CN117240797B - 电力混合业务的联合资源分配方法、装置、设备及介质 - Google Patents

电力混合业务的联合资源分配方法、装置、设备及介质 Download PDF

Info

Publication number
CN117240797B
CN117240797B CN202311521615.4A CN202311521615A CN117240797B CN 117240797 B CN117240797 B CN 117240797B CN 202311521615 A CN202311521615 A CN 202311521615A CN 117240797 B CN117240797 B CN 117240797B
Authority
CN
China
Prior art keywords
service
low
bandwidth
transmission rate
power
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
Application number
CN202311521615.4A
Other languages
English (en)
Other versions
CN117240797A (zh
Inventor
吴润泽
王凯
郭昊博
樊冰
李莉
孙海波
陆珊珊
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.)
North China Electric Power University
Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd
Original Assignee
North China Electric Power University
Economic and Technological Research Institute of State Grid Hebei 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 North China Electric Power University, Economic and Technological Research Institute of State Grid Hebei Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202311521615.4A priority Critical patent/CN117240797B/zh
Publication of CN117240797A publication Critical patent/CN117240797A/zh
Application granted granted Critical
Publication of CN117240797B publication Critical patent/CN117240797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于电力通信技术领域,具体涉及一种电力混合业务的联合资源分配方法、装置、设备及介质。本发明方法构建了大带宽业务传输速率模型和低时延业务传输速率模型;基于大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;基于目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题并求解,得到联合资源分配结果。本方案在满足电力高带宽业务和低时延业务共存场景中,能够有效地满足不同业务之间差异化QoS性能指标需求,提升资源利用效率和资源使用的公平性。

Description

电力混合业务的联合资源分配方法、装置、设备及介质
技术领域
本发明属于电力通信技术领域,具体涉及一种电力混合业务的联合资源分配方法、装置、设备及介质。
背景技术
随着分布式电源和储能设施的大规模并网,传统单向无源配电网正向供需互动的有源网络演变,配电系统复杂性、随机性不断上升,源-荷界限更加模糊,网络潮流出现复杂多向流动。为了保证配电网供需平衡,源-网-荷-储协同互动,需要对配电网运行状态、设备状态等信息进行实时监测与预警,进而衍生出分布式能源调控、精准负荷控制、设备视频监控、无人机巡检等多种业务,对配电网通信时延、可靠性、带宽等多项指标提出了更高要求。
为满足配电网差异化服务质量QoS(Quality of Service)指标需求,将配电网业务根据QoS分为两类,进而研究这两类业务在同一通信网络共存场景:(1)低时延型业务,如精准负荷控制、分布式配电自动化、配网差动保护等业务,这类业务直接关系到电力系统的安全稳定运行,在要求低时延的同时还需要超高的可靠性;(2)大带宽型业务,如设备间视频监控、无人机巡检等业务,这类业务在时延和可靠性的要求上要低于前者,但需要保证其足够高的带宽资源分配。根据这两类业务的差异化QoS性能指标需求,现有技术提出采用叠加方案为这两种业务调度通信资源,即先为大带宽业务分配频谱资源,当低时延业务到达时,立即将分配给大带宽业务的资源分出一部分重新分配给低时延业务供其传输。但是,显然叠加方案会对大带宽业务的传输速率造成损失,在优先保证低时延业务的QoS需求时,大带宽业务的吞吐量将会受到影响,同时传统调度方案为了尽可能减少系统总吞吐量损失,会倾向于低时延业务尽可能多的抢占信道状态较差的大带宽业务频谱资源,这样导致的结果是部分信道状态差的业务完全得不到服务。
发明内容
本发明的目的在于提供一种电力混合业务的联合资源分配方法、装置、设备及介质,以解决现有技术中,传统调度方案为了尽可能减少系统总吞吐量损失,会倾向于低时延业务尽可能多的抢占信道状态较差的大带宽业务频谱资源,这样导致的结果是部分信道状态差的业务完全得不到服务的问题。
