CN115314394B - 一种面向智能电网的资源分配方法 - Google Patents
一种面向智能电网的资源分配方法 Download PDFInfo
- Publication number
- CN115314394B CN115314394B CN202210767908.XA CN202210767908A CN115314394B CN 115314394 B CN115314394 B CN 115314394B CN 202210767908 A CN202210767908 A CN 202210767908A CN 115314394 B CN115314394 B CN 115314394B
- Authority
- CN
- China
- Prior art keywords
- power communication
- network
- physical
- representing
- link
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 141
- 230000006870 function Effects 0.000 claims abstract description 65
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000003068 static effect Effects 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000009827 uniform distribution Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation 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
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出一种面向智能电网的资源分配方法,包括以下步骤:S1.收集电力通信网络的业务请求特点,将其建模为一个电力通信服务功能链;收集电力通信基础设施网络的设备数据与链路数据信息,将其建模为一个包含了物理节点和物理链路的物理静态网络;S2.在步骤S1之后,执行针对电力通信服务功能链中的虚拟网络功能和电力通信基础设施的物理网络中的物理设施的关系抽取,推导出基于该知识图谱的关系集合;S3.在步骤S2之后,计算两关系集合中的对应实体之间的相似度;S4.在步骤S3之后,为电力通信业务关系分配满足资源约束,且与之相似度最高的电力通信资源。
Description
技术领域
本发明属于电力通信网络的资源分配领域,尤其涉及一种面向智能电网的资源分配方法。
背景技术
电力通信网作为电网自动化、信息化的基础,是确保电网安全、稳定、经济运行的重要手段,它支撑着电力系统的安全稳定运行。随着因特网的发展以及电网业务的不断扩展,对电力通信网的通信需求要求也越来越严苛,相应的,作为决定了电力通信网的形成和资源配置的智能电网,其网络结构也变得日渐复杂。另外,随着电力与信息技术的深度融合,构建智能电力互联网已成为电力网络未来发展的趋势。
网络功能虚拟化(Network Function Virtualization,NFV)技术作为当前网络转型的关键技术受到了各界的广泛关注。得益于NFV技术,一个复杂的网络服务可以由一系列有序的虚拟网络功能(VNFs)组成,被安置到位于网络中任何位置的大容量服务器、交换机和存储器上,这大大提高了网络资源管理的灵活性。在此背景下,电力通信网可被划分为电力通信业务(Power Communication Business,PCB)和电力通信网基础设施(PowerTelecommunication Network Infrastructure,PTNI),其中PCB根据不同业务的特点,为电力通信用户提供针对性服务,PTNI作为电力通信资源的物理设施承载,包含了服务器、交换机等物理节点以及链接不同节点的物理链路。在此背景下,如何有效地组织PCB中的关键网络信息,并利用其指导PTNI的部署是整个电力通信行业亟待解决的问题。
知识图谱是基于图的数据模型来捕获应用场景中知识的一种知识网络研究技术,它将知识和知识之间的关系集成在一起,从而捕获网络中的关系信息。与其他利用数字等表示的关系模型不同,知识图谱支持数据以更灵活的方式演化,且为领域提供更为直观的抽象,在知识表示方面取得了巨大的成就。
发明内容
发明目的:为有效地组织电力通信业务中的关键网络信息,并利用其指导电力通信网基础设施的部署的问题或者至少部分地解决上述问题,本发明实施例通过为电力通信业务与电力通信网基础设施构建知识图谱,利用实体对齐的方法为智能电网提供一种资源分配方法。
