电网安全生产业务调度方法及装置制造方法及图纸

本公开提供一种电网安全生产业务调度方法及装置，通过循环神经网络模型对目标用户终端发送的新的数据包进行时延预测，根据时延预测的结果对目标队列的优先级进行调整，得到各个队列调整后的优先级。再根据调整后的优先级，利用近端策略优化裁剪算法对带宽资源分配模型进行求解，得到带宽资源分配策略，最后根据带宽资源分配策略，得到电网安全生产业务的调度方式，按照该调度方式进行调度，可以有效降低总体传输时延，提高系统吞吐量和传输速率，在一定程度上解决网络拥塞和调度时间过长的问题，满足时延敏感业务的传输需求。满足时延敏感业务的传输需求。满足时延敏感业务的传输需求。

【技术实现步骤摘要】
电网安全生产业务调度方法及装置


[0001]本公开涉及智能电网调度
，尤其涉及一种电网安全生产业务调度方法及装置。

技术介绍

[0002]电网应用是5G(5th GenerationMobile CommunicationTechnology，第五代移动通信技术)的核心应用领域之一，无线电网的不断发展也给5G技术带来了技术上的挑战，如电网安全生产业务流的突发问题则是挑战之一。电网安全生产业务流须极低传输时延和高可靠性，而现有技术当中电网安全生产业务流往往存在高传输时延，这会直接影响到数据传输的服务质量，可能会导致网络拥塞和调度时间过长，从而无法满足业务流的传输需求。

