[发明专利]基于边缘计算的电力物联网工作负载分配方法

权利要求书

1.一种基于边缘计算的电力物联网工作负载分配方法，其特征在于，具体步骤如下：

stp1、建立基于边缘计算的电力物联网架构，所述基于边缘计算的电力物联网架构包括现场层、边缘计算层、SDN网络层和QOS应用层；所述现场层中现场设备包括客户端设备或传感器设备；所述边缘计算层由网关和边缘服务器构成，所述边缘服务器布置在靠近现场设备的边缘侧部；所述网络层包括交换器和SDN控制器，边缘计算层中网关通过对应的TSN交换器与SDN控制器进行数据交换；

stp2、现场层将采集的数据上传至最近的边缘计算层；

stp3、边缘计算层中网关用于处理简单任务，边缘服务器作为数据通信的总接口，负责复杂任务处理；

st4、SDN网络层负责全局的控制和调度，SDN控制器首先会做全局拓扑图，收集网络链路参数和空闲的计算节点；当有任务计算请求出现时，SDN控制器搜索可使用的计算节点，并通过任务卸载算法建立服务时延最小化工作负载模型，将任务卸载给可使用的计算节点或本地的边缘计算层。

2.根据权利要求1所述的基于边缘计算的电力物联网工作负载分配方法，其特征在于：所述服务时延最小化工作负载模型建立过程如下：

区域内的边缘节点(EN)集合为I，表示为{EN₁,EN₂,EN₃,...EN_i}∈UE_I，终端设备(UE)的集合为J，表示为{UE₁,UE₂,UE₃,...UE_j}∈UE_J，其中UE_j的APP集合为K_j，第k类APP的请求用一个向量表示w_jk＝[l_jk,ω_jk]，l_jk表示第j个终端设备中第k个APP需要传输的数据量，ω_jk表示第j个终端设备中第k个APP任务的工作负载大小，即CPU需要执行的指令数量，根据一段时间内工作负载的数学统计，ω_jk服从泊松分布，定义服务时延d(X)为从请求在UE上产生到EN上处理完成的时间，即优化目标如下：

P1:min d(X)

其中，d(X)为从请求在UE上产生到EN上处理完成的时间，即所有UE发送的请求到EN上处理完成时间之和；

终端的服务时延为UE中APP时延的最大值，d_ijk表示UE_j上的k类APP的ω_jk分配到EN_i上的时延，UE_j的任务分配问题是一个K_j→EN_i的映射问题，即第j个UE上第k个app第i个EN上的映射，所有的UE整体APP的集合是一个J×K→EN_i的映射问题，

网络时延包括由于端口速率引起的传输时延和由于物理距离引起的传播时延，B_j是UE_j的端口发送速率，即单位时间内能够发送的数据量，r_ij是UE_j到EN_i的物理距离，c是无限或有线信道的传播速度，如下的网络时延

计算时延是由于CPU计算速率引起的时延，EN处理请求有两种方式，一种是基于排队论，一种是全部请求到达后开始处理，计算时延由下式表示：

V＝(v_ik)_I×K是表示EN中的VM分配矩阵，矩阵元素v_ik表示EN_i中VM_k的CPU处理速率，v_i表示EN中CPU的处理速率，在一个EN中所有VM的计算能力之和不应该大于EN的实际计算能力，即满足如下约束，

0≤v_ik≤v_i

X＝(x_ijk)_I×J×K是一个表示UE中的APP应用请求与EN映射的三维数组，数组元素的取值规定如下

其中一个任务ω_jk只能分配到一个EN进行处理，有如下约束，

表达出原始问题

x_ik∈{0,1}

提出改进粒子群的资源分配算法，以均衡化的任务分配方式作为边缘节点资源分配问题的条件，即如下问题

以均衡化的任务分配方式作为边缘节点资源分配问题的条件，即解问题

s.t.

0≤v_ik≤v_i

令得到资源分配矩阵P，元素p_ik表示边缘节点EN_i中VM_k的计算资源所占边缘节点EN_i总计算资源的比例，兙俥

s.t.

0≤p_ik≤1

利用蚁群算法中信息素的形式保存所有粒子的寻优经验信息，以路径选择的方式影响粒子群的速度，粒子属性主要有位置和速度，粒子ε的位置定义为资源分配矩阵P^ε，表示资源分配问题的一个可行解，速度定义为矩阵U^ε，表示粒子运动的方向，速度更新公式为

其中w为惯性权重，c₁ c₂为学习因子，r₁ r₂为区间(0,1)内的随机数，Pb^ε(n)为粒子ε前n次迭代搜索到的个体最优位置，Gb^ε(n)为种群前n次迭代搜索到的全局最优位置，位置更新公示为

P^ε(n+1)＝P^ε(n)+U^ε(n+1)

函数的作用是将速度限制在[-u_min,u_max]范围内，其中u_ik∈[-u_min,u_max],u_max为粒子速度的最大值，保证粒子位置不超过边界，的定义表示为

其中为P^ε的元素，表示粒子ε第n次迭代后的速度，为U^ε的元素，表粒子ε第n次迭代后的位置，问题目标为求服务时延的最小值，因此适应度函数为服务实验函数的倒数，适应度函数表示为

当这些精英粒子得不到及时更新时算法陷入局部最优时，该精英粒子为服务时延的最小值，从而选择最优卸载位置。