CN117240773A

CN117240773A - 一种电力通信网节点编排方法、装置、设备及介质

Info

Publication number: CN117240773A
Application number: CN202311520430.1A
Authority: CN
Inventors: 李莉; 孙海波; 陆珊珊; 谢煜昊; 吴润泽; 周毅; 石振江; 聂文海; 李顺昕; 杨金刚; 岳昊; 赵敏; 刘志雄; 张玉; 宋斌; 关皓闻; 运晨超
Original assignee: North China Electric Power University; Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Current assignee: North China Electric Power University; Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Priority date: 2023-11-15
Filing date: 2023-11-15
Publication date: 2023-12-15
Anticipated expiration: 2043-11-15
Also published as: CN117240773B

Abstract

本发明属于电力通信网领域，具体涉及一种电力通信网节点编排方法、装置、设备及介质。本发明方法根据任务节点发布的任务，将电力通信网各节点按照网络属性、电力特征、计算属性以及数据特征形成电力通信网节点的适应度，将适应度归一化，将电力通信网各节点根据适应度进行排序，形成电力通信网的节点适应度次序集合。在该电力通信网节点适应度评价的基础下，为任务节点发布的任务，选择次序集合排名前列的节点，作为本次任务的工作节点。节点选择完毕之后，计算每一所选工作节点与任务节点的路径，形成工作层拓扑，完成联邦学习的构建。使用本方案电力通信网节点编排方法得到的工作层拓扑，在联邦学习模式中的成本消耗显著降低。

Description

一种电力通信网节点编排方法、装置、设备及介质

技术领域

本发明属于电力通信网领域，具体涉及一种电力通信网节点编排方法、装置、设备及介质。

背景技术

新型电力系统的背景下，大电网在全网资源调配中发挥着重要的作用。骨干光通信系统是保障大电网安全稳定运行的重要基础设施，全面支撑大电网“地域广，环节多，时效高”等新特点，对通信网的量测感知、分析计算、智能决策，反馈控制等数字化能力提出更高的要求。随着复杂网络理论研究的深入和发展，电力通信网的目标节点某一方面显著的结构特征已可由多项不同指标来分别判断。在实际环境中，电力通信网中的节点地位存在着明显的差异，这些已有的评价指标大多侧重网络的某一结构特点进行刻画，无法综合各项指标，因此构建一种较为全面、有效的电力通信网节点的适应度评价模型仍具有较大的研究潜力。

例如，在一些现有技术中的节点选择算法中，存在一种基于电网影响因子的节点通信网电力通信网节点编排方法（简称现有技术），其主要是通过节点间的最短路径分析任意节点间的拓扑关联程度。其具体方法为：（1）定义节点电网影响因子：结合网络节点所在站点在电网中的影响分析，建立节点电网影响因子评价体系，作为通信网节点权重的评价指标。（2）建立节点相对影响力矩阵：根据指标间的评分值衡量同一个指标下各指标的相对影响力。（3）定义节点聚合系数：表示一个节点距离其他节点并考虑节点权重的加权平均最短距离。

然而，上述现有技术存在如下问题：首先，其主要基于电力通信网与电网的特殊关系，来分析节点的重要性，在现有技术的步骤（1）中，该方法主要通过通信网节点中常见的负荷等级、负荷大小两个二级指标量化电网因素的权重影响，指标的选取仅侧重于在不同电压等级下电网站点的负荷属性，因此算法的复杂度很大程度上取决于指标的划分过程。另外，在上述现有技术的步骤（3）中，节点聚合系数基于任意节点间紧密度并结合电网影响因子综合评价节点重要度。由于电力通信网中存在的任务通常采用联邦学习的方式进行处理，对于联邦学习来说，现有技术中选择节点的方式过于单一，导致形成的联邦学习框架用于联邦学习时，存在消耗大、成本高等问题。

发明内容

本发明的目的在于提供一种电力通信网节点编排方法、装置、设备及介质，以解决现有技术中选择节点的方式过于单一，导致形成的联邦学习框架用于联邦学习时，存在消耗大、成本高的问题。

