一种基于电力边缘芯片的边云协同计算方法技术

本发明专利技术公开了一种基于电力边缘芯片的边云协同计算方法包括：将待执行任务分解成多个子任务，按子任务的复杂度分为多个任务等级，将复杂等级的子任务发送至云服务器；根据所述云服务器反馈的任务处理指令，将多个子任务分别传送至各个子任务网络模型进行训练，并计算各个子任务网络模型的训练权重；将训练结果和所述训练权重发送至云服务器。本发明专利技术提供的基于电力边缘芯片的边云协同计算方法能够使电力边缘芯片充分利用自身的冗余计算能力，解决电力边缘芯片计算能力不足，以及有些电力边缘芯片计算冗余搁置，浪费储备的计算能力的问题，同时解决云服务器对任务响应速度较电力边缘芯片的响应速度迟钝的问题。缘芯片的响应速度迟钝的问题。缘芯片的响应速度迟钝的问题。

【技术实现步骤摘要】
一种基于电力边缘芯片的边云协同计算方法


[0001]本专利技术涉及电力边缘计算芯片
，具体为一种基于电力边缘芯片的边云协同计算方法。

技术介绍

[0002]经过十多年的发展，现如今，我们已经步入云应用爆炸时代。诚然，云在成本、效益、规模、自动化、互操作性和集中性等方面能为企业带来许多好处，因此大量IT公司的服务完全存在于云上或在很大程度上依赖于云。在一个只有“云”的世界中，数据可能要传输数百甚至数千英里，延迟在所难免，而边缘计算可以有效解决这一问题。
[0003]边缘计算场景下，电力终端设备类型多、数量大、分布广，很多数据涉及到神经网络模型的训练，由于边缘计算芯片的计算能力是有限的，导致边缘计算芯片在数据量庞大的情况下难以实现计算，而发送至云服务器执行任务，则存在传输路径过于冗长，导致延迟问题。
[0004]因此，电力边缘芯片和云服务器之间的协同合作问题亟待解决。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：现有的边缘计算芯片无法处理庞大的数据量，发送至云服务器处理任务会因为传输路径过长导致延迟问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：一种基于电力边缘芯片的边云协同计算方法，包括：将待执行任务分解成多个子任务，按子任务的复杂度分为多个任务等级，将复杂等级的子任务发送至云服务器；
[0009]根据所述云服务器反馈的任务处理指令，将多个子任务分别传送至各个子任务网络模型进行训练，并计算各个子任务网络模型的训练权重；
[0010]将训练结果和所述训练权重发送至云服务器。
[0011]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其中：将所述待执行任务分解成多个子任务包括：使用地图还原模型将待执行任务中的数据集分成若干个数据块，然后为每个数据块启动一个Map任务，将所述数据块输入到Map函数中进行处理；
[0012]Map函数输出键值对，使用地图还原模型将所有Map任务输出的键值对进行聚合和排序，记录下每个键值对的key值，并将key值传送至云服务器，以使云服务器根据key值进行识别给个子任务，最后进行整合训练。
[0013]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其
中：所述子任务的复杂度与子任务的文件大小呈正相关，表示为：
[0014][0015]其中，x表示子任务的文件大小；f(x)表示子任务的复杂度值；
∝
表示任务复杂度的上限；σ表示任务复杂度上升的速度；exp表示以自然常数e为底数的指数函数。
[0016]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其中：所述任务等级包括复杂、中等和简单，
[0017]当任务等级为复杂时，将任务等级对应的子任务发送至云服务器；当任务等级为中等和简单时，任务等级对应的子任务由本地处理。
[0018]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其中：所述任务处理指令包括：
[0019]当上传子任务的电力边缘芯片计算能力值和处理冗余量足够时，反馈本地处理的任务指令；当上传子任务的电力边缘芯片计算能力值和处理冗余量不足时，反馈异地处理的任务指令，将子任务发送至有处理能力的电力边缘芯片。
[0020]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其中：所述子任务网络模型为循环神经网络，表示为：
[0021]h
t
＝f(W
xh
x
t
+W
hh
h
t
‑1+b
h
)
[0022]y
t
＝g(W
hy
h
t
+b
y
)
[0023]其中，x
t
表示在时刻t的输入数据；h
t
表示在时刻t的隐藏状态；y
t
表示在时刻t的输出结果；W
xh
为输入层，W
hh
为隐藏层，W
hy
