基于软件定义网络的电网边缘计算资源分配

作者：尚立; 蔡硕; 崔俊彬; 纪春华; 崔康佳; 李保罡

来源：电力系统保护与控制, 2021, 49(20): 136-143.

DOI：10.19783/j.cnki.pspc.201623

• 软件定义网络
• 边缘计算
• 资源虚拟化
• 资源分配
• 强化学习

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。

• 单位
  华北电力大学; 电子工程学院