【技术实现步骤摘要】
一种智能电网的网络切片资源分配方法
本专利技术涉及无线通信
，具体涉及一种智能电网的网络切片资源分配方法。
技术介绍
网络切片是指利用虚拟化技术将网络基础设施资源虚拟化为多个专用的虚拟网络，可以根据特定业务的网络需求，如功能、性能、安全、运维等方面，提供差异化的网络特征。其实现了业务场景、网络功能和基础设施平台间的适配，可以更好地支持多样化的业务需求。网络切片可以降低网络的复杂性、提升网络运行的性能以及用户的业务体验、降低网络部署及运维的成本。目前，针对网络切片分配的研究，主要是针对不同业务类型对网络的速率、时延等需求，为用户分配虚拟网络资源。然而，现有的网络切片虚拟资源分配算法主要侧重于频谱资源共享的研究，较少考虑不同业务类型的差异化需求，不能实现定制化的资源分配。
技术实现思路
因此，本专利技术提供的一种智能电网的网络切片资源分配方法，克服了现有技术中不能满足不同业务类型的差异化需求，不能实现定制化的资源分配的缺陷。本专利技术实施例提供一种智能电网的网络切片资源分配方法，包括如下...
【技术保护点】
1.一种智能电网的网络切片资源分配方法，其特征在于，包括如下步骤：/n在智能电网核心云中将计算资源、存储资源以及虚拟化网络功能分配给不同的边缘网络；/n在边缘网络中，边缘服务代理将不同的切片分配给所需的用户；/n用户代理根据所在网络用户的请求向核心云请求网络切片；/n核心云的服务代理根据不同的边缘用户代理的请求将切片分配给用户代理给用户分配适应的网络切片资源。/n
【技术特征摘要】
1.一种智能电网的网络切片资源分配方法，其特征在于，包括如下步骤：
在智能电网核心云中将计算资源、存储资源以及虚拟化网络功能分配给不同的边缘网络；
在边缘网络中，边缘服务代理将不同的切片分配给所需的用户；
用户代理根据所在网络用户的请求向核心云请求网络切片；
核心云的服务代理根据不同的边缘用户代理的请求将切片分配给用户代理给用户分配适应的网络切片资源。
2.根据权利要求1所述的智能电网的网络切片资源分配方法，其特征在于，在智能电网核心云中将计算资源、存储资源以及虚拟化网络功能分配给不同的边缘网络的步骤，包括：
利用智能电网核心云中的计算资源、存储资源以及虚拟化网络功能建立马尔可夫决策模型；
采用增强学习算法进行网络切片资源分配给不同的边缘网络。
3.根据权利要求2所述的智能电网的网络切片资源分配方法，其特征在于，所述利用智能电网核心云中的计算资源、存储资源以及虚拟化网络功能建立马尔可夫决策模型的步骤，包括：
根据资源利用率和体验质量建立智能电网系统资源评估参数；
将核心云网络中和用户请求的网络切片种类和数量作为观测数据，通过神经网络进行环境特征提取得到输出向量，定义状态集；
根据终端用户的地理分布将接入单元划分多个集群，建立动作集；
在神经网络中训练数据，根据其特征可以获取动作集上的概率分布矢量，构建回报函数；
通过分配切片，依据转移概率从一个状态转移到任何时隙的其它状态，构建状态转移概率矩阵。
4.根据权利要求3所述的智能电网的网络切片资源分配方法，其特征在于，资源评估参数通过以下公式表示：
ξ＝η/ηth+θ/θth，
其中，η表示资源利用率θ表示体验质量，ηth和θth分别是η和θ的阈值。
5.根据权利要求3所述的智能电网的网络切片资源分配方法，其特征在于，状态集S通过以下公式计算：
其中，fNN表示神经网络，OE表示神经网络中的可变参数。
6.根据权利要求1所述的智能电网的网络切片资源分配方法，其特征在于，采用增强学习算法进行网络切片资源分配给不同的边缘网络的步骤，包括：
采用增强学习算法被配制为元组<S,A,P,R,γ>，其中S是一个有限状态集，A是一组有限的动作，P是一个状态转移概率矩阵，R是回报函数，γ为惩罚因子；
建立时隙的状态-动作对的Q函数，在每个时隙中，接入单元可以依据当前状态和回报来计算最佳Q值再选择动作，根据当前状态和所选动作，系统将在下一个时隙切换到新状态，为每个时隙更新Q函数，当累计回报值不再变化时，停止更新。
7.根据权利要求6所述的智能电网的网络切片资源分配方法，其特征在于，第t个时隙的状态-动作对的Q函数为
其中，rt是第t个时隙的回报，ρ是学习率,γ∈(0,1)是确定将来回报值的贴现因子，st是第t个时隙的状态，at是第t个时隙中选择的动作。<...
【专利技术属性】
技术研发人员：翟迪，陆阳，张东磊，李信，尚芳剑，彭柏，来骥，王艺霏，葛俊，闫忠平，张少军，马跃，王东升，娄竞，吴佳，李贤，陈重韬，刘超，孟德，常海娇，张实君，那琼澜，杨峰，李坚，孙涛，
申请(专利权)人：全球能源互联网研究院有限公司，国网冀北电力有限公司信息通信分公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。