基于软件定义网络的电网边缘计算资源分配

针对电网节点中边缘服务器资源受限问题,提出了一种基于软件定义网络的边缘计算框架.采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)强化学习算法对边缘服务器中的计算、存储资源进行合理分配.首先建立应用于电网中的基于软件定义网络的边缘计算模型,得到边缘服务器计算存储资源及任务时延的约束条件,分析得到需处理的MINIP问题.使用Tensorflow搭建仿真环境并执行强化学习算法,实现电网边缘节点对边缘服务器存储计算资源的最优利用.结果表明,强化学习算法中的回复值呈上升趋势,采用DDPG进行分配的系统总延时更低....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 49; no. 20; pp. 136 - 143
Main Authors 尚立, 蔡硕, 崔俊彬, 纪春华, 崔康佳, 李保罡
Format Journal Article
LanguageChinese
Published 国网河北省电力有限公司信息通信分公司,河北 石家庄 050000%华北电力大学电气与电子工程学院,河北 保定 071003 16.10.2021
Subjects
软件定义网络;边缘计算;资源虚拟化;资源分配;强化学习
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.201623

Cover

More Information
Summary:针对电网节点中边缘服务器资源受限问题,提出了一种基于软件定义网络的边缘计算框架.采用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)强化学习算法对边缘服务器中的计算、存储资源进行合理分配.首先建立应用于电网中的基于软件定义网络的边缘计算模型,得到边缘服务器计算存储资源及任务时延的约束条件,分析得到需处理的MINIP问题.使用Tensorflow搭建仿真环境并执行强化学习算法,实现电网边缘节点对边缘服务器存储计算资源的最优利用.结果表明,强化学习算法中的回复值呈上升趋势,采用DDPG进行分配的系统总延时更低.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.201623