面向5G边缘计算网络的联合需求响应与任务卸载策略

随着物联网通信计算需求激增,5G通信与边缘计算网络逐步成为新兴的高能耗负荷。针对5G边缘计算网络用电成本高的问题,提出了联合任务卸载与需求响应策略。所提策略基于任务卸载与基站储能单元充放电动作,在高电价时段联合优化计算、通信与储能资源分配或者牺牲部分时延性能以削减用电成本,在分时电价机制中为电网提供响应能力。针对优化目标为混合整数非线性规划问题,进一步提出结合网络场景划分的广义benders分解算法,将问题解耦为任务卸载决策主问题与充放电以及资源分配子问题,降低问题求解复杂度。仿真结果表明：相比于仅考虑任务卸载和仅考虑通信资源调度的响应策略,所提策略降低了用电成本并避免时延性能恶化。     

面向新型电力系统的边缘缓存与计算资源迁移策略

随着以新能源为主体的电力系统的发展，分布式特征明显，终端设备数量剧增。海量用电负荷的调度和控制面临着时延过高和计算效率不足等问题，亟待建立高效的通信网络以有效提高电力系统的运行效率和可靠性。针对现有边缘计算技术与电力系统结合中未考虑在边缘网络资源管理中服务缓存和虑拟机(virtual machine, VM)迁移的联合优化问题，基于任务卸载模型、服务缓存模型和VM迁移模型，提出了一种联合服务缓存和VM迁移的边缘资源分配策略，旨在提高系统性能。针对服务缓存与VM迁移联合优化的耦合性问题，将原问题解耦成两个子问题的方法进行迭代求解，以实现更优的资源分配效果。仿真结果进一步证明了所提策略在性能方面表现更优，与其他方案相比可以得到更低的任务处理时延。     

面向区块链电力接入网的边缘计算资源分配策略

新型电力系统发展亟需安全高效的电力边缘通信网络支撑。现有工作重点讨论了区块链技术在电力通信网的应用模式,但未考虑区块链引入电力通信网引起的传输性能恶化问题。对此,提出一种面向区块链电力接入网的边缘计算资源分配策略。首先,提出一种基于区块链资源管理架构,以最小化网络时延为目标构建联合虚拟机资源分配与通信资源调度模型;其次,针对优化问题为混合整数非线性规划,提出一种基于广义Benders分解的计算资源优化算法获取问题最优解。仿真算例表明：所提算法在不同用户请求任务需求及计算资源不足时有效削减计算任务处理时延,解决了区块链应用在电力通信网导致通信质量下降的问题。     

面向智能电力巡检的高可靠低时延移动边缘计算技术

移动边缘计算为满足巡检机器人爆发式增长的通信和计算需求提供了一种有前景的架构,巡检机器人可将采集的高清视频传输到临近的边缘服务器进行数据处理和设备状态研判。然而,全局信息缺失、电池容量受限、高可靠低时延通信约束等对任务卸载优化提出了挑战。考虑对任务卸载而言至关重要的信道选择问题。基于强化学习和李雅普诺夫优化,提出了一种联合能量感知、高可靠低时延通信感知和任务优先级感知的信道选择算法。该算法在全局信息未知的情况下,动态优化信道选择策略,在最大程度满足长期能耗与高可靠低时延通信约束的同时实现巡检机器人效用最大化。并利用变电站实测数据得到的信道模型和电磁干扰模型对所提算法进行性能评估,其结果验证了该算法在真实场景中的有效性和可靠性。     

基于平均场博弈的电动汽车计算卸载及能源管理联合策略

在能源互联网中,电动汽车(EV)不仅是一种能够参与能源需求响应的分布式移动能源节点,也是一种能够执行计算任务并通过无线传输将部分任务卸载给移动边缘计算(MEC)中心的计算节点。由于计算耗能不可忽略,文中从优化成本的角度考虑具有计算需求及能源需求的大规模EV的计算卸载及能源管理问题。考虑到EV的传输速率和充放电功率等策略受其他EV策略的影响,将EV的决策过程建模为平均场博弈(MFG)模型。首先,定义并计算MEC计算价格、传输干扰和瞬时电价等平均场项;然后,通过求解HJB-FPK方程组得到基于MFG的最优计算卸载及能源管理策略。算例分析结果表明了所提策略不仅具有最优的经济效益,而且在维护电网稳定运行方面具有明显的优越性。     

