排队理论的任务时隙长度确定,根据步骤1确定的任务排队顺序,确定该任务的等待时间,从而得到该任务时隙长度;步骤3:基于循环差集理论的调度机制,根据步骤2确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度,本发明具有实现简单,应用范围广的优点。
Description
技术领域
本申请涉及新型电力物联网应用领域,尤其涉及一种基于循环差集理论的电力物联网异步调度方法。
背景技术
电力物联网在电力能源行业的建设应用分为三个阶段,即物物互联、物物互动、物物智能。
第一阶段“物物互联”,部署大量的、必要的感知设备,解决的是现场数字化的问题,在电网侧以数字化变电站、调度自动化、用电信息采集、配电自动化、智能台区、输变电设备状态在线监测为特征。经过十多年的数字化投入,电网侧已经基本达到了物物互联的要求。整个电网处于“可观测”的水平,即在计算机上实现了“物理电网”向“逻辑电网”的抽象过程,意味着实现了工业4.0的“数字孪生”基础。在综合能源侧,电力物联网还处于非常初级的阶段,以园区自动化、用电侧数字化为特点,目前存在巨大的数字化瓶颈。这也是未来电力物联网需要突破的环节,但绝非易事。
第二阶段“物物互动”,在电力物联网解决数字化、实现“数字孪生”的前提下,如何利用这些数字为管理价值服务,是物物互动需要解决的问题。简单来说,就是物与物之间可以自行沟通。在电网侧,通过多轮的信息化投资,目前基本上已经实现了管理信息化,比如生产、营销、调度、财务、安监的信息化水平,都处于行业信息化的领先水平。准确来说,需要解决的问题是数据交互。最典型的就是营销信息化和生产信息化。由于部门专业分割,各自建立了完整的信息和数据系统,导致两套大系统在“互动”这个点上衔接困难,仅停留在有限的信息交互。所以电力物联网把“数据统一、营配贯通、配抢指挥”作为一个重要的落地点,也是希望从根本上实现“数据一个源,电网一张图,业务一条线”的最终愿景;在综合能源服务侧,由于数字化水平极低,因此物物互动这个阶段也处于非常初级的阶段,基本上就是电网公司在20世纪八九十年代的水平,远远没有到互动的阶段,连最基本的能源管理信息化都没有实现,大量小系统处于孤岛状态,没有完整的业务标准和信息模型标准。未来,随着能源服务市场化水平、专业化水平的提高,更专业的公司将进入这个领域,从而开辟出更多地提升空间。
第三阶段“物物智能”,在电网侧,主要与数据智能方向结合,比如人工智能的分析、无人机机器人的应用,从而降低人工成本,减少错误决策损失,全面提升电网的感知能力、互动水平和自愈能力,汇集各类资源参与电力系统调节,促进源网荷储协同互动,整合负荷曲线、实现削峰填谷,推动“源随荷动”模式向“源荷协同”模式转变;在综合能源服务侧,随着现货市场的建立完善,未来基于现货价格和增量配网、局域电网乃至微电网,可以构建更多的服务,比如虚拟电厂参与现货和辅助服务交易,以价格信号和服务需求串联起各个主体、环节和平台,最终形成智能化的能源网络生态体。
伴随着电力物联网的演进,针对电力物联网边缘节点数据处理和异构服务质量要求,文献“An enhancedrandom access algorithm based on the clustering-reusepreambleallocation in NB-IoT system”提出一种以客户为中心的并行接入设备选择算法。该算法结合信息感知技术发展要求,提供在每个边缘节点上指定节点特定服务质量要求的能力,更好地访问设备选择,以改进网络可伸缩性。针对电力物联网的复杂业务场景,文献“Client-centric access deviceselection for heterogeneous QoS requirementsin beyond 5G IoT networks”提出一种增强接入算法,该算法根据距离基站的距离和终端流量强度对网络终端进行聚类,并分配重用前导码以提高网络接入容量。针对6G时代电力物联网海量终端接入引起的冲突严重、队列积压大、能量效率低等问题,文献“基于上下文学习的电力物联网接入控制方法”提出一种基于上下文学习的接入控制算法。该算法基于快速上行链路授权技术与强化学习,考虑终端活跃与休眠2种状态,优化目标为在终端接入服务质量需求长期约束下的最大化网络总能效。
总的来讲,受电力物联网数据采集业务逐年递增的影响,前置机集群性能降低,数据吞吐能力变差,数据采集时延变大,数据处理变弱,无法满足新型能源互联网分布式协调互控的要求。除此之外,现有电力无线通信采用统一的轮询接入方式,采集周期长,无法满足高并发业务需求。
发明内容
本申请实施例的目的在于提供一种基于循环差集理论的电力物联网异步调度方法,具有实现简单,应用范围广的优点。
为实现上述目的,本申请提供如下技术方案:
本申请实施例提供一种基于循环差集理论的电力物联网异步调度方法,包括以下具体步骤:
步骤1:基于动态时延优先级的任务调度排队顺序;
步骤2:基于排队理论的任务时隙长度确定
根据步骤1确定的任务排队顺序,确定该任务的等待时间,从而得到该任务时隙长度;
步骤3:基于循环差集理论的调度机制
