【技术实现步骤摘要】
本专利技术涉及边缘计算任务调度领域，尤其涉及一种电动汽车充电场站边缘计算任务调度方法和系统。
技术介绍
1、随着移动智能终端的普及，计算密集型应用变得越来越普遍。然而，边缘服务器的计算资源有限，如：电池的容量和cpu的计算能力等。边缘计算将其过载的计算任务转移到物理最近的边缘服务器，可以充分发挥边缘服务器在计算和存储方面的优势，高效地执行计算任务，是降低设备能耗和计算时间的重要解决方案。计算策略决定了边缘计算的效率和可实现性，具体的计算策略应该考虑任务的传输时间和计算能耗。
2、电动汽车充电场站的多个边缘计算设备需同时面对多个边缘计算任务，包括：识别破坏充电桩行为、识别烟火、识别人员倒地和识别车辆排队等，若将所有的计算任务转移到一个边缘计算服务器，可能会导致该边缘计算服务器过载，从而导致许多边缘计算任务出现高处理延迟和边缘服务器的高能耗。同时，空闲的边缘计算设备资源可能被浪费，云服务器可能得不到充分利用。因此，需要根据电动汽车充电场站的任务特点、优化调度目标和系统状态，探索边缘服务器协同调度，以实现所有计算任务的高效协同调度和精确执行。现有的任务调度方法，如，适应无线信道条件的随机控制算法、多用户边缘计算系统的博弈论计算方法、贪心算法、兼顾平均时延和时延变化的最大允许时延优化模型等，大多数研究以最小延迟为调度目标，采用智能优化算法改进了一些传统的任务调度算法，需要多次迭代才能得到相对高质量的解，在面对大量任务或随机任务的在线应用场景时，执行可能会出现延迟，难以满足充电场站的多核计算设备的多任务调度的需求，可能导致任务
技术实现思路
1、本专利技术的目的是为了提供一种电动汽车充电场站边缘计算任务调度方法和系统，减少边缘服务器的负载，提高资源利用率。
2、为解决以上技术问题，本专利技术的技术方案为：
3、第一方面，电动汽车充电场站边缘计算任务调度方法，包括：
4、步骤1：确定电动汽车充电场站的边缘计算服务器子节点集和边缘计算任务集；计算各边缘计算任务在各边缘计算服务器子节点的本地计算用时、延迟时间、cpu能耗和占用的数据长度；基于本地计算用时、延迟时间、cpu能耗和占用的数据长度计算边缘计算的总耗时和总能耗；
5、步骤2：以总耗时和能耗最小化为多目标，构建电动汽车充电场站的边缘计算任务调度模型；
6、步骤3：基于多目标优化算法求解边缘计算任务调度模型，确定目标函数的最优解集合；从最优解集合中获得最优解从而获得边缘计算任务调度方案。
7、进一步地，步骤1中，边缘计算任务即电动汽车充电场站需要调度的任务，包括：识别破坏充电桩行为、识别烟火、识别人员倒地和识别车辆排队。
8、进一步地，所述步骤1包括：
9、步骤101：定义电动汽车充电场站的边缘计算服务器子节点集和边缘计算任务集，具体为：
10、定义电动汽车充电场站的边缘计算服务器子节点集k，k＝{k1,…,kn}，n表示边缘计算服务器的总节点数；定义边缘计算任务集m，任务集在各边缘计算服务器的调度结果用集合φ＝{x1,x2,…xi…xj…,xn}表示，其中，xi表示分配在边缘计算器i上的任务子集，xj表示分配在边缘计算器j上的任务子集，其中，1≤i≤n，1≤j≤n；
11、:步骤102：确定约束条件，具体为：
12、考虑到充电场站的任务是独立且非抢占式的，则需满足约束：
13、
14、对于边缘服务器系统的节点k∈k，用kr表示节点k的cpu容量，kv表示节点k的处理速度；对于边缘服务器系统的任务m∈m，用mr表示任务所需占用的cpu资源，用ml表示任务所需占用的数据长度；因此，对于时刻t，对于分配给节点k的任务，需满足约束：
15、
16、即t时刻边缘计算节点上所有正在排队的任务所占用的cpu之和不能超过当前节点的cpu容量；其中，是一个判别参数，即在t时刻，当任务m分配到节点k上时，其他情况下，
17、步骤103：计算任务总耗时，具体为：
18、计算任务m在节点k上的处理时间pmk，
19、计算任务分配的延迟时间emk，emk＝umk+u′mk，其中，umk表示任务m分配到节点k处的延迟时间，u′mk表示任务m的指令从节点k传输到指令终端的延迟时间；
20、计算节点k处理的任务总耗时tk：
21、
22、由于边缘计算系统内的各节点是并行运算，因此，对于边缘服务器的节点集合用k，总工作时长为各子节点中工作时长最大的节点耗时，即：