为权重矩阵；b
h
表示隐藏层的偏置向量，b
y
表示输出层的偏置向量；f表示激活函数，g表示激活函数。
[0024]作为本专利技术所述的基于电力边缘芯片的边云协同计算方法的一种优选方案，其中：所述云服务器的训练模型为卷积神经网络，表示为：
[0025][0026]Y
i,j,k
＝f(Z
i,j,k
)
[0027]其中，i表示特征图的横坐标，j表示特征图的纵坐标；k表示卷积核的个数；l表示卷积核的通道数；m表示卷积核的宽，n表示卷积核的高；X表示输入的图像数据；W表示卷积核权重矩阵；b表示偏置向量；f表示激活函数；Y表示卷积层的输出结果；所述激活函数为ReLU函数。
[0028]第二方面，本专利技术还提供了一种基于电力边缘芯片的边云协同计算方法的装置，包括，
[0029]复杂度评价单元，将待执行任务分解成多个子任务，分别评价多个子任务的复杂度，并将多个子任务的复杂度的评价结果和自身计算能力进行组合评价，得到多个子任务的任务等级，并将复杂等级的子任务发送至云服务器；
[0030]任务等级反馈单元，响应于云服务器根据复杂的任务等级反馈的任务处理指令，处理相应的子任务；
[0031]模型单元，响应于任务处理指令，将多个子任务分别传送至各个子任务网络模型进行训练，并计算各个子任务网络模型的训练权重，将训练结果和训练权重发送至云服务
器，使云服务器的训练模型整合训练。
[0032]第三方面，本专利技术还提供了一种计算设备，包括：存储器和处理器；
[0033]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于电力边缘芯片的边云协同计算方法的步骤。
[0034]第四方面，本专利技术还提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于电力边缘芯片的边云协同计算方法的步骤。
[0035]本专利技术的有益效果：本专利技术提供的基于电力边缘芯片的边云协同计算方法能够使电力边缘芯片充分利用自身的冗余计算能力，解决电力边缘芯片计算能力不足，以及有些电力边缘芯片计算冗余搁置，浪费储备的计算能力的问题，同时解决云服务器对任务响应速度较电力边缘芯片的响应速度迟钝的问题。
附图说明
[0036]为了更清楚地说明本专利技术实施例的技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电力边缘芯片的边云协同计算方法，其特征在于，包括：将待执行任务分解成多个子任务，按子任务的复杂度分为多个任务等级，将复杂等级的子任务发送至云服务器；根据所述云服务器反馈的任务处理指令，将多个子任务分别传送至各个子任务网络模型进行训练，并计算各个子任务网络模型的训练权重；将训练结果和所述训练权重发送至云服务器。2.如权利要求1所述的基于电力边缘芯片的边云协同计算方法，其特征在于：将所述待执行任务分解成多个子任务包括：使用地图还原模型将待执行任务中的数据集分成若干个数据块，然后为每个数据块启动一个Map任务，将所述数据块输入到Map函数中进行处理；Map函数输出键值对，使用地图还原模型将所有Map任务输出的键值对进行聚合和排序，记录下每个键值对的key值，并将key值传送至云服务器，以使云服务器根据key值进行识别给个子任务，最后进行整合训练。3.如权利要求2所述的基于电力边缘芯片的边云协同计算方法，其特征在于：所述子任务的复杂度与子任务的文件大小呈正相关，表示为：其中，x表示子任务的文件大小；f(x)表示子任务的复杂度值；
∝
表示任务复杂度的上限；σ表示任务复杂度上升的速度；exp表示以自然常数e为底数的指数函数。4.如权利要求3所述的基于电力边缘芯片的边云协同计算方法，其特征在于：所述任务等级包括复杂、中等和简单，当任务等级为复杂时，将任务等级对应的子任务发送至云服务器；当任务等级为中等和简单时，任务等级对应的子任务由本地处理。5.如权利要求4所述的基于电力边缘芯片的边云协同计算方法，其特征在于：所述任务处理指令包括：当上传子任务的电力边缘芯片计算能力值和处理冗余量足够时，反馈本地处理的任务指令；当上传子任务的电力边缘芯片计算能力值和处理冗余量不足时，反馈异地处理的任务指令，将子任务发送至有处理能力的电力边缘芯片。6.如权利要求5所述的基于电力边缘芯片的边云协同计算方法，其特征在于：所述子任务网络模型为循环神经网络，表示为：h
t
＝f(W
xh
x
t
+W
hh
h
t
‑1+b
h
)y
t
＝g(W
hy...

【专利技术属性】
技术研发人员：辛明勇，徐长宝，王宇，杨婧，林呈辉，高吉普，祝健杨，冯起辉，何雨旻，徐玉韬，李博文，古庭赟，刘斌，张后谊，汪明媚，邓松，谈竹奎，文贤馗，孟令雯，张历，冯义，周洋，代奇迹，毛均毅，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：