分布式能源、可调负荷及储能装置大规模接入配电网运行带动“源-网-荷-储”调控模式的转变,配电网与分布式资源之间频繁双向互动对通信网全面感知与广域传输能力提出更高要求。电力物联网与5G的融合通过云-边-端多层级资源的深度协同提...分布式能源、可调负荷及储能装置大规模接入配电网运行带动“源-网-荷-储”调控模式的转变,配电网与分布式资源之间频繁双向互动对通信网全面感知与广域传输能力提出更高要求。电力物联网与5G的融合通过云-边-端多层级资源的深度协同提供有效的解决方案。针对现有云-边-端协同技术在电力物联网与5G融合应用面临的与电力业务需求适配性不足、异构资源调度协同性差、数据隐私安全难以保障等挑战,文章提出电力物联网5G云-边-端多级协同框架,支撑分布式资源与配电网的协同互动;在此基础上,基于联邦深度Q学习,提出基于半分布式人工智能的云-边-端协同资源调度方法,在高可靠低时延约束下实现端侧任务卸载、功率控制与云侧/边侧计算资源分配的协同优化;最后,通过算例分析验证该技术在能耗、时延、吞吐量等方面的性能优势,同基于层次分析法和深度Q学习的边缘网络任务卸载算法(distribution offloading algorithm based on analytic hierarchy process and deep Q network,AHP-DQN)和能量感知边缘计算移动管理算法(energy-aware mobility management algorithm for mobile edge computing,EMM)相比,平均吞吐量分别提高15.29%和23.87%,总排队时延分别降低53.35%和62.20%,能够满足电力物联网业务差异化通信需求,支撑分布式资源接入配电网双向互动。展开更多
文摘分布式能源、可调负荷及储能装置大规模接入配电网运行带动“源-网-荷-储”调控模式的转变,配电网与分布式资源之间频繁双向互动对通信网全面感知与广域传输能力提出更高要求。电力物联网与5G的融合通过云-边-端多层级资源的深度协同提供有效的解决方案。针对现有云-边-端协同技术在电力物联网与5G融合应用面临的与电力业务需求适配性不足、异构资源调度协同性差、数据隐私安全难以保障等挑战,文章提出电力物联网5G云-边-端多级协同框架,支撑分布式资源与配电网的协同互动;在此基础上,基于联邦深度Q学习,提出基于半分布式人工智能的云-边-端协同资源调度方法,在高可靠低时延约束下实现端侧任务卸载、功率控制与云侧/边侧计算资源分配的协同优化;最后,通过算例分析验证该技术在能耗、时延、吞吐量等方面的性能优势,同基于层次分析法和深度Q学习的边缘网络任务卸载算法(distribution offloading algorithm based on analytic hierarchy process and deep Q network,AHP-DQN)和能量感知边缘计算移动管理算法(energy-aware mobility management algorithm for mobile edge computing,EMM)相比,平均吞吐量分别提高15.29%和23.87%,总排队时延分别降低53.35%和62.20%,能够满足电力物联网业务差异化通信需求,支撑分布式资源接入配电网双向互动。