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,提供了一种电力混合业务的联合资源分配方法,包括:
确定目标配电网通信网络;
基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。
作为本发明的进一步改进之处,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型的步骤中,大带宽业务传输速率模型包括如下:
其中,为资源调度结束后大带宽业务的实际传输速率;/>为每个资源块的带宽;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,/>,/>为低时延业务数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是大带宽业务的单位传输速率;/>表示与低时延业务一起叠加传输的大带宽业务的单位传输速率;/>为大带宽业务编号,/>,/>为大带宽业务总数量;/>为迷你时隙编号;/>是大带宽业务/>接收基站传输数据的信噪比;/>为低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是大带宽业务/>的信道增益;/>是大带宽业务/>的噪声功率。
作为本发明的进一步改进之处,基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数的步骤中,所述目标效用函数如下所示:
其中,表示目标效用函数,/>为期望函数,/>代表风险敏感度,/>为资源调度结束后大带宽业务的实际传输速率。
作为本发明的进一步改进之处,基于所述低时延业务的信道增益构建低时延业务传输速率模型的步骤中,低时延业务传输速率模型包括如下:
其中,表示低时延业务单位传输速率,/>是低时延业务/>在迷你时隙/>传输数据的信噪比;/>是低时延业务/>的数据包大小;/>是/>值函数的反函数,/>是低时延业务/>的传输可靠性阈值;/>是低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是低时延业务u的信道增益;/>是低时延业务u的噪声功率。
作为本发明的进一步改进之处,基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题的步骤中,所述带宽与功率资源联合分配问题如下:
其中,表示目标效用函数,C1是低时延业务的可靠性约束;C2表示系统的总带宽资源限制;C3表示大带宽业务资源块数量限制;C4是功率分配因子约束;C5和C6为整数约束;/>为每个资源块的带宽;/>为单个迷你时隙的持续时间;/>为大带宽业务编号,,/>为大带宽业务总数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是低时延业务单位传输速率;/>是低时延业务/>的数据包大小;为资源块总数;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,,/>为低时延业务数量;/>为低时延业务/>抢占的资源块的功率分配因子;表示取正整数。
作为本发明的进一步改进之处,求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果,包括:
将所述带宽与功率资源联合分配问题进行解耦,得到三个子问题,分别为大带宽业务带宽分配问题、低时延业务带宽分配问题和低时延业务功率分配问题;
对所述大带宽业务带宽分配问题进行求解,得到所述大带宽业务的频谱资源调度结果,依据所述大带宽业务的频谱资源调度结果对大带宽业务进行资源块分配;其中,以时隙作为大带宽业务频谱资源调度的基础调度时间单位;
对所述低时延业务带宽分配问题进行求解,依据低时延业务带宽分配问题的求解结果,在大带宽业务的频谱资源调度结果基础上,低时延业务对大带宽业务的频谱资源进行抢占;其中,将所述时隙分为个迷你时隙,低时延业务以迷你时隙为基础调度时间单位对大带宽业务的频谱资源进行抢占;同时,求解所述低时延业务功率分配问题,依据低时延业务功率分配问题的求解结果对全部低时延业务的功率进行分配。
作为本发明的进一步改进之处,使用基于效用的贪婪算法分别对大带宽业务带宽分配问题、低时延业务带宽分配问题进行求解;使用块坐标下降法对所述低时延业务功率分配问题进行求解。
本发明第二方面,提供了一种电力混合业务的联合资源分配装置,包括:
目标确定模块,用于确定目标配电网通信网络;
大带宽业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
目标效用函数构建模块,用于基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
低时延业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
优化问题确定模块,用于基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
优化求解模块,用于求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。
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混合业务的联合资源分配方法。
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混合业务的联合资源分配方法。
与现有技术相比较,本发明的有益效果如下:
