一种数字孪生辅助的5G配电网资源调度方法技术

本发明专利技术涉及一种数字孪生辅助的5G配电网资源调度方法，属于通信技术领域。本发明专利技术的目的是提供一种数字孪生辅助的5G配电网资源调度方法。通过联合优化终端调度、终端计算资源分配、功率控制和服务器计算资源分配，在保证终端能量消耗和接入优先级长期约束的前提下，降低了DT构建累积迭代时延和终端能量消耗，提高DT精度和安全性。高DT精度和安全性。高DT精度和安全性。

【技术实现步骤摘要】
一种数字孪生辅助的5G配电网资源调度方法


[0001]本专利技术涉及一种数字孪生辅助的5G配电网资源调度方法，属于通信


技术介绍

[0002]目前，配电网部署了温度、电流传感器等海量物联网终端提供实时监控服务，对低时延数据传输和处理提出了较高的要求。传统的有线和无线通信方式，如光纤、LTE
‑
230等，由于部署成本高、无线频谱资源不足、边缘智能不足，无法解决配电网最后一公里的通信和计算问题。5G边缘计算通过在网络边缘中集成先进的通信和计算技术，提供了一种可行解决方案。为了进一步提高资源利用效率，满足服务质量需求，需要对通信、计算、能量等多维资源进行动态智能调度。
[0003]数字孪生(Digital twin,DT)可以从数字世界的角度帮助5G边缘计算支持的配电网实现多维资源调度。DT从大量终端收集实时状态，建立所有物理实体的数字表示，从而实现多维资源调度的精确决策指导。然而，在构建DT并利用它辅助资源调度时，需要解决一些关键的挑战：
[0004](1)DT对延迟、准确性和安全性的严格要求：DT需要以低延迟更新，以保持与物理实体的实时一致性。同时，为了提高资源调度的准确性，必须使反映DT与实际值偏差的损失函数最小。另一方面，从构建DT的大量终端中收集的数据也面临隐私问题和安全威胁。例如一些恶意的终端上传的异常模型参数，会严重降低DT的准确性，引发各种安全问题。
[0005](2)多维资源联
[0006]合优化：多维资源调度的联合优化问题是一个非常重要的问题，因为多维资源调度是不同实体、维度和过程之间的耦合。例如，终端功率控制和计算资源分配策略相耦合，服务器边缘聚合和异常模型识别相耦合。
[0007](3)接入优先级和能耗长期约束：考虑到业务的重要性和终端的电池容量有限，需要建立长期的接入优先级和能耗约束，以保证重要终端的接入优先级，降低能耗。然而，长期约束与短期资源调度优化是耦合的。
[0008]有鉴于上述的缺陷，本专利技术以期创设一种数字孪生辅助的5G配电网资源调度方法，使其更具有产业上的利用价值。