根据步骤2确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度。
步骤1包括如下步骤
步骤1-1:确定任务处理时延
根据任务定义参数,利用CPU周期对任务处理时延进行建模,得到该任务的处理时延;
步骤1-2:计算任务时间冗余
将该任务时延处理要求减去步骤1-1的处理时延,得到该任务下时延的冗余;
步骤1-3:确定任务的动态时延
根据任务定义的优先级,利用线性权重的方法,计算该任务在考虑优先级的条件下时延的冗余,得到任务的动态时延优先级;
步骤1-4:任务调度顺序
根据步骤1-3得到任务的动态时延优先级,对任务进行调度排序,时延冗余小的优先进行任务调度。
步骤2中包含如下步骤:
步骤2-1:任务达到系统数学建模
根据排队论,建立基于单服务台排队系统模型;
步骤2-2:任务平均等待时间确定
根据任务达到时间间隔和处理时间的经验分布,计算在标准的单服务台排队系统模型中的任务等待时间;
步骤2-3:基于优先级的任务等待时间确定
根据任务优先级,确定等待时间的权重参数,通过与平均等待时间相乘,确定该任务的等待时间;
步骤2-4:确定任务时隙长度
将任务处理时延和等待的加权时隙相加得到任务时隙长度,根据确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度。
步骤3包含步骤如下:
步骤3-1:节点工作状态定义
每个节点具有苏醒和休眠两种工作状态,在苏醒状态,节点进行数据发送、接收、信道监听;在休眠状态下,节点关闭收发器以节省能量,无论苏醒还是休眠机制下,节点都是周期性工作,并且把每一个周期分成若干时隙slot,active slot表示苏醒的状态,inactive slot表示休眠的状态;节点在一个周期中,在active slot和inactive slot之间切换;每一个时隙都是等长度;
步骤3-2:循环差集设计
定义v和k为在一个周期内总的时隙数和对应的active slot数目,ε为重合的active slot数目;以正整数v为模的k个互不同余的整数所组成的集合D={a1,a2,...,ak}(modv)。对于每一个d≠0(modv),恰好有ε对(ai,aj),其中ai-aj=d(modv),ai为一个周期内第i个时隙的位置索引,aj为一个周期内第j个时隙的位置索引;modv代表除v取余的算子;d代表时隙位置偏差。
步骤3-3:调度机制
对一个工作周期的多个子周期,每一个子周期包含相同的总时隙数目和active时隙数目;不同的active时隙数目的位置用于不同的子周期,并且他们的位置由步骤3-2循环差集决定。
与现有技术相比,本发明的有益效果是:
1.本发明利用固有优先级和时间冗余,确定任务的动态优先级。该方法能够反映出任务的紧急程度,从而克服固有优先级的局限性,达到对任务调度排序的动态管理。
2.本发明利用排队论确定任务的等待时间,并通过与优先级进行加权,从而更加有效的描述任务的等待时间。
3.本发明利用循环差集理论进行任务调度,能够保证网络的连通性,降低任务调度的占空比。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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申请的某些实施例,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是本发明的流程图。
图2是本发明任务加权优先级确定示意图。
图3是排队系统的一般模型。
图4是本发明任务状态转移图。
图5是本发明采用(7,3,1)循环差集下的网络连通性描述。
图6是本发明采用(7,3,1)循环差集下Active时隙位置分布描述。
图7是本发明采用(7,3,1)循环差集下一个完整的工作周期描述。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参阅图1所示,本发明揭示了一种基于循环差集理论的电力物联网异步调度方法;
包括以下具体步骤:
步骤1:基于动态时延优先级的任务调度排队顺序;
步骤2:基于排队理论的任务时隙长度确定
根据步骤1确定的任务排队顺序,确定该任务的等待时间,从而得到该任务时隙长度;
步骤3:基于循环差集理论的调度机制
根据步骤2确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度。
为了解决基于固定优先级的任务调度模型的缺点,本申请考虑任务的延迟容忍属性。目前,有许多调度算法根据任务的延迟容忍属性决定优先级,如最短截止期优先算法和最短空闲时间优先算法。然而,这些研究只考虑任务的延迟容忍度,又忽略了任务本身的固定优先级。因此,基于任务的处理时延时间和固定优先级,设计了基于加权的任务优先级调度顺序。
如图2所示,在本发明中,定义P_i代表第i个任务的固定优先级(即任务本身带有的优先级属性),W_i代表完成任务需要的CPU周期,t_r任务的最大容忍时延。则任务处理时延可以表示为
t_a=W_i/ (1)
其中f表示CPU的频率.
