CN116016522B - 一种云边端协同的新能源终端监控系统 - Google Patents
一种云边端协同的新能源终端监控系统 Download PDFInfo
- Publication number
- CN116016522B CN116016522B CN202310101293.1A CN202310101293A CN116016522B CN 116016522 B CN116016522 B CN 116016522B CN 202310101293 A CN202310101293 A CN 202310101293A CN 116016522 B CN116016522 B CN 116016522B
- Authority
- CN
- China
- Prior art keywords
- edge
- module
- communication
- access unit
- cloud
- 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
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种云边端协同的新能源终端监控系统,包括云平台和边缘节点,云平台与边缘节点基于MQTT传输协议进行数据双向传输,边缘节点通过无线或有线(双模)通信网络以及各种通讯协议依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端数据连接有电动汽车。本发明通过利用低时延动态路由算法计算当前业务流的最优业务交互路径,有效保障调控指令能从边缘侧智能控制装置精准下达至各个边缘侧分布式设备,简化每条业务流,从而达到缩短时延业务流路径的目的。
Description
技术领域
本发明属于新能源架构技术领域,具体涉及一种云边端协同的新能源终端监控系统。
背景技术
新能源,是指传统能源之外的各种能源形式。指刚开始开发利用或正在积极研究、初步开发利用的能源,如太阳能 、地热能、风能、海洋能和核聚变能等,如今,新能源在实际生活中逐渐替代传统能源实现配电送电功能,近年来随着新能源的不断发展,并网容量不断增加的今天,为了提升对新能源场站的感知和控制能力,需要引入“云-边-端”的新能源终端监控架构,从而满足电网安全稳定运行控制需求。
“云-边-端”的新能源终端监控架构一般包括云平台、边缘节点以及与边缘节点数据连接的控制终端等架构组成,现有技术中针对网络拓扑变化、监控信道时变等情况普遍存在着控制时延较长、每条业务流时延路径繁杂、调控指令能从边缘节点下达至各个边缘侧分布式设备花费时间较长的缺陷。
发明内容
有鉴于此,本发明旨在解决现有云边端协同的新能源终端监控系统存在的控制时延较长、每条业务流时延路径繁杂、调控指令能从边缘节点下达至各个边缘侧分布式设备花费时间较长的问题。
为了解决上述技术问题,本发明提供以下技术方案:
一种云边端协同的新能源终端监控系统,包括:云平台、边缘节点和终端分布式电源设备;
云平台与边缘节点基于MQTT传输协议进行数据双向传输;
边缘节点通过无线或有线(双模通讯)通信网络以及各种通讯协议依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端连接有电动汽车;
所述边缘节点利用低时延动态路由算法实现与所接入的所有边缘侧分布式设备之间的业务交互,低时延动态路由算法基于网络拓扑变化和监控信道时变计算最优的业务交互路径。
所述无线或有线(双模通讯)通信网络包括了LORA(长距离无线通讯)及其它可用的无线通讯网络和HPLC(高速宽带载波)有线通讯网络。
所述各种通讯协议包括MOBUS、DLT645、DLT698等通讯协议。
进一步的,所述低时延动态路由算法包括QoS(Quality of Service,服务质量)模块、通讯效率模块、通讯数据量模块以及基于SDN(Software Defined Network,软件定义网络)和机器学习的最小时延QoS策略模块实现,实现过程具体包括:
进一步的,利用所述QoS模块、通讯效率模块和通讯数据量模块获取当前通信环境下的QoS参数、通讯效率和通讯数据量,基于获取的各项参数选择通信网络(无线或有线)以及通讯协议,并将边缘节点与边缘侧分布式设备之间需交互的信息进行封装打包后映射至所选择的通信协议上,最后通过所选择的通讯网络进行发送。
进一步的,所述QoS模块动态计算及统计每个边-端链路所需的服务质量要求,包括报文传输优先级、实时性要求、是否允许丢包等要求,并生成QoS评价。
进一步的,所述通讯效率模块动态计算及统计每个边-端链路的实时通讯速率、通讯准确率等状态,并生成通讯效率评价。
进一步的,所述基于SDN和机器学习的最小时延QoS策略模块获取当前通信环境下所有链路的状态信息,计及QoS模块和通讯效率模块的评价结果,根据所有链路的状态信息计算边缘节点的每条业务路径所采用的通讯方式和通讯协议,以达到满足QoS要求下的局部最优时延和全局最短时延。
进一步的,云平台包括设备接入模块、应用管理模块、边缘资源管理模块和边缘AI,云平台输出端双向数据连接有数据转换单元,数据转换单元输出端双向数据连接有数据库。
进一步的,数据库包括主存储服务器和备用存储服务器,主存储服务器和备用存储服务器均与数据转换单元双向数据连接。
进一步的,边缘节点包括边缘服务器和边缘云。
进一步的,边缘云包括数据预处理模块、实时分析模块、推理预测模块、和数据保护模块。
