一种智能电网的任务分配方法、装置及电子设备与流程

本发明涉及电力电网，尤其涉及一种智能电网的任务分配方法、装置及电子设备。

背景技术：

1、近年来，随着移动通信和物联网技术的快速发展，极大地推动了以智能电网为代表的工业智能化转型升级，工业开始迈入智能化信息时代。随着工业化水平的提高，智能电网的应用场景更加复杂和特殊，电力设备数量急剧增加，其终端设备感知数据的规模和复杂度也呈现出了爆炸式增长趋势，对数据传输的实时性和计算任务处理的高效性等服务质量的要求越来越高，相应地对智能电网的通信和计算能力提出了更高需求。

2、为了满足这些需求，近年来，智能电网融合5g、人工智能、云计算和大数据分析等新一代信息通信技术和制造技术。通过智能化手段对环境信息进行感知、支持大量异构设备接入、支持对海量多源数据的实时分析和高效处理，同时也产生大量的计算任务请求数据。传统的电力数据处理方式是将数据传输到集中式云服务器计算，虽然云服务器的计算能力强，能够处理计算量较大的任务，但是对大量数据的集中式处理可能会导致严重的网络拥塞，同时，远距离的传输也将导致延迟问题，从而影响智能电网中各种应用程序的整体服务质量，也给传统的电力网络带来了巨大挑战，即要求更高的数据传输速率和更低的传输时延、及大量的计算任务处理能力。但是，由于带宽和功率等通信资源有限，很难单纯依靠网络的通信能力来满足持续不断增长的数据传输和计算任务高要求。

技术实现思路

1、本发明提供了一种智能电网的任务分配方法、装置及电子设备，能够降低智能电网中终端产生的计算任务的计算时延，提高智能电网的任务处理能力。

2、第一方面，本发明提供了一种智能电网的任务分配方法，智能电网包括终端、多个雾节点和云计算中心；该任务分配方法包括：获取终端产生的计算任务；构建以计算任务的计算总时延最小为目标的目标函数，求解最优解，最优解包括终端、各雾节点和云计算中心执行计算任务的最优分配比例，以及终端向各雾节点发送数据时的发送功率；基于最优分配比例，将计算任务，划分为与各雾节点对应的多个子任务；以终端向各雾节点发送数据时的发送功率，向各雾节点发送与各雾节点对应的子任务。

3、在一种可能的实现方式中，构建以计算任务的计算总时延最小为目标的目标函数，求解最优解，包括：以计算卸载策略、计算资源和发送功率为自变量，以计算任务的计算总时延最小为目标，确定目标函数；计算卸载策略包括终端执行计算任务的比例和迁移到各雾节点的子任务由各雾节点执行计算任务的比例；计算资源包括终端执行计算任务时的计算速率和各雾节点执行计算任务时的计算速率；发送功率包括终端向各雾节点发送计算任务时的发送功率和各雾节点向云计算中心发送计算任务时的发送功率；以计算卸载策略、计算资源和发送功率的限值，以及计算总时延的限值，为目标函数的约束条件；基于目标函数和目标函数的约束条件，求解最优解。

4、在一种可能的实现方式中，基于目标函数和约束条件，求解最优解，包括：基于如下公式，确定目标函数；

5、

6、

7、

8、其中，χ表示计算卸载策略的集合，t表示计算任务的计算总时延，表示计算资源的集合，表示发送功率的集合，tk表示终端k的计算时延，表示终端k的计算时延的最大限值，表示终端的集合，表示终端k的计算能量，表示终端k将子任

9、务传输给雾节点f的传输能耗，表示终端k执行计算任务的能耗限值，表示终端k执行计算任务所分配的计算速率，表示终端k执行计算任务所分配的计算速率的最大限值，表示雾节点f执行计算任务所分配的计算速率，表示雾节点f执行计算任务所分配的计算速率的最大限值，表示云计算中心执行计算任务所分配的计算速率，表示云计算中心执行计算任务所分配的计算速率的最大限值，表示属于终端集合的任意终端k，表示属于雾节点集合的任意雾节点f，pk表示终端k的发送功率，表示终端k的发送功率的最大限值，pf,c表示雾节点f的发送功率，表示雾节点f的发送功率的最大限值，xk表示终端执行计算任务的比例，xk,f表示迁移到雾节点f的子任务由雾节点f执行的比例；c1表示计算任务的计算时延限制，c2表示终端k的能量限制，c3表示计算任务的计算资源限制，c4表示终端k的发送功率限制，c5表示计算任务的计算卸载策略限制。