那么第i个任务的时间冗余可以表示为
t_e=t_r-t_a (2)
结合给定的任务固有优先级,则加权后的任务优先级可以表示为:
P_inew=t_e*P_i (3)
在本申请中定义,如果任务i的优先级高于任务j的优先级,则P_i<P_j因此我们对达到的所有任务进行加权优先级排序,值小的优先级最先进行调度。
其次,确定本申请的任务时隙长度。在本申请中,除了公式(1)描述的任务处理时延外,我们将考虑任务的等待时间。
本申请中对于等待时间的确定,我们利用排队论加以建模,排队论是研宄排队系统在不同条件下产生的排队现象对规律。在排队论中,提供服务的人或事物被称为“服务台”,接受服务的人或事物则被称为“顾客”。排队系统的一般模型如图3所示。
对排队系统进行建模,需要着重考虑三个部分:(1)顾客到达模型,即顾客按照怎样的规律到达系统。(2)排队规则,即服务提供者按照怎样的策略对顾客进行服务。(3)服务模型,即系统中服务台的数量,以及每个服务台为顾客提供服务的方式以及服务时间。
本申请中,利用利用排队论中构建服务质量的指标等待时间。假定顾客达到时间服从泊松分布。
设随机变量X的分布为
式中,λ>0是一个常数,e是自然对数底数。则称随机变量X服从参数为λ的泊松分布。
当单位时间内顾客到达数服从以λ为平均数的泊松分布时,顾客到达的时间间隔t就服从相互独立的参数为λ的负指数分布,表示为
首先考虑单服务台排队系统模型(M/M/1)。该模型符合下列条件的排队模型:
1)输入过程:顾客源无限,顾客单个到达,相互独立,一定时间到达的顾客数服从泊松分布,到达过程是平稳的。
2)排队规则:单队列,队长没有限制,先到先服务。
3)服务台:单服务台,各顾客的服务时间相互独立且服从相同的负指数分布。
4)顾客到达时间间隔与服务时间也相互独立。
该系统输入输出可以被看作一个生灭过程,其状态转移图如图4。其中λ和u表示任务到达和任务离开概率。
在此模型中,平均等待时间可以计算得到
W_d=λ2/u(u-1) (6)
由于在本申请中,我们利用加权优先级进行任务调度排序,因此每个任务的等待时间与优先级相关,优先级高的等待时间肯定小于平均等待时间。优先级低的肯定大于平均等待时间。
因此,本申请利用固有优先级描述等待时间。定义第i个任务的固定优先级P_i对应的等待时间参数为S_i,则第i个任务的等待时间可以描述为
T_d=W_d*S_i (7)
该任务的总的时隙长度为
T=T_a+T_d (8)
最后本申请利用循环差理论对任务进行调度。
假设汇聚节点有足够的能量收集周围传感器节点发送来的数据包。在本文中不考虑数据包冲突。本申请的目标在于设计一个异步的休眠调度机制,此机制在保证网络连通性的前提下,以最小能量代价来进行数据传输,使节点尽可能长时间的睡眠。另外假设节点都以最短路径传输数据。
本申请中假设节点有两种工作状态:苏醒和休眠。在苏醒状态,节点的收发器进行数据发送、接收、信道监听。在休眠状态下,节点关闭收发器以节省能量。无论苏醒还是休眠机制下,我们都让节点周期性工作,并且把每一个周期分成若干时隙(slot)。active slot表示苏醒的状态,inactive slot表示休眠的状态。节点在一个周期中,在active slot和inactive slot之间切换。每一个时隙都是等长度的(Tslot),设一个节点的一个工作周期长度为Tn,则一个工作周期可以表示为Tn=mTslot,m∈Z+。任务的时隙长度如公式(8)所示。
定义1((X,A)设计):一种关于(X,A)设计有两个性质:1)X表示点集;2)A表示关于非空子集X的收集(collection),我们称做区组。
定义定2((v,k,λ)-BIBD):v,k,λ∈Z+,v>k≥2(v,k,λ)-BIBD是一种(X,A)设计,并且有三个性质:1)|X|=v;2)每一个区组包含k个点;3)每一对不同的点包含λ个区组。
在本申请中,我们只考虑循环差集,即一个BIBD设计的子集,避免考虑所有可能的BIBD设计。
定义3(循环差集(Cyclic Different Set,CDS)):以正整数v为模的k个互不同余的整数所组成的集合D={a1,a2,...,ak}(modv),对于每一个d≠0(modv),恰好有λ对(ai,aj),其中其中ai-aj=d(modv)。
当CDS用于表达一个传感器节点的active slot和inactive slot,在任意循环平移下,CDS的特性保证在两个节点之间,至少有一个重合的active时隙。在异步休眠调度机制下,用v和k表达在一个周期内总的时隙数和对应的active slot数目。λ表示重合的active slot数目。结合Singer定理,(k,λ)-CDS可以表示为
(q2+q+1,q+1,1), (9)
其中q是素数幂。这样,节点的一个工作周期包含q2+q+1等时间长度的时隙,其中有q+1个苏醒时隙。在任意的循环移动(cyclic shift)下,任意两个在通信范围内的节点,可以在一个周期下至少通信1次(λ=1,即为最小能量信令交互)。占空比(duty cycle)为
(q+1)/(q2+q+1)。 (10)
图5以q=2(即(7,3,1)-CDS)为例,说明节点周期性工作模式及网络的连通性。在此设计下,节点的一个工作周期由7个等长的时隙构成,3个苏醒时刻的时隙位置为slot 1,slot 2,slot 4,在任意一个循环平移下,两个节点至少有一个重叠的苏醒时隙。例如,节点1和节点2的苏醒时隙在slot 2重叠,节点2和节点3的苏醒时隙在slot 3重叠。