本发明所提供的电力混合业务的联合资源分配方法,确定目标配电网通信网络;基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。在满足电力高带宽业务和低时延业务共存场景中,本发明所提的叠加方案能够有效地满足不同业务之间差异化QoS性能指标需求。本发明为混合电力大带宽与低时延业务的共存提供了一种有效的方法,有助于满足电力混合业务场景下不同业务质量需求,并提升资源利用效率和资源使用的公平性。本发明提供的一种电力混合业务的联合资源分配装置、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为本发明实施例一种电力混合业务的联合资源分配方法的流程示意图;
图 2为本发明实施例一种电力混合业务的联合资源分配方法和对比算法系统总效用对比结果图;
图3为本发明实施例一种电力混合业务的联合资源分配方法和对比算法大带宽业务总传输速率对比结果图;
图4为本发明实施例一种电力混合业务的联合资源分配方法和对比算法公平性对比结果图;
图5为本发明实施例一种电力混合业务的联合资源分配装置的结构框图;
图6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
本发明实施例提供了一种电力混合业务的联合资源分配方法,建立了兼顾大带宽业务设备间公平性和传输速率的目标效用函数,并提出最大化效用的带宽与功率资源联合分配问题;将大带宽业务和低时延业务共存场景下的带宽与功率资源联合分配问题解耦为三个子问题,分别为:大带宽业务带宽分配问题、低时延业务带宽分配问题和低时延业务功率分配问题。其中,大带宽业务以时隙为基础调度时间单位分配资源,考虑到低时延业务的时延指标,将时隙分为个迷你时隙(mini-slot),在大带宽业务调度结果的基础上,低时延业务以迷你时隙为基础调度时间单位对大带宽业务传输资源进行抢占。本方案通过对频谱资源和功率资源的联合分配以及对叠加方案的研究,能够满足配电网业务在时延、可靠性、带宽等方面的差异化服务质量(QoS)指标需求。
如图1所示,一种电力混合业务的联合资源分配方法,包括如下步骤:
S1、确定目标配电网通信网络。
具体的,本方案中涉及的目标配电网通信网络是一个单基站下行接入网,基站为个大带宽业务设备服务,每个迷你时隙有/>个低时延业务到达。频域上,基站为用户分配资源块,每个资源块的带宽为/>,资源块总数为/>;时域上,大带宽业务以一个时隙作为调度单位,时隙分为/>个迷你时隙,低时延业务以迷你时隙作为调度单位。
S2、基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型。
具体的,大带宽业务传输速率模型包括如下:
资源调度结束后大带宽业务的实际传输速率表示为:
(1)
其中,为每个资源块的带宽;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,/>,/>为低时延业务数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是大带宽业务的单位传输速率;/>是与低时延业务一起叠加传输的大带宽业务的单位传输速率;/>为大带宽业务编号,/>,/>为大带宽业务总数量,/>为迷你时隙编号。
大带宽业务单位传输速率表示为:
(2)
其中,是大带宽业务/>接收基站传输数据的信噪比;
与低时延业务一起叠加传输的大带宽业务的单位传输速率表示为:
(3)
其中,为低时延业务/>抢占的资源块的功率分配因子,/>是大带宽业务/>接收基站传输数据的信噪比;
(4)
其中,是总传输功率;/>是大带宽业务/>的信道增益;/>是大带宽业务/>的噪声功率。
S3、基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数。
具体的,目标效用函数如下所示:
(5)
其中,表示目标效用函数,/>为期望函数,/>为资源调度结束后大带宽业务的实际传输速率;/>代表风险敏感度,其值越小,代表调度策略更注重业务之间的公平性,其值越大,代表调度策略更注重对总传输速率的影响。
S4、基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型。
具体的,低时延业务传输速率模型表示如下:
低时延业务单位传输速率表示为:
(6)
其中,是低时延业务/>在迷你时隙/>传输数据的信噪比;/>是低时延业务/>的数据包大小;/>是/>值函数的反函数,/>是低时延业务/>的传输可靠性阈值;
(7)
其中,是低时延业务/>在迷你时隙/>传输数据的信噪比;/>是低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是低时延业务u的信道增益;/>是低时延业务u的噪声功率。
S5、基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题。
具体的,所述带宽与功率资源联合分配问题如下:
(8)
其中,表示目标效用函数,C1是低时延业务的可靠性约束;C2表示系统的总带宽资源限制;C3表示大带宽业务资源块数量限制;C4是功率分配因子约束;C5和C6为整数约束;/>为每个资源块的带宽;/>为单个迷你时隙的持续时间;/>为大带宽业务编号,,/>为大带宽业务总数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是低时延业务单位传输速率;/>是低时延业务/>的数据包大小;为资源块总数;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,,/>为低时延业务数量;/>为低时延业务/>抢占的资源块的功率分配因子;表示取正整数。
需要说明的是,上述方案构建的带宽与功率资源联合分配问题,以、/>和/>为优化变量。