考虑5G通信和共享储能的产消者实时调控优化策略

随着分布式可再生能源高比例接入电网,产消者逐渐成为需求侧协调优化的重要角色,同时海量资源的响应时延问题在需求侧实时调控中也愈加明显。为此,结合5G技术赋能,提出一种考虑5G通信和共享储能的产消者实时调控优化策略。首先,构建了基于5G云边端协同的产消者实时调控架构;然后,从传输时延和计算时延两方面构建了基于5G的调控业务时延模型;在此基础上,建立了考虑时延补偿和能量-容量共享储能服务的实时运行优化模型,其中上层目标函数为聚合商的收益最大,下层目标函数为产消者的总运行成本最小。最后,仿真结果表明,所提策略可有效降低时延导致的负荷偏差,提升新能源消纳能力,同时可提高聚合商运营收益、降低产消者用能成本,实现需求侧资源快速精准调控。     

考虑5G通信负荷协同优化的云边计算网络能量管理模型

随着物联网发展，数据中心与5G网络相继成为可观的用能负荷，给低碳网络建设带来挑战。降低计算网络对电网负担，提升可再生能源应用比例并削减购电成本是实现低碳计算目标面临的重要议题。该文首先建立考虑电网、可再生能源混合供能的跨域数据中心与5G边缘计算网络用能调度模型；基于信息-能源流耦合性，提出联合任务卸载、功率控制与云边计算负载迁移策略，实现网络购电成本的空间转移、削减；其次，考虑时延、服务机制与能耗的耦合性，设计基于主从博弈的云计算服务定价机制，鼓励计算资源共享实现云边用能行为优化。仿真分析表明，所提方法能够提高云边网络合作积极性，有效减少各方网络主体的购电成本并降低电网负载压力。     

基于算力-能量全分布式在线共享的5G网络负荷管理策略

5G与边缘计算等信息基础设施海量部署造成运营商用电成本上升,需推动边缘网络与电网的能量互动以节能降本。现有研究重点关注边缘网络参与日前经济调度,未考虑可再生能源和网络流量双重随机性造成的网络能量供需不平衡问题。针对强随机环境下的网络负荷管理问题,提出面向虚拟化边缘网络的能量实时管理策略。首先,以网络用能成本最小化为目标,构建联合网络资源管理、储能充放电与能量共享模型。其次,针对未来网络信息未知无法直接求解的问题,提出基于随机对偶次梯度法的在线管理策略。然后,针对资源共享涉及运营商隐私问题,提出全分布式的计算资源与能量协同共享算法。最后,仿真验证表明,所提在线算法在无需先验知识的前提下有效减少了5G边缘网络的用能成本。     

计及峰谷平滑效益的需求响应和电池储能系统调度联合优化策略

现有需求响应决策未考虑储能调度等影响因素,电池储能运营商基于固定需求响应结果进行储能调度决策,联合优化结果难以使系统获得最优综合效益。为此,建立了需求响应和电池储能系统调度联合优化机制以及基于联合优化策略的需求响应和电池储能系统调度决策模型。采用基于离散参数规划的线性优化策略,以等步长形式迭代求解非线性优化模型的最优分时电价和最优储能调度策略;建立基于联合优化策略的峰谷平滑效益模型,用于评估电力系统削峰填谷的单位成本。算例分析结果表明,所提需求响应和电池储能调度联合优化策略能有效削峰填谷并提高系统整体的经济性。     

考虑需求响应与储能寿命模型的火储协调优化运行策略

针对大规模新能源并网带来的系统调峰和消纳难题,以及已有优化调度策略对储能寿命成本考虑不足的问题,提出了一种考虑需求响应与储能寿命模型的火储协调优化运行策略。上层通过分时电价引导用电,以净负荷波动性最小为目标得到优化后的负荷曲线,旨在减轻火储的调峰压力、提高新能源消纳量;下层以系统总调度成本最低为目标协调优化风光火储运行,考虑火电深度调峰并在优化调度中嵌入储能寿命模型,求解得到各电源以及储能的最优运行方式。以某区域实际系统为例进行仿真,结果表明所提策略可以有效改善系统的调峰压力,提高新能源消纳能力,同时合理反映了储能的寿命成本,提高了系统运行的经济性。     

面向电力物联网的5G移动边缘计算任务卸载方法

由于传统云计算范式已无法满足电力物联网日益增长的计算需求,文章引入5G移动边缘计算用于实现计算任务的就近处理,并将长期能耗约束与业务优先级考虑在内,将其中的任务卸载问题建模为长期时延优化问题.进一步利用Lyapunov优化将之转化为一系列短期的确定性优化问题,并对其理论上界加以分析,利用基于梯度价格的拍卖算法,可实现通...     

基于SDN与NFV的电力5G网络切片差异化资源分配方案

基于SDN与NFV技术框架,以满足电力多业务差异化需求为目标,设计了面向大规模采集类业务、低时延电力工控业务、移动大带宽巡检类业务等场景的电力5G网络切片方案;建立了从电力业务需求到网络切片通信、计算资源的映射模型,揭示了两者之间的作用机理与转换关系.以电力多业务传输带宽、时延以及计算资源需求为约束条件,建立了电力5G多业务网络切片运行经济性最优数学模型,提出网络切片通信与计算资源的联合分配算法,实现了电力网络切片资源高效、经济利用.     