将上述的一个工作周期划分为多个子周期,每一个自周期包含相同的总时隙数目和active时隙数目。不同的active时隙数目的位置用于不同的子周期,并且他们的位置由循环差集决定。根据上述循环差集的性质,我们设置一个子周期包含(q2+q+1)个时隙,其中q≥2。这样的一个子周期包含q个active时隙。这些active时隙的位置由循环差集决定。显然,对于q个active时隙,存在q+1,即个可能的位置组合。例如,当q=2,(7,3,1)-CDS,D={1,2,4}。当每个子周期中含有两个active时隙的情况下,有三种可能的位组合,分别是{1,2},{1,4},和{2,4},如图6所示。
根据上述对于循环差集的扩展,一个全工作周期包含所有子周期,如图7所示。
因此,一个完整的工作周期包含(q+1)个子周期,对应(q+1)(q2+q+1)个时隙,其中有q(q+1)个苏醒时隙,其占空比为:
(q(q+1))/((q+1)(q2+q+1))=q/(q2+q+1)。 (11)
针对现有电力无线通信采用统一的轮询接入方式,采集周期长,无法满足高频率、高并发、高实时业务需求。本发明专利能够提高新型电力系统运行效率、有效维持分布式电源台区电压稳定、促进新能源就地消纳以及源网荷储数据融合开拓新服务的作用。
比如在面向源网荷储控的电力物联网的网络层中,采用该调度方法能够优化管理信息大区与互联网大区物联体系的网络需求、配变及低压设备采集数据流向和源网荷储设备数据流向、源网荷储区内边端设备与传感器的端边数据交互、边云数据交互、横向数据流向;
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (4)
1.一种基于循环差集理论的电力物联网异步调度方法,其特征在于,包括以下具体步骤:
步骤1:基于动态时延优先级的任务调度排队顺序;
步骤2:基于排队理论的任务时隙长度确定
根据步骤1确定的任务排队顺序,确定该任务的等待时间,从而得到该任务时隙长度;
步骤3:基于循环差集理论的调度机制
根据步骤2确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度。
2.根据权利要求1所述的一种基于循环差集理论的电力物联网异步调度方法,其特征在于,步骤1包括如下步骤
步骤1-1:确定任务处理时延
根据任务定义参数,利用CPU周期对任务处理时延进行建模,得到该任务的处理时延;
步骤1-2:计算任务时间冗余
将该任务时延处理要求减去步骤1-1的处理时延,得到该任务下时延的冗余;
步骤1-3:确定任务的动态时延
根据任务定义的优先级,利用线性权重的方法,计算该任务在考虑优先级的条件下时延的冗余,得到任务的动态时延优先级;
步骤1-4:任务调度顺序
根据步骤1-3得到任务的动态时延优先级,对任务进行调度排序,时延冗余小的优先进行任务调度。
3.根据权利要求1所述的一种基于循环差集理论的电力物联网异步调度方法,其特征在于,步骤2中包含如下步骤:
步骤2-1:任务达到系统数学建模
根据排队论,建立基于单服务台排队系统模型;
步骤2-2:任务平均等待时间确定
根据任务达到时间间隔和处理时间的经验分布,计算在标准的单服务台排队系统模型中的任务等待时间;
步骤2-3:基于优先级的任务等待时间确定
根据任务优先级,确定等待时间的权重参数,通过与平均等待时间相乘,确定该任务的等待时间;
步骤2-4:确定任务时隙长度
将任务处理时延和等待的加权时隙相加得到任务时隙长度,根据确定的消息时隙长度,利用循环差集理论对该任务进行数据发送,完成调度。
4.根据权利要求1所述的一种基于循环差集理论的电力物联网异步调度方法,其特征在于,步骤3包含步骤如下:
步骤3-1:节点工作状态定义
每个节点具有苏醒和休眠两种工作状态,在苏醒状态,节点进行数据发送、接收、信道监听;在休眠状态下,节点关闭收发器以节省能量,无论苏醒还是休眠机制下,节点都是周期性工作,并且把每一个周期分成若干时隙slot,active slot表示苏醒的状态,inactiveslot表示休眠的状态;节点在一个周期中,在active slot和inactive slot之间切换;每一个时隙都是等长度;
步骤3-2:循环差集设计
定义v和k为在一个周期内总的时隙数和对应的active slot数目,ε为重合的activeslot数目;以正整数v为模的k个互不同余的整数所组成的集合D={a1,a2,...,ak}(modv),对于每一个d≠0(modv),恰好有ε对(ai,aj),其中ai-aj=d(modv),ai为一个周期内第i个时隙的位置索引,aj为一个周期内第j个时隙的位置索引;modv代表除v取余的算子;d代表时隙位置偏差;
步骤3-3:调度机制
对一个工作周期的多个子周期,每一个子周期包含相同的总时隙数目和active时隙数目;不同的active时隙数目的位置用于不同的子周期,并且他们的位置由步骤3-2环差集决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675262.2A CN115099476B (zh) | 2022-06-15 | 2022-06-15 | 一种基于循环差集理论的电力物联网异步调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210675262.2A CN115099476B (zh) | 2022-06-15 | 2022-06-15 | 一种基于循环差集理论的电力物联网异步调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115099476A true CN115099476A (zh) | 2022-09-23 |