10、在一种可能的实现方式中，基于目标函数和约束条件，求解最优解，包括：基于计算卸载策略、计算资源和发送功率，对目标函数中的各自变量解耦，将多目标转化为多个独立的单目标函数；对多个独立的单目标函数，进行一致性优化，得到优化后的多个单目标函数；基于优化后的多个单目标函数，构建增强拉格朗日函数；基于梯度下降法，进行迭代计算，求解增强拉格朗日函数；将增强拉格朗日函数的解，确定为最优解。

11、在一种可能的实现方式中，基于优化后的多个单目标函数，构建增强拉格朗日函数，包括：

12、

13、其中，lρ(x,x0,λ)表示增强拉格朗日函数，x表示目标函数的多个优化变量的集合，xi表示目标函数中的第i个优化变量，x0表示一致化变量，fi(xi)表示第i个优化变量的连续代价函数，h(x0)表示归一化函数，λ表示第一惩罚因子集合，λ＞0，表示第i个第一惩罚因子，ρ表示第二惩罚因子，n表示优化变量的数量。

14、在一种可能的实现方式中，基于梯度下降法，进行迭代计算，求解增强拉格朗日函数，包括：基于如下公式，确定迭代计算过程中的迭代变量；

15、

16、其中，表示一致化变量第t+1次迭代时的取值，表示第i个优化变量第t+1次迭代时的取值，表示第i个第一惩罚因子在第t+1次迭代时的取值，表示第i个第一惩罚因子在第t次迭代时的取值，表示第i个第一惩罚因子的初始值，h(x0)表示归一化函数，x0表示一致化变量的初始值，ρ表示第二惩罚因子，xi表示目标函数中的第i个优化变量，n表示优化变量的数量。

17、在一种可能的实现方式中，基于梯度下降法，进行迭代计算，求解增强拉格朗日函数，包括：基于如下公式，确定迭代计算过程中的迭代变量；

18、

19、

20、c0＝1

21、

22、其中，xt+1表示第t+1次迭代时优化变量的集合；xt表示第t次迭代时优化变量的集合；yt+1表示第t+1次迭代时中间变量的集合；yt表示第t次迭代时中间变量的集合；yt-1表示第t-1次迭代时中间变量的集合；c0表示初始加速迭代步长；ct表示第t次迭代时加速迭代步长；ct-1表示第t-1次迭代时加速迭代步长；ct+1表示第t+1次迭代时加速迭代步长；α表示固定的迭代步长；表示函数f(x)针对xt的梯度值。

23、第二方面，本发明实施例提供了一种智能电网的任务分配装置，智能电网包括终端、多个雾节点和云计算中心；该任务分配装置包括：通信模块，用于获取终端产生的计算任务；处理模块，用于构建以计算任务的计算总时延最小为目标的目标函数，求解最优解，最优解包括终端、各雾节点和云计算中心执行计算任务的最优分配比例，以及终端向各雾节点发送数据时的发送功率；基于最优分配比例，将计算任务，划分为与各雾节点对应的多个子任务；以终端向各雾节点发送数据时的发送功率，向各雾节点发送与各雾节点对应的子任务。

24、在一种可能的实现方式中，处理模块，具体用于以计算卸载策略、计算资源和发送功率为自变量，以计算任务的计算总时延最小为目标，确定目标函数；计算卸载策略包括终端执行计算任务的比例和迁移到各雾节点的子任务由各雾节点执行计算任务的比例；计算资源包括终端执行计算任务时的计算速率和各雾节点执行计算任务时的计算速率；发送功率包括终端向各雾节点发送计算任务时的发送功率和各雾节点向云计算中心发送计算任务时的发送功率；以计算卸载策略、计算资源和发送功率的限值，以及计算总时延的限值，为目标函数的约束条件；基于目标函数和目标函数的约束条件，求解最优解。

