电网大数据环境中基于LSTM的边缘缓存预测

作者：蔡万升^*; 宋曦

来源：电力信息与通信技术, 2022, 20(12): 73-80.

DOI：10.16543/j.2095-641x.electric.power.ict.2022.12.010

• 电网
• LSTM
• 边缘缓存
• 预测

针对传统电网中系统存储智能配电数据效率低、时延大以及能耗高等问题，文章提出了电网大数据环境中基于长短期记忆（long short-term memory,LSTM）人工神经网络的边缘缓存预测方法。首先用LSTM神经网络对各种配电数据的访问量进行预测，并根据预测的访问量和数据的存储占用的空间大小计算缓存性价比指标。进一步，结合传输能耗以及数据传输和缓存时延建立边缘缓存模型，并利用该模型过滤掉缓存性价比低、时延大以及耗能高的数据，形成最优缓存方案。仿真结果表明，基于LSTM神经网络的预测准确率达97.28%，利用边缘缓存模型能够预先缓存配电数据，分担了电网数据管理中心的访问压力和计算成本，减少用户的访问延迟，提高了用户的数据访问体验。

• 单位
  国网甘肃省电力公司