一种面向时延和能耗的电力物联网工作负载分配方法组成比例

本申请公开了一种面向时延和能耗的电力物联网工作负载分配方法，包括：构建基于边缘计算的电力物联网工作负载分配模型；基于构建的电力物联网工作负载分配模型，以无人机终端UE的时延和能耗作为共同优化目标，建立电力物联网工作负载分配的多目标优化函数；通过改进MOEA/D算法求解建立的多目标优化函数。本申请提出了基于改进MOEA/D算法的工作负载分配方法，提高了算法寻找最优解的能力；邻域更新策略中使用最大适应度增量更新邻域中的不良个体，使优秀个体存活的时间延长，最终结果更接近最优工作负载分配方式，相同时延指标下的能耗更小，相同能耗指标下的时延更小。

A load distribution method for power Internet of things based on time delay and energy consumption

【技术实现步骤摘要】
一种面向时延和能耗的电力物联网工作负载分配方法
本专利技术属于电力物联网
，涉及一种面向时延和能耗的电力物联网工作负载分配技术，尤其涉及一种面向时延和能耗的基于边缘计算的电力物联网工作负载分配方法。
技术介绍
电力物联网是物联网技术在电力行业的重要应用实践。随着图像识别技术和新兴通信技术的不断发展，电力物联网中已经运用多旋翼无人机终端UE开展输电线路和变电站内专业化巡检工作，通过对设备近距离红外和可见光巡检，精准确定缺陷位置，发现地面难以发现设备的各种故障隐患。无人机终端UE进行高空近距离观察，获取架构、避雷针的清晰图像数据，通过对比分析及时发现设备运行中的异常情况，为电力物联网安全稳定运行提供了有力保障。边缘计算技术通过将云计算能力下沉到网络边缘侧，能够显著降低电力物联网中无人机终端UE请求时延，满足更高的无人机终端UE业务QoS要求。在基于边缘计算的电力物联网中，无人机终端UE接入电力物联网，将计算任务分发到不同的边缘节点EN进行分布式处理。受制于现阶段的硬件技术，无人机终端UE的电池能量有限，不能在有限的续航时间内满足无人机终端UE严格的低时延要求。一方面，无人机终端UE请求希望被快速处理，另一方面，无人机终端UE的消耗的能量要尽可能地小，以便能够维持无人机终端UE较长的巡航时间。如何权衡时延和能耗的优化目标，在二者之间找到一种折中的解决方案，是无人机终端UE巡检业务进行工作负载分配的难点。为了解现有技术的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本专利技术相关度比较高的技术信息：技术方案1：公开号为CN109600178A的《一种边缘计算中能耗与时延和最小化的优化方法》专利，涉及一种边缘计算中能耗与时延和最小化的优化方法，主要通过四步完成：第一，计算所有NOMA组中蜂窝用户的最优功率,并随机选择N个NOMA组；第二，利用边缘服务器随机一对一匹配N个NOMA组与D2D对,并计算效用函数；第三，利用边缘服务器执行预交换操作；第四，利用边缘服务器计算效用函数,若满足交换条件,则执行交换操作。技术方案1实现了计算迁移过程中蜂窝和D2D用户的能耗与时延和最小化的目的，缺点是计算任务需要在边缘服务器之间进行多次迁移，任务迁移过程中需要消耗附加的时延，对于时延敏感型任务不能满足QoS需求。技术方案2：公开号为CN108376099A的《一种优化时延与能效的移动终端计算迁移方法》专利，涉及一种优化时延与能效的移动终端计算迁移方法，主要通过三步完成：第一，建立无线终端的计算迁移模型；第二，在上述模型的基础上构造迁移代价函数；第三，以减小时延与减小能耗为约束条件，通过分析应用程序的需求、移动终端的计算能力及无线信道速率，合理实施计算迁移，达到综合优化移动终端运行时延与能耗的目标。