基于边缘计算的低时延配电自动化业务传输方法与流程

1.本发明涉及一种配电传输方法，尤其是一种基于边缘计算进行的低时延配电自动化业务传输方法，属于电力输送技术领域。


背景技术：

2.随着信息技术的发展，电力系统也逐渐在向智能化和可持续方向转变。智能电网已经成为电力系统未来发展的主要方向。为了实现经济高效、友好开放的目的，计算技术、智能控制技术和网络通信技术均在智能电网中发挥着重要作用。其中，配电自动化是以一次网架和设备为基础，利用计算机及其网络技术、通信技术等技术，将配网设备的数据进行信息整合，对配电网正常运行及事故情况下的监测、保护及控制等。配网通信一般采用主干层和接入层两层结构组，变电站至配网终端之间的接入部分采用多种通信方式，主要包括工业以太网通信、无源光纤通信和无线公网通信。其中，无线公网通信主要包括gprs、cdma、3g等。无线通信方式中，当下最具代表性的就是5g通信技术，5g技术为电力行业提供了新的无线接入方式，能更好地满足电网业务的安全性、可靠性和灵活性需求。
3.noma技术作为5g物理层的关键技术之一，可以通过时频资源的复用和大规模连接的用户分组，提高频谱效率。pdma技术是一种新的noma技术。通过空间域、功率域、码域的单独或联合的使用，在发送端来区分多个用户信号，同时多个用户共享相同的时频域资源。与其他noma技术相比，pdma可以充分利用多维域处理，对共享相同资源的用户数量没有限制，能够支持不同的信道条件，适应不同的模式，具有应用范围更广、灵活性更高的优点。


