本發(fā)明屬于配微電網(wǎng)，涉及配微電網(wǎng)的算力資源的調(diào)度和控制技術(shù)，具體涉及一種在邊緣計算場景的用于配微電網(wǎng)的多頭多目標的算力調(diào)度方法。

背景技術(shù)：

1、隨著全球能源需求的不斷增長以及對可持續(xù)發(fā)展的迫切呼聲，分布式電力配電網(wǎng)作為一種創(chuàng)新的電力供應(yīng)形式，正在全球范圍內(nèi)逐漸受到廣泛的關(guān)注。配微電網(wǎng)建立在傳統(tǒng)電力系統(tǒng)的基礎(chǔ)上，融合了先進的無線通信網(wǎng)絡(luò)及新一代智能終端技術(shù)，形成了一個全新的先進信息交互電網(wǎng)系統(tǒng)。配微電網(wǎng)中涵蓋了多種復(fù)雜的應(yīng)用業(yè)務(wù)環(huán)節(jié)，如控制業(yè)務(wù)、采集業(yè)務(wù)和移動應(yīng)用業(yè)務(wù)，這些業(yè)務(wù)對算力資源的需求各不相同。因此，合理分配資源對于確保配微電網(wǎng)的高效運行和安全至關(guān)重要?？刂茦I(yè)務(wù)通過監(jiān)控和分析電力數(shù)據(jù)及其變化來及時定位故障并維持供需平衡；采集業(yè)務(wù)專注于搜集用電信息和監(jiān)測電力質(zhì)量，為電網(wǎng)的數(shù)據(jù)分析和優(yōu)化提供關(guān)鍵支持；移動應(yīng)用業(yè)務(wù)則利用如無人機和機器人的巡檢，通過實時視頻分析技術(shù)顯著減少人工操作，提升運維效率。許多這樣的業(yè)務(wù)可以受益于邊緣計算的實施，通過在電網(wǎng)系統(tǒng)的邊緣進行數(shù)據(jù)處理，可以提高響應(yīng)速度和系統(tǒng)效率。邊緣計算技術(shù)，通過在本地側(cè)直接為用戶提供服務(wù)，具有低時延和高可靠性的顯著優(yōu)勢，能夠顯著降低配微電網(wǎng)信息交互系統(tǒng)的通信延遲，并提高其時延對稱性。

2、在配微電網(wǎng)中，相關(guān)業(yè)務(wù)對低延遲和高可靠性有著嚴格的要求，同時邊緣節(jié)點常常面臨計算能力不足的問題。面對這樣的挑戰(zhàn)，在依賴于邊緣計算的業(yè)務(wù)需求持續(xù)增長和運營環(huán)境日益復(fù)雜的情況下，采用更先進的資源管理策略成為提高效率和穩(wěn)定性的關(guān)鍵。由于不同業(yè)務(wù)場景對算力資源有著不同的需求，這些需求隨時間和具體情況的動態(tài)變化。因此，在面對突發(fā)事件或高峰期時，部分邊緣計算節(jié)點可能承擔過重的計算任務(wù)，而在平時，則可能有大量資源處于未充分利用狀態(tài)。有效的資源管理策略應(yīng)能夠動態(tài)地調(diào)整資源分配，使邊緣算力資源的使用效率得到提升，從而保證系統(tǒng)的整體效率和穩(wěn)定性。

3、目前有很多邊緣計算場景下的資源調(diào)度策略的研究：例如參考文獻1[peng?q,wuc,xia?y,et?al.dosra:a?decentralized?approach?to?online?edge?task?schedulingand?resource?allocation[j].ieee?internet?of?things?journal,2021,9(6):4677-4692.]針對在線邊緣物聯(lián)網(wǎng)任務(wù)調(diào)度和資源分配問題，提出了一種去中心化方法，可以顯著減少卸載響應(yīng)時間，提高資源利用率。參考文獻2[tsourdinis?t,makris?n,fdida?s,etal.drl-based?service?migration?for?mec?cloud-native5g?and?beyond?networks[c]//2023ieee?9th?international?conference?on?network?softwarization(netsoft).ieee,2023:62-70.]通過深度強化學(xué)習(xí)技術(shù)，實現(xiàn)了邊緣服務(wù)的無縫實時遷移。參考文獻3[brandherm?f,gedeon?j,abboud?o,et?al.bigmec:scalable?servicemigration?for?mobile?edge?computing[c]//2022ieee/acm?7th?symposium?on?edgecomputing(sec).ieee,2022:136-148.]則提出了一種基于服務(wù)質(zhì)量的去中心化服務(wù)遷移決策算法，該算法結(jié)合了強化學(xué)習(xí)，能夠適應(yīng)未知環(huán)境，并考慮長期優(yōu)化布局更新的過渡成本。但上述現(xiàn)有的資源調(diào)度策略往往只聚焦于單一的優(yōu)化目標，這使得它們難以應(yīng)對電網(wǎng)運營中日益增長的復(fù)雜性和挑戰(zhàn)。特別是配微電網(wǎng)的邊緣計算業(yè)務(wù)場景中，考慮到算力資源的多樣性，采用綜合多個優(yōu)化目標的方法顯得尤為重要且具有實際意義。這種多目標優(yōu)化策略能更全面地平衡和滿足不同業(yè)務(wù)需求，提高整體系統(tǒng)的效能和可靠性。