技术方案2适用于LTE网络应用的计算迁移，所述方法将移动终端的应用程序分解为多个计算组件，根据组件之间的关联性获取计算参数，构建用户评判所述计算组件迁移代价的迁移代价函数，获取每一个计算组件的减小时延和提高能效的计算迁移条件，转化为最优化问题，根据求解结果实施迁移决策。缺点是计算组件分解和建模需要终端有一定的计算能力，对终端的智能化要求比较高，对于智能化程度较低的采集终端不能建立精确的计算迁移模型。技术方案3：公开号为CN108319502A的《一种基于移动边缘计算的D2D任务分配的方法及装置》专利，涉及一种基于移动边缘计算的D2D任务分配的方法，主要通过三步完成：第一，根据生成任务的目标设备所处异构网络中各网络设备的信息,生成任务分配方案集；第二，获取目标设备的用户需求,包括能耗指标和时延指标；第三，根据能耗指标、时延指标和预设的指标权重对应关系,生成能耗权重和时延权重；第四，根据能耗权重和时延权重在任务分配方案集中选择最优任务分配方案。技术方案3能够智能调节任务分配的倾向，缺点在于任务分配方案过度依赖于初始生成的任务分配方案集，难以在终端和任务动态变化的场景中解决能耗指标和时延指标的权重问题，获取最优任务分配方案的局限性比较大。
技术实现思路
为解决现有技术中的不足，本申请提供一种面向时延和能耗的电力物联网工作负载分配方法，根据迭代算法的种群进化过程动态修改遗传算子的交叉分布指数，在邻域更新策略中使用最大适应度增量指标更新邻域中的不良个体，从而提高个体分布性，提高迭代速度和结果近似度，最终工作负载分配方案满足无人机终端UE的时延和能耗最小。为了实现上述目标，本申请采用如下技术方案：一种面向时延和能耗的电力物联网工作负载分配方法，所述方法包括以下步骤：步骤1：针对电力物联网中，通过无人机终端UE接入电力物联网，将计算任务分发到不同的边缘节点EN进行分布式处理的无人机终端UE巡检场景，构建基于边缘计算的电力物联网工作负载分配模型；步骤2：基于步骤1构建的电力物联网工作负载分配模型，以无人机终端UE的时延和能耗作为共同优化目标，建立电力物联网工作负载分配的多目标优化函数；步骤3：通过改进MOEA/D算法求解步骤2建立的多目标优化函数，得出电力物联网工作负载分配方案。本专利技术进一步包括以下优选方案：优选地，所述无人机终端UE的时延包括任务由无人机终端UE传输到边缘节点EN的网络时延以及任务在边缘节点EN上进行处理的计算时延；所述无人机终端UE的能耗包括无人机终端UE正常执行任务巡航时的运动能耗以及无人机终端UE向边缘节点EN传输数据时消耗的传输能耗。优选地，步骤1中构建的电力物联网工作负载分配模型，考虑一个区域内边缘节点EN集合为无人机终端UE集合为无人机终端UEj上任务块请求集合为其中j为无人机终端UE的编号，无人机终端UEj上第k个任务块请求用一个向量表示wjk＝[bjk,ωjk]；其中，bjk表示需要传输的数据量；ωjk表示任务的负载大小，即CPU需要执行的指令数量。优选地，步骤2所述无人机终端UE的时延为无人机终端UE中所有任务块的时延之和，当无人机终端UE中的一个任务块为一个不可分割的任务，每个任务块请求仅分配到一个边缘节点EN进行处理时，无人机终端UE时延D的计算公式为：其中，dj为单个无人机终端UEj的时延；djk为无人机终端UE中的一个任务块请求的时延，为无人机终端UE到边缘节点EN的网络时延，为任务块请求在边缘节点EN上的计算时延；工作负载的分配方式满足公式(4)和(5)时，和分别表示为(6)和(7)：xjk＝i(4)yjk＝l(5)其中，xjk＝i表示任务块请求wjk分配到边缘节点ENi，yjk＝l表示在边缘节点ENi内，任务块请求wjk分配给VMl进行处理；其中，rij是无人机终端UEj到边缘节点ENi的物理距离，c是无线信道的传播速度；为任务块请求wjk在边缘节点EN上的计算时延，为wjk在边缘节点ENi上由虚拟机VMl进行处理的时延，wjk表示无人机终本文档来自技高网...

