技术特征：
1.一种基于深度强化学习算法的资源分配方法，其特征在于，包括：获取低压用户群中每个低压用户在各种负荷类型上的电力负荷数据，所述负荷类型包括不可控负荷、可转移负荷和可中断负荷；基于深度强化学习算法，根据所述电力负荷数据和资源配置信息得到最优总时延和对应的最优资源分配策略；其中，所述资源配置信息包括信道带宽总量和5g基站的边缘计算服务器的总计算频率，所述最优资源分配策略包括最优边缘计算频率值和最优信道带宽值，所述最优资源分配策略满足功耗指标、时延指标和可靠性指标；根据所述最优边缘计算频率值将所述总计算频率分配给每个所述低压用户，以便每个所述低压用户将所述电力负荷数据作为计算任务卸载到所述边缘计算服务器上进行边缘计算；根据所述最优信道带宽值将所述信道带宽总量分配给每个所述低压用户，以实现所述电力负荷数据的实时传输。2.根据权利要求1所述的基于深度强化学习算法的资源分配方法，其特征在于，所述功耗指标包括：边缘计算功耗和传输功耗。3.根据权利要求2所述的基于深度强化学习算法的资源分配方法，其特征在于，所述边缘计算功耗为：式中，为u
nm
的边缘计算功耗，x
nm
为卸载计算任务的决策变量，0<x
nm
≤1，s
nm
为u
nm
的计算任务数据大小，y
nm
为u
nm
每比特数据的计算复杂度，κ为边缘计算服务器的电容开关参数，为边缘计算服务器分配给u
nm
的计算资源的计算频率，u
nm
为第n个低压用户在第m个电力负荷的电力负荷数据。4.根据权利要求3所述的基于深度强化学习算法的资源分配方法，其特征在于，所述传输功耗为：式中，为u
nm
的传输功耗，p
nm
为u
nm
的数据传输功率，r
nm
为u
nm
的数据传输速率，b
nm
为u
nm
的信道带宽，d
nm
为u
nm
到边缘计算服务器的距离，α表示路径损耗指数，h
nm
为u
nm
的信道增益，n为噪声功率。5.根据权利要求4所述的基于深度强化学习算法的资源分配方法，其特征在于，所述时延指标包括：边缘计算时延和传输时延。6.根据权利要求5所述的基于深度强化学习算法的资源分配方法，其特征在于，所述边缘计算时延为：式中，为u
nm
的边缘计算时延。7.根据权利要求5所述的基于深度强化学习算法的资源分配方法，其特征在于，所述传
输时延为：式中，为u
nm
的传输时延。8.根据权利要求1所述的基于深度强化学习算法的资源分配方法，其特征在于，所述可靠性指标用边缘计算服务器的正常工作概率表示：式中，r
nm
为u
nm
所卸载的边缘计算服务器的正常工作概率，a
n
表示第n个用户通信传输模型的决策准确率，表示边缘计算服务器的故障参数，为u
nm
的边缘计算时延，u
nm
为第n个低压用户在第m个电力负荷的电力负荷数据。9.根据权利要求1所述的基于深度强化学习算法的资源分配方法，其特征在于，约束条件是指：且式中，r
nm
为u
nm
所卸载的边缘计算服务器的正常工作概率，为u
nm
能容忍的最低可靠性，e
nm
为u
nm
的总功耗，的总功耗，为u
nm
的边缘计算功耗，为u
nm
的传输功耗，为u
nm
设定的最大功耗，u
nm
为第n个低压用户在第m个电力负荷的电力负荷数据。10.一种基于深度强化学习算法的资源分配装置，其特征在于，包括：负荷数据获取模块，用于获取低压用户群中每个低压用户在各种负荷类型上的电力负荷数据，所述负荷类型包括不可控负荷、可转移负荷和可中断负荷；最优资源分配策略确定模块，用于基于深度强化学习算法，根据所述电力负荷数据和资源配置信息得到最优总时延和对应的最优资源分配策略；其中，所述资源配置信息包括信道带宽总量和5g基站的边缘计算服务器的总计算频率，所述最优资源分配策略包括最优边缘计算频率值和最优信道带宽值，所述最优资源分配策略满足功耗指标、时延指标和可靠性指标；计算资源分配模块，用于根据所述最优边缘计算频率值将所述总计算频率分配给每个所述低压用户，以便每个所述低压用户将所述电力负荷数据作为计算任务卸载到所述边缘计算服务器上进行边缘计算；通信资源分配模块，用于根据所述最优信道带宽值将所述信道带宽总量分配给每个所述低压用户，以实现所述电力负荷数据的实时传输。
技术总结
本发明公开了一种基于深度强化学习算法的资源分配方法及装置，包括：获取低压用户群中每个低压用户在各种负荷类型上的电力负荷数据，负荷类型包括不可控负荷、可转移负荷和可中断负荷；基于深度强化学习算法，根据电力负荷数据和资源配置信息得到最优总时延和对应的最优资源分配策略；最优资源分配策略包括最优边缘计算频率值和最优信道带宽值；根据最优边缘计算频率值将边缘计算服务器的总计算频率分配给每个低压用户以进行边缘计算，根据最优信道带宽值将信道带宽总量分配给每个低压用户以实现实时传输。本发明能获取最优时延值，能实现电力负荷数据的即时处理和实时传输，为电力需求响应提供高带宽、低功耗、高可靠性、高稳定性的通信支持。高稳定性的通信支持。高稳定性的通信支持。
技术研发人员：蒋雯倩 周密 张焜 张帆 陈俊 罗奕 林秀清 唐建林 赵誉洲 林晓明
受保护的技术使用者：南方电网科学研究院有限责任公司
技术研发日：2022.08.24
技术公布日：2022/11/25