S6、求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。
具体的,求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果,包括:
将所述带宽与功率资源联合分配问题进行解耦,得到三个子问题,分别为大带宽业务带宽分配问题、低时延业务带宽分配问题和低时延业务功率分配问题;
对所述大带宽业务带宽分配问题进行求解,得到所述大带宽业务的频谱资源调度结果,依据所述大带宽业务的频谱资源调度结果对大带宽业务进行资源块分配;其中,以时隙作为大带宽业务频谱资源调度的基础调度时间单位;
对所述低时延业务带宽分配问题进行求解,依据低时延业务带宽分配问题的求解结果,在大带宽业务的频谱资源调度结果基础上,低时延业务对大带宽业务的频谱资源进行抢占;其中,将所述时隙分为个迷你时隙,低时延业务以迷你时隙为基础调度时间单位对大带宽业务的频谱资源进行抢占;同时,求解所述低时延业务功率分配问题,依据低时延业务功率分配问题的求解结果对全部低时延业务的功率进行分配。
作为一种示例,可以使用基于效用的贪婪算法(GA)分别对所述大带宽业务带宽分配问题、低时延业务带宽分配问题进行求解;使用块坐标下降法(BCD)求解所述低时延业务功率分配问题。
一个具体示例中,使用基于效用的贪婪算法(GA)对所述大带宽业务带宽分配问题进行求解,包括如下步骤:
对于一个时隙内的所有资源块,将其逐个分配给使系统效用最大的大带宽业务设备,即:
(9)
其中,表示当前资源块被分配的最优调度对象的编号,此处的最优调度对象为大带宽业务,将当前资源块分配给大带宽业务/>,并开始下一个资源块的分配,直到所有资源块全部完成分配。/>表示将/>和/>视为已知量时的目标函数/>;/>、/>分别为/>、/>、/>的向量表示。
一个具体示例中,使用基于效用的贪婪算法(GA)对所述低时延业务带宽分配问题进行求解,包括如下步骤:
将大带宽用户的资源块拿出一部分重新分配给低时延业务,低时延业务会抢占使得系统效用下降最少的大带宽业务的频谱资源,即对于低时延业务,最优的叠加传输对象为:
(10)
其中,表示抢占当前资源块的最优调度对象的编号,此处的最优调度对象为低时延业务,将已分配给大带宽业务/>的一个资源块重新分配给低时延业务/>,并开始下一个资源块的分配,直到满足低时延业务/>可靠性约束C1后,为下一个低时延业务进行资源分配。/>表示将/>和/>视为已知量时的目标函数/>
一个具体示例中,使用块坐标下降法(BCD)求解所述低时延业务功率分配问题,包括如下步骤:
对于所有的低时延业务,其功率分配因子两两之间并没有耦合性,所以目标效用函数/>等价为/>;/>表示将/>和/>视为已知量时的目标函数;/>为第/>个变量子集。
在块坐标下降法的算法框架下,采用梯度更新的变量子集更新模式,即:
(11)
其中,为迭代次数,/>为第/>次迭代时的第/>个变量子集的可行解;/>为第/>次迭代时的第/>个变量子集的可行解;/>为表示梯度;/>表示将第个变量子集外的其他变量子集视为常量时的目标函数,/>表示将第/>个变量子集外的其他变量子集视为常量时的目标函数的梯度;/>为更新步长,目标函数梯度为:
(12)
其中,为每个资源块的带宽;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是低时延业务/>在迷你时隙/>传输数据的信噪比;/>代表风险敏感度;/>表示资源调度结束后大带宽业务的实际传输速率;/>为大带宽业务编号,,/>为大带宽业务总数量;/>为低时延业务/>抢占的资源块的功率分配因子。
变量子集更新直到低时延业务的可靠性约束 C1不满足时,输出为功率分配问题的最优近似解。
为了检验本发明实施例提出的联合资源分配方法的性能,在相同的网络设置下,结合配电网业务QoS需求,将本发明方法与轮询调度算法进行仿真并比较,具体仿真过程如下:
首先,初始化网络环境,设置一个单基站下行接入网,基站为个大带宽业务设备服务每个迷你时隙有/>个低时延业务到达。频域上,基站为用户分配资源块,每个资源块的带宽为/>,资源块总数为/>。时域上,大带宽业务以一个时隙作为调度单位。
为了检验本发明方法的性能,将轮询调度算法在相同网络环境下进行仿真并比较,其中轮询调度算法指的是对用户依次进行调度,直到所有用户调度完成。
使用Python作为仿真工具,系统仿真环境参数设置如下:
1)单基站,资源块总数为150,子载波间隔为15kHz,每个时隙持续时间1ms,每个时隙分为7个迷你时隙;
2)5个大带宽业务设备,其信道增益为{-10dB,-5dB,0dB,5dB,10dB};
3)基站传输功率为-10dbm,噪声功率为-30dbm;
4)低时延业务传输可靠性阈值为10-5
5)低时延业务的信道增益在[-10dB,10dB]内随机取值;
6)每个低时延业务的数据包大小为256bit。
仿真结果如图2、图3和图4所示,从图2中可以看出,随着低时延业务负载的增加,本方案中的系统总效用一直高于对比算法,且随着负载的增加,两者效用差距不断变大;从图3中可以看出,本方案中的大带宽业务总传输速率要略低于对比算法,这是因为系统为了保证业务之间的公平性,系统为信道状态差的业务分配了更多的带宽资源来保证其传输速率;在图4中,本方案采用jain公平指数来衡量大带宽业务之间的公平性,从图4中可以看出,随着低时延业负载的增加,本方案的公平指数一直保持稳定,而对比算法的公平指数则急剧下降,本方案中大带宽业务间公平性要高于对比算法。
通过上述仿真结果可以获知,本发明方法能够在保证一定的系统总带宽的同时,最大化系统的总体效用,并在维持大带宽业务之间公平性上有很好的表现。综上,本发明提出的联合资源分配方法能够有效支持配电网大带宽业务和低时延业务的共存,有效地满足不同业务之间差异化QoS性能指标需求,加速配电网数字化的进程。