【技术保护点】
1.一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：/n所述方法包括以下步骤：/n步骤1：针对电力物联网中，通过无人机终端UE接入电力物联网，将计算任务分发到不同的边缘节点EN进行分布式处理的无人机终端UE巡检场景，构建基于边缘计算的电力物联网工作负载分配模型；/n步骤2：基于步骤1构建的电力物联网工作负载分配模型，以无人机终端UE的时延和能耗作为共同优化目标，建立电力物联网工作负载分配的多目标优化函数；/n步骤3：通过改进MOEA/D算法求解步骤2建立的多目标优化函数，得出电力物联网工作负载分配方案。/n

【技术特征摘要】
1.一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：
所述方法包括以下步骤：
步骤1：针对电力物联网中，通过无人机终端UE接入电力物联网，将计算任务分发到不同的边缘节点EN进行分布式处理的无人机终端UE巡检场景，构建基于边缘计算的电力物联网工作负载分配模型；
步骤2：基于步骤1构建的电力物联网工作负载分配模型，以无人机终端UE的时延和能耗作为共同优化目标，建立电力物联网工作负载分配的多目标优化函数；
步骤3：通过改进MOEA/D算法求解步骤2建立的多目标优化函数，得出电力物联网工作负载分配方案。


2.根据权利要求1所述的一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：
所述无人机终端UE的时延包括任务由无人机终端UE传输到边缘节点EN的网络时延以及任务在边缘节点EN上进行处理的计算时延；
所述无人机终端UE的能耗包括无人机终端UE正常执行任务巡航时的运动能耗以及无人机终端UE向边缘节点EN传输数据时消耗的传输能耗。


3.根据权利要求2所述的一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：
步骤1中构建的电力物联网工作负载分配模型，考虑一个区域内边缘节点EN集合为无人机终端UE集合为无人机终端UEj上任务块请求集合为j为无人机终端UE的编号，无人机终端UEj上第k个任务块请求用一个向量表示wjk＝[bjk,ωjk]；
其中，bjk表示需要传输的数据量；ωjk表示任务的负载大小，即CPU需要执行的指令数量。


4.根据权利要求3所述的一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：
步骤2所述无人机终端UE的时延为无人机终端UE中所有任务块的时延之和，当无人机终端UE中的一个任务块为一个不可分割的任务，每个任务块请求仅分配到一个边缘节点EN进行处理时，无人机终端UE时延D的计算公式为：









其中，dj为单个无人机终端UEj的时延；djk为无人机终端UE中的一个任务块请求的时延，为无人机终端UE到边缘节点EN的网络时延，为任务块请求在边缘节点EN上的计算时延；
工作负载的分配方式满足公式(4)和(5)时，和分别表示为(6)和(7)：
xjk＝i(4)
yjk＝l(5)
其中，xjk＝i表示任务块请求wjk分配到边缘节点ENi，yjk＝l表示在边缘节点ENi内，任务块请求wjk分配给VMl进行处理；












其中，rij是无人机终端UEj到边缘节点ENi的物理距离，c是无线信道的传播速度；为任务块请求wjk在边缘节点EN上的计算时延，为wjk在边缘节点ENi上由虚拟机VMl进行处理的时延，wjk表示无人机终端UEj上第k个任务块请求，qil(wjk)表示任务块请求序列中wjk前面待处理的所有任务块请求之和，ωjk表示任务块请求wjk的负载大小，νil表示边缘节点ENi中虚拟机VMl的CPU的处理速率；ωj'k'为任务块请求序列中的某个任务块请求的负载大小，xj'k'＝i表示这个任务块请求分配到边缘节点ENi。


5.根据权利要求4所述的一种面向时延和能耗的电力物联网工作负载分配方法，其特征在于：
步骤2所述无人机终端UE的能耗为所有无人机终端UE的能耗之和，无人机终端UE能耗E的计算公式为：















其中，ej为单个无人机终端UEj的能耗，为单个无人机终端UEj的传输能耗，为单个无人机终端UEj的运动能耗，bjk表示需要传输的数据量，etc表示发射电路能耗参数，epa表示功率放大能耗参数，r为传输距离；ebase表示基本运动能耗参数，αj为基本运动能耗调节因子，与无人机终端UE的工作负载分配方式无关，eadd表示附加运动能耗参数，βj为附加运动能耗调节因子；为...

【专利技术属性】
技术研发人员：辛辰，王徐延，邵苏杰，夏伟栋，周俊，张璨，郭少勇，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，国网江苏省电力有限公司南京市高淳区供电分公司，北京邮电大学，国网江苏省电力有限公司，
类型：发明
国别省市：江苏;32