技术方案:本发明提供一种面向智能电网的资源分配方法,该方法包括以下步骤:
S1.收集电力通信网络的业务请求特点,为其构建业务模型,并将其建模为一个电力通信服务功能链;收集电力通信基础设施网络的设备数据与链路数据信息,为其构建物理忘了模型,并将其建模为一个包含了物理节点和物理链路的物理静态网络;
S2.在步骤S1之后,执行针对电力通信服务功能链中的虚拟网络功能和电力通信基础设施的物理网络中的物理设施的关系抽取,为电力通信服务功能链和电力通信基础设施物理网络分别搭建知识图谱,并推导出基于它们的知识图谱的关系集合;
S3.在步骤S2之后,计算两关系集合中的对应实体之间的相似度,根据相似度结果,执行两知识图谱之间的实体对齐;
S4.在步骤S3之后,为电力通信业务关系分配满足资源约束,且与之相似度最高的电力通信资源;
其中,步骤S1中,为电力通信网络的业务与电力通信基础设施网络构建模型时,无先后顺序;步骤S1中,为电力通信网络的业务与电力通信基础设施网络提取实体关系,构建知识图谱时,无先后顺序。
本发明为一种面向智能电网的资源分配方法,抽取电力通信业务网络和电力通信基础设施网络中的关系,推导出其所对应知识图谱,再对两知识图谱执行实体对齐,最后按照资源约束、相似度分配资源,能够对智能电网中的海量数据进行快速的知识学习,提供个性化、智能的服务。
进一步的,所述电力通信网络业务请求包括一组虚拟网络功能请求,在步骤S1中,使用源节点S、目标节点D表示这些网络功能服务所组成的电力通信服务功能链,其属性包括所需资源数量r、最大延迟del和生存期t;
所述电力通信基础设施网络包括物理节点资源和物理链路资源,在步骤S1中,使用以下模型表示电力通信基础设施网络的网络资源:
G=(V,E),
式中,G表示图形式的电力通信网基础设施的网络拓扑,V表示电力通信网基础设施的物理节点集,E表示电力通信网基础设施链路集。对于V中的每个v,都包含CPU资源属性,并用Cni表示其当前可用计算资源的数量;对于E中的每个li,都包含带宽与延迟属性,并用Bli表示其当前带宽容量,delli表示其传输延迟。
进一步的,在步骤S2中,针对电力通信基础设施的物理网络中的物理节点和链路进行关系抽取,推导出基于该知识图谱的关系集合,具体包括以下步骤:
S21.提取电力通信基础设施网络的物理节点和链接之间的关系,将节点链路及其关系向量化。
S22.将网络中的物理节点和物理链路及其关系用一个关系三元组表示,具体公式如下:
R=(eh,r,et),
其中,eh,et表示电力通信网基础设施网络中的单个节点,本发明中也被称为实体;eh,et∈E表示头尾实体;r表示eh和et之间的联系,在本实例中r被称为关系。每个实体都包含CPU这一属性;每条链路都包含带宽和端到端延时这两个属性。
S23.将实体之间存在连接关系的三元组用正向标签进行标记,不存在连接关系的三元组用负向标签标记。
S24.为每个物理节点附加CPU这一属性;每条链路附加带宽和端到端延时这两个属性。
进一步的,在步骤S2中,针对电力通信服务功能链中的虚拟网络功能进行关系抽取,推导出基于该知识图谱的关系集合,具体包括以下步骤:
S21.随机选择电力通信服务功能链中的源节点ns和目的节点nd生成多个请求req(ns≠nd在同一req中);
S22.将电力通信服务功能链的知识图谱中的关系三元组(req,源点,ns)和(req,终点,nd)标记为负向的;
S23.为每个虚拟服务功能节点附加CPU这一属性。
进一步的,在步骤S3中,执行资源分配时,需要满足一定资源约束限制条件,具体条件如下:
其约束如下:
限制条件1:每个电力通信服务功能链的虚拟网络功能(VNF)只能被安置到一个物理节点上执行,即:
式中,SFC表示一个电力通信服务功能链,VNF表示该电力通信服务功能链的一个虚拟网络功能,V表示电力通信网基础设施网络中的物理节点集合,v表示电力通信网基础设施网络物理节点集合中的一个物理节点,表示该VNF被安置到物理节点v上。
限制条件2:每个节点具有特定的可用CPU资源,每个VNF所对应的物理设备需要提供特定超过VNF需求的资源,即:
式中,C(NFVi)表示一个VNF需要的CPU资源,C(v)表示承载该请求的物理设备当前的剩余CPU资源。
限制条件3:SFC链路的带宽需求应该不大于其映射到的物理链路的剩余可用带宽,即虚拟链路映射的带宽约束为:
式中,B(LAB)表示一个VNF需要的带宽资源,B(lab)表示承载该请求的物理链路当前的剩余带宽资源。
限制条件4:SFC链路的端到端时延需求应该不大于其映射到的物理链路的端到端延时,即虚拟链路映射的时延约束为:
式中,LAB表示一个SFC中的VNFA到VNFB的虚拟链路,Del(LAB)表示一个VNF的端到端时延需求,lab表示承载LAB的物理链路,Del(lab)表示承载该请求的物理链路当前的时延;