CN115099476B CN115099476B (zh) | 2023-04-28 |
Family
ID=83290508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210675262.2A Active CN115099476B (zh) | 2022-06-15 | 2022-06-15 | 一种基于循环差集理论的电力物联网异步调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115099476B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116632923A (zh) * | 2023-07-25 | 2023-08-22 | 深圳市中科云科技开发有限公司 | 虚拟电厂的运行管理控制方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070281658A1 (en) * | 2006-06-05 | 2007-12-06 | Institute For Information Industry | Asynchronous power management methods and systems for wireless networks |
CN105072657A (zh) * | 2015-07-23 | 2015-11-18 | 西北大学 | 基于数据命名为中心的无线传感器网络异步休眠调度方法 |
CN108595282A (zh) * | 2018-05-02 | 2018-09-28 | 广州市巨硅信息科技有限公司 | 一种高并发消息队列的实现方法 |
CN109618375A (zh) * | 2018-12-03 | 2019-04-12 | 哈尔滨工业大学(深圳) | 基于业务优先级和信道中断概率的uav自组网时隙调度算法 |
CN109756578A (zh) * | 2019-02-26 | 2019-05-14 | 上海科技大学 | 一种面向动态雾计算网络的低时延任务调度方法 |
CN112181661A (zh) * | 2020-10-13 | 2021-01-05 | 极道科技(北京)有限公司 | 一种任务调度方法 |
-
2022
- 2022-06-15 CN CN202210675262.2A patent/CN115099476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070281658A1 (en) * | 2006-06-05 | 2007-12-06 | Institute For Information Industry | Asynchronous power management methods and systems for wireless networks |
CN105072657A (zh) * | 2015-07-23 | 2015-11-18 | 西北大学 | 基于数据命名为中心的无线传感器网络异步休眠调度方法 |
CN108595282A (zh) * | 2018-05-02 | 2018-09-28 | 广州市巨硅信息科技有限公司 | 一种高并发消息队列的实现方法 |
CN109618375A (zh) * | 2018-12-03 | 2019-04-12 | 哈尔滨工业大学(深圳) | 基于业务优先级和信道中断概率的uav自组网时隙调度算法 |
CN109756578A (zh) * | 2019-02-26 | 2019-05-14 | 上海科技大学 | 一种面向动态雾计算网络的低时延任务调度方法 |
CN112181661A (zh) * | 2020-10-13 | 2021-01-05 | 极道科技(北京)有限公司 | 一种任务调度方法 |
Non-Patent Citations (3)
Title |
---|
刘微姗;陈晓江;段任;陈文娟;刘晨;房鼎益;: "DRAD:一种基于异步休眠调度的无线传感器网络数据收集协议" * |
朱力 鹏 , 饶玮, 裘洪彬 ,吴舜 ,靳丹: "面向电力大数据的广域计算任务流规划调度技术研究" * |
陈杰: "基于循环差集的认知无线网络控制信息交互机制设计" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116632923A (zh) * | 2023-07-25 | 2023-08-22 | 深圳市中科云科技开发有限公司 | 虚拟电厂的运行管理控制方法、装置、设备及存储介质 |
CN116632923B (zh) * | 2023-07-25 | 2024-02-02 | 深圳市盛岭电子信息有限公司 | 虚拟电厂的运行管理控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115099476B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Dynamic task offloading for mobile edge computing with hybrid energy supply | |
