CN116192861A - 基于端侧数据存储感知的配电网云边卸载方法及系统 - Google Patents

基于端侧数据存储感知的配电网云边卸载方法及系统 Download PDF

Info

Publication number
CN116192861A
CN116192861A CN202310165990.3A CN202310165990A CN116192861A CN 116192861 A CN116192861 A CN 116192861A CN 202310165990 A CN202310165990 A CN 202310165990A CN 116192861 A CN116192861 A CN 116192861A
Authority
CN
China
Prior art keywords
service
cloud
distribution network
power distribution
time 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.)
Pending
Application number
CN202310165990.3A
Other languages
English (en)
Inventor
李帅
文祥宇
张世栋
刘洋
张鹏平
由新红
李立生
孙勇
张林利
王峰
苏国强
刘合金
黄敏
于海东
刘文彬
和家慧
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.)
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Shandong Electric Power 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 Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN202310165990.3A priority Critical patent/CN116192861A/zh
Publication of CN116192861A publication Critical patent/CN116192861A/zh
Pending legal-status Critical Current

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
    • H04L67/10—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
    • H04L67/1004—Server selection for load balancing
    • H04L67/1012—Server selection for load balancing based on compliance of requirements or conditions with available server resources
    • 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
    • H04L67/1004—Server selection for load balancing
    • H04L67/1023—Server selection for load balancing based on a hash applied to IP addresses or costs
    • 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
    • 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)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本公开提供了一种基于端侧数据存储感知的配电网云边卸载方法及系统，所述方案包括：获取配电网业务的相关信息；基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分；基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到云服务器上进行处理；否则，将数据卸载到云服务器上进行处理。