4、綜上，在現(xiàn)有的配微電網(wǎng)技術(shù)中，特別是在邊緣計算環(huán)境下，面臨兩個主要的技術(shù)挑戰(zhàn)：首先，配微電網(wǎng)中的業(yè)務(wù)對算力資源需求往往會動態(tài)變化，然而邊緣節(jié)點的算力資源受到硬件和網(wǎng)絡(luò)條件的影響，會導(dǎo)致多種算力資源的利用效率不夠理想；其次，資源調(diào)度策略在實際部署時，可能會存在較長的調(diào)度時延，從而影響系統(tǒng)的響應(yīng)速度和處理能力。這些問題限制了配微電網(wǎng)系統(tǒng)的性能和可靠性，進而影響系統(tǒng)的整體效率和用戶體驗。

技術(shù)實現(xiàn)思路

1、針對上面問題，本發(fā)明提出了一種用于配微電網(wǎng)的多頭多目標的算力調(diào)度方法，應(yīng)用在邊緣計算場景中，實現(xiàn)優(yōu)化配微電網(wǎng)中的資源分配，提高配微電網(wǎng)整體的系統(tǒng)性能，并確保服務(wù)的穩(wěn)定性和響應(yīng)速度，以應(yīng)對不斷增長的計算需求和運營環(huán)境的復(fù)雜性。

2、本發(fā)明的一種用于配微電網(wǎng)的多頭多目標的算力調(diào)度方法，包括如下步驟：

3、步驟1)在場景中部署資源調(diào)度器，資源調(diào)度器在每個控制時刻感知配微電網(wǎng)中的微服務(wù)算力資源需求，并調(diào)度部署在邊緣服務(wù)器；其中微服務(wù)算力資源需求用微服務(wù)實例數(shù)表示，在資源調(diào)度器配置將微服務(wù)實例部署到邊緣服務(wù)器的優(yōu)化目標，設(shè)置各優(yōu)化目標的重要性權(quán)重；

4、所述的優(yōu)化目標包含：最小化各邊緣服務(wù)器中cpu使用率的差異和內(nèi)存使用率的差異，以及降低總時延；其中總時延是指所有微服務(wù)實例在邊緣節(jié)點間的遷移時延總和；設(shè)置的約束條件包含：每個微服務(wù)實例被唯一部署在一個邊緣服務(wù)器上，避免同一種微服務(wù)的實例集中部署在單一邊緣服務(wù)器上，所有微服務(wù)實例均被分配到邊緣服務(wù)器上，每個邊緣服務(wù)器上部署的所有微服務(wù)實例的每種算力的總需求不超過該邊緣服務(wù)器相應(yīng)的算力資源上限。

5、步驟2)資源調(diào)度器獲取當前t時刻所管理的各邊緣計算節(jié)點的各種算力資源使用情況，獲取t時刻配微電網(wǎng)微服務(wù)的實例部署情況，確定t+1時刻所需部署的配微電網(wǎng)微服務(wù)實例情況，然后根據(jù)得到的所有信息，執(zhí)行多頭nsga-ii算法，計算t+1時刻的微服務(wù)實例部署的最優(yōu)策略解集。

6、所述的多頭nsga-ii算法是根據(jù)優(yōu)化目標數(shù)量設(shè)置頭數(shù)，每個頭至少包含兩個優(yōu)化目標且不同頭的優(yōu)化目標組合不同，在每個頭使用nsga-ii算法對相應(yīng)的優(yōu)化目標組合進行優(yōu)化求解，nsga-ii算法中生成的種群個體代表一個將t+1時刻的微服務(wù)實例部署到邊緣服務(wù)器的策略；對每個頭的優(yōu)化目標組合并行執(zhí)行nsga-ii算法，獲取在不同優(yōu)化目標組合下的策略解集并合并為最優(yōu)策略解集。

7、步驟3，根據(jù)優(yōu)化目標的重要性權(quán)重在最優(yōu)策略解集中選出最優(yōu)策略，然后根據(jù)最優(yōu)策略，通過微服務(wù)實例的擴縮容和遷移，在t+1時刻實現(xiàn)配微電網(wǎng)微服務(wù)實例的再分配，實現(xiàn)算力資源的調(diào)度。

8、相比現(xiàn)有技術(shù)，本發(fā)明的優(yōu)點與積極效果在于：(1)本發(fā)明方法實現(xiàn)了在邊緣計算場景中對多種算力資源的高效分配，提高了配微電網(wǎng)整體的系統(tǒng)性能，并確保了服務(wù)的穩(wěn)定性和響應(yīng)速度，能夠適應(yīng)不斷增長的計算需求和運營環(huán)境的復(fù)雜性。(2)本發(fā)明方法通過應(yīng)用多頭nsga-ii算法進行不同優(yōu)化目標組合下的并行求解，在實現(xiàn)對多目標優(yōu)化高效并行處理的同時，由于這種創(chuàng)新結(jié)構(gòu)中，每個“頭”都專注于一個特定的優(yōu)化目標組合，這極大地增強了在處理含有多個相互沖突目標的電力調(diào)度問題時的求解性能，因此能夠更有效地平衡這些目標，并加速算法求解收斂至帕累托(pareto)最優(yōu)前沿。(3)傳統(tǒng)的多目標優(yōu)化算法在處理高維目標問題時，特別是擁擠距離計算在高維空間中的效率不佳，這常常導(dǎo)致種群多樣性的不足，因此獲取的優(yōu)化策略集有限。本發(fā)明方法通過引入多頭注意力機制，每個“頭”能夠更有效地管理其關(guān)注的目標子空間，能夠改善了種群的多樣性及整體的搜索性能，相比傳統(tǒng)的nsga-ii算法，本發(fā)明改進的多頭nsga-ii算法能獲取更多更優(yōu)的調(diào)度策略，每個“頭”也可以獨立調(diào)整其搜索策略，不僅增強了處理多目標問題的并行能力，還顯著優(yōu)化了搜索效率，能更加高效的獲取更優(yōu)、更可靠的算力資源調(diào)度策略。