限制条件5:在SFC链路LAB的映射过程中,除了源点和终点外,其他路过的物理节点的有向流之和为0。
进一步的,在步骤S3中,通过以下公式,计算电力通信服务功能链中的虚拟网络功能与电力通信基础设施的物理网络之间的相似度:
其中,esi代表所述电力通信业务的知识图谱中关系集合sets的元素esi,i=1,2...,|sets|,在该发明中,关系集合sets中的元素也被称为实体esi;efj代表所述电力通信基础设施的知识图谱中关系集合的元素efj,j=1,2...,|setf|,在该发明中,关系集合setf中的元素也被称为实体efj。
进一步的,在步骤S3中,执行实体对齐时,具体目标函数如下:
综上,资源分配问题描述为:
max Target。
s.t.C1,C2。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
该技术立足于为电力通信网络提供个性化、针对性的动态资源分配,提出了基于知识图谱的电力业务资源分配方法:首先,为电力通信业务与电力通信基础设施网络进行关系抽取,分别构建相应的知识图谱;然后,进行实体对齐,实现从电力通信业务的服务功能链到电力通信基础设施网络物理资源的映射;评估表明,利用知识图谱实体对齐求得的资源分配解,能够为具有不同业务需求的电力通信业务提供稳定、高质量的服务。
附图说明
图1为本发明实施例提供的面向电力通信业务的资源分配方法整体流程示意图;
图2为本发明实施例提供的面向电力通信业务的实体对齐示意图;
图3为本发明的请求接受率图;
图4为本发明的平均收益图。
具体实施方式
下面将结合现有技术所需要使用的附图对本实施例做进一步的详细描述。
在本发明的一个实施例中提供一种面向电力通信网络的资源分配方法,图1为本发明实施例提供的网络资源分配方法的整体流程示意图,该方法包括:
S1.收集电力通信网络的业务请求特点,将其建模为一个电力通信服务功能链包括一组虚拟网络功能请求,在步骤S1中,使用源节点S、目标节点D表示这些网络功能服务所组成的电力通信服务功能链,其属性包括所需资源数量r、最大延迟del和生存期t;
收集电力通信基础设施网络的设备数据与链路数据信息,将其建模为一个包含了物理节点和物理链路的物理静态网络;
具体地,所述电力通信网络业务请求所述电力通信基础设施网络包括物理节点资源和物理链路资源,使用以下模型表示电力通信基础设施网络的网络资源:
G=(V,E),
式中,G表示图形式的电力通信网基础设施的网络拓扑,V表示电力通信网基础设施的物理节点集,E表示电力通信网基础设施链路集。对于V中的每个v,都包含CPU资源属性,并用C表示其当前可用计算资源的数量;对于E中的每个li,都包含带宽与延迟属性,并用Bli表示其当前带宽容量,delli表示其传输延迟。
S2.针对电力通信基础设施的物理网络中的物理节点和链路进行关系抽取,为电力通信服务功能链和电力通信基础设施物理网络分别搭建知识图谱,并推导出基于它们的知识图谱的关系集合,具体包括以下步骤:
S21.提取电力通信基础设施网络的物理节点和链接之间的关系,将节点链路及其关系向量化。
S22.将网络中的物理节点和物理链路及其关系用一个关系三元组表示,具体公式如下:
R=(eh,r,et),
其中,eh,et表示电力通信网基础设施网络中的单个节点,本发明中也被称为实体;eh,et∈E表示头尾实体;r表示eh和et之间的联系,在本实例中r被称为关系。每个实体都包含CPU这一属性;每条链路都包含带宽和端到端延时这两个属性。
S23.将实体之间存在连接关系的三元组用正向标签进行标记,不存在连接关系的三元组用负向标签标记。
S24.为每个物理节点附加CPU这一属性;每条链路附加带宽和端到端延时这两个属性。
具体地,针对电力通信服务功能链中的虚拟网络功能进行关系抽取,推导出基于该知识图谱的关系集合,具体包括以下步骤:
S21.随机选择电力通信服务功能链中的源节点ns和目的节点nd生成多个请求req(ns≠nd在同一req中);
S22.将电力通信服务功能链的知识图谱中的关系三元组(req,源点,ns)和(req,终点,nd)标记为负向的;
S23.为每个虚拟服务功能节点附加CPU这一属性。
S3.如图2,在执行实体对齐时,需要计算两知识图谱中对应实体之间的相似度,并满足一定资源约束限制条件,具体条件如下:
其约束如下:
限制条件1:每个电力通信服务功能链的虚拟网络功能(VNF)只能被安置到一个物理节点上执行,即:
式中,SFC表示一个电力通信服务功能链,VNF表示该电力通信服务功能链的一个虚拟网络功能,V表示电力通信网基础设施网络中的物理节点集合,v表示电力通信网基础设施网络物理节点集合中的一个物理节点,表示该VNF被安置到物理节点v上。