Description

基于端侧数据存储感知的配电网云边卸载方法及系统
技术领域
本公开属于边缘计算技术领域，尤其涉及一种基于端侧数据存储感知的配电网云边卸载方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
随着新型电力系统的发展以及智能配用电终端的规模化接入，配电网业务种类与业务数据不断增多，业务需求逐渐呈现差异化的特点。
传统云计算将终端设备的计算任务全部卸载到云中心进行集中处理，会造成网络拥塞以及较大的传输时延，无法满足配电网多业务差异化数据处理需求。边缘计算采用分布式计算方式，由分布在网络中的多个服务器处理计算任务，降低设备上传数据至云服务器的需求，减小网络拥塞。同时，通过将服务器部署在边缘侧，实现算力下沉，降低电力业务数据的传输时间。云边协同机制下，终端可以将端侧数据卸载到边缘服务器或云服务器进行处理，提高数据处理效率。但是，发明人发现，传统的卸载方法缺少端侧数据存储感知，难以实现云边卸载决策与端侧数据差异化处理需求的适配，导致电力业务数据云边卸载性能差。
发明内容
本公开为了解决上述问题，提供了一种基于端侧数据存储感知的配电网云边卸载方法及系统，所述方案根据配电网不同业务的带宽需求、计算需求、时延需求等特点进行多业务分类，通过对端侧配电网业务数据进行感知，有效识别数据类型，实现配电网云边卸载策略与差异化业务需求的适配。
根据本公开实施例的第一个方面，提供了一种基于端侧数据存储感知的配电网云边卸载方法，包括：
获取配电网业务的相关信息；
基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分；
基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到边缘服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
进一步的，所述服务器选择指标值的获取，具体采用如下公式：
Figure BDA0004095979580000021
/>
其中，Di,j为第i个时隙端侧第j种业务数据存储量，Ei,j为第i个时隙端侧剩余电量，Bi,j,1为第i个时隙端边之间为第j种业务分配的带宽，Bi,j,2为第i个时隙端云之间为第j种业务分配的带宽，Qi,j,1为第i个时隙边侧第j种业务数据队列积压，Qi,j,2为第i个时隙云侧第j种业务数据队列积压，fi,j,1为第i个时隙边侧处理第j种业务数据计算速度，fi,j,2为第i个时隙云侧处理第j种业务数据计算速度，Ti,j,1为第i个时隙第j种业务数据的端到边传输时延，Ti,j,2为第i个时隙第j种业务数据的端到云传输时延，τi,j,1为第i个时隙第j种业务数据的边侧计算时延，τi,j,1为第i个时隙第j种业务数据的云侧计算时延，αi,j、βi,j、χi,j、δi,j、εi,j、φi,j、
Figure BDA0004095979580000022
分别为数据存储量、端侧剩余电量、带宽、队列积压、计算速度、传输时延、计算时延的权重参数。
进一步的，基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分，所述配电网业务被划分为大流量高复杂度低时延业务、大流量低复杂度低时延业务、大流量低复杂度非实时业务、大流量高复杂度非实时业务、小流量高复杂度低时延业务、小流量低复杂度低时延业务、小流量低复杂度非实时业务以及小流量高复杂度非实时业务。
进一步的，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分，具体为：分别计算带宽需求、计算资源需求以及时延指标需求在各需求指标之和中的占比，基于获得的指标占比及其对应的预设阈值，实现对不同配电网业务类型的划分。
进一步的，所述配电网业务的相关信息包括配电网的业务带宽需求、计算资源需求以及时延需求。
进一步的，所述相关环境状态指标包括端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧队列积压、传输时延以及计算时延。
根据本公开实施例的第二个方面，提供了一种基于端侧数据存储感知的配电网云边卸载系统，包括：
数据获取单元，其用于获取配电网业务的相关信息；
业务分类单元，其用于基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分；
阈值比较单元，其用于基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
云边卸载单元，其用于当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到边缘服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于端侧数据存储感知的配电网云边卸载方法。
根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于端侧数据存储感知的配电网云边卸载方法。
与现有技术相比，本公开的有益效果是：
(1)本公开提供了一种基于端侧数据存储感知的配电网云边卸载方法及系统，所述方案根据配电网不同业务的带宽需求、计算需求、时延需求等特点进行多业务分类，通过对端侧配电网业务数据进行感知，有效识别数据类型，实现配电网云边卸载策略与差异化业务需求的适配。
(2)本公开所述方案综合考虑端侧业务数据类型以及端侧数据、端边通道、队列积压等环境状态指标对不同业务数据卸载决策的影响，在进行数据卸载时根据环境状态以及端侧业务数据类型进行服务器选择，适配配电网业务差异化需求，提高电力业务数据云边卸载性能。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例中所述的基于端侧数据存储感知的配电网云边卸载方法的整体架构示意图；
