一种面向新能源电力业务的云-边协同算力调度方法、存储介质及设备技术

本发明专利技术公开了一种面向新能源电力业务的云

【技术实现步骤摘要】
一种面向新能源电力业务的云
‑
边协同算力调度方法、存储介质及设备


[0001]本专利技术涉及电力通信
，具体地，涉及一种面向新能源电力业务的云
‑
边协同算力调度方法、存储介质及设备。

技术介绍

[0002]目前分布式新能源接网消纳的比例逐年增加、大量分布式电源和电动汽车的接入、源网荷储、新型用户需求逐步呈现算力资源需求多样化、动态化特征。现有的算力规划方法与分布式业务动态算力资源需求之间的不适配，电力系统迫切需要提高自身的管理和调配效率，进一步向信息化、智能化的方向发展。
[0003]随着新能源如光伏、风电、储能设备并网量的增加，加之电动汽车和充电桩的接入，多种分布式新能源多样化出力特性改变了电力能源消纳需求。传统的云架构将所有的计算都集中在云端，无法及时应对边端大量新能源业务的快速增长；边缘计算能实现网络和计算核心在边端的扩展，但是存在计算资源整未被整合到移动网络体系结构中的现象，因而无法为众多边端设备共同提供计算服务。上述算力资源规划方法难以实现算力资源日渐多样化、动态化的计算需求，为此需要不断引入新一代的信息通信技术，以提升电力系统的运行性能和管控效率。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术公开了一种面向新能源电力业务的云
‑
边协同算力调度方法、存储介质及设备，通过云
‑
边协同的算力调度方法，以满足算力资源日渐多样化、动态化的计算需求。
[0005]为实现上述技术目的，本专利技术采用如下技术方案：一种面向新能源电力业务的云
‑
边协同算力调度方法，具体包括如下步骤：
[0006]步骤S1、从新能源电力业务的边端获取执行运算任务所需要的数据，并根据获取的数据计算各任务所需的算力资源；
[0007]步骤S2、根据新能源电力业务将运算任务进行分类，并根据各类运算任务所需的算力资源占据算力资源总量的占比从大到小排序，占比越大，运算任务执行优先级越高；
[0008]步骤S3、判断新能源电力业务的边缘算力是否能够同时执行所有运算任务，若足够，由边端同时执行所有运算任务；否则执行步骤S4；
[0009]步骤S4、按各类运算任务的执行优先级，依次判断新能源电力业务的边缘算力是否足够执行运算任务来分配边端执行的计算任务和云端执行的计算任务，实现云
‑
边协同算力调度过程。
[0010]进一步地，步骤S1中算力资源包括：CPU占用、内存占用和存储空间占用。
[0011]进一步地，所述运算任务分为：用户运算任务、发电运算任务、储能预算任务、充电桩运算任务。
[0012]进一步地，每类运算任务所需的算力资源占据算力资源总量的占比的计算过程为：
[0013][0014]其中，G为一类新能源电力业务运算任务占用算力资源总量，C.
c
为该新能源电力业务运算任务的CPU占用，C.
sum
为边端可用CPU算力，t
C
为CPU执行时间，R.
c
为该新能源电力业务运算任务的运行内存占用，R.
sum
为边端可用运行内存算力，t
R
为内存执行时间，S.
c
为该新能源电力业务运算任务的存储空间占用，S.
sum
为边端可用存储空间，t
S
为存储执行时间，T为边端收集数据间隔，D为该新能源电力业务运算任务的数据量，D
sum
为边端收集到的数据总量。
[0015]进一步地，步骤S3中新能源电力业务的边缘算力能够同时执行所有运算任务的条件为：
[0016][0017]其中，C
i
为运算第i优先级运算任务的CPU占用量，C.
sum
为边端可用CPU算力，R
i
为第i优先级运算任务的运算内存占用量，R.
sum
为边端可用运行内存算力，S
i
为第i优先级运算任务的存储空间占用量，S.
sum
为边端可用存储空间，n为运算任务执行总量。
[0018]进一步地，步骤S4包括如下子步骤：
[0019]步骤S41、按各类运算任务的执行优先级，先判断最高优先级的运算任务对应的边端算力资源是否足够执行最高优先级的运算任务，若足够，将最高优先级的运算任务划归其所属边端执行；否则执行步骤S42；
[0020]步骤S42、将最高优先级的运算任务划归到云端执行，并将其余各类运算任务的优先级均提高一级；
[0021]步骤S43、判断剩余的边端算力资源是否足够执行下一优先级的运算任务，若足够，将下一优先级的运算任务划归边端执行；否则，执行步骤S44；