限制条件2:每个节点具有特定的可用CPU资源,每个VNF所对应的物理设备需要提供特定超过VNF需求的资源,即:
式中,C(NFVi)表示一个VNF需要的CPU资源,C(v)表示承载该请求的物理设备当前的剩余CPU资源。
限制条件3:SFC链路的带宽需求应该不大于其映射到的物理链路的剩余可用带宽,即虚拟链路映射的带宽约束为:
式中,B(LAB)表示一个VNF需要的带宽资源,B(lab)表示承载该请求的物理链路当前的剩余带宽资源。
限制条件4:SFC链路的端到端时延需求应该不大于其映射到的物理链路的端到端延时,即虚拟链路映射的时延约束为:
式中,LAB表示一个SFC中的VNFA到VNFB的虚拟链路,Del(LAB)表示一个VNF的端到端时延需求,lab表示承载LAB的物理链路,Del(lab)表示承载该请求的物理链路当前的时延;
限制条件5:在SFC链路LAB的映射过程中,除了源点和终点外,其他路过的物理节点的有向流之和为0。
进一步的,在步骤S3中,通过以下公式,计算电力通信服务功能链中的虚拟网络功能与电力通信基础设施的物理网络之间的相似度:
其中,esi代表所述电力通信业务的知识图谱中关系集合sets的元素esi,i=1,2...,|sets|,在该发明中,在本发明中,关系集合sets中的元素也被称为实体esi;被定义为实体esi;efj代表所述电力通信基础设施的知识图谱中关系集合的元素efj,j=1,2...,|setf|,在该发明中,关系集合setf中的元素也被称为实体efj。
具体地,执行实体对齐时,将具体目标函数定义为网络资源分配的目标函数,目标函数因子包括相似度与资源分配性能指标对应的权重,该公式定义为:
其资源分配性能指标如下:
本发明用一段时间内到达的电力业务请求数被成功安置的比率表示请求接受率,具体公式如下:
本发明将请求的CPU容量和带宽容量之和作为其收益,具体公式如下:
平均收益成本比的具体公式如下:
其中,T表示在0到T时间段内收到的业务请求数量,RevenueRi和CostRi分别表示映射的电力通信业务请求Ri的收入和成本。
综上,资源分配问题描述为:
max Target。
s.t.C1,C2。
本实施例利用知识图谱对电力通信网络实现了关系抽取,并通过计算业务与物理设施之间的相似度,执行实体对齐得到针对电网业务的个性化的资源分配结果。
为了评估本实施例的性能,使用python语言在具有16GB内存的Intel Core2.6GhzCPU的常规台式机上进行仿真实验。
建立了包含100个底层节点,链路连接概率为0.5的底层电力通信基础设施网络,其节点和链路资源均服从[50,100]的均匀分布。电力通信业务的VNF个数为[2,10]的均匀分布,每个VNF节点和带宽资源需求服从[0,25]的均匀分布。电力通信业务请求的到达时间服从泊松过程:平均100个时间单元到达5个业务请求,且其服务停留时间服从1000的指数分布。
为了说明本实施例的长期稳定性,执行业务请求总计2000个,设置一个数据采集点的时长为4000个时间单元,共执行40000多个时间单元。
首先结合附图3-4,验证在实现面向电力通信业务利用知识图谱实体对齐的方法的效益。仿真结果如图所示,利用知识图谱计算相似度执行实体对齐为电力通信业务执行的资源分配,请求接受率几近100%,见图3;平均收益保持在9000-16000,见图4。
以上所述是结合具体实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施仅局限于此;对于本发明所属及相关技术领域的技术人员来说,在基于本发明技术方案思路前提下,所作的拓展以及操作方法、数据的替换,都应当落在本发明保护范围之内。
Claims (3)
1.一种面向智能电网的资源分配方法,其特征在于,该方法包括以下步骤:
S1.收集电力通信网络的业务请求特点,为其构建业务模型,并将其建模为一个电力通信服务功能链;收集电力通信基础设施网络的设备数据与链路数据信息,为其构建物理网络模型,将其建模为一个包含了物理节点和物理链路的物理静态网络;
S2.执行针对电力通信服务功能链中的虚拟网络功能和电力通信基础设施的物理网络中的物理设施的关系抽取后,为电力通信服务功能链和电力通信基础设施物理网络分别搭建知识图谱,并推导出基于它们的知识图谱的关系集合;
S3.计算两关系集合中的对应实体之间的相似度,根据相似度结果,执行两知识图谱之间的实体对齐;
S4.为电力通信业务中的虚拟网络功能实体分配与之相似度最高的电力通信物理资源实体;
在步骤S1中,使用源节点S、目标节点D表示这些网络功能服务所组成的电力通信服务功能链,其属性包括所需资源数量r、最大延迟del和生存期t;
电力通信基础设施网络包括物理节点资源和物理链路资源,在步骤S1中,使用以下模型表示电力通信基础设施网络的网络资源:
G=(V,E)