图2为本公开实施例中所述的基于端侧数据存储感知的配电网云边卸载方法流程图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
术语解释：
端侧：终端侧，包括但不限于配网调控终端、智能巡检机器人以及负荷控制终端；
边侧：边缘计算节点；
云侧：云服务器。
实施例一：
本实施例的目的是提供一种基于端侧数据存储感知的配电网云边卸载方法。
一种基于端侧数据存储感知的配电网云边卸载方法，包括：
获取配电网业务的相关信息；
基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分；
基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到边缘服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
进一步的，所述服务器选择指标值的获取，具体采用如下公式：
Figure BDA0004095979580000051
其中，Di,j为第i个时隙端侧第j种业务数据存储量，Ei,j为第i个时隙端侧剩余电量，Bi,j,1为第i个时隙端边之间为第j种业务分配的带宽，Bi,j,2为第i个时隙端云之间为第j种业务分配的带宽，Qi,j,1为第i个时隙边侧第j种业务数据队列积压，Qi,j,2为第i个时隙云侧第j种业务数据队列积压，fi,j,1为第i个时隙边侧处理第j种业务数据计算速度，fi,j,2为第i个时隙云侧处理第j种业务数据计算速度，Ti,j,1为第i个时隙第j种业务数据的端到边传输时延，Ti,j,2为第i个时隙第j种业务数据的端到云传输时延，τi,j,1为第i个时隙第j种业务数据的边侧计算时延，τi,j,1为第i个时隙第j种业务数据的云侧计算时延，αi,j、βi,j、χi,j、δi,j、εi,j、φi,j、
Figure BDA0004095979580000061
分别为数据存储量、端侧剩余电量、带宽、队列积压、计算速度、传输时延、计算时延的权重参数。
进一步的，基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分，所述配电网业务被划分为大流量高复杂度低时延业务、大流量低复杂度低时延业务、大流量低复杂度非实时业务、大流量高复杂度非实时业务、小流量高复杂度低时延业务、小流量低复杂度低时延业务、小流量低复杂度非实时业务以及小流量高复杂度非实时业务。
进一步的，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分，具体为：分别计算带宽需求、计算资源需求以及时延指标需求在各需求指标之和中的占比，基于获得的指标占比及其对应的预设阈值，实现对不同配电网业务类型的划分。
进一步的，所述配电网业务的相关信息包括配电网的业务带宽需求、计算资源需求以及时延需求。
进一步的，所述相关环境状态指标包括端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧队列积压、传输时延以及计算时延。
具体的，为了便于理解，以下结合附图对本实施例所述方案进行详细说明:
本实施例所述方案主要解决如下问题：
(1)现有卸载方法没有根据带宽、计算、时延等需求对配电网各类业务进行分类，无法对端侧配网存储数据进行感知识别，无法实现云边卸载策略与端侧业务数据差异化处理需求的适配。
(2)传统卸载方法没有考虑端侧业务数据类型以及端侧数据处理、云边通道、队列积压和计算积压等状态指标对不同业务数据卸载决策的影响，在进行数据卸载时无法根据环境状态以及端侧业务数据类型优化服务器选择，难以适配配电网业务差异化需求，导致电力业务数据云边卸载性能差。
为了解决上述问题，本实施例提出一种基于端侧数据存储感知的配电网云边卸载方法及系统，如图1所示，其主要技术构思包括：首先，根据不同配电网业务带宽、计算资源、时延等需求对配电网业务进行分类，通过分析端侧数据的带宽需求指标、计算资源需求指标、时延需求指标所占比重，实现端侧业务数据感知识别。然后，根据所识别出的业务类型综合考虑端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧队列积压端到端传输时延、计算时延等状态指标进行服务器选择指标计算；最后，根据服务器选择指标以及阈值判定云边卸载策略。如图2所示，其具体步骤如下：
S1：根据不同配电网业务带宽、计算资源、时延等资源需求特点，将配网业务划分为以下8种业务，包括大流量高复杂度低时延业务、大流量低复杂度低时延业务、大流量低复杂度非实时业务、大流量高复杂度非实时业务、小流量高复杂度低时延业务、小流量低复杂度低时延业务、小流量低复杂度非实时业务、小流量高复杂度非实时业务。
S2：依据上述配电网业务分类对端侧数据进行感知识别。
S2.1：端侧数据需求指标归一化。综合考虑配电网业务对带宽、计算资源、时延等资源的需求，对端侧数据的带宽需求指标、计算资源需求指标、时延需求指标进行归一化。
S2.2：端侧数据需求指标分析。基于端侧数据带宽需求、计算资源需求、时延需求归一化指标对端侧数据进行打分，根据以下公式分别计算端侧数据的带宽需求指标、计算资源需求指标、时延需求指标所占比重：
Figure BDA0004095979580000081
其中，ω为带宽需求归一化指标，ξ为计算资源需求归一化指标，ψ为时延需求归一化指标，θ1、θ2、θ3分别为其所占比重。