进一步的,边缘节点与光伏接入单元、储能接入单元和电动汽车接入单元还通过宽带载波通信进行数据连接。
进一步的,光伏接入单元输出端与光伏终端输入端、储能接入单元输出端与储能终端输入端以及电动汽车接入单元输出端与电动汽车输入端均通过本地通信数据连接。
综上,本发明提供了一种云边端协同的新能源终端监控系统,包括云平台和边缘节点,云平台与边缘节点基于MQTT传输协议进行数据双向传输,边缘节点通过无线通信或有线通讯(双模)网络依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端数据连接有电动汽车。本发明通过利用低时延动态路由算法计算当前业务流的最优业务交互路径,有效保障调控指令能从边缘侧智能控制装置精准下达至各个边缘侧分布式设备,简化每条业务流,从而实现各个业务流程的局部最优时延和所有业务流程的全局最短时延。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种云边端协同的新能源终端监控系统的整体结构示意图;
图2为本发明实施例提供的一种云边端协同的新能源终端监控系统的低时延动态路由算法框架结构示意图;
图3为本发明实施例提供的一种云边端协同的新能源终端监控系统的云平台与数据库连接框架结构示意图;
图4为本发明实施例提供的一种云边端协同的新能源终端监控系统的边缘云结构示意图;
图5为本发明实施例提供的一种云边端协同的新能源终端监控系统的数据库结构示意图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
新能源,是指传统能源之外的各种能源形式。指刚开始开发利用或正在积极研究、初步开发利用的能源,如太阳能 、地热能、风能、海洋能和核聚变能等,如今,新能源在实际生活中逐渐替代传统能源实现配电送电功能,近年来随着新能源的不断发展,并网容量不断增加的今天,为了提升对新能源场站的感知和控制能力,需要引入“云-边-端”的新能源终端监控架构,从而满足电网安全稳定运行控制需求。
“云-边-端”的新能源终端监控架构一般包括云平台、边缘节点以及与边缘节点数据连接的控制终端等架构组成,现有技术中针对网络拓扑变化、监控信道时变等情况普遍存在着控制时延较长、每条业务流时延路径繁杂、调控指令能从边缘节点下达至各个边缘侧分布式设备花费时间较长的缺陷。
基于此,本发明提供了一种云边端协同的新能源终端监控系统。
以下对本发明的一种云边端协同的新能源终端监控系统的实施例进行详细的说明。
请参阅图1-5,本实施例提供一种云边端协同的新能源终端监控系统,包括:云平台、边缘节点和终端分布式电源设备。
在本实施例中,如图1所示,云平台与边缘节点基于MQTT传输协议进行数据双向传输,边缘节点通过无线或有线(双模)通信网络以及各种通讯协议依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端连接有电动汽车。
本实施例中,无线或有线(双模)通信网络包括了LORA(长距离无线通讯)及其它可用的无线通讯网络和HPLC(高速宽带载波)有线通讯网络。
本实施例中,所述各种通讯协议包括MOBUS、DLT645、DLT698等常用的通讯协议。
本实施例中,边缘节点通过LORA/HPLC网络依次连接有光伏接入单元、储能接入单元和电动汽车接入单元。HPLC信息传输较为稳定,相比于LORA等无线通讯网络其数据传输较为准确和安全。边缘节点和各接入单元之间可采用MODBUS、DLT645、DLT698等通讯协议。
本实施例中,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端数据连接有电动汽车,光伏接入单元输出端与光伏终端输入端、储能接入单元输出端与储能终端输入端以及电动汽车接入单元输出端与电动汽车输入端均通过本地通信数据连接。
本实施例中,如图3所示,云平台包括设备接入模块、应用管理模块、边缘资源管理模块和边缘AI,设备接入模块用以与外界设备数据连接,应用管理模块能够对新能源终端监控架构使用的应用app进行更新、卸载等管理操作,边缘资源管理模块能够对边缘服务器和边缘云进行资源统筹化管理,边缘AI指在物理设备中部署AI应用,是因为它在靠近用户和数据的网络边缘进行AI计算,而不是集中在云计算设施或私人数据中心,如今随着互联网的普及,边缘AI的应用能够提供终端监控更为全方位的计算,同时也减轻了数据库的运行负担,云平台输出端双向数据连接有数据转换单元,数据转换单元输出端双向数据连接有数据库。
本实施例中,如图4所示,边缘节点包括边缘服务器和边缘云,边缘云包括数据预处理模块、实时分析模块、推理预测模块、和数据保护模块,数据预处理模块能够对云平台发出的调控指令进行预处理转换,并将其传递给实时分析模块,实时分析模块和推力预测模块能够对接受的信息进行分析、推理并预测,数据保护模块,能够对传输的数据进保护,避免重要数据丢失或者外泄,实现物联终端设备数据的统一表达和对电力物联终端设备数据信息的完整表征。
本实施例中,如图5所示,数据库包括主存储服务器和备用存储服务器,主存储服务器和备用存储服务器均与数据转换单元双向数据连接,通过主存储服务器和副存储服务器能够对监控架构的数据信息进行双重储存,避免了重要数据的丢失。
在本实施例中,云平台与边缘节点基于MQTT传输协议进行数据双向传输,MQTT是一个基于客户端-服务器的消息发布/订阅传输协议。MQTT协议是轻量、简单、开放和易于实现的,这些特点使它适用范围非常广泛。