式中,G表示图形式的电力通信网基础设施的网络拓扑,V表示电力通信网基础设施的物理节点集,E表示电力通信网基础设施链路集,对于V中的每个v,都包含CPU资源属性,并用C表示其当前可用计算资源的数量;对于E中的每个li,都包含带宽与延迟属性,并用Bli表示其当前带宽容量,delli表示其传输延迟;
在步骤S2中,针对电力通信基础设施的物理网络中的物理节点和链路进行关系抽取,推导出基于该知识图谱的关系集合,具体包括以下步骤:
S21.提取电力通信基础设施网络的物理节点和链接之间的关系,将节点链路及其关系向量化;
S22.将网络中的物理节点和物理链路及其关系用一个关系三元组表示,具体公式如下:
R=(eh,r,et)
其中,eh,et表示电力通信网基础设施网络中的单个节点,也被称为实体,eh,et∈E表示头尾实体;r表示eh和et之间的联系,r被称为关系,每个实体都包含CPU这一属性,每条链路都包含带宽和端到端延时这两个属性;
S23.将实体之间存在连接关系的三元组用正向标签进行标记,不存在连接关系的三元组用负向标签标记;
S24.为每个物理节点附加CPU这一属性,每条链路附加带宽和端到端延时这两个属性;
在步骤S3中,执行资源分配时,需要满足一定资源约束限制条件,具体条件如下:
其约束如下:
限制条件1:每个电力通信服务功能链的虚拟网络功能VNF只能被安置到一个物理节点上执行,即:
式中,SFC表示一个电力通信服务功能链,VNF表示该电力通信服务功能链的一个虚拟网络功能,V表示电力通信网基础设施网络中的物理节点集合,v表示电力通信网基础设施网络物理节点集合中的一个物理节点,表示该VNF被安置到物理节点v上;
限制条件2:每个节点具有特定的可用CPU资源,每个VNF所对应的物理设备需要提供特定超过VNF需求的资源,即:
式中,C(NFVi)表示一个VNF需要的CPU资源,C(v)表示承载该请求的物理设备当前的剩余CPU资源;
限制条件3:SFC链路的带宽需求应该不大于其映射到的物理链路的剩余可用带宽,即虚拟链路映射的带宽约束为:
式中,B(LAB)表示一个VNF需要的带宽资源,B(lab)表示承载该请求的物理链路当前的剩余带宽资源,A,B为不同的VNF;
限制条件4:SFC链路的端到端时延需求应该不大于其映射到的物理链路的端到端延时,即虚拟链路映射的时延约束为:
式中,LAB表示一个SFC中的VNFA到VNFB的虚拟链路,Del(LAB)表示一个VNF的端到端时延需求,lab表示承载LAB的物理链路,Del(lab)表示承载该请求的物理链路当前的时延;
限制条件5:在SFC链路LAB的映射过程中,除了源点和终点外,其他路过的物理节点的有向流之和为0;
在步骤S3中,通过以下公式,计算电力通信服务功能链中的虚拟网络功能与电力通信基础设施的物理网络之间的相似度:
其中,esi代表所述电力通信业务的知识图谱中关系集合sets的元素esi,i=1,2,...,|sets|,关系集合sets中的元素也被称为实体esi;efj代表所述电力通信基础设施的知识图谱中关系集合的元素,j=1,2...,|setf|,关系集合setf中的元素也被称为实体efj;
在步骤S3中,执行实体对齐时,具体目标函数如下:
其资源分配性能指标如下:
用一段时间内到达的电力业务请求数被成功安置的比率表示请求接受率,具体公式如下:
将请求的CPU容量和带宽容量之和作为其收益,具体公式如下:
平均收益成本比的具体公式如下:
其中,T表示在0到T时间段内收到的业务请求数量,RevenueRi和CostRi分别表示映射的电力通信业务请求Ri的收入和成本;
综上,资源分配问题描述为:
max Target:
s.t.C1,C2。
2.根据权利要求1所述的一种面向智能电网的资源分配方法,其特征在于,为电力通信网络的业务与电力通信基础设施网络构建模型时,无先后顺序;为电力通信网络的业务与电力通信基础设施网络提取实体关系,构建知识图谱时,无先后顺序。
3.根据权利要求1所述的一种面向智能电网的资源分配方法,其特征在于,在步骤S2中,针对电力通信服务功能链中的虚拟网络功能进行关系抽取,推导出基于该知识图谱的关系集合,具体包括以下步骤:
S21.随机选择电力通信服务功能链中的源节点ns和目的节点nd,生成多个请求req,其中,ns≠nd,且二者在同一req中;
S22.将电力通信服务功能链的知识图谱中的关系三元组(req,源点,ns)和(req,终点,nd)标记为负向的;
