[发明专利]一种基于边缘协同的电力物联网任务分配方法

说明书

本申请公开了一种基于边缘协同的电力物联网任务分配方法，包括依据电力物联网某时刻的所有业务请求和EN空闲资源建立两点协作任务分配模型；以最小化平均任务完成时延为优化目标构建任务分配问题模型；应用TENCTA‑IPSO算法对任务分配问题模型进行求解。本发明方法有效降低了电网业务的任务完成时延。其中TENCTA‑IPSO算法利用遗传算法的交叉、变异操作对粒子群算法中粒子更新策略进行改进，在粒子保持自身学习能力的同时，提高粒子种群的多样性，避免早熟陷入局部最优，计算出的任务分配方案最大程度缩短了平均任务完成时延。

技术领域

本发明属于电力物联网任务分配技术领域，涉及一种基于边缘协同的电力物联网任务分配方法。

背景技术

电力物联网是物联网在智能电网中的应用，其将通信基础设施资源和电力系统基础设施资源有效整合，实现电力系统各环节万物互联，状态全面感知、信息高效处理。电力物联网承载视频监控、感知检测、智能运维，设备巡检等多种业务接入。通常这些业务需求多样化,如视频监控、设备诊断等业务数据处理量大，对资源要求高；电表智能监测、巡检机器人、AR智能运维等业务对时延敏感，需要及时得到计算结果。随着电力物联网的建设和业务不断开展，业务终端呈现爆发式增长，数据处理量也随之增长，导致在云计算模式下的物联网网络传输压力加大，云中心处理负荷升高、业务处理时延也难以同时满足大部分业务需求。

为解决此问题，边缘计算作为云计算的扩展补充方案在电力物联网中得到了应用，基于边缘计算的电力物联网架构如图1所示。在网络边缘侧部署具有计算、存储能力的EN(边缘节点)，如无线接入点，路由器、SDN交换机、边缘服务器等，电力业务终端通过有线、Wi-Fi、微功率无线、4G/5G、低功耗广域网等方式与EN相连，将计算任务放置在EN就近处理，能够减少网络传输量和云端负荷，在业务处理和数据传输方面同时实现降低时延的目的，满足越来越严苛的业务时延需求。

但是，与云中心相比，EN计算、存储等资源依然十分有限。随着单一EN需要接入和处理的业务应用逐渐增多，资源有限的EN难以同时满足接入的多种差异化明显的电力物联网业务的不同需求。同时EN间的处理负荷存在差异。首先，业务终端在统一接入到边缘计算终端时存在地理分布不均衡；其次，在突发情况下，需要大量信息采集终端在某一时段内同时上传数据进行处理，导致部分EN需要处理大量业务请求，而其他EN则处于相对空闲状态。因此，不均衡的业务请求时空分布将进一步加剧部分业务需求难以满足这一问题的严重程度。

为了解现有电力物联网中任务分配问题研究的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：

技术方案1：公开号为CN201811075238.5的《面向移动边缘计算的车联网任务卸载与资源分配策略》专利，涉及针对移动边缘计算(MEC)提供IT服务环境和云计算能力带来的高带宽、低时延优势，同时结合LTE免授权频谱(LTE-U)技术，该专利研究了车辆异构网络中基于(MEC)的任务卸载模式决策和资源分配问题。考虑链路差异化要求，即车辆到路边单元(V2I)链路的高容量和车辆到车辆(V2V)链路的高可靠性，将用户服务质量(QoS)建模为容量与时延的组合形式。首先采用改进的K-means算法依据不同的QoS对请求车辆进行聚类从而确定通信模式，其次利用基于无竞争期(CFP)的LTE-U，结合载波聚合(CA)技术，使用分布式Q-Learning算法进行信道和功率分配。

技术方案1联合建模容量和时延因子作为k-means算法特征输入进行分簇，从而确定车辆通信模式，最后基于分簇结果采用Q-learning作为增强型解决方案配置资源从而最大化系统性能，但该专利采用的强化学习算法时间复杂度较高，难以在较短的时间内计算出最优资源分配策略和任务分配策略，不满足一些低时延场景需求。