考虑电动汽车和5G基站的电力-信息-交通耦合网络需求响应策略

电动汽车(EV)是具有移动负荷和通信用户双重属性的主体,为充分挖掘其参与需求响应产生的可调度潜力并降低电网负荷波动,提出了电力-信息-交通网络耦合背景下EV和5G基站需求响应策略。首先,分析了EV和5G基站参与下的多网络耦合关系。其次,建立了EV集群和5G基站集群的灵活性模型。基于此模型,提出了两阶段需求响应优化调度策略：第1阶段以通信成本最小为目标,为EV提供充电导航和路径规划并优化基站用能模式;第2阶段以配电网负荷波动最小为目标,制定EV的充放电策略。最后,通过某城市交通模型的测试,分析了调度策略对基站运行、配电网负荷、潮流和用户的影响,验证了模型和方法的有效性。     

面向新型电力系统的最小服务延迟的负载分配算法研究

边缘计算依托其在网络边缘的技术和部署优势,能够实时采集终端设备的运行情况,并按需完成数据云台的上传,有效缓解了云端处理器的工作压力,降低数据实时回传的延时。然而,资源有限的单一边缘节点的固有特性可能依然无法满足大规模接入的新型电力业务的延迟要求。对此文中研究了满足较低服务延迟的工作负载分配策略。考虑到网络时延和计算时延,构建了一种基于多个边缘计算节点的工作负载分配模型,以最小化新型电力系统场景下的服务时延。此外,为进一步降低多种新型电力业务终端的服务时延,制定了一种工作负载分配机制。在初始化阶段,通过任务平衡算法来改善边缘节点间的工作负载平衡。为了有效保证资源分配的合理性,提出了一种改进的粒子群优化算法,实现边缘节点的CPU资源的合理分配。基于半定规划算法,将网络资源做到更有效地分配。最终通过仿真实验,表明了所提的分配策略更加有效。     

融合路网-电网信息的电动汽车充放电行为引导与调控策略

在智慧城市理念快速发展的背景下,电动汽车（EV）无引导的出行与无序的充放电行为影响着电力-交通耦合网络的安全高效运行。针对此问题,提出一种融合路网-电网信息的EV充放电行为引导与调控两阶段优化策略。首先,分析电力-交通耦合网络的交互影响因素和方式,提出EV充放电出行路径引导和调控架构;其次,提出融合路网-电网信息的EV充放电出行决策电价动态更新策略,并建立计及用户时间-经济成本的EV充放电出行路径决策优化模型;然后,兼顾多方主体利益,建立EV充放电调控模型;最后,仿真结果表明,所提策略能够综合考虑路网和电网实时运行状态,充分挖掘EV在路径引导与充放电调控过程中的可调潜力,实现系统协调运行和多方共赢。     

车联网中基于任务紧急性的联合卸载方案

在车联网中,任务卸载可以有效地解决车辆的存储资源和计算资源不足的问题,单个的 MEC(mobile edge computing)服 务器通常无法满足车辆密集区域的任务卸载需求。 针对上述不足,设计了一种多 MEC 服务器的联合卸载方案( joint offloading method based on task urgency, JOMTU)。 车辆递交任务卸载请求给本地 MEC 服务器时,后者在负载严重的情况下,会根据任务 的紧急性和服务器负载情况等因素,将任务发送给附近 MEC 服务器处理以满足任务的截止日期要求。 仿真实验结果表明,与 传统的方案相比,所提出的方案将系统的整体任务失败率降低 17%,并且优化了整个网络的服务器负载情况、增加了网络的可 靠性。     

V2G模式下微网电动汽车有序充电策略研究

为了应对V2G(Vehicle-to-Grid)模式下大规模电动汽车接入给电网带来的诸多挑战,针对现有电动汽车调度策略对大规模电动汽车充放电需求考虑不足的问题,提出一种微电网电动汽车有序充电策略。调度策略可根据当前微电网负荷状态、电动汽车充电需求等实时数据,采用模糊控制算法优化安排电动汽车充电计划,满足电动汽车充电需求同时实现对电网的削峰填谷。利用该调度策略对某配电区域600辆电动汽车进行充电,并与传统即时充电策略进行比较分析。仿真结果表明,基于模糊控制算法的电动汽车有序充电策略能够有效避免大量电动汽车接入电网引起负荷尖峰的问题,为电网提供削峰填谷的服务,实现用户和电网的双赢。