S23.为每个虚拟服务功能附加CPU这一属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210767908.XA CN115314394B (zh) | 2022-06-30 | 2022-06-30 | 一种面向智能电网的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210767908.XA CN115314394B (zh) | 2022-06-30 | 2022-06-30 | 一种面向智能电网的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115314394A CN115314394A (zh) | 2022-11-08 |
CN115314394B true CN115314394B (zh) | 2023-06-20 |
Family
ID=83855454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210767908.XA Active CN115314394B (zh) | 2022-06-30 | 2022-06-30 | 一种面向智能电网的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115314394B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092805A (zh) * | 2017-12-11 | 2018-05-29 | 国网河南省电力公司信息通信公司 | 一种基于群体优化的电力通信网跨域虚拟网分配机制 |
CN109560961A (zh) * | 2018-11-14 | 2019-04-02 | 电子科技大学 | 一种基于叠加提高可用性的虚拟网络服务链部署方法 |
CN110505099A (zh) * | 2019-08-28 | 2019-11-26 | 重庆邮电大学 | 一种基于迁移a-c学习的服务功能链部署方法 |
WO2020255025A1 (en) * | 2019-06-18 | 2020-12-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and system for deploying a new service function chain (sfc) based on similarities with previously deployed sfcs |
CN112631717A (zh) * | 2020-12-21 | 2021-04-09 | 重庆大学 | 基于异步强化学习的网络服务功能链动态部署系统及方法 |
CN112737854A (zh) * | 2020-12-30 | 2021-04-30 | 国网河南省电力公司信息通信公司 | 一种基于能耗和服务质量的服务链迁移方法及装置 |
CN113676955A (zh) * | 2021-07-20 | 2021-11-19 | 东北大学 | 5g/b5g环境下的虚拟网络功能通用迁移方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017082185A1 (ja) * | 2015-11-13 | 2017-05-18 | 日本電信電話株式会社 | リソース割当装置及びリソース割当方法 |
WO2020026142A1 (en) * | 2018-07-30 | 2020-02-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Joint placement and chaining of virtual network functions for virtualized systems based on a scalable genetic algorithm |
-
2022
- 2022-06-30 CN CN202210767908.XA patent/CN115314394B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108092805A (zh) * | 2017-12-11 | 2018-05-29 | 国网河南省电力公司信息通信公司 | 一种基于群体优化的电力通信网跨域虚拟网分配机制 |
CN109560961A (zh) * | 2018-11-14 | 2019-04-02 | 电子科技大学 | 一种基于叠加提高可用性的虚拟网络服务链部署方法 |
WO2020255025A1 (en) * | 2019-06-18 | 2020-12-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and system for deploying a new service function chain (sfc) based on similarities with previously deployed sfcs |
