CN114375050B 一种数字孪生辅助的5g配电网资源调度方法 （华北电力大学）

ZhenyuZhou,ZehanJia,HaijunLiao,WenbingLu,ShahidMumtaz,MohsenLatency-AwareDigitalTwiComputing-EmpoweredDistributionGrids”一种数字孪生辅助的5G配电网资源调度方法本发明涉及一种数字孪生辅助的5G配电网的是提供一种数字孪生辅助的5G配电网资源调2其中ei为选择ui进行本地训练和参数传输次所述S2中问题建模优化目标定义为在接入优先级和能耗的长期约束3C1和C2表示BS最多可以同时调度N(t)个终端上传模型参数；C3表示终端计算资源分配5和C6为服务器计算资源分配约束，其中为边缘服务器的最大可用计算资7和C8分别为接入优先级和能耗长期约束；所述S2中问题转化采用虚拟队列的概念来解耦长期约束和短期资源调度优化，C7和C8A,L(O(t)=AL((t))+VE[D(i)1O(i)]4间周期被划分为T次迭代，集合表示为T—f1,2,…,T,本地计算的能耗和时延可以计算为：为：5定义J:tc)和S;t)分别表示边缘服务器分配用于边缘聚合与AMR的计算资源；C0表示边单次迭代总时延包含所有终端中本地计算时延与参数6其中ν(t)为深度神经网络参数集合；和τd7[0003]数字孪生(Digitaltwin,DT)可以从数字世界的角度帮助5G边缘计算支持的配电[0008]有鉴于上述的缺陷，本发明以期创设一种数字孪生辅助的5G配电网资源调度方8[0025]进一步的，所述S1中构建系统模型是基于联邦学习的5G边[0029]定义s,和pj表示数据集Δi中一个样本的输入和目标输出，单样本损失函数为：[0032]ur,(i)=,(i-1)-nvF(,(i-1),t)9[0057]单次迭代总时延包含所有终端中本地计算时延与参数传输时延之和最大的时延、[0066]进一步的，所述S2中问题建模优化目标定义为在接入优先级和能耗的长期约束[0089]李雅普诺夫漂移定义为李雅普诺夫函数在两个连续时隙的条件期望变化，表示[0105]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，[0115]基于联邦学习的5G边缘计算配电网DT架构如图1所示，目的是通过联邦学习构建终端执行本地模型训练过程，并把模型参数上传到边缘层。边缘层包含一个基站(Base和u6被基站调度进行局部训练，并将训练后的模型参数和状被划分为T次迭代，集合表示为Τ={1,2,…,T}。假设信道状态信息(ChannelState[0121]定义和pj表示数据集Δi中一个样本的输入和目标输出。单样本损失函数为[0127]假设基站在每次迭代可以选择N(t)I个终端进行模型上传。定义当终端能量Bi表[0134]边缘服务器采用循环冗余校验(CyclicRedundancyCheck,CRC)检测接收到的包ιi[0159]单次迭代总时延包含所有终端中本地计算时延与参数传输时延之和最大的时延、[0172]优化目标定义为在接入优先级和能耗的长期约束下，通过联合优化计算资源分向量，为服务器计算资源分配向量。C1和C2表示BS最多可以同[0179]采用虚拟队列的概念来解耦长期约束和短期资源调度[0195]本发明提出安全和时延感知的数字孪生辅助资源调度(SAINT)算法来求解联合优接入调度问题可以建模为马尔科夫过程，并通过数字孪生辅助的深度Q学习(DeepQ中ν(t)为深度神经网络参数集合。SP1'可表示为[0205]r()e()表示被调度终端集合。基于定义SP1'可和τd[0226]图5显示了累积能耗随迭代次数的变化。当t