面向差异化业务需求,电力物联网(Electric Internet of Things,EIoT)需要设计与之适配的数据处理架构,该架构将引入数据缓存、边缘处理等功能,并且涵盖EIoT中数据的清洗、过滤和融合等关键步骤。此外,在该架构基础上,需要同时满足大规...面向差异化业务需求,电力物联网(Electric Internet of Things,EIoT)需要设计与之适配的数据处理架构,该架构将引入数据缓存、边缘处理等功能,并且涵盖EIoT中数据的清洗、过滤和融合等关键步骤。此外,在该架构基础上,需要同时满足大规模数据传输需求,尤其是将电力终端的能源效率(Energy Efficiency,EE)作为保障测量、监控、控制等多个电力运行环节超可靠低延迟通信(Ultra-Reliable and Low-Latency Communication,URLLC)的重要依据。在URLLC中,功率分配被认为是提高能效与数据处理效率的有效方法。然而,由于URLLC的特殊要求,传统香农公式在其中并不适用。因此,需要使用有限块长度编码理论来确保超可靠和低延迟的通信。文中解决了EIoT中URLLC的能效优化问题,并引入自适应深度神经网络,该技术可以根据不同电力设备接入数量,动态优化深度神经网络参数。深度神经网络将要优化的功率分配函数参数化,以无监督的方式离线训练,并可以在线部署以实现实时的功率分配结果。最后,仿真结果表明了所提方法在数据处理效率方面的有效性。展开更多
随着电力物联网(electric Internet of Things,eIoT)技术的快速发展,海量电力设备在网络边缘环境中产生了丰富的数据。移动边缘计算(Mobile Edge Computing,MEC)技术在靠近终端设备的位置部署边缘代理可以有效减少数据处理延迟,这使其...随着电力物联网(electric Internet of Things,eIoT)技术的快速发展,海量电力设备在网络边缘环境中产生了丰富的数据。移动边缘计算(Mobile Edge Computing,MEC)技术在靠近终端设备的位置部署边缘代理可以有效减少数据处理延迟,这使其非常适用于延迟敏感的电力物联网场景。然而,目前的大多数研究没有考虑到部分边缘终端设备也可以作为代理设备提供计算服务,造成了资源浪费。为了充分利用移动边缘计算过程中边缘代理以及边缘终端设备的计算能力,提出了一种基于设备聚类的任务卸载方案。首先,基于分层DBSCAN(hierarchical density-based spatial clustering of applications with noise)算法,对系统中的静态和动态边缘设备进行聚类。其次,将任务卸载问题建模为多臂老虎机(Multi-Armed Bandits,MAB)模型,目标为最小化卸载延迟。再次,提出了一种基于自适应置信上限算法的算法来寻找簇内与簇间的卸载策略。最后,仿真结果表明,该方案在平均延迟方面表现出了更好的性能,并且设备簇的存活时间延长了10%~20%。展开更多
环境物联网(Environmental Internet of Things,EIo T)已经广泛地应用于环境监测,在各个地区部署不同类型的EIo T系统是一个长期演进的过程。为了对分布于各地的大规模异构EIo T系统进行统一、有效的管理,通过分析环境监测的特点,并进...环境物联网(Environmental Internet of Things,EIo T)已经广泛地应用于环境监测,在各个地区部署不同类型的EIo T系统是一个长期演进的过程。为了对分布于各地的大规模异构EIo T系统进行统一、有效的管理,通过分析环境监测的特点,并进一步分析了基于EIo T的环境监测系统的感知层、传输层与应用层的特点,提取出了各个环境物联网系统中多种类型的、可用于系统管理的元数据。基于这些环境物联网相关的元数据,构建了一个环境物联网系统统一管理框架。该管理框架通过实时感知应用层中数据存储层中的数据异常状态,可以屏蔽不同EIo T子系统中感知层与传输层的差异,这在一定程度上解决了异构性所带来的问题,可以对大规模、分布式部署的多个不同类型的EIo T子系统进行有效管理。展开更多