[0022]步骤S44、比较云端执行下一优先级的运算任务并返回数据所需时间与边端执行前置任务所需时间，若边端所需的时间较少，等待边端前置任务执行结束后，在边端执行下一优先级的运算任务；否则，执行步骤S45；
[0023]步骤S45、在云端执行下一优先级的运算任务，并将其余各类运算任务的优先级均提高一级，重复步骤S43
‑
S44，直至完成所有新能源电力业务的运算任务执行，实现云
‑
边协同算力调度过程。
[0024]进一步地，步骤S41中边端算力资源足够执行最高优先级的运算任务的条件为：
[0025][0026]其中，C1为最高优先级运算任务的CPU占用量，C.
sum
为边端可用CPU算力，R1为最高
优先级运算任务的运算内存占用量，R.
sum
为边端可用运行内存算力，S1为最高优先级运算任务的存储空间占用量，S.
sum
为边端可用存储空间。
[0027]进一步地，本专利技术还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序使计算机执行所述的面向新能源电力业务的云
‑
边协同算力调度方法。
[0028]进一步地，本专利技术还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现所述的面向新能源电力业务的云
‑
边协同算力调度方法。
[0029]与现有技术相比，本专利技术具有如下有益效果：本专利技术面向新能源电力业务的云
‑
边协同算力调度方法利用云
‑
边协同的算力调度，将边端算力资源不足以执行的运算任务划归云端执行，通过计算每类运算任务所需的算力资源占据算力资源总量的占比确定运算任务优先级，作为云
‑
边计算任务划分的依据，这样能够有效对运算数据进行合理的算力分配，并且通过云边算力资源对边端算力资源不足以处理的任务进行协同运算，进一步提升了算力规划分配的效果，对于适应大量新能源接入下多样化、动态化的计算需求有着重要的现实意义。
附图说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向新能源电力业务的云
‑
边协同算力调度方法，其特征在于，具体包括如下步骤：步骤S1、从新能源电力业务的边端获取执行运算任务所需要的数据，并根据获取的数据计算各任务所需的算力资源；步骤S2、根据新能源电力业务将运算任务进行分类，并根据各类运算任务所需的算力资源占据算力资源总量的占比从大到小排序，占比越大，运算任务执行优先级越高；步骤S3、判断新能源电力业务的边缘算力是否能够同时执行所有运算任务，若足够，由边端同时执行所有运算任务；否则执行步骤S4；步骤S4、按各类运算任务的执行优先级，依次判断新能源电力业务的边缘算力是否足够执行运算任务来分配边端执行的计算任务和云端执行的计算任务，实现云
‑
边协同算力调度过程。2.根据权利要求1所述的一种面向新能源电力业务的云
‑
边协同算力调度方法，其特征在于，步骤S1中算力资源包括：CPU占用、内存占用和存储空间占用。3.根据权利要求1所述的一种面向新能源电力业务的云
‑
边协同算力调度方法，其特征在于，所述运算任务分为：用户运算任务、发电运算任务、储能预算任务、充电桩运算任务。4.根据权利要求1所述的一种面向新能源电力业务的云
‑
边协同算力调度方法，其特征在于，每类运算任务所需的算力资源占据算力资源总量的占比的计算过程为：其中，G为一类新能源电力业务运算任务占用算力资源总量，C.
c
为该新能源电力业务运算任务的CPU占用，C.
sum
为边端可用CPU算力，t
C
为CPU执行时间，R.
c
为该新能源电力业务运算任务的运行内存占用，R.
sum
为边端可用运行内存算力，t
R
为内存执行时间，S.
c
为该新能源电力业务运算任务的存储空间占用，S.
sum
为边端可用存储空间，t
S
为存储执行时间，T为边端收集数据间隔，D为该新能源电力业务运算任务的数据量，D
sum
为边端收集到的数据总量。5.根据权利要求1所述的一种面向新能源电力业务的云
‑
边协同算力调度方法，其特征在于，步骤S3中新能源电力业务的边缘算力能够同时执行所有运算任务的条件为：其中，C
i
为运算第i优先级运算任务的CPU占用量，C.
sum
为边端可用CP...

【专利技术属性】
技术研发人员：徐晓伟，虎啸，华梁，王佳瑜，丁罕，秦奕，顾锡华，彭立峰，
申请(专利权)人：国网江苏省电力有限公司无锡供电分公司，
类型：发明
国别省市：