S2.3：基于步骤S2.2得到的端侧数据需求指标占比，根据表1对端侧数据进行识别，判断其所属业务类型。
表1端侧数据业务类型识别表
Figure BDA0004095979580000082
其中，表1中θ1,max、θ2,max、θ3,max分别为预设的带宽需求归一化指标、计算资源需求归一化指标、时延需求归一化指标所占比重的阈值。
S3：基于步骤S2判断得到业务类型，综合感知端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧计算积压、传输时延、计算时延等环境状态指标及预设的阈值，判定数据云边卸载策略，其中，为了更加清楚反应上述环境状态指标，本实施例所述方案将端侧数据存储情况量化为终端存储的待上传数据量大小，将端边之间通道情况量化为端侧和边侧之间可分配的带宽大小，将端云之间通道情况量化为端侧和云侧之间可分配的带宽大小，将边侧计算能力量化为边侧处理数据的计算速度，即边缘服务器处理1b it数据所需要的时间，将边侧队列积压量化为边缘服务器中存储的未处理数据量大小，将云侧计算能力量化为云侧处理数据的计算速度，即云服务器处理1b it数据所需要的时间，将云侧计算积压量化为云服务器中存储的未处理数据量大小。
S3.1：针对第j种业务，综合考虑端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧队列积压、传输时延、计算时延等状态指标，定义服务器选择指标
Figure BDA0004095979580000091
其表示为
Figure BDA0004095979580000092
其中，Di,j为第i个时隙端侧第j种业务数据存储量，Ei,j为第i个时隙端侧剩余电量，Bi,j,1为第i个时隙端边之间为第j种业务分配的带宽，Bi,j,2为第i个时隙端云之间为第j种业务分配的带宽，Qi,j,1为第i个时隙边侧第j种业务数据队列积压，Qi,j,2为第i个时隙云侧第j种业务数据队列积压，fi,j,1为第i个时隙边侧处理第j种业务数据计算速度，fi,j,2为第i个时隙云侧处理第j种业务数据计算速度，Ti,j,1为第i个时隙第j种业务数据的端到边传输时延，Ti,j,2为第i个时隙第j种业务数据的端到云传输时延，τi,j,1为第i个时隙第j种业务数据的边侧计算时延，τi,j,1为第i个时隙第j种业务数据的云侧计算时延，αi,j、βi,j、χi,j、δi,j、εi,j、φi,j、
Figure BDA0004095979580000101
分别为预设的数据存储量、端侧剩余电量、带宽、队列积压、计算速度、传输时延、计算时延的权重参数；
根据步骤S1所识别的业务类型设置不同权重参数，用来反应不同业务对上述资源的差异化需求。本实施例所述方案通过相减的形式对边侧指标与云侧指标进行比较，其中边侧状态指标与服务器选择指标成正比，云侧状态指标与服务器选择指标成反比，当边侧带宽、计算速度较大，时延与队列积压较小时算法倾向于选择边缘服务器，反之则倾向于选择云服务器。特殊的，服务器选择指标与端侧剩余电量成反比，当端侧剩余电量较小时倾向于选择边缘服务器以减小终端数据传输功耗，反之选择云服务器。服务器选择指标还与端侧数据存储量成反比，当端侧数据存储量较大时通信开销大，传输时间长，此时倾向于选择边缘服务器以减少通信开销，反之选择云服务器。
S3.2：判断
Figure BDA0004095979580000102
其中X为服务器选择指标阈值，用来判定数据是否卸载到边缘服务器进行处理。若满足则转向步骤S3.4，否则转向步骤S3.3。
S3.3：将数据卸载到云服务器上进行处理。
S3.4：将数据卸载到边缘服务器上进行处理。
S3.5：更新端侧数据需求指标以及云边状态指标。
实施例二：
本实施例的目的是提供一种基于端侧数据存储感知的配电网云边卸载系统。
一种基于端侧数据存储感知的配电网云边卸载系统，包括：
数据获取单元，其用于获取配电网业务的相关信息；
业务分类单元，其用于基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分；
阈值比较单元，其用于基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
云边卸载单元，其用于当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到边缘服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
进一步的，本实施例所述系统与实施例一所述方法相对应，其技术细节在实施例一中进行了详细描述，故此处不再赘述。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASI C，现成可编程门阵列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该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
上述实施例提供的一种基于端侧数据存储感知的配电网云边卸载方法及系统可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，包括：
获取配电网业务的相关信息；
基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分；
基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到云服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