技术实现要素：

4.为了满足未来配电自动化移动数据流量不断增长的需求，本方法选择pdma通信系统作为无线公网通信方式，以此来提升网络容量，并对其性能进行分析和验证。
5.边缘计算是一种分布式网络框架，其中数据和应用服务提供商将服务器处理转移到尽可能靠近最终用户的地方。5g连接的出现将扩大移动和物联网设备的使用范围，为边缘计算带来了新的机遇和挑战。对于配电网而言，边缘计算技术的应用意味着众多的配电网调节控制措施将通过本地设备，在本地边缘计算层完成。这将处理速度从分钟缩短到毫秒，以便更快地做出关键和时间敏感的决定，同时大大减轻云端的运算量，从而获得更好的扩展性、灵活性和成本弹性，改善用户体验。为了降低传输时延，通过边缘计算，采用基于lodco的贪心算法，将配电任务分配到各个边缘节点，提升系统的整体传输性能。
6.本发明采用的技术方案为基于边缘计算的低时延配电自动化业务传输方法，
7.实现该方法的技术描述过程如下：
8.步骤1，无线公网配电信号生成。
9.无线公网的移动通信蜂窝如图3所示。在蜂窝移动通信系统中，把信号覆盖区域分为多个六角蜂窝状的小区。每个分区被分配了多个频率，具有相应的基站。在其它分区中，可使用重复的频率，但相邻的分区不能使用相同频率，这会引起同信道干扰。所有基站(bs)
与移动交换中心(msc)之间可通过光纤传输信息。
10.步骤2，pdma传输关键技术。
11.为了有效提高无线公网的通信性能，在基站到移动台(ms)的传输过程中采用pdma技术来抵抗配电网信道传输特性的影响，增大系统容量。pdma的上行发送如图4所示。在发送端，对第k个用户的传输信号bk进行信道编码，得到编码后的信号ck，再进行星座映射，可以得到调制信号xk，然后再进行pdma编码，得到编码调制向量sk，最后再进行pdma资源映射和ifft变换，完成发送端的信号处理。
12.步骤2.1，pdma信号传输。pdma编码器输入的xk，输出是编码调制向量sk可以表示为sk＝fkxk,1≤k≤k，其中，fk是用户k的pdma图样，k个用户的编码图样构成的维度是n
×
k的pdma图样矩阵
13.步骤2.1，pdma图样编码。pdma编码调制向量通过pdma图样矩阵，映射到相应的时频资源进行传输。因此pdma图样矩阵的选择与设计，对pdma系统传输信号的整体性能有较大的影响。
14.pdma图样定义了数据流到资源块的映射规则，通过给每个用户分配不同的图样，所有用户的图样组合成一个图样矩阵。当用户数为k时，过载率可以表示为图6为所对应的pdma多用户图样映射。其中，行表示资源，列表示用户。图6对应的图样矩阵可以表示为
15.其中，图样中向量元素的值“1”和“0”，分别表示用户k的数据是否映射到资源块n上。例如，用户1在资源块1、2、3上发送数据，用户2在资源块1、2上发送数据。
16.步骤2.3，pdma接收信号。接收信号可以表示为n表示接收到的干扰和噪声，hk表示用户k的信道响应，diag(hk)表示对角线元素为hk的对角矩阵，上式可具体表示为对于下行链路，第k个用户的pdma接收信号可以表示为
17.步骤3，通过边缘计算提升业务的实时响应速度与数据的处理效率。
18.边缘计算是指在靠近智能终端设备的边缘网络一侧，利用智能设备本身的计算能力和分配到的计算资源处理、存储一定量的数据，从而减轻云计算中心的负担，实现物联网系统更加高效平稳的运行。
19.移动边缘计算系统如图5所示，由n个移动设备和m个mec服务器组成，移动设备(md)可以通过无线信道访mec服务器，并代替移动设备执行计算任务。通过将部分计算任务转移到mec服务器，移动设备可以享受更高质量的计算体验。边缘计算实现的具体步骤如下：
20.步骤3.1，由于每个移动设备的位置在不同的时间段中有所不同，定义在时间段t
内移动设备n和mec服务器m之间的距离为时间段t的长度为τ，确保每个移动设备不超出限定区域。
21.步骤3.2，以代表一个计算任务，其中s表示任务的输入大小，τd表示执行期限。在移动设备上运行的计算任务被建模为独立同分布的伯努利过程。具体来说，在每个时间段的开始，移动设备以概率ρ获得计算任务。如果移动设备n在时间段t开始时获得计算任务则表示为假设τd＜τ，且计算请求的队列中没有可用的缓冲区。
22.步骤3.3，每个计算任务可以在移动设备上执行，也可以卸载到mec服务器上执行，也可能出现两种计算模式都不可行的情况，如移动设备能量不足，计算任务将被放弃。定义作为移动设备n的计算模式的索引。当和分别表示时间段t内移动设备n获得的计算任务在移动端执行或被卸载到mec服务器执行，而则表示计算任务被放弃了。因此，计算模式索引应满足以下约束
23.处理1bit输入数据需要的cpu周期数为l，那么为了成功执行计算任务需要w＝sl个cpu周期。时间段t内w个cpu周期的频率分别为它可以利用动态电压和频率调节(dvfs)技术调整芯片电压。
24.步骤1.4，如果移动设备n选择将任务卸载到mec服务器m，定义索引为在选择计算卸载模式时，假设每个计算任务只分配给一个服务器，则
25.步骤3.4，假设无线信道为独立同分布的块衰落，即信道在每个时隙内保持静态，但在不同时隙之间变化。定义信道功率增益为其中为小尺度衰落信道功率增益，满足均值为1的指数分布，d0为参考距离，α为路径损耗指数，而u0则为路径损耗常数。利用香农公式可以求得可达信息率为其中ω为系统分配带宽，σ是接收端的噪声功率，是传输功率且不超过最大传输功率。mec服务器的系统带宽被均分成λ个子带，为每个移动设备安排的子带大小为ω＝1mhz。