25、在一种可能的实现方式中，处理模块，具体用于基于如下公式，确定目标函数；

26、

27、其中，χ表示计算卸载策略的集合，t表示计算任务的计算总时延，表示计算资源的集合，表示发送功率的集合，tk表示终端k的计算时延，表示终端k的计算时延的最大限值，表示终端的集合，表示终端k的计算能量，表示终端k将子任务传输给雾节点f的传输能耗，表示终端k执行计算任务的能耗限值，表示终端k执行计算任务所分配的计算速率，表示终端k执行计算任务所分配的计算速率的最大限值，表示雾节点f执行计算任务所分配的计算速率，表示雾节点f执行计算任务所分配的计算速率的最大限值，表示云计算中心执行计算任务所分配的计算速率，表示云计算中心执行计算任务所分配的计算速率的最大限值，表示属于终端集合的任意终端k，表示属于雾节点集合的任意雾节点f，pk表示终端k的发送功率，表示终端k的发送功率的最大限值，pf,c表示雾节点f的发送功率，表示雾节点f的发送功率的最大限值，xk表示终端执行计算任务的比例，xk,f表示迁移到雾节点f的子任务由雾节点f执行的比例；c1表示计算任务的计算时延限制，c2表示终端k的能量限制，c3表示计算任务的计算资源限制，c4表示终端k的发送功率限制，c5表示计算任务的计算卸载策略限制。

28、在一种可能的实现方式中，处理模块，具体用于基于计算卸载策略、计算资源和发送功率，对目标函数中的各自变量解耦，将多目标转化为多个独立的单目标函数；对多个独立的单目标函数，进行一致性优化，得到优化后的多个单目标函数；基于优化后的多个单目标函数，构建增强拉格朗日函数；基于梯度下降法，进行迭代计算，求解增强拉格朗日函数；将增强拉格朗日函数的解，确定为最优解。

29、在一种可能的实现方式中，处理模块，具体用于基于如下公式，构建增强拉格朗日函数，

30、

31、其中，lρ(x,x0,λ)表示增强拉格朗日函数，x表示目标函数的多个优化变量的集合，xi表示目标函数中的第i个优化变量，x0表示一致化变量，fi(xi)表示第i个优化变量的连续代价函数，h(x0)表示归一化函数，λ表示第一惩罚因子的集合，λ＞0，表示第i个第一惩罚因子，ρ表示第二惩罚因子，n表示优化变量的数量。

32、在一种可能的实现方式中，处理模块，具体用于基于如下公式，确定迭代计算过程中的迭代变量；

33、

34、其中，表示一致化变量第t+1次迭代时的取值，表示第i个优化变量第t+1次迭代时的取值，表示第i个第一惩罚因子在第t+1次迭代时的取值，表示第i个第一惩罚因子在第t次迭代时的取值，表示第i个第一惩罚因子的初始值，h(x0)表示归一化函数，x0表示一致化变量的初始值，ρ表示第二惩罚因子，xi表示目标函数中的第i个优化变量，n表示优化变量的数量。

35、在一种可能的实现方式中，处理模块，具体用于基于如下公式，确定迭代计算过程中的迭代变量；

36、

37、

38、c0＝1

39、

40、其中，xt+1表示第t+1次迭代时优化变量的集合；xt表示第t次迭代时优化变量的集合；yt+1表示第t+1次迭代时中间变量的集合；yt表示第t次迭代时中间变量的集合；yt-1表示第t-1次迭代时中间变量的集合；c0表示初始加速迭代步长；ct表示第t次迭代时加速迭代步长；ct-1表示第t-1次迭代时加速迭代步长；ct+1表示第t+1次迭代时加速迭代步长；α表示固定的迭代步长；表示函数f(x)针对xt的梯度值。

41、第三方面，本发明实施例提供了一种电子设备，其特征在于，所述电子设备包括存储器和处理器，该存储器存储有计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。

42、第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面以及第一方面中任一种可能的实现方式所述方法的步骤。

43、本发明提供一种智能电网的任务分配方法、装置及电子设备，通过构建以计算任务的计算总时延最小为目标的目标函数，求解最优解，计算得到终端、各雾节点和云计算中心执行计算任务的最优分配比例，以及终端向各雾节点发送数据时的发送功率。之后，按最优分配比例划分计算任务，并将各子任务按发送功率发送给各雾节点，实现了边端云的三层计算协作，提高了终端产生计算任务的计算效率，降低智能电网中终端产生的计算任务的计算时延，提高智能电网的任务处理能力。