2.如权利要求1所述的一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，所述服务器选择指标值的获取，具体采用如下公式：
Figure FDA0004095979570000011
其中，Di,j为第i个时隙端侧第j种业务数据存储量，Ei,j为第i个时隙端侧剩余电量，Bi,j,1为第i个时隙端边之间为第j种业务分配的带宽，Bi,j,2为第i个时隙端云之间为第j种业务分配的带宽，Qi,j,1为第i个时隙边侧第j种业务数据队列积压，Qi,j,2为第i个时隙云侧第j种业务数据队列积压，fi,j,1为第i个时隙边侧处理第j种业务数据计算速度，fi,j,2为第i个时隙云侧处理第j种业务数据计算速度，Ti,j,1为第i个时隙第j种业务数据的端到边传输时延，Ti,j,2为第i个时隙第j种业务数据的端到云传输时延，τi,j,1为第i个时隙第j种业务数据的边侧计算时延，τi,j,1为第i个时隙第j种业务数据的云侧计算时延，αi,j、βi,j、χi,j、δi,j、εi,j、φi,j、
Figure FDA0004095979570000012
分别为第i个时隙第j种业务对应的数据存储量、端侧剩余电量、带宽、队列积压、计算速度、传输时延以及计算时延的权重参数。
3.如权利要求1所述的一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分，所述配电网业务被划分为大流量高复杂度低时延业务、大流量低复杂度低时延业务、大流量低复杂度非实时业务、大流量高复杂度非实时业务、小流量高复杂度低时延业务、小流量低复杂度低时延业务、小流量低复杂度非实时业务以及小流量高复杂度非实时业务。
4.如权利要求1所述的一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延需求指标进行类别划分，具体为：分别计算带宽需求、计算资源需求以及时延指标需求在各需求指标之和中的占比，基于获得的指标占比及其对应的预设阈值，实现对不同配电网业务类型的划分。
5.如权利要求1所述的一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，所述配电网业务的相关信息包括配电网的业务带宽需求、计算资源需求以及时延需求。
6.如权利要求1所述的一种基于端侧数据存储感知的配电网云边卸载方法，其特征在于，所述相关环境状态指标包括端侧数据存储、端边之间通道情况、端云之间通道情况、端侧电量、边侧计算能力、边侧队列积压、云侧计算能力、云侧队列积压、传输时延以及计算时延。
7.一种基于端侧数据存储感知的配电网云边卸载系统，其特征在于，包括：
数据获取单元，其用于获取配电网业务的相关信息；
业务分类单元，其用于基于所述相关信息，根据预先制定的分类模型对配电网业务进行类别划分；其中，所述分类模型基于配电网业务的带宽需求、计算资源需求以及时延指标需求进行类别划分；
阈值比较单元，其用于基于获得的配电网业务类型，并综合端侧、边缘节点以及云服务器的相关环境状态指标，确定服务器选择指标值；
云边卸载单元，其用于当所述服务器选择指标值大于服务器选择指标阈值时，将数据卸载到云服务器上进行处理；否则，将数据卸载到云服务器上进行处理。
8.如权利要求7所述的一种基于端侧数据存储感知的配电网云边卸载系统，其特征在于，所述服务器选择指标值的获取，具体采用如下公式：
Figure FDA0004095979570000031
其中，Di,j为第i个时隙端侧第j种业务数据存储量，Ei,j为第i个时隙端侧剩余电量，Bi,j,1为第i个时隙端边之间为第j种业务分配的带宽，Bi,j,2为第i个时隙端云之间为第j种业务分配的带宽，Qi,j,1为第i个时隙边侧第j种业务数据队列积压，Qi,j,2为第i个时隙云侧第j种业务数据队列积压，fi,j,1为第i个时隙边侧处理第j种业务数据计算速度，fi,j,2为第i个时隙云侧处理第j种业务数据计算速度，Ti,j,1为第i个时隙第j种业务数据的端到边传输时延，Ti,j,2为第i个时隙第j种业务数据的端到云传输时延，τi,j,1为第i个时隙第j种业务数据的边侧计算时延，τi,j,1为第i个时隙第j种业务数据的云侧计算时延，αi,j、βi,j、χi,j、δi,j、εi,j、φi,j、
Figure FDA0004095979570000032
分别为第i个时隙第j种业务对应的数据存储量、端侧剩余电量、带宽、队列积压、计算速度、传输时延以及计算时延的权重参数。
9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的一种基于端侧数据存储感知的配电网云边卸载方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的一种基于端侧数据存储感知的配电网云边卸载方法。
CN202310165990.3A 2023-02-23 2023-02-23 基于端侧数据存储感知的配电网云边卸载方法及系统 Pending CN116192861A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310165990.3A CN116192861A (zh) 2023-02-23 2023-02-23 基于端侧数据存储感知的配电网云边卸载方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310165990.3A CN116192861A (zh) 2023-02-23 2023-02-23 基于端侧数据存储感知的配电网云边卸载方法及系统