26.步骤3.5，假设mec服务器最多可以并行执行q个计算任务，则满足移动设备n对应的能耗为
27.步骤4，lodco的贪心算法实现。
28.由于在选择卸载计算模式时任意两个移动设备之间存在相关性，针对多用户和多服务器的mec系统，本文选择基于lodco的贪心算法进行验证。
29.步骤4.1，定义决策向量其中而且向量l
t
中元素取值为0或1。因此，可设一个新的目标函数其中，其中，vφ
分别为选择移动端执行、卸载到mec服务器m执行或任务丢弃时的最优值。
30.步骤4.2，约束条件可以分别合并和修改为修改为步骤4.2，约束条件可以分别合并和修改为修改为其中，当时，和φ的取值也均为0，以保证没获得计算任务的移动设备n不会选择新的计算模式。
31.与现有技术相比，本发明具有以下优点：
32.(1)与其他noma技术相比，pdma可以充分利用多维域处理，对共享相同资源的用户数量没有限制，能够支持不同的信道条件，适应不同的模式，具有应用范围更广、灵活性更高的优点。在无线接入网中采用非正交多址的传输方式，对电力信息进行传输，增大传输容量和系统吞吐量。
33.(2)对于配电网而言，边缘计算技术的应用意味着众多的配电网调节控制措施将通过本地设备，在本地边缘计算层完成。这将处理速度从分钟缩短到毫秒，以便更快地做出关键和时间敏感的决定，同时大大减轻云端的运算量，从而获得更好的扩展性、灵活性和成本弹性，改善用户体验。为了降低传输时延，本文通过边缘计算，将配电任务分配到各个边缘节点，提升系统的整体传输性能。
34.(3)贪心算法是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。贪心选择后的问题简化为规模更小的类似子问题的关键在于利用该问题的优子结构性质。lodco贪心算法不需要太多先验知识，并且继承了lodco算法的所有优势，完美地适应了更复杂的环境。该算法可以尽可能地选择卸载模式，从而充分发挥资源有限的mec服务器的优势。
附图说明
35.图1电力系统配电示意图。
36.图2基于边缘计算的配电网络架构示意图。
37.图3无线公网的移动通信蜂窝示意图。
38.图4 pdma上行发送过程图。
39.图5有多用户多服务器的mec系统图。
40.图6多用户图样映射图。
41.图7 pdma与oma系统传输吞吐量比较图。
42.图8移动设备电池电量变化图。
43.图9时延随移动用户数量变化图。
具体实施方式
44.智能电网是融合了工业互联网、智能通信等新技术的现代电力网络，随着5g、边缘计算等新技术的发展，智能电网已成为电力信息系统研究中的热点问题。配电通信组网是智能电网的重要组成部分，对该技术的研究可以进一步满足智能配电业务对通信带宽和可靠性的要求。本方法首先在无线接入网中采用非正交多址的传输方式，通过pdma传输对电力信息进行传输，增大传输容量和系统吞吐量。同时，采用基于lodco的贪心算法，通过边缘
缓存的方式，将配电任务分配到各个边缘节点，通过分布式计算降低时延，提升系统的整体传输性能。
45.实施方式包括以下步骤：
46.步骤s10，在无线公网传输环境下，生成适合传输的通信信号；
47.步骤s10，在无线接入网中采用pdma的传输方式，对电力信息进行传输；
48.步骤s20，定义边缘计算的初始距离及限定位置；
49.步骤s30，运行的计算任务被建模为独立同分布的伯努利过程；
50.步骤s40，通过所述移动设备的功率电量水平，以计算所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率；
51.步骤s50，根据所述移动设备的中央处理器的最佳周期频率，以及卸载最佳传输功率，以计算任务本地执行的执行成本以及任务卸载执行的执行成本；
52.步骤s60，定义决策向量，并设置lodco贪心算法约束条件；
53.步骤s70，通过贪心算法将问题简化为规模更小的类似子问题，发挥资源有限的mec服务器的优势。
54.下面给出应用本发明的实验结果。
55.在本方法中，对pdma传输容量和lodco贪婪算法性能进行了仿真。仿真参数值如表1所示。
56.表1仿真参数设置
[0057][0058]
图7中比较了分别采用pdma与oma传输时，系统的吞吐量比较。从图中可以观察到，在相同的信噪比(snr)条件下，pdma传输系统的吞吐量明显高于oma，且随着snr的增大，吞吐量也逐渐变大，并趋于平稳。这是因为，在传输资源数相同的情况下，noma有更高的过载率，可以为更多的用户提供服务，所以吞吐性能提升明显。
[0059]
图8展示了采用lodco贪心算法进行移动边缘计算时，移动设备的电池电量变化趋势。其中，每条实线分别表示每个移动设备的能量水平变化情况，虚线代表扰动参数。每个移动设备的能量水平在早期不断积累，最终稳定在扰动的能量水平附近。在本文设置的仿真参数下，每个移动设备的电池电量在200个时隙左右开始趋于稳定。这是由于在lodco贪
心算法中，李亚普诺夫漂移加惩罚函数的上界在每个时隙都是最小的。
[0060]
图9给出了采用lodco算法和基于lodco贪心算法时，系统中移动用户数与系统总时延的关系。从图中可以看出，采用lodco贪心算法进行移动边缘计算时，随着移动用户数量的增加，时延有明显降低。这表明将任务卸载到mec服务器执行的执行成本要比留在移动端执行的执行成本要低，可以有效的解决解决了执行延迟和任务失败的问题，更适用于设备密集场景。