智能电网用户侧的超密集边缘计算网络卸载方法.pdf
《智能电网用户侧的超密集边缘计算网络卸载方法.pdf》由会员分享,可在线阅读,更多相关《智能电网用户侧的超密集边缘计算网络卸载方法.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 37 卷第 2 期2023 年 6 月西昌学院学报(自然科学版)Journal of Xichang University(Natural Science Edition)Vol.37,No.2Jun.,2023智能电网用户侧的超密集边缘计算网络卸载方法邱文海1,林兵2,曾蓉晖2(1.福建商学院信息工程学院,福建 福州 350012;2.福建师范大学物理与能源学院,福建 福州 350108)摘 要:随着中国经济的飞速发展,日益增长的居民用电需求和不断增加的用电设备类型使得新型智能电网设备的可靠性、稳定性受到广泛关注,然而仅依靠传统单一的网络架构往往无法应对大规模电网设备的数据请求。首先,针
2、对智能电网用户侧的任务请求,提出一种超密集边缘计算网络下的成本优化模型;其次,考虑到通信资源和计算资源的价格对卸载策略的影响,将资源利用成本作为优化目标;最后,为了提高电网设备请求的服务质量,考虑能耗和时延约束的任务卸载策略,提出莱维飞行-蜉蝣粒子群优化(Lvy flight-mayfly particle swarm optimization,Lvy-MAPSO)算法。结果表明:不同价格对资源利用成本的影响十分显著。与PSO和Lvy-MA算法相比,Lvy-MAPSO算法由于其群体多样性和强大的搜索能力,所得到的资源利用成本最低,性能最好。关键词:超密集网络;移动边缘计算;任务卸载;智能电网;
3、Lvy-MAPSO算法中图分类号:TM762.4 文献标志码:A 文章编号:16731891(2023)02007209Offloading Method of Ultra-Dense Edge Computing Network on the User Side of Smart GridQIU Wenhai1,LIN Bing2,ZENG Ronghui2(1.School of Information Engineering,Fujian Business University,Fuzhou,Fujian 350012,China;2.School of Physics and Ener
4、gy,Fujian Normal University,Fuzhou,Fujian 350000,China)Abstract:With the rapid development of Chinas economy,the rising residential electricity demand and the increasing varieties of electrical equipment have made the reliability and stability of the new smart grid equipment widely concerned.However
5、,relying solely on the traditional single network architecture often fails to answer the data requests of large-scale grid equipment.To this end,this paper first proposes a cost optimizing model under ultra-dense edge computing networks in regard to the request from the smart grid user side;secondly
6、,considering the influence of the price of communication resources and computing resources on the offloading strategy,the resource utilization cost is taken as an optimizing objective;finally,in order to improve the service quality requested by power grid equipment,considering the task offloading st