为了实现上述目的，本发明采用如下技术方案：

本发明第一方面，提供了一种电力通信网节点编排方法，包括：

确定要进行节点编排的电力通信网，并确定所述电力通信网中的各个电力通信网节点，以及电力通信网节点的评价指标；

确定电力通信网节点中的任务节点；

基于评价指标计算各电力通信网节点的适应度；

依据所述适应度对各电力通信网节点进行排序，确定各电力通信网节点的适应度次序，形成次序集合；

从所述次序集合中选择排名符合预设标准的电力通信网节点，作为工作节点；

分别计算每一工作节点与任务节点的传输路径，依据所述传输路径构建工作层拓扑。

进一步的，基于评价指标计算各电力通信网节点的适应度，包括：

电力通信网节点的评价指标包括网络属性、电力特征、计算属性以及数据特征；

确定各电力通信网节点的网络属性、电力特征和计算属性的值，计算各电力通信网节点的数据特征的值；

依据网络属性、电力特征、计算属性以及数据特征的值，构建各电力通信网节点的适应度矩阵；

基于所述适应度矩阵计算得到规范化后的重要度指标矩阵；对所述规范化后的重要度指标矩阵进行加权处理，得到加权规范化矩阵；基于加权规范化矩阵进行计算，得到电力通信网节点的适应度值的值。

进一步的，依据网络属性、电力特征、计算属性以及数据特征的值，构建各电力通信网节点的适应度矩阵，适应度矩阵表示如下：

其中，表示适应度矩阵；/>表示适应度矩阵中的元素；/>为电力通信网节点/>的第/>个评价指标，i=1,2……n，j=1,2……m。

进一步的，计算各电力通信网节点的数据特征的值，包括：

确定当前的任务类型，根据当前的任务类型判断当前的电力通信网节点是否执行过同一类型的任务，若未执行过同一类型的任务，则计算电力通信网节点的首次吻合度，将首次吻合度作为数据特征的值；若执行过同一类型的任务，则计算电力通信网节点的二次吻合度，将二次吻合度作为数据特征的值。

5、根据权利要求4所述的电力通信网节点编排方法，其特征在于，按照下式计算电力通信网节点的首次吻合度：

其中，表示电力通信网节点的首次吻合度；/>是当前任务中电力通信网节点的吻合度初始值；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；/>表示电力通信网节点/>的数据集的数据类型，/>表示的是任务节点所发布的任务所需数据集的数据类型；/>是电力通信网节点/>的响应中记录的数据集大小，/>是所有电力通信网节点的数据集大小的中位数，/>是任务要求的数据集大小。

进一步的，按照下式计算电力通信网节点的二次吻合度：

其中，表示电力通信网节点的二次吻合度；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；/>表示电力通信网节点/>的历史累计吻合度；为时间衰减函数。

进一步的，基于所述适应度矩阵计算得到规范化后的重要度指标矩阵；对所述规范化后的重要度指标矩阵进行加权处理，得到加权规范化矩阵；基于加权规范化矩阵进行计算，得到电力通信网节点的适应度值的值，包括：

按照下式计算规范化后的重要度指标矩阵：

按照下式对所述规范化后的重要度指标矩阵进行加权处理：

按照下式计算电力通信网节点的适应度的值：

其中：

上式中，表示规范化后的重要度指标矩阵中的元素，/>表示适应度矩阵中的元素；/>表示加权规范化矩阵，/>表示规范化后的重要度指标矩阵；/>表示权重矩阵，表示加权规范化矩阵中的元素；/>表示电力通信网节点的评价指标到正理想解的欧氏距离，/>表示电力通信网节点的评价指标到负理想解的欧氏距离；/>表示适应度；/>与/>分别表示正理想解与负理想解的第j个元素。

本发明第二方面，提供了一种电力通信网节点编排装置，包括：

第一确定模块，用于确定要进行节点编排的电力通信网，并确定所述电力通信网中的各个电力通信网节点，以及电力通信网节点的评价指标；

第二确定模块，用于确定电力通信网节点中的任务节点；

第一计算模块，用于基于评价指标计算各电力通信网节点的适应度；

节点排序模块，用于依据所述适应度对各电力通信网节点进行排序，确定各电力通信网节点的适应度次序，形成次序集合；

节点选择模块，用于从所述次序集合中选择排名符合预设标准的电力通信网节点，作为工作节点；

第二计算模块，用于分别计算每一工作节点与任务节点的传输路径，依据所述传输路径构建工作层拓扑。

本发明第三方面，提供了一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如上述的电力通信网节点编排方法。