Publications (1)

Publication Number Publication Date
CN116192861A true CN116192861A (zh) 2023-05-30

Family

ID=86436321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310165990.3A Pending CN116192861A (zh) 2023-02-23 2023-02-23 基于端侧数据存储感知的配电网云边卸载方法及系统

Country Status (1)

Country Link
CN (1) CN116192861A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501478A (zh) * 2023-06-28 2023-07-28 中国电信股份有限公司 任务分配方法、装置、设备、介质及数字孪生系统
CN116680625A (zh) * 2023-08-04 2023-09-01 山东华科信息技术有限公司 基于云边端协同的配网多场景匹配数据处理方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116501478A (zh) * 2023-06-28 2023-07-28 中国电信股份有限公司 任务分配方法、装置、设备、介质及数字孪生系统
CN116680625A (zh) * 2023-08-04 2023-09-01 山东华科信息技术有限公司 基于云边端协同的配网多场景匹配数据处理方法及系统
CN116680625B (zh) * 2023-08-04 2024-01-05 山东华科信息技术有限公司 基于云边端协同的配网多场景匹配数据处理方法及系统

Similar Documents

Publication Publication Date Title
CN116192861A (zh) 基于端侧数据存储感知的配电网云边卸载方法及系统
CN111132235B (zh) 基于改进hrrn算法和多属性决策的移动卸载迁移算法
CN110928691B (zh) 一种面向交通数据的端边协同计算卸载方法
CN111176792B (zh) 一种资源调度方法、装置及相关设备
CN111553463B (zh) 基于深度学习和网络参数估计无线接入点吞吐量的方法
CN113961264B (zh) 一种面向视频监控云边协同的智能卸载算法与系统
CN115794407A (zh) 计算资源分配方法、装置、电子设备及非易失性存储介质
CN113485792B (zh) 一种kubernetes集群内Pod调度方法、终端设备及存储介质
CN112612553A (zh) 一种基于容器技术的边缘计算任务卸载方法
CN112559078B (zh) 一种移动边缘计算服务器分级卸载任务方法及系统
Swain et al. An ai-driven intelligent traffic management model for 6g cloud radio access networks
CN111580943B (zh) 一种面向低时延边缘计算中多跳卸载的任务调度方法
CN111404974A (zh) 一种云计算效能评估方法、装置及评估设备
CN113676357A (zh) 面向电力物联网中边缘数据处理的决策方法及其应用
CN116647507A (zh) 基于负载自适应的物联网数据处理方法及系统
CN116643844B (zh) 面向电力超算云资源自动扩展的智能化管理系统及方法
CN106445680B (zh) 基于综合效用的计算单元迁移方法
CN111124439A (zh) 一种云边协同的智能动态卸载算法
CN114143836B (zh) 基于边缘计算网关的负荷均衡方法、装置及终端
CN113518122A (zh) 边缘智能网络保障低时延传输的任务卸载方法、装置、设备及介质
CN109685101B (zh) 一种多维数据自适应采集方法及系统
CN117714305B (zh) 一种智能家居网关连接方法及系统
CN114650515B (zh) 一种应用于车联网的移动边缘计算服务动态迁移方法
CN114301911B (zh) 一种基于边边协同的任务管理方法和系统
CN116484580A (zh) 面向无人机机场集群的无人机边缘协同计算方法和系统

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