7、rategy of energy consumption and delay constraints,a Lvy flight-mayfly particle swarm optimization(Lvy-MAPSO)algorithm is proposed.The experimental results show that different prices have a significant impact on the resource utilization cost.Compared with PSO and Lvy-MA algorithms,Lvy-MAPSO algorith
8、m has the lowest resource utilization cost and the best performance thanks to its population diversity and powerful searching ability.Keywords:ultra-dense network;mobile edge calculation;task offloading;smart grid;Lvy-MAPSO0 引言随着能源变革和信息技术的发展,许多国家和地区先后提出了智能电网的发展理念。智能电网作为一种自动化电力传输网络,主要通过对输配电时所有的节点进行控制
9、和监测,来保证信息和电能的双向流通1。同时,根据中国电力科学研究院的研究表明,智能电网更是一种以传统物理电网为基础,结合现代先进通信技术、信息技术、传感测量技术、控制技术、计算机技术与物理电网而形成的新doi:10.16104/j.issn.16731891.2023.02.012收稿日期:2023-03-07基金项目:福建省自然科学基金委员会面上项目(2019J01286、2022J01961);福建省自然科学基金委员会重点项目(2020H0012);福建省教育厅中青年科研项目(JAS21173)。作者简介:邱文海(1980),男,福建连江人,讲师,硕士,主要研究方向:超密集边缘计算。第 2
10、 期邱文海,林兵,曾蓉晖:智能电网用户侧的超密集边缘计算网络卸载方法型电网2。一方面,信息技术与能源技术的结合有效地加快了智能电网的现代化建设,同时也对整个电力系统的经济性、可靠性、安全性、和运行控制都提出了更高的要求3;另一方面,随着发电、变电、输电、配电、通信、调度等工作的不断推进,以及许多低碳节能技术的大规模普及和应用,智能电网中,智能设备对通信技术以及智能控制技术有了更加迫切的需求。智能电网的智能性依赖于更先进的通信网络架构进行实现,所以,将超密集边缘计算网络部署到智能电网用户侧是一种明智的解决方案。针对智能电网用户侧超密集边缘计算网络任务卸载的问题研究,本文主要考虑如何利用网络和计算
11、资源,通过电网设备的请求卸载和信道分配,进而提升系统性能和网络容量。针对这方面的研究目前也已经有了一些成果。Chen等4提出了能量敏感的流量卸载方案,在满足服务质量(quality of service,QoS)要求的同时,依据能量到达和流量负载的统计信息共同优化用户关联;Lien 等5提出了HetNet 通过将移动设备从宏基站(macro base station,MBS)卸载到毫微微小区基站(femtocell base station,FBS)和来平衡移动流量,在保持移动用户体验QoS的同时,最大限度地减少HetNets的总折价能耗;Bashar等6提出了一种新的异构云无线电接入网络设计
12、模式,以显著减少延迟,采用无线资源优化的新方法以及回程中的智能路由来平衡网络流;Ye等7提出一种利用贝叶斯网络方法的预测功能解决方案,FBS和 MBS可以共享相同的信道,提高 HetNets的整个频谱效率;Bayat等8在HetNets中提出了用户关联方法来解决异构蜂窝网络中的负载平衡问题;Elsherif 等9提出了分布式用户关联方法,将UE、毫微微小区接入点和服务提供商之间的竞争行为建模为动态匹配博弈来解决蜂窝网络中的任务卸载问题,增加网络的容量;Zhao等10研究了资源分配和小区间干扰管理,以获得最优的卸载策略。针对智能电网用户侧超密集边缘计算网络信道分配的问题研究,本文主要考虑如何选择