本发明第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如上述的电力通信网节点编排方法。

与现有技术相比较，本发明的有益效果如下：

本发明提供了一种电力通信网节点编排方法，根据任务节点发布的任务，将电力通信网各节点按照网络属性，电力特征，计算属性以及数据特征形成电力通信网节点的适应度，将适应度归一化，将电力通信网各节点根据适应度进行排序，形成电力通信网的节点适应度次序集合。在该电力通信网节点适应度评价的基础下，为任务节点发布的任务，选择次序集合排名前列的节点，作为本次任务的工作节点。节点选择完毕之后，计算每一所选工作节点与任务节点的路径，形成工作层拓扑，完成联邦学习的构建。使用本方案电力通信网节点编排方法得到的工作层拓扑，在联邦学习模式中的成本消耗显著降低。本发明提供的一种电力通信网节点编排装置、电子设备和计算机可读存储介质同样解决了背景技术部分提出的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例提供的一种电力通信网节点编排方法的流程图；

图2为本发明实施例中工作层拓扑示意图；

图3为本发明实施例中仿真的小型电力通信网拓扑示意图；

图4为本发明实施例提供的基于迭代次数的成本对比图；

图5为本发明实施例提供的基于迭代次数的时延对比图；

图6为本发明实施例一种电力通信网节点编排装置的结构框图；

图7为本发明实施例一种电子设备的结构框图。

具体实施方式

下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。

实施例1

如图1所示，一种电力通信网节点编排方法，包括：

S1、确定要进行节点编排的电力通信网，并确定所述电力通信网中的各个电力通信网节点，以及电力通信网节点的评价指标。

具体的，本方案确定要进行节点编排的电力通信网作为目标电力通信网，在目标电力通信网中确定各个电力通信网节点，这些电力通信网节点中会产生用于任务执行的工作节点。

具体的，本方案中，电力通信网节点的评价指标包括网络属性、电力特征、计算属性以及数据特征；其中，网络属性、电力特征、计算属性作为已知量，数据特征作为未知量。

S2、确定电力通信网节点中的任务节点。

具体的，本方案中确定的任务节点为发布任务的电力通信网节点，任务节点能够向各个工作节点发布要执行的任务。

S3、基于评价指标计算各电力通信网节点的适应度。

具体的，根据上述步骤S1的内容可知，本方案中电力通信网节点的评价指标包括网络属性、电力特征、计算属性以及数据特征；则，基于评价指标计算各电力通信网节点的适应度，包括如下步骤：

S31、确定各电力通信网节点的网络属性、电力特征和计算属性的值，计算各电力通信网节点的数据特征的值。

其中，网络属性、电力特征和计算属性作为已知量输入，电力特征表示电力通信网节点的电压等级，网络属性表示电力通信网节点的介数，计算属性表示电力通信网节点的运算能力；数据特征需要进行计算得到，具体的计算过程在下述的步骤中进行详述。

具体的，计算各电力通信网节点的数据特征的值，包括：

进一步具体的，按照下式计算电力通信网节点的首次吻合度：

其中，表示电力通信网节点的首次吻合度；/>是当前任务中电力通信网节点的吻合度初始值；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度，本方案中利用余弦函数来表示；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；/>表示电力通信网节点/>的数据集的数据类型，表示的是任务节点所发布的任务所需数据集的数据类型；/>是电力通信网节点/>的响应中记录的数据集大小，/>是所有电力通信网节点的数据集大小的中位数，/>是任务要求的数据集大小。

需要说明的是，每个电力通信网节点都会有其历史处理过的任务。例如，一些电力通信网节点可能处理过图片识别类的任务，一些电力通信网节点可能处理过其他类型的任务，任务结束后会有对应的数据集留存。具体来说，任务的主题类型会影响所需要的数据集，例如，主题类型为图片识别任务，需要识别各地的电站设备，则需要拥有适合处理图片识别任务数据集的电力通信网节点，比如一些电力通信网节点会有大量的电站设备的图片，然后把这些图片生成为该电力通信网节点的数据集，而任务的具体内容需要由发布的任务节点进行决定。

进一步具体的，计算电力通信网节点的二次吻合度，包括：

其中，表示电力通信网节点的二次吻合度；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；/>表示电力通信网节点/>的历史累计吻合度；/>为时间衰减函数，/>，用于削减较为久远的历史信任度的参考价值，以此来增加时间较为接近的吻合度的影响，/>表示当前任务的工作时间，/>表示的是电力通信网节点/>的历史工作时间点。

S32、依据网络属性、电力特征、计算属性以及数据特征的值，构建各电力通信网节点的适应度矩阵。

具体的，本方案中适应度矩阵表示如下：

其中，表示适应度矩阵，是一个n×m的矩阵；/>表示适应度矩阵中的元素；为电力通信网节点/>的第/>个评价指标；/>为电力通信节点/>，i=1,2……n，j=1,2……m。