技术实现思路

[0009]为解决上述技术问题，本专利技术的目的是提供一种数字孪生辅助的5G配电网资源调度方法。通过联合优化终端调度、终端计算资源分配、功率控制和服务器计算资源分配，在保证终端能量消耗和接入优先级长期约束的前提下，降低了DT构建累积迭代时延和终端能量消耗，提高DT精度和安全性。
[0010]本专利技术的一种数字孪生辅助的5G配电网资源调度方法，具体调度步骤为：
[0011]S1、构建系统模型，具体包括：
[0012]1.1、本地训练模型；
[0013]1.2、传输模型；
[0014]1.3、包错误率模型；
[0015]1.4、边缘聚合与异常模型检测模型；
[0016]1.5、能耗和时延模型；
[0017]S2、问题建模和转化，具体包括：
[0018]2.1、接入优先级约束；
[0019]2.2、能耗约束；
[0020]2.3、问题建模；
[0021]2.4、问题转化；
[0022]S3、安全和时延感知的数字孪生辅助资源调度方法，具体包括：
[0023]3.1、终端接入调度、终端计算资源分配和功率控制联合优化子问题；
[0024]3.2、服务器计算资源分配子问题。
[0025]进一步的，所述S1中构建系统模型是基于联邦学习的5G边缘计算配电网DT架构，架构主要包含三层，即终端层、边缘层和DT层。
[0026]进一步的，所述S1中本地训练模型场景中包含I个电力物联网终端，集合表示为Y＝{u1,u2,...,u
I
}，总时间周期被划分为T次迭代，集合表示为Τ＝{1,2,
…
,T}，本地计算的能耗和时延可以计算为：
[0027][0028]其中，α为能耗系数，D
i
表示u
i
本地数据集Δ
i
的大小；
[0029]定义和表示数据集Δ
i
中一个样本的输入和目标输出，单样本损失函数用于表征估计输出与目标输出之间的偏差，因此，u
i
的损失函数可以计算为：
[0030][0031]损失函数可以反映本地模型的精度，并用于指导参数ω
i
(t)的更新，即：
[0032][0033]其中，η为学习速率。
[0034]进一步的，所述S1中传输模型的传输速率可表示为：
[0035][0036]传输能耗和时延可以表示为：
[0037][0038]进一步的，所述S1中包错误率模型的包错误率可以表示为；
[0039][0040]其中k为与编码增益有关的常数，定义二进制指示变量a
i
(t)∈{0,1}，a
i
(t)＝1表示终端u
i
在传输中没有发生包错误，否则a
i
(t)＝0，a
i
(t)可以计算为：
[0041][0042]进一步的，所述S1中边缘聚合与异常模型检测模型的边缘聚合：全局模型聚合公式为：
[0043][0044]边缘聚合时延计算为：
[0045][0046]全局模型的损失函数表示为：
[0047][0048]其中表示所有被选择终端的总样本数量；
[0049]所述S1中边缘聚合与异常模型检测模型的异常模型检测模型：
[0050]异常模型检测模型时延可计算为：
[0051][0052]其中ξ0表示边缘服务器处理单个样本需要的CPU周期数，当u
i
上传的异常模型大于比例υ时，即：
[0053][0054]判定u
i
为恶意终端，并从集合Σ(t+1)中移除。
[0055]进一步的，所述S1中能耗和时延模型中u
i
的总能耗为本地计算能耗与传输能耗之和，计算为：
[0056][0057]单次迭代总时延包含所有终端中本地计算时延与参数传输时延之和最大的时延、边缘聚合时延与AMR时延中较大的时延以及全局模型广播时延τ
b
，表示为：
[0058][0059]其中，
[0060]进一步的，所述S2中问题建模和转化中接入优先级约束，长期接入优先级约束定义为：
[0061][0062]其中e
i
为选择u
i
进行本地训练和参数传输次数的最小比例需求。
[0063]进一步的，所述S2中能耗约束考虑到终端电池容量有限，定义长期能耗约束为
[0064][0065]其中，E
i,max
为u
i
的能量预算。
[0066]进一步的，所述S2中问题建模优化目标定义为在接入优先级和能耗的长期约束下，通过联合优化计算资源分配、功率控制和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数字孪生辅助的5G配电网资源调度方法，其特征在于具体调度步骤为：S1、构建系统模型，具体包括：1.1、本地训练模型；1.2、传输模型；1.3、包错误率模型；1.4、边缘聚合与异常模型检测模型；1.5、能耗和时延模型；S2、问题建模和转化，具体包括：2.1、接入优先级约束；2.2、能耗约束；2.3、问题建模；2.4、问题转化；S3、安全和时延感知的数字孪生辅助资源调度方法，具体包括：3.1、终端接入调度、终端计算资源分配和功率控制联合优化子问题；3.2、服务器计算资源分配子问题。2.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中构建系统模型是基于联邦学习的5G边缘计算配电网DT架构，架构主要包含三层，即终端层、边缘层和DT层。3.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中本地训练模型场景中包含I个电力物联网终端，集合表示为Y＝{u1,u2,...,u
I
}，总时间周期被划分为T次迭代，集合表示为Τ＝{1,2,
…
,T}，本地计算的能耗和时延可以计算为：其中，α为能耗系数，D
i
表示u
i
本地数据集Δ
i
的大小；定义和表示数据集Δ
i
中一个样本的输入和目标输出，单样本损失函数用于表征估计输出与目标输出之间的偏差，因此，u
i
的损失函数可以计算为：损失函数可以反映本地模型的精度，并用于指导参数ω
i
(t)的更新，即：其中，η为学习速率。4.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中传输模型的传输速率可表示为：
传输能耗和时延可以表示为：5.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中包错误率模型的包错误率可以表示为；其中k为与编码增益有关的常数，定义二进制指示变量a
i
(t)∈{0,1}，a
i
(t)＝1表示终端u
i
在传输中没有发生包错误，否则a
i
(t)＝0，a
i
(t)可以计算为：6.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中边缘聚合与异常模型检测模型的边缘聚合：全局模型聚合公式为：边缘聚合时延计算为：全局模型的损失函数表示为：其中表示所有被选择终端的总样本数量；所述S1中边缘聚合与异常模型检测模型的异常模型检测模型：异常模型检测模型时延可计算为：其中ξ0表示边缘服务器处理单个样本需要的CPU周期数，当u
i
上传的异常模型大于比例υ时，即：判定u
i
为恶意终端，并从集合Σ(t+1)中移除。7.根据权利要求1所述的一种数字孪生辅助的5G配电网资源调度方法，其特征在于：所述S1中能耗和时延模型中u
i
的总能耗为本地计算能耗与传输能耗之和，计算为：
单次迭代总时延包含所有终端中本地计算时延与参数传输时延之和最大的时延、边缘聚合时延与AMR时延中较大的时延以及全局模型广播时延τ
b
，表示为...

【专利技术属性】
技术研发人员：周振宇，贾泽晗，廖海君，卢文冰，麻秀范，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：