13、合适的通信方式以及信道分配策略来减少各电网用户侧设备的传输干扰。一些研究选择用博弈论的方式将多信道分配问题转化为信道分配博弈问题进行解决。Hao等11在瑞利衰落信道模型中主发射机存在干扰的情况下,利用博弈论方法进行信道分配;张维维等12提出了一种基于博弈论的联合功率控制与信道分配优化算法,以达到在减少能量消耗的同时增加抗干扰性能目的;Bistritz等13研究了一种基于博弈论联合路由协议的多信道分配算法,根据无线Mesh 网络中路由器分布的公平性原则,提出了一种新的基于博弈论的公平性路由协议,改进路由策略,增加了网络吞吐量;Shrestha等14研究了大型网络中频率选择性干扰信道下的分布式信道
14、分配问题,并使用博弈论算法来获得近似最优信道分配策略。另外,一些学者还选择用启发式算法的方式来解决多信道资源分配的问题。张淑华等15在基于跳频的认知无线电网络中,利用遗传算法获得的近似最优的联合带外频谱感知和信道分配策略,以最大化次级用户的吞吐量;Xing等16在建立通信网络信道分配模型的基础上,利用遗传算法得到初始分配方案,然后引入粒子群优化方法展开详细搜索,以获得最终的信道分配策略;Stephan等17建立多射频无线网格网络模型的基础上,设计了一种基于粒子群优化的信道分配算法,以最小化干扰链路数量。以上的研究大多数从网络架构层面以及算法方面来讨论信道分配策略,忽略了计算和无线通信资源的价格
15、对信道分配策略的影响;此外,为了保证通信服务质量,还需要考虑一些移动设备或者电网设备的请求类型(如时延敏感性任务、能耗敏感型任务)以及完成时间和能耗的约束限制。为此,本文研究了一种面向智能电网用户侧的超密集边缘计算网络模型,该模型考虑了截止时间和能耗的约束,还讨论了不同电网设备、无线信道、多接入边缘计算(multi-access edge computing,MEC)服务器的资源价格下的资源利用成本。本文的主要内容是:面向电网设备,形成一种基于智能电网用户侧的超密集边缘计算网络任务卸载模型。在该模型中,一方面,考虑到计算资源和无线信道资源的单价对卸载位置的影响,提出一种基于莱维飞行-蜉蝣粒子群
16、优化(Lvy flight-mayfly particle swarm optimization,Lvy-MAPSO)算法的任务卸载策略,该策略还结合了时延和能耗的约束限制,不断更新任务卸载策略,最小化资源利用成本;另一方面,将正交频分复用(orthogonal frequency division multiplexing,OFDM)技术作为传输过程中的通信方案,并在约束条件中加入了信道干扰和传输速率的限制,以提高通信服务质量。与其他算法相比,本文所提出的Lvy-MAPSO算法由于其群体多样性和强大的搜索能力,所得到的资源利用成本最低,性能最好。73西昌学院学报(自然科学版)第 37 卷1
17、智能电网用户侧的超密集边缘计算卸载模型1.1 系统模型智能电网通过先进的集成技术,为传统电网增加了信息流,形成了高效节能的新能源传输网络。为了更好地实现多个电网设备的实时信息采集和网络控制,在智能电网中大量的物联网设备通过收集不同来源的信息数据从而成为信息流的来源。但是,由于智能电网用户侧资源和功能的限制,无法对智能电网用户侧设备产生的任务请求进行及时调度处理和资源分配,此时需要为智能电网用户侧设备提供足够的通信资源。因此,面向智能电网用户侧设备的超密集边缘计算网络模型如图 1所示。在面向智能电网用户侧设备的超密集边缘计算网络中,主要由一个MBS,N个小基站(small base statio
18、n,SBS),若干 MEC 以及电网设备组成一个 2层的异构蜂窝网络。其中所有的电网设备都分布在由MBS覆盖范围形成的宏小区内,每一个SBS覆盖范围称为一个小小区,将 SBS的集合表示为S=s1,s2,s3,sN,而对应的索引为B=1,2,3,N,由于每个SBS连接一个MEC,因此将MEC的集合同时也表示为C=c1,c2,c3,cN,将一个电网设备表示为ui,电网设备的集合用U=u1,u2,um,uM表示。1.2 传输模型在该模型中,电网设备与基站之间采用OFDM进行通信,在每个超密集网络中,由于信道之间是正交的,所以相同网络中的电网设备在不同信道之间传输任务时互不干扰,然而当不同蜂窝网络的电
19、网设备复用相同信道传输任务时,就会导致信道干扰的产生。比如当电网设备um同SBS进行计算和通信时,若电网设备um+1复用相同的信道,就会干扰前者通信。所以,在面向智能电网用户侧的超密集边缘计算网络中,总带宽为W,将其分为k个子信道,所以信道的集合用K=1,2,3,k表示。将信道k分配给um时,其信噪比kum可以表示为式(1)所示。kum=pumgkum,mn=1Num=1umakumpungkun,m+2(1)式中:gkum,m表示电网设备um由信道k传输到SBS的信道增益大小;pum表示为电网设备到SBS的任务上传功率;2表示高斯白噪声;uakum表示将信道k分配图1面向智能电网用户侧设备的