在本实施例中,如图2所示,边缘节点利用低时延动态路由算法实现与所接入的所有边缘侧分布式设备之间的业务交互,低时延动态路由算法基于网络拓扑变化和监控信道时变计算最优的业务交互路径。
在本实施例中,终端监控架构采用低时延动态路由算法进行数据交互路径的选择。低时延动态路由算法基于网络拓扑变化和监控信道时变,其包括QoS模块、通讯效率模块、通讯数据量模块和SDN+机器学习最小时延Qos策略,低时延动态路由算法实现对边缘侧分布式电源的快速功率控制;针对网络拓扑变化、监控信道时变等实际情况,基于QoS、通讯效率(包括通讯速率和通讯准确率)以及通讯数据量等选择与其业务流程深度适配的通信网络和通讯协议技术配合SDN+机器学习最小时延Qos策略,适应性的计算低时延动态路由路径。
在本实施例中,所述QoS模块动态计算及统计每个边-端链路所需的服务质量要求,包括报文传输优先级、实时性要求、是否允许丢包等要求,并生成QoS评价,提供给所述SDN+机器学习最小时延Qos策略。
在本实施例中,所述通讯效率模块动态计算及统计每个边-端链路的实时通讯速率、通讯准确率等状态,并生成通讯效率评价,提供给所述SDN+机器学习最小时延Qos策略。
在本实施例中,所述基于SDN和机器学习的最小时延QoS策略模块通过SDN技术收集网络中存在的链路的状态信息,匹配并满足每条业务流的QoS需求,计及QoS模块和通讯效率模块的评价结果,根据所有链路的状态信息为每条业务流计算出最优时延路径,确定好边缘节点的每条业务路径所采用的通讯方式和通讯协议,以达到满足QoS要求下的局部最优时延和全局最短时延。最后有效保障调控指令能从边缘侧智能控制装置精准下达至各个边缘侧分布式设备,确保边缘侧快速功率控制的实现,简化每条业务流,从而达到缩短时延业务流路径的目的。
本实施例中,针对网络拓扑变化、监控信道时变等问题,确定业务选择模型,基于QoS、通讯效率(通讯速率和通讯准确率)、通讯数据量等选择与其业务流程深度适配的通讯方式和通信协议,并将所需交互的信息模型进行封装打包,形成模型子集映射至通信协议(MODBUS、DLT645、DLT698等)上,最后通过所选择的通讯网络(LORA、HPLC等)进行发送。
本实施例中,通过SDN技术收集网络中所有链路的状态信息,匹配每条业务流,为每条业务流计算出最短时延路径,满足业务流的QoS需求,有效保障调控指令能从边缘侧智能控制装置精准下达至各个边缘侧分布式设备,确保边缘侧快速功率控制的实现。
本实施例提供了一种云边端协同的新能源终端监控系统,包括云平台和边缘节点,云平台与边缘节点基于MQTT传输协议进行数据双向传输,边缘节点通过无线通信或有线通讯(双模)网络依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,光伏接入单元输出端连接有光伏终端,储能接入单元输出端连接有储能终端,电动汽车接入单元输出端数据连接有电动汽车。本实施例通过SDN技术收集网络中所有链路的状态信息,匹配每条业务流,为每条业务流计算出最短时延路径,满足业务流的QoS需求,有效保障调控指令能从边缘侧智能控制装置精准下达至各个边缘侧分布式设备,简化每条业务流,从而达到缩短时延业务流路径的目的,从而实现各个业务流程的局部最优时延和所有业务流程的全局最短时延。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种云边端协同的新能源终端监控系统,其特征在于,包括:云平台、边缘节点和终端分布式电源设备;
所述云平台与所述边缘节点基于MQTT传输协议进行数据双向传输;
所述边缘节点通过无线或有线通信网络以及各种通讯协议依次连接有光伏接入单元、储能接入单元和电动汽车接入单元,所述光伏接入单元输出端连接有光伏终端,所述储能接入单元输出端连接有储能终端,所述电动汽车接入单元输出端连接有电动汽车;
所述边缘节点利用低时延动态路由算法实现与所接入的所有边缘侧分布式设备之间的业务交互,所述低时延动态路由算法基于网络拓扑变化和监控信道时变计算最优的业务交互路径;
所述无线或有线通信网络包括LORA和HPLC有线通讯网络;
所述各种通讯协议包括MOBUS、DLT645和DLT698通讯协议;
所述低时延动态路由算法由QoS模块、通讯效率模块、通讯数据量模块以及基于SDN和机器学习的最小时延QoS策略模块实现,实现过程具体包括:
利用所述QoS模块、通讯效率模块和通讯数据量模块获取当前通信环境下的QoS参数、通讯效率和通讯数据量,基于获取的各项参数选择通信网络以及通讯协议,并将边缘节点与边缘侧分布式设备之间需交互的信息进行封装打包后映射至所选择的通信协议上,最后通过所选择的通讯网络进行发送;
所述QoS模块动态计算及统计每个边-端链路所需的服务质量要求,包括报文传输优先级、实时性要求、是否允许丢包,并生成QoS评价;
所述通讯效率模块动态计算及统计每个边-端链路的实时通讯速率、通讯准确率,并生成通讯效率评价;
所述基于SDN和机器学习的最小时延QoS策略模块获取当前通信环境下所有链路的状态信息,计及QoS模块和通讯效率模块的评价结果,根据所有链路的状态信息计算边缘节点的每条业务路径所采用的通讯方式和通讯协议,以达到满足QoS要求下的局部最优时延和全局最短时延。