实施例2
如图5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混合业务的联合资源分配装置,包括:
目标确定模块,用于确定目标配电网通信网络;
大带宽业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
目标效用函数构建模块,用于基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
低时延业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
优化问题确定模块,用于基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
优化求解模块,用于求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。
实施例3
如图6所示,本发明还提供一种用于实现实施例一种电力混合业务的联合资源分配方法的电子设备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1一种电力混合业务的联合资源分配方法步骤。
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混合业务的联合资源分配方法,处理器102可执行多个指令从而实现:
确定目标配电网通信网络;
基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果。
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 (6)

1.一种电力混合业务的联合资源分配方法,其特征在于,包括:
确定目标配电网通信网络;
基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果;
基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型的步骤中,大带宽业务传输速率模型包括如下:
其中,为资源调度结束后大带宽业务的实际传输速率;/>为每个资源块的带宽;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,/>,/>为低时延业务数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是大带宽业务的单位传输速率;/>表示与低时延业务一起叠加传输的大带宽业务的单位传输速率;为大带宽业务编号,/>,/>为大带宽业务总数量;/>为迷你时隙编号;/>是大带宽业务/>接收基站传输数据的信噪比;/>为低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是大带宽业务/>的信道增益;/>是大带宽业务/>的噪声功率;
基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数的步骤中,所述目标效用函数如下所示:
其中,表示目标效用函数,/>为期望函数,/>代表风险敏感度,/>为资源调度结束后大带宽业务的实际传输速率;
基于所述低时延业务的信道增益构建低时延业务传输速率模型的步骤中,低时延业务传输速率模型包括如下:
其中,表示低时延业务单位传输速率,/>是低时延业务/>在迷你时隙/>传输数据的信噪比;/>是低时延业务/>的数据包大小;/>是/>值函数的反函数,/>是低时延业务/>的传输可靠性阈值;/>是低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是低时延业务u的信道增益;/>是低时延业务u的噪声功率;
基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题的步骤中,所述带宽与功率资源联合分配问题如下:
其中,表示目标效用函数,C1是低时延业务的可靠性约束;C2表示系统的总带宽资源限制;C3表示大带宽业务资源块数量限制;C4是功率分配因子约束;C5和C6为整数约束;/>为每个资源块的带宽;/>为单个迷你时隙的持续时间;/>为大带宽业务编号,,/>为大带宽业务总数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是低时延业务单位传输速率;/>是低时延业务/>的数据包大小;为资源块总数;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,,/>为低时延业务数量;/>为低时延业务/>抢占的资源块的功率分配因子;表示取正整数。
2.根据权利要求1所述的电力混合业务的联合资源分配方法,其特征在于,求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果,包括:
将所述带宽与功率资源联合分配问题进行解耦,得到三个子问题,分别为大带宽业务带宽分配问题、低时延业务带宽分配问题和低时延业务功率分配问题;
对所述大带宽业务带宽分配问题进行求解,得到所述大带宽业务的频谱资源调度结果,依据所述大带宽业务的频谱资源调度结果对大带宽业务进行资源块分配;其中,以时隙作为大带宽业务频谱资源调度的基础调度时间单位;
对所述低时延业务带宽分配问题进行求解,依据低时延业务带宽分配问题的求解结果,在大带宽业务的频谱资源调度结果基础上,低时延业务对大带宽业务的频谱资源进行抢占;其中,将所述时隙分为个迷你时隙,N取值为7;低时延业务以迷你时隙为基础调度时间单位对大带宽业务的频谱资源进行抢占;同时,求解所述低时延业务功率分配问题,依据低时延业务功率分配问题的求解结果对全部低时延业务的功率进行分配。