20、超密集边缘计算网络模型74第 2 期邱文海,林兵,曾蓉晖:智能电网用户侧的超密集边缘计算网络卸载方法给电网设备um的信道分配决策,用一个二进制变量表示,当akum=0时,表示此时电网设备将任务卸载到本地端,为此无信道分配;当akum=1时,表示电网设备将任务请求卸载到MEC服务器,此时需要信道分配。最终,电网设备um的任务上传速率Rum可以表示为式(2)所示。Rum=akumWKlog2(1+kum)(2)1.3 任务模型接下来定义每一个电网设备都产生一个计算任务请求,任务可以选择本地处理或者卸载到MEC服 务 器 上 处 理,将 任 务 模 型 表 示 为Qum=um,sum,Tmaxum,
21、其中um表示任务模型Qum中的计算量大小,而sum表示任务请求的输入数据量大小,Tmaxum表示任务请求的截止时间。当任务选择在本地处理时,任务完成时间可以表示为式(3)所示。Tdum=umifdum(3)式中:fdum表示电网设备为任务Qum提供的计算能力;i表示处理任务Qum所需要的计算资源块数量。此时任务Qum在本地处理所产生的计算能耗表示为式(4)所示。edum=(fdum)2um(4)而=10-26,且该数值的大小取决于电网设备的内部芯片结构18。1.4 计算模型当电网设备将任务上传到MEC服务器上处理时,首先要选择合适的信道进行传输,因此产生了一定的传输时间和传输能耗,其次任务卸载
22、到MEC服务器上时,产生了对应的任务处理时间和任务处理能耗。那么智能电网用户侧设备的任务传输时间可以表示为式(5)所示。Tkum=sumRum(5)那么智能电网用户侧设备的任务传输能耗可以表示为式(6)所示。ekum=pkumsumRum(6)其次将电网设备的任务处理时间表示为式(7)所示。Tnum=umifnum(7)式中:fnum表示 MEC 服务器每个计算资源的处理能力,而对应的电网设备um卸载任务到MEC服务器上的处理能耗表示为式(8)所示。enum=pnumumifnum(8)式中:pnum表示MEC服务器上的计算功率;i表示分配给um的资源数量。接下来本文将智能电网用户侧设备um请
23、求卸载到sn的任务卸载决策表示为xnum。当xnum=0时,表示此时um选择将任务卸载到电网设备处理;当xnum=1时,表示此时um将任务卸载到sn对应的MEC服务器上处理。最后,由于本节主要针对智能电网用户侧设备的任务卸载和信道分配,那么最终完成任务Qum的请求卸载后,完成智能电网用户侧设备请求的能耗为如式(9)所示。eum=xnum(enum+ekum)+(1-xnum)edum(9)而对应的完成时间如式(10)所示。Tum=xnum(Tnum+Tkum)+(1-xnum)Tdum(10)而在任务处理过程中,移动运营商在为电网设备提供卸载服务的同时,会收取一定的费用,该费用包含两部分,使用
24、MEC计算资源和电网设备计算资源的费用,以及使用无线信道资源的费用,电网设备使用无线信道资源传输时,将从使用带宽和使用时间两部分进行收费,假设电网设备使用无线信道资源的费用单价为,其单位为元/(Hz s)。所以电网设备使用无线信道资源产生的费用如式(11)所示。Lkum=WKTkum(11)假设电网设备使用单个MEC计算资源块的费用为,单位为元,此时一个任务um卸载到MEC服务器上处理,需要向移动运营商支付的费用如式(12)所示。Lnum=i(12)当电网设备选择将任务请求发送到本地设备端处理时,假设任务Qum使用电网设备单个计算资源块的费用为,单位为元,那么处理任务QUm需要向移动运营商支付
25、的费用如式(13)所示。Ldum=i(13)2 面向智能电网用户侧能耗优化的卸载目标由于智能电网环境下电网设备产生的电力数据十分庞大,以及任务处理需要保证时效性,传统有线通信和电力线通信无法满足如此大规模的数75西昌学院学报(自然科学版)第 37 卷据传输和处理,为此,通过超密集边缘计算网络辅助智能电网实现广域覆盖和数据传输,可以有效满足智能电网用户侧设备任务请求的实时性以及热点区域大规模数据接入。为了在满足智能电网用户侧设备大规模接入需求的同时,尽可能降低完成电网设备任务请求的成本,考虑一种基于 Lvy-MAPSO算法的卸载方案,在满足截止时间约束的同时,最小化智能电网设备任务请求的卸载成本
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 电网 用户 密集 边缘 计算 网络 卸载 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。