2.根据权利要求1所述的一种云边端协同的新能源终端监控系统,其特征在于,所述云平台包括设备接入模块、应用管理模块、边缘资源管理模块和边缘AI,所述云平台输出端双向数据连接有数据转换单元,所述数据转换单元输出端双向数据连接有数据库;所述设备接入模块用于与外界设备进行数据连接,所述应用管理模块用于对新能源终端监控系统使用的应用软件进行管理,所述边缘资源管理模块用于对边缘服务器和边缘云进行资源管理,所述边缘AI用于在网络边缘进行AI计算。
3.根据权利要求2所述的一种云边端协同的新能源终端监控系统,其特征在于,所述数据库包括主存储服务器和备用存储服务器,所述主存储服务器和备用存储服务器均与数据转换单元双向数据连接。
4.根据权利要求1所述的一种云边端协同的新能源终端监控系统,其特征在于,所述边缘节点包括边缘服务器和边缘云。
5.根据权利要求4所述的一种云边端协同的新能源终端监控系统,其特征在于,所述边缘云包括数据预处理模块、实时分析模块、推理预测模块和数据保护模块,所述数据预处理模块用于对所述云平台发出的调控指令进行预处理转换,所述实时分析模块和所述推理预测模块用于对转换后的调控指令进行分析、推理并预测,所述数据保护模块用于对传输的数据进行保护。
6.根据权利要求1所述的一种云边端协同的新能源终端监控系统,其特征在于,所述边缘节点与光伏接入单元、储能接入单元和电动汽车接入单元还通过宽带载波通信进行数据连接。
7.根据权利要求1所述的一种云边端协同的新能源终端监控系统,其特征在于,所述光伏接入单元输出端与光伏终端输入端、所述储能接入单元输出端与储能终端输入端以及所述电动汽车接入单元输出端与电动汽车输入端均通过本地通信数据连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101293.1A CN116016522B (zh) | 2023-02-13 | 2023-02-13 | 一种云边端协同的新能源终端监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310101293.1A CN116016522B (zh) | 2023-02-13 | 2023-02-13 | 一种云边端协同的新能源终端监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116016522A CN116016522A (zh) | 2023-04-25 |
CN116016522B true CN116016522B (zh) | 2023-06-02 |
Family
ID=86030327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310101293.1A Active CN116016522B (zh) | 2023-02-13 | 2023-02-13 | 一种云边端协同的新能源终端监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116016522B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117097766B (zh) * | 2023-10-18 | 2024-07-26 | 厦门海辰储能科技股份有限公司 | 一种储能系统的数据监控方法和数据监控装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266793A (zh) * | 2019-06-19 | 2019-09-20 | 长沙理工大学 | 一种配电网泛在分布式能源边缘计算交易平台 |
WO2022021176A1 (zh) * | 2020-07-28 | 2022-02-03 | 苏州大学 | 云边协同网络资源平滑迁移与重构方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107370676A (zh) * | 2017-08-03 | 2017-11-21 | 中山大学 | 一种融合QoS及负载均衡需求的路由选择方法 |
CN111585916B (zh) * | 2019-12-26 | 2023-08-01 | 国网辽宁省电力有限公司电力科学研究院 | 基于云边协同的lte电力无线专网任务卸载和资源分配方法 |
US20220124560A1 (en) * | 2021-12-25 | 2022-04-21 | Shu-Ping Yeh | Resilient radio resource provisioning for network slicing |
-
2023
- 2023-02-13 CN CN202310101293.1A patent/CN116016522B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110266793A (zh) * | 2019-06-19 | 2019-09-20 | 长沙理工大学 | 一种配电网泛在分布式能源边缘计算交易平台 |
WO2022021176A1 (zh) * | 2020-07-28 | 2022-02-03 | 苏州大学 | 云边协同网络资源平滑迁移与重构方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116016522A (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | CeMon: A cost-effective flow monitoring system in software defined networks | |