CN110505099A (zh) * | 2019-08-28 | 2019-11-26 | 重庆邮电大学 | 一种基于迁移a-c学习的服务功能链部署方法 |
CN112631717A (zh) * | 2020-12-21 | 2021-04-09 | 重庆大学 | 基于异步强化学习的网络服务功能链动态部署系统及方法 |
CN112737854A (zh) * | 2020-12-30 | 2021-04-30 | 国网河南省电力公司信息通信公司 | 一种基于能耗和服务质量的服务链迁移方法及装置 |
CN113676955A (zh) * | 2021-07-20 | 2021-11-19 | 东北大学 | 5g/b5g环境下的虚拟网络功能通用迁移方法 |
Non-Patent Citations (2)
Title |
---|
"On Demonstrating the Gain of SFC Placement with VNF Sharing at the Edge";Amri Mohamad等;《IEEE》;全文 * |
"基于深度强化学习的虚拟网络功能部署及迁移优化算法研究";贺兰钦;《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑 I136-905》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115314394A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Resource-efficient federated learning with hierarchical aggregation in edge computing | |
CN104995870B (zh) | 多目标服务器布局确定方法和装置 | |
CN102281290B (zh) | 一种PaaS云平台的仿真系统及方法 | |
CN113098714A (zh) | 一种基于深度强化学习的低时延网络切片的方法 | |
CN104320324A (zh) | 一种基于链路干扰的虚拟网络映射方法 | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
US20230176929A1 (en) | Resource allocation method and apparatus based on edge computing | |
CN113518007A (zh) | 一种基于联邦学习的多物联网设备异构模型高效互学习方法 | |
CN111585811A (zh) | 一种基于多智能体深度强化学习的虚拟光网络映射方法 | |
CN110610019A (zh) | 转移概率部分未知的马尔科夫跳变系统的动力学分析方法 | |
CN102411594B (zh) | 一种获取信息的方法及装置 | |
CN102946443B (zh) | 一种实现大规模数据传输的多任务调度方法 | |
CN113014649B (zh) | 一种基于深度学习的云物联负载均衡方法、装置及设备 | |
CN108616401B (zh) | 一种智能化的视频内容服务器部署方法及系统 | |
CN114154685A (zh) | 智能电网中电能数据调度方法 | |
CN111935748B (zh) | 一种可靠性高和负载均衡的虚拟网资源分配方法 | |
CN115314394B (zh) | 一种面向智能电网的资源分配方法 | |
CN112165721A (zh) | 基于边缘计算的多服务任务的卸载和服务迁移方法 | |
CN110119268B (zh) | 基于人工智能的工作流优化方法 | |
CN113992520B (zh) | 一种虚拟网络资源的部署方法和系统 | |
Yuan et al. | A DRL-Based Container Placement Scheme with Auxiliary Tasks. | |
CN109688068A (zh) | 基于大数据分析的网络负载均衡方法和装置 | |
Singh et al. | A heuristic channel allocation model with multi lending in mobile computing network | |
CN113610170A (zh) | 一种基于时序网络社团检测的影响力最大化方法 | |
CN112799829A (zh) | 一种知识驱动的网络资源编排方法 |
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 |