作为示例，本方案中选取了网络属性、电力特征、计算属性和数据特征作为评价指标，因此，在本方案中，m的取值为4，即上述适应度矩阵为一个n×4的矩阵。

S33、基于所述适应度矩阵计算得到规范化后的重要度指标矩阵；对所述规范化后的重要度指标矩阵进行加权处理，得到加权规范化矩阵；基于加权规范化矩阵进行计算，得到电力通信网节点的适应度值的值。

具体的，按照下式计算规范化后的重要度指标矩阵：

按照下式对所述规范化后的重要度指标矩阵进行加权处理：

按照下式计算电力通信网节点的适应度的值：

其中：

上式中，表示规范化后的重要度指标矩阵中的元素，/>表示适应度矩阵中的元素；/>表示加权规范化矩阵，/>表示规范化后的重要度指标矩阵；/>表示权重矩阵，以评价指标对于评价结果的贡献度为基础，/>，将规范化后的重要度指标矩阵的第j列乘以其权重/>得到加权规范化矩阵/>，/>表示加权规范化矩阵中的元素；/>表示电力通信网节点的评价指标到正理想解的欧氏距离，/>表示电力通信网节点的评价指标到负理想解的欧氏距离；/>表示适应度，/>，越趋近于1，适应度就越高；与/>分别为正理想解、负理想解，/>与/>分别表示正理想解与负理想解的第j个元素，例如可以是第j个评价指标的正、负理想解。

可以理解的是，本方案中所涉及的理想解，是评价指标的最大值和最小值，正理想解为最大值，负理想解为最小值。例如，对于数据特征这一评价指标而言，正理想解为全部电力通信网节点中的数据特征最大值，负理想解为全部电力通信网节点中的数据特征最小值。

需要说明的是，对于不同的任务，上述四种评价指标对于适应度的影响不同，因此需要利用权重矩阵调整各评价指标的权重。

S4、依据所述适应度对各电力通信网节点进行排序，确定各电力通信网节点的适应度次序，形成次序集合。

具体的，本方案中，次序集合内的电力通信网节点根据适应度进行降序排序，即，根据适应度依次从大到小进行排序。

S5、从所述次序集合中选择排名符合预设标准的电力通信网节点，作为工作节点。

具体的，在选择工作节点时，根据预先给定的数量，在次序集合中，从排名第一的电力通信网节点依次进行选择，直至满足数量要求。

作为示例，从次序集合选取的工作节点可以表示为，/>表示适应度排行前k个电力通信网节点的集合，作为本次任务的工作节点，用于构成基础的联邦工作点集合。

S6、分别计算每一工作节点与任务节点的传输路径，依据所述传输路径构建工作层拓扑。

具体的，本方案可以采用现有技术中的最短路径搜索法来构建工作层拓扑。

需要说明的是，对于任务节点所发布的任务，在处理时，需要通过联邦学习的模式进行处理，因此将选择的工作节点作为用于联邦学习的节点，得到用于联邦学习的基本模型，进行后续的一个横向联邦学习。如图2所示，为本方案所构建的工作层拓扑，从图中可以看出选择的工作节点以及其他未选中的电力通信网节点。

如图3所示，是本次仿真的小型电力通信网拓扑，共有十四个电力通信网节点，若将电力通信网节点3作为任务节点并发布任务，将电力通信网节点的适应度按照从大到小进行排序，从中选出适应度排在前五的电力通信网节点，作为本次任务的工作节点。

表1：排名前十的电力通信网节点的属性

如表1所示，在本次任务中，电力特征、网络属性、计算属性以及数据特征四个属性对于适应度的影响是一样的，但是当面对其余任务时，任务对于不同的属性要求也会不同，故可以通过调整电力特征、网络属性、计算属性以及数据特征四个属性的分数权重，来应对不同的任务。

如图4所示，在本次任务中，使用本方案电力通信网节点编排方法得到的工作层拓扑，在联邦学习模式中的成本消耗，要低于随机选择节点所造成的成本消耗；并且与只考虑单一计算能力因素相比，成本也要略低于该单一因素选择方案。

其中成本计算包括：

根据如下公式确定单个工作节点迭代一次消耗的成本：

其中，为计算资源的价格系数，/>表示带宽资源价格系数，/>为工作节点/>的计算消耗，表示的是每单位数据需要消耗的CPU转数，/>表示的是工作节点/>的数据集大小，表示的是工作节点/>拥有的带宽资源。总消耗则为所有工作节点消耗的累加。

