(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111577683.3 (22)申请日 2021.12.2 2 (71)申请人 安徽继远软件 有限公司 地址 230088 安徽省合肥市高新区习友路 1800号 (72)发明人 吕玉祥　向辉　汪玉成　杨阳　 董亚文　陈巨龙　吴昊　陈颢　 王红艳　吴辉　杜广东　王红全　 严世鑫　吴堃　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 专利代理师 刘兵 (51)Int.Cl. G06F 30/25(2020.01) G06N 3/00(2006.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 111/04(2020.01) G06F 111/08(2020.01) G06F 119/12(2020.01) (54)发明名称 面向5G云边端协同的电力业务分解方法及 系统 (57)摘要 本发明提供一种面向5G云边端协同的电力 业务分解方法及系统， 属于电力运检技术领域。 该分解方法包括： 获取功能组件的计算资源需 求、 电力业务系统中协作终端、 边缘节点以及云 中心可用于处理计算资源需求的功能组件的数 量； 根据公式(1)确定每个功能组件的决策变量； 根据公式(2)确定第i个功能组件向第k个功能组 件发送数据的数据耗时； 根据公式(3)确定第k个 功能组件的执行完成时刻与第i个功能组件的执 行完成时刻的约束条件； 根据公式(4)和公式(5) 确定协作终端和边缘节点的功耗约束条件； 根据 公式(1)至公式(5)确定电力业务系统的计算模 型； 采用粒子群算法对计算模型进行求解以得到 计算模型的最优解。 权利要求书3页 说明书9页 附图2页 CN 114818446 A 2022.07.29 CN 114818446 A 1.一种面向5G 云边端协同的电力业 务分解方法， 其特 征在于， 所述分解方法包括： 获取功能组件的计算资源需求、 当前电力业务系统中协作终端、 边缘节点以及云中心 可用于处 理所述计算资源需求的功能组件的数量； 根据公式(1)确定每 个功能组件的决策变量， 其中， X为所述决策变量， xijr为决策变量关于第i个功能组件是否属于第j类节点下的 第r个微服务的值， i、 j、 r均为正整数， 在第i个功能组件属于第 j类节点下的第r个微服务的 情况下， xijr＝1， 在第i个功能组件不属于第j类节点下的第r个微服务的情况下， xijr＝0， Ni 为功能组件的数量， Nj为节点的类别的数量， 为第j类节点中微 服务的数量； 根据公式(2)确定第i个功能组件向第k个功能组件发送数据的数据耗时， 其中， tik为第i个功能组件向第k个功能组件发送数据的数据耗时， xkjr为决策变量关于 第k个功能组件 是否属于第 j类节点下的第r个微服务的值， Nr为微服务的数量， dik为表示第 i个功能组件向第k个功能组件发送数据的通信数据量， B为数据传输的带宽； 根据公式(3)确定第k个功能组件的执行完成时刻与第i个功能组件的执行完成时刻的 约束条件， 其中， Fk为第k个功能组件的执行完成时刻， Fi为第i个功能组件的执行完成时刻， ck为 第k个功能组件完成任务所需的CPU圈数， fj为第j类节点的功能组件CPU 主频； 根据公式(4)和公式(5)确定协作终端和边 缘节点的功耗约束条件， 其中， xi1r为决策变量关于第i个功能组件是否属于协作终端 的节点下的第r个微服务 的值， ci为第i个功能组件完成任务所需的CPU圈数， fMT为协作终端的CPU主频， PMT为协作终 端的功率， EMT为协作终端的能耗阈值， 为协作终端的微服务的数量， xi2r为决策变量关于 第i个功能组件是否属于 边缘节点的节点 下的第r个 微服务的值， fEN为边缘节点的CPU主频， PEN为边缘节点的功率， EEN为边缘节点的能耗阈值； 根据公式(1)至公式(5)确定所述电力业 务系统的计算模型； 采用粒子群算法对所述计算模型进行求解以得到所述计算模型的最优解， 其中， 所述 最优解的目标为完成所述计算资源需求的最小时间。 2.根据权利要求1所述的分解方法， 其特征在于， 采用粒子群算法对所述计算模型进行 求解以得到所述计算模型的最优解包括： 随机生成多个粒子； 更新每个粒子的位置及速度；权　利　要　求　书 1/3 页 2 CN 114818446 A 2更新每个粒子的历史最佳位置和所有粒子的历史最佳位置； 计算每个粒子的适应度； 判断当前的迭代次数 是否大于或等于预设的迭代次数阈值； 在判断当前的迭代次数大于或等于所述迭代次数阈值的情况下， 输出适应度最大的所 述粒子以作为 最优解； 在判断当前的迭代次数小于所述迭代次数阈值的情况下， 再次返回执行更新每个粒子 的位置及速度的步骤， 直到判断当前的迭代次数 大于或等于所述迭代次数阈值。 3.根据权利要求2所述的分解方法， 其特 征在于， 随机生成多个粒子包括： 根据公式(6)和公式(7)随机生成所述粒子， 其中， Yn为第n个所述粒子的位置， n＝1， 2， ...， Np， Np为多个粒子的数量， yijr＝xijr， Vn为 粒子的速度， vijr为决策变量的值xijr对应的速度。 4.根据权利要求2所述的分解方法， 其特 征在于， 更新每 个粒子的位置及速度包括： 根据公式(8)更新所述速度， 其中， 为k+1代的速度， 为k代的速度， ω为预设的惯性权重， ε1、 ε2为预设的加速 常数， r1、 r2为区间[0， 1]内的随机数， 为第n个所述粒子的历史最佳位置， Gbestijr为 所有粒子的历史最佳位置 。 5.根据权利要求2所述的分解方法， 其特 征在于， 更新每 个粒子的位置及速度包括： 根据公式(9)更新所述 位置， 其中， 为k+1代的位置， 为k代的位置 。 6.根据权利要求2所述的分解方法， 其特征在于， 更新每个粒子的历史最佳位置和所有 粒子的历史最佳位置包括： 判断所述粒子当前的适应度是否大于所述粒子的历史最佳位置对应的适应度； 在判断所述粒子当前的适应度 大于所述粒子的历史最佳位置对应的适应度的情况下， 采用所述粒子当前的位置替代所述粒子的历史最佳位置 。 7.根据权利要求2所述的分解方法， 其特征在于， 更新每个粒子的历史最佳位置和所有 粒子的历史最佳位置包括： 判断所述粒子当前的适应度是否大于所有粒子的历史最佳位置对应的适应度； 在判断所述粒子当前的适应度 大于所有粒子的历史最佳位置对应的适应度的情况下， 采用所述粒子当前的位置替代所有粒子的历史最佳位置 。 8.根据权利要求2所述的分解方法， 其特 征在于， 所述分解方法还 包括： 在每次迭代结束后， 根据公式(10)和公式(11)对所述粒子中的每个位置执行离散化操 作，权　利　要　求　书 2/3 页 3 CN 114818446 A 3