技术实现思路

[0003]有鉴于此，本公开的目的在于提出一种电网安全生产业务调度方法及装置，用以解决或部分解决上述技术问题。
[0004]基于上述目的，本公开的第一方面提出了一种电网安全生产业务调度方法，包括：
[0005]获取多个用户终端发送的数据包，根据用户终端的设备信息将多个数据包整合成多个队列，所述多个队列具有不同的优先级；
[0006]当多个用户终端中至少一个目标用户终端发送新的数据包时，将所述新的数据包加入所述目标用户终端对应的目标队列，其中所述目标队列为所述多个队列中的至少之一；
[0007]利用循环神经网络模型对所述新的数据包进行时延预测，得到时延预测的结果；
[0008]根据所述时延预测的结果，对所述目标队列的优先级进行调整，得到各个队列调整后的优先级；
[0009]根据所述调整后的优先级，利用近端策略优化裁剪算法对预先构建的带宽资源分配模型进行求解，得到带宽资源分配策略；
[0010]根据所述带宽资源分配策略，得到电网安全生产业务的调度方式。
[0011]基于同一个专利技术构思，本公开的第二方面提出了一种电网安全生产业务调度装置，包括：队列确定模块、数据包确定模块，时延预测模块、优先级确定模块、带宽资源分配策略确定模块和所述调度确定模块：
[0012]其中，所述队列确定模块，被配置为获取多个用户终端发送的数据包，根据用户终端的设备信息将多个数据包整合成多个队列，所述多个队列具有不同的优先级；
[0013]所述数据包确定模块，被配置为当多个用户终端中至少一个目标用户终端发送新的数据包时，将所述新的数据包加入所述目标用户终端对应的目标队列，其中所述目标队列为所述多个队列中的至少之一；
[0014]所述时延预测模块，被配置为利用循环神经网络模型对所述新的数据包进行时延预测，得到时延预测的结果；
[0015]所述优先级确定模块，被配置为根据所述时延预测的结果，对所述目标队列的优先级进行调整，得到各个队列调整后的优先级；
[0016]所述带宽资源分配策略确定模块，被配置为根据所述调整后的优先级，利用近端策略优化裁剪算法对预先构建的带宽资源分配模型进行求解，得到带宽资源分配策略；
[0017]所述调度确定模块，被配置为根据所述带宽资源分配策略，得到电网安全生产业务的调度方式。
[0018]从上面所述可以看出，本公开提供的电网安全生产业务调度方法及装置，通过循环神经网络模型对目标用户终端发送的新的数据包进行时延预测，根据其时延预测的结果对目标队列的优先级进行调整，得到各个队列调整后的优先级。再根据调整后的优先级，利用近端策略优化裁剪算法对带宽资源分配模型进行求解，得到带宽资源分配策略，最后根据带宽资源分配策略，得到电网安全生产业务的调度方式，按照该调度方式进行调度，可以有效降低总体传输时延，提高系统吞吐量和传输速率，在一定程度上解决网络拥塞和调度时间过长的问题，满足时延敏感业务的传输需求。
附图说明
[0019]为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本公开实施例的电网安全生产业务调度方法的流程图；
[0021]图2
‑
A为本公开实施例的应用场景图；
[0022]图2
‑
B为本公开实施例的队列优先级分析的示意图；
[0023]图2
‑
C为本公开实施例的电网安全生产业务调度框架示意图；
[0024]图3为本公开实施例的电网安全生产业务调度装置的结构示意图；
[0025]图4为本公开实施例的电子设备的示意图。
具体实施方式
[0026]为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
[0027]需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
[0028]相关技术中电网安全生产业务流往往存在高传输时延，这会直接影响到数据传输的服务质量，可能会导致网络拥塞和调度时间过长，从而无法满足业务流的传输需求。
[0029]本实施例提出的一种电网安全生产业务调度方法，如图1所示，包括：
[0030]步骤101，获取多个用户终端发送的数据包，根据用户终端的设备信息将多个数据包整合成多个队列，所述多个队列具有不同的优先级。
[0031]在该步骤中，如图2
‑
A所示，在5G时间敏感网络(Time
‑
Sensitive Network，TSN)融合架构的基础上，包含单个基站和N个用户终端的5G上行数据传输的应用场景，在该应用场景中仅考虑电网安全生产业务流的生成和调度问题，多个用户终端可以无限度随机发送不定长的数据包。不同用户终端所生成的数据包将会在队列整合时分入不同的队列，每个队列具有不同的优先级，可动态配置。其中，用户终端的设备信息表示设备身份的识别码，可以设备ID(Identity document，身份标识号)。
[0032]步骤102，当多个用户终端中至少一个目标用户终端发送新的数据包时，将所述新的数据包加入所述目标用户终端对应的目标队列，其中所述目标队列为所述多个队列中的至少之一。
[0033]在该步骤中，目标用户终端表示多个用户终端中任一发送新的数据包的用户终端，当目标用户终端发送新的数据包时，将该数据包加入与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网安全生产业务调度方法，其特征在于，所述方法包括：获取多个用户终端发送的数据包，根据用户终端的设备信息将多个数据包整合成多个队列，所述多个队列具有不同的优先级；当多个用户终端中至少一个目标用户终端发送新的数据包时，将所述新的数据包加入所述目标用户终端对应的目标队列，其中所述目标队列为所述多个队列中的至少之一；利用循环神经网络模型对所述新的数据包进行时延预测，得到时延预测的结果；根据所述时延预测的结果，对所述目标队列的优先级进行调整，得到各个队列调整后的优先级；根据所述调整后的优先级，利用近端策略优化裁剪算法对预先构建的带宽资源分配模型进行求解，得到带宽资源分配策略；根据所述带宽资源分配策略，得到电网安全生产业务的调度方式。2.根据权利要求1所述的方法，其特征在于，所述根据所述时延预测的结果，对所述目标队列的优先级进行调整，得到各个队列调整后的优先级，包括：根据所述时延预测的结果，确定所述目标队列的优先级调整方案；根据所述目标队列的优先级调整方案，得到各个队列调整后的优先级。3.根据权利要求2所述的方法，其特征在于，所述根据所述时延预测的结果，确定所述目标队列的优先级调整方案，包括：根据所述时延预测的结果，确定所述目标队列的时延预测区间范围；获取所有所述队列的时延确定性范围表，其中，所述时延确定范围表包括每个所述队列的时延确定性范围；根据所述时延预测区间范围与所述目标队列的时延确定性范围确定公式其中，和分别为队列i时延确定性的最大时延和最小时延，和分别为目标队列i的时延预测的最小时延和最大时延；利用所述公式确定所述目标队列的优先级调整方案，ε
i
为目标队列优先级确定参数。4.根据权利要求3所述的方法，其特征在于，所述时延预测的结果包括多个，所述根据所述时延预测的结果确定所述目标队列的时延预测区间范围，包括：将每个所述时延预测的结果加入所述目标队列的时延预测数据集；将所述时延预测数据集中不符合预设置信度的时延预测数据进行剔除，根据剔除不符合预设置信度的时延预测数据后的所述时延预测数据集，确定所述目标队列的时延预测区间范围5.根据权利要求3所述的方法，其特征在于，所述利用公式确定所述目标队列的优先级调整方案，其中ε
i
为目标队列优先级确定参数，包括：在所述ε
i
位于第一范围内时，将所述目标队列的优先级降低；在所述ε
i
位于第二范围内时，将所述目标队列的优先级提高。6.根据权利要求1所述的方法，其特征在于，所述利用循环神经网络模型对所述新的数
据包进行时延预测，得到时延预测的结果，包括：对所述循环神经网络模型进行训练，在每次训练中修改所述循环神经网络模型的参数，直至所述循环神经网络模型输出的结果的正确率达到预设阈值时，停止所述循环神经网络模型的训练；利用训练好的循环神经网络模型对所述新的数据包进行时延预测，得到时延预测的结果。7.根据权利要求1所述的方法，其特征在于，所述带宽资源分配模型的构建过程包括：利用李雅普诺夫优化算法对资源分配抽象模型进行转化，得到带宽资源分配模型，其中所述资源分配抽象模型为可计算每个所述队列在任意时刻分配的带宽资源量的模型。8.根据权利要求7所述的方法，其特征在于，所述利用李雅普诺夫优化算法进行带宽资源分配，得到带宽资源分配模型，其中所述资源分配抽象模型为可计算每个所述队列在任意时刻分配的带宽资源量的模型，包括：根据资源分配抽象模型的约束条件，利用李雅普诺夫优化算法对...

【专利技术属性】
技术研发人员：王艳茹，欧清海，宋继高，侯悦，刘越，刘卉，张宁池，赵曜，马文洁，张洁，丰雷，巩锐，曹雅琳，谢坤宜，祁维武，孔祥余，练家兴，李婉莹，
申请(专利权)人：国网河南省电力公司信息通信公司国网信息通信产业集团有限公司北京邮电大学，
类型：发明
国别省市：