如图5所示，在本次任务中，使用本方案电力通信网节点编排方法，在联邦学习模式中的迭代时延，要低于随机选择节点所需要的迭代时延，并且与只考虑数据特征这个单一要素相比，时延也相对更低，其中时延计算包括：

根据如下公式确定工作节点完成一轮迭代需要的时延/>：

其中，为工作节点/>的计算能力，/>为工作节点/>上载模型参数数据大小，/>表示的是工作节点/>的传输速率，并且由香农公式得出，/>，其中/>是信道增益，为节点/>的传输功率，/>为白噪声。

由表1以及图4和图5所示，可以总结出以下结论：电力通信网中，在联邦学习的模式下，采用本方案提供的电力通信网节点编排方法所形成的工作层拓扑，能够比随机选择节点，以及仅考虑单一要素的选择方法，有着更低的训练成本以及更低的迭代时延，所以面对需要借助联邦学习来解决的电力通信网任务，本方案有着更好的学习效果。

实施例2

如图6所示，基于与上述实施例的同一发明构思，本发明还提供了一种电力通信网节点编排装置，包括：

第二确定模块，用于确定电力通信网节点中的任务节点；

实施例3

如图7所示，本发明还提供一种用于实现上述一种电力通信网节点编排方法的电子设备100；

电子设备100包括存储器101、至少一个处理器102、存储在存储器101中并可在至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。

存储器101可用于存储计算机程序103，处理器102通过运行或执行存储在存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1一种电力通信网节点编排方法步骤。

存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。

至少一个处理器102可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，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。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，处理器102是电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。

电子设备100中的存储器101存储多个指令以实现一种电力通信网节点编排方法，处理器102可执行多个指令从而实现：

确定电力通信网节点中的任务节点；

基于评价指标计算各电力通信网节点的适应度；

实施例4

电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims

1.一种电力通信网节点编排方法，其特征在于，包括：

确定电力通信网节点中的任务节点；

基于评价指标计算各电力通信网节点的适应度；

2.根据权利要求1所述的电力通信网节点编排方法，其特征在于，基于评价指标计算各电力通信网节点的适应度，包括：

3.根据权利要求2所述的电力通信网节点编排方法，其特征在于，依据网络属性、电力特征、计算属性以及数据特征的值，构建各电力通信网节点的适应度矩阵，适应度矩阵表示如下：

4.根据权利要求2所述的电力通信网节点编排方法，其特征在于，计算各电力通信网节点的数据特征的值，包括：

5.根据权利要求4所述的电力通信网节点编排方法，其特征在于，按照下式计算电力通信网节点的首次吻合度：

其中，表示电力通信网节点的首次吻合度；/>是当前任务中电力通信网节点的吻合度初始值；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；表示电力通信网节点/>的数据集的数据类型，/>表示的是任务节点所发布的任务所需数据集的数据类型；/>是电力通信网节点/>的响应中记录的数据集大小，/>是所有电力通信网节点的数据集大小的中位数，/>是任务要求的数据集大小。

6.根据权利要求4所述的电力通信网节点编排方法，其特征在于，按照下式计算电力通信网节点的二次吻合度：

其中，表示电力通信网节点的二次吻合度；/>表示电力通信网节点/>的数据集的数据类型与任务规定数据类型的相似度；/>表示电力通信网节点/>的数据集大小与任务要求数据集大小的比较值；/>表示电力通信网节点/>的历史累计吻合度；/>为时间衰减函数。

7.根据权利要求3所述的电力通信网节点编排方法，其特征在于，基于所述适应度矩阵计算得到规范化后的重要度指标矩阵；对所述规范化后的重要度指标矩阵进行加权处理，得到加权规范化矩阵；基于加权规范化矩阵进行计算，得到电力通信网节点的适应度值的值，包括：

按照下式计算规范化后的重要度指标矩阵：

按照下式对所述规范化后的重要度指标矩阵进行加权处理：

按照下式计算电力通信网节点的适应度的值：

其中：

上式中，表示规范化后的重要度指标矩阵中的元素，/>表示适应度矩阵中的元素；表示加权规范化矩阵，/>表示规范化后的重要度指标矩阵；/>表示权重矩阵，表示加权规范化矩阵中的元素；/>表示电力通信网节点的评价指标到正理想解的欧氏距离，/>表示电力通信网节点的评价指标到负理想解的欧氏距离；/>表示适应度；/>与/>分别表示正理想解与负理想解的第j个元素。

8.一种电力通信网节点编排装置，其特征在于，包括：

第二确定模块，用于确定电力通信网节点中的任务节点；

9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的电力通信网节点编排方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的电力通信网节点编排方法。