Chen et al. | Efficient multi-vehicle task offloading for mobile edge computing in 6g networks | |
Ke et al. | Joint optimization of data offloading and resource allocation with renewable energy aware for IoT devices: A deep reinforcement learning approach | |
Mao et al. | A TDMA scheduling scheme for many-to-one communications in wireless sensor networks | |
Cui et al. | Machine learning-based resource allocation strategy for network slicing in vehicular networks | |
CN111953758A (zh) | 一种边缘网络计算卸载和任务迁移方法及装置 | |
Abedin et al. | Fog load balancing for massive machine type communications: A game and transport theoretic approach | |
CN109803285A (zh) | 一种小区处理方法、装置及网络设备 | |
CN114938372B (zh) | 一种基于联邦学习的微网群请求动态迁移调度方法及装置 | |
Gu et al. | Cooperative mobile edge computing‐cloud computing in Internet of vehicle: Architecture and energy‐efficient workload allocation | |
CN115099476B (zh) | 一种基于循环差集理论的电力物联网异步调度方法 | |
CN102969720A (zh) | 一种能够在智能电网中应用的负载动态控制和分析方法 | |
Wang | Energy-efficient resource allocation optimization algorithm in industrial IoTs scenarios based on energy harvesting | |
Huang | Quality of service optimization in wireless transmission of industrial Internet of Things for intelligent manufacturing | |
Bali et al. | An effective technique to schedule priority aware tasks to offload data on edge and cloud servers | |
CN102946443B (zh) | 一种实现大规模数据传输的多任务调度方法 | |
Li et al. | Task computation offloading for multi-access edge computing via attention communication deep reinforcement learning | |
Jiang et al. | Sustainability analysis for fog nodes with renewable energy supplies | |
Yang et al. | New polling scheme based on busy/idle queues mechanism | |
Wang et al. | Offloading and Delay Optimization Strategies for Power Services in Smart Grid for 5G Edge Computing | |
Yang et al. | Research on two-level priority polling access control protocol based on continuous time | |
LI et al. | Cloud-Edge-Device Collaborative High Concurrency Access Management for Massive IoT Devices in Distribution Grid | |
Liao et al. | Task migration and resource allocation scheme in iovs with roadside unit | |
Yao et al. | Multiple task resource allocation considering QoS in energy harvesting systems | |
CN104780471A (zh) | 一种全光交换网络边缘节点光分组数据组帧方法 |
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 |