3.根据权利要求2所述的电力混合业务的联合资源分配方法,其特征在于,使用基于效用的贪婪算法分别对大带宽业务带宽分配问题、低时延业务带宽分配问题进行求解;使用块坐标下降法对所述低时延业务功率分配问题进行求解。
4.一种电力混合业务的联合资源分配装置,其特征在于,包括:
目标确定模块,用于确定目标配电网通信网络;
大带宽业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定大带宽业务的信道增益,基于所述大带宽业务的信道增益,构建大带宽业务传输速率模型;
目标效用函数构建模块,用于基于所述大带宽业务传输速率模型,构建兼顾大带宽业务设备间公平性和传输速率的目标效用函数;
低时延业务传输速率模型构建模块,用于基于所述目标配电网通信网络,确定低时延业务的信道增益,基于所述低时延业务的信道增益构建低时延业务传输速率模型;
优化问题确定模块,用于基于所述目标效用函数、低时延业务传输速率模型,确定最大化效用的带宽与功率资源联合分配问题;
优化求解模块,用于求解所述最大化效用的带宽与功率资源联合分配问题,得到联合资源分配结果;
大带宽业务传输速率模型构建模块中,大带宽业务传输速率模型包括如下:
其中,为资源调度结束后大带宽业务的实际传输速率;/>为每个资源块的带宽;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,/>,/>为低时延业务数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是大带宽业务的单位传输速率;/>表示与低时延业务一起叠加传输的大带宽业务的单位传输速率;为大带宽业务编号,/>,/>为大带宽业务总数量;/>为迷你时隙编号;/>是大带宽业务/>接收基站传输数据的信噪比;/>为低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是大带宽业务/>的信道增益;/>是大带宽业务/>的噪声功率;
目标效用函数构建模块中,所述目标效用函数如下所示:
其中,表示目标效用函数,/>为期望函数,/>代表风险敏感度,/>为资源调度结束后大带宽业务的实际传输速率;
低时延业务传输速率模型构建模块中,低时延业务传输速率模型包括如下:
其中,表示低时延业务单位传输速率,/>是低时延业务/>在迷你时隙/>传输数据的信噪比;/>是低时延业务/>的数据包大小;/>是/>值函数的反函数,/>是低时延业务的传输可靠性阈值;/>是低时延业务/>抢占的资源块的功率分配因子;/>是总传输功率;/>是低时延业务u的信道增益;/>是低时延业务u的噪声功率;
优化问题确定模块中,所述带宽与功率资源联合分配问题如下:
其中,表示目标效用函数,C1是低时延业务的可靠性约束;C2表示系统的总带宽资源限制;C3表示大带宽业务资源块数量限制;C4是功率分配因子约束;C5和C6为整数约束;/>为每个资源块的带宽;/>为单个迷你时隙的持续时间;/>为大带宽业务编号,,/>为大带宽业务总数量;/>表示低时延业务/>在迷你时隙/>抢占大带宽业务/>的资源块数量;/>是低时延业务单位传输速率;/>是低时延业务/>的数据包大小;为资源块总数;/>是基站为大带宽业务分配的资源块数;/>为低时延业务编号,,/>为低时延业务数量;/>为低时延业务/>抢占的资源块的功率分配因子;表示取正整数。
5.一种电子设备,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3中任意一项所述的电力混合业务的联合资源分配方法。
6.一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3中任意一项所述的电力混合业务的联合资源分配方法。
CN202311521615.4A 2023-11-15 2023-11-15 电力混合业务的联合资源分配方法、装置、设备及介质 Active CN117240797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311521615.4A CN117240797B (zh) 2023-11-15 2023-11-15 电力混合业务的联合资源分配方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311521615.4A CN117240797B (zh) 2023-11-15 2023-11-15 电力混合业务的联合资源分配方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN117240797A CN117240797A (zh) 2023-12-15
CN117240797B true CN117240797B (zh) 2024-01-30

Family

ID=89093400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311521615.4A Active CN117240797B (zh) 2023-11-15 2023-11-15 电力混合业务的联合资源分配方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117240797B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367152A (zh) * 2020-10-29 2021-02-12 国网甘肃省电力公司信息通信公司 一种基于业务优先级的电力无线专网资源分配方法
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用