Jiang et al. | An optimization-based robust routing algorithm to energy-efficient networks for cloud computing | |
CN116016522B (zh) | 一种云边端协同的新能源终端监控系统 | |
EP4024763A1 (en) | Network congestion control method, node, system and storage medium | |
CN110224427B (zh) | 一种基于微电网能量控制策略的信息物理系统建模方法 | |
CN115665227B (zh) | 一种普适的异构融合算网资源智慧适配网络架构及方法 | |
AU2022200840B2 (en) | Dynamically distributing processing among nodes in a wireless mesh network | |
CN104333490A (zh) | 一种基于通信协议的配用电通信业务带宽预测方法 | |
Liao et al. | Ultra-low AoI digital twin-assisted resource allocation for multi-mode power IoT in distribution grid energy management | |
CN115689004A (zh) | 多源虚拟灵活聚合与分层协同控制平台构建方法及系统 | |
Gu et al. | Cooperative mobile edge computing‐cloud computing in Internet of vehicle: Architecture and energy‐efficient workload allocation | |
Chen et al. | Deep learning-based traffic prediction for energy efficiency optimization in software-defined networking | |
Li et al. | Design of a service caching and task offloading mechanism in smart grid edge network | |
Huang | Quality of service optimization in wireless transmission of industrial Internet of Things for intelligent manufacturing | |
CN109617086A (zh) | 一种电网动态无功补偿设备协调控制系统及方法 | |
US20210021130A1 (en) | Systems and methods for distributed hierarchical artificial intelligence in smart grids | |
Teng et al. | A power quality online monitoring system oriented ZigBee routing optimization strategy | |
Wang et al. | Control and scheduling co-design of networked control system: Overview and directions | |
Wei et al. | SDN-based multi-controller optimization deployment strategy for satellite network | |
CN112601232B (zh) | 基于最小费用最大流的负载均衡的多服务迁移方法及系统 | |
CN105897870B (zh) | 一种面向网络视频缓存系统的拥塞控制与负载均衡的方法 | |
Wen et al. | Multi-stage PSO-based cost minimization for computation offloading in vehicular edge networks | |
CN116418808A (zh) | 一种mec的联合计算卸载和资源分配方法及装置 | |
Huang et al. | Joint Switch–Controller Association and Control Devolution for SDN Systems: An Integrated Online Perspective of Control and Learning | |
Cong et al. | A deep reinforcement learning-based routing scheme with two modes for dynamic 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 |