23、tg＝max(tk),k∈k (4)
24、步骤103：计算边缘计算系统总能耗，具体为：
25、对于任意边缘计算服务器的子节点，在边缘计算系统的工作时间内，各子节点无论处于工作、传输和空闲状态都存在能耗，定义节点k在工作、传输和空闲状态下的能耗分别为uk,和u′k，则节点k的能耗为：
26、
27、边缘计算系统的总能耗为：
28、
29、进一步地，边缘计算任务调度模型的边缘计算优化目标为：
30、
31、其中，前两项表示为目标函数，后两项为约束条件。
32、进一步地，步骤3中，基于nsga-ii算法求解边缘计算任务调度模型。
33、进一步地，基于nsga-ii算法求解边缘计算任务调度模型的方法包括：
34、第1步，生成电动汽车充电场站的边缘计算任务调度模型的初始解种群；
35、第2步，对初始解种群进行初始化，判断初始化的种群是否满足约束条件，若满足，则将父代、子代种群合并为新种群，反之，则进行快速非支配排序，对于相对较差的解进行选择、交叉和变异，生成子代种群；
36、第3步，判断新生成的子代种群是否满足约束条件，如果满足，则生成新的父种群，反之，则计算各个体的目标函数值，并进行非支配排序，计算拥挤度，选择合适的个体进入下一代；
37、第4步，基于选择、交叉和变异生成新的子代种群，保留种群中的精英解；
38、第5步，判断gen是否大于系统设定的最大允许迭代数，若否，则进行迭代即迭代数gen＝gen+1后重复第3步和第4步，若是，则输出最终的帕累托最优解集合。
39、进一步地，步骤3中，从最优解集合中获得最优解从而获得边缘计算任务调度方案具体包括：
40、在输出的帕累托最优解集合中，基于总耗时和能耗最小，以及实际任务执行合理性选择最优的解，并输出最终选择的最优解对应的任务调度方案。
41、第二方面，电动汽车充电场站边缘计算任务调度系统，包括：存储器和处理器；
42、其中，所述存储器存储有计算机程序，所述程本文档来自技高网...
【技术保护点】
1.电动汽车充电场站边缘计算任务调度方法，其特征在于：包括
2.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：步骤1中，边缘计算任务即电动汽车充电场站需要调度的任务，包括：识别破坏充电桩行为、识别烟火、识别人员倒地和识别车辆排队。
3.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：所述步骤1包括：
4.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：边缘计算任务调度模型的边缘计算优化目标为：
5.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：步骤3中，基于NSGA-II算法求解边缘计算任务调度模型。
6.根据权利要求5所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：基于NSGA-II算法求解边缘计算任务调度模型的方法包括：
7.根据权利要求6所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：步骤3中，从最优解集合中获得最优解从而获得边缘计算任务调度方案具体包括：
8.电动汽车充电场站边缘计算
...【技术特征摘要】
1.电动汽车充电场站边缘计算任务调度方法，其特征在于：包括
2.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：步骤1中，边缘计算任务即电动汽车充电场站需要调度的任务，包括：识别破坏充电桩行为、识别烟火、识别人员倒地和识别车辆排队。
3.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：所述步骤1包括：
4.根据权利要求1所述的电动汽车充电场站边缘计算任务调度方法，其特征在于：边缘计算任务调度模型的边缘计算优化目标为：
...【专利技术属性】
技术研发人员：张玮亚，王舒凡，曹刚，纪业，顾刘婷，
申请(专利权)人：国网江苏省电力有限公司南京供电分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。