CN114389678A (zh) * 2022-01-12 2022-04-22 北京邮电大学 一种基于决策性能评估的多波束卫星资源分配方法
CN115052325A (zh) * 2022-06-07 2022-09-13 华北电力大学(保定) 适用于变电站业务的多频异构无线通信网络接入选择算法
CN116113039A (zh) * 2023-04-07 2023-05-12 国网四川省电力公司信息通信公司 一种电力混合业务资源优化方法、装置、设备及介质
CN116320844A (zh) * 2023-05-18 2023-06-23 华中科技大学 基于通信流量的fttr智能资源调度方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367152A (zh) * 2020-10-29 2021-02-12 国网甘肃省电力公司信息通信公司 一种基于业务优先级的电力无线专网资源分配方法
CN114125063A (zh) * 2021-08-30 2022-03-01 华北电力大学 基于业务QoS的电力通信网任务卸载系统、方法及应用
CN114389678A (zh) * 2022-01-12 2022-04-22 北京邮电大学 一种基于决策性能评估的多波束卫星资源分配方法
CN115052325A (zh) * 2022-06-07 2022-09-13 华北电力大学(保定) 适用于变电站业务的多频异构无线通信网络接入选择算法
CN116113039A (zh) * 2023-04-07 2023-05-12 国网四川省电力公司信息通信公司 一种电力混合业务资源优化方法、装置、设备及介质
CN116320844A (zh) * 2023-05-18 2023-06-23 华中科技大学 基于通信流量的fttr智能资源调度方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Deep Reinforcement Learning for Aerial Data Collection in Hybrid-Powered NOMA-IoT Networks;Zhanpeng Zhang等;IEEE INTERNET OF THINGS JOURNAL;第10卷(第2期);全文 *
基于用户体验质量的异构网络资源分配策略;朱佳佳等;计算机工程与设计;第40卷(第5期);全文 *

Also Published As

Publication number Publication date
CN117240797A (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN111246586B (zh) 一种基于遗传算法的分配智能电网资源的方法及系统
Gu et al. Fairness-aware dynamic rate control and flow scheduling for network utility maximization in network service chain
CN108012307B (zh) 无线异构网络选择方法、装置、设备及可读存储介质
CN110717300B (zh) 面向电力物联实时在线监测业务的边缘计算任务分配方法
CN110570075B (zh) 一种电力业务边缘计算任务分配方法及装置
CN111694655A (zh) 一种面向多任务的边缘计算资源分配方法
CN110662238A (zh) 一种针对边缘网络下突发请求的强化学习调度方法及设备
CN109413197B (zh) 一种基于少数派博弈的不完全信息异构边缘任务卸载方法
CN105373426B (zh) 一种基于Hadoop的车联网内存感知实时作业调度方法
CN106598727B (zh) 一种通信系统的计算资源分配方法及系统
CN113590307B (zh) 边缘计算节点优化配置方法、装置及云计算中心
CN110113140B (zh) 一种雾计算无线网络中的计算卸载方法
CN113918314A (zh) 任务处理方法、边缘计算设备、计算机设备、介质
CN110968366A (zh) 一种基于有限mec资源的任务卸载方法、装置及设备
CN110708708A (zh) 一种无线资源优化方法及装置
CN115460216A (zh) 算力资源调度方法和装置、算力资源调度设备、系统
CN107204930B (zh) 令牌添加方法及装置
CN117240797B (zh) 电力混合业务的联合资源分配方法、装置、设备及介质
CN112437449B (zh) 联合资源分配方法
Chen et al. Data-driven task offloading method for resource-constrained terminals via unified resource model
CN111954230B (zh) 基于mec与密集云接入网融合的计算迁移与资源分配方法
CN109343940A (zh) 一种云平台中多媒体任务调度优化方法
Marojevic et al. Resource management implications and strategies for sdr clouds
Casanova et al. Non-clairvoyant scheduling of multiple bag-of-tasks applications
Hasnain et al. Coflow scheduling with performance guarantees for data center applications

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