针对泛在电力物联网(electric internet of things,EIoT)中海量物联网设备信息处理任务卸载到云端时存在能耗较高的问题,文章提出了一种泛在电力物联网中基于网络虚拟化的节能卸载策略。首先由虚拟网络管理层中的虚拟网络控制器采集网...针对泛在电力物联网(electric internet of things,EIoT)中海量物联网设备信息处理任务卸载到云端时存在能耗较高的问题,文章提出了一种泛在电力物联网中基于网络虚拟化的节能卸载策略。首先由虚拟网络管理层中的虚拟网络控制器采集网络中的任务请求状况与网络状态信息,并构建多目标整数规划模型;然后由路由和优先级决策算法确定物联终端协作节点和划分资源分配优先级,依据上述结果,根据网络单元剩余电量对抽象的虚拟资源进行分配,然后将虚拟链路嵌入到物理链路的未使用资源中,实现资源的重复利用,达到节能的目的;最后提出一种有效性保障策略,保证重用链路的有效性。根据仿真分析证明,文章所提的节能卸载机制在降低网络能耗,优化网络性能方面具有显著成效。展开更多
文摘面向差异化业务需求,电力物联网(Electric Internet of Things,EIoT)需要设计与之适配的数据处理架构,该架构将引入数据缓存、边缘处理等功能,并且涵盖EIoT中数据的清洗、过滤和融合等关键步骤。此外,在该架构基础上,需要同时满足大规模数据传输需求,尤其是将电力终端的能源效率(Energy Efficiency,EE)作为保障测量、监控、控制等多个电力运行环节超可靠低延迟通信(Ultra-Reliable and Low-Latency Communication,URLLC)的重要依据。在URLLC中,功率分配被认为是提高能效与数据处理效率的有效方法。然而,由于URLLC的特殊要求,传统香农公式在其中并不适用。因此,需要使用有限块长度编码理论来确保超可靠和低延迟的通信。文中解决了EIoT中URLLC的能效优化问题,并引入自适应深度神经网络,该技术可以根据不同电力设备接入数量,动态优化深度神经网络参数。深度神经网络将要优化的功率分配函数参数化,以无监督的方式离线训练,并可以在线部署以实现实时的功率分配结果。最后,仿真结果表明了所提方法在数据处理效率方面的有效性。
文摘随着电力物联网(electric Internet of Things,eIoT)技术的快速发展,海量电力设备在网络边缘环境中产生了丰富的数据。移动边缘计算(Mobile Edge Computing,MEC)技术在靠近终端设备的位置部署边缘代理可以有效减少数据处理延迟,这使其非常适用于延迟敏感的电力物联网场景。然而,目前的大多数研究没有考虑到部分边缘终端设备也可以作为代理设备提供计算服务,造成了资源浪费。为了充分利用移动边缘计算过程中边缘代理以及边缘终端设备的计算能力,提出了一种基于设备聚类的任务卸载方案。首先,基于分层DBSCAN(hierarchical density-based spatial clustering of applications with noise)算法,对系统中的静态和动态边缘设备进行聚类。其次,将任务卸载问题建模为多臂老虎机(Multi-Armed Bandits,MAB)模型,目标为最小化卸载延迟。再次,提出了一种基于自适应置信上限算法的算法来寻找簇内与簇间的卸载策略。最后,仿真结果表明,该方案在平均延迟方面表现出了更好的性能,并且设备簇的存活时间延长了10%~20%。
文摘环境物联网(Environmental Internet of Things,EIo T)已经广泛地应用于环境监测,在各个地区部署不同类型的EIo T系统是一个长期演进的过程。为了对分布于各地的大规模异构EIo T系统进行统一、有效的管理,通过分析环境监测的特点,并进一步分析了基于EIo T的环境监测系统的感知层、传输层与应用层的特点,提取出了各个环境物联网系统中多种类型的、可用于系统管理的元数据。基于这些环境物联网相关的元数据,构建了一个环境物联网系统统一管理框架。该管理框架通过实时感知应用层中数据存储层中的数据异常状态,可以屏蔽不同EIo T子系统中感知层与传输层的差异,这在一定程度上解决了异构性所带来的问题,可以对大规模、分布式部署的多个不同类型的EIo T子系统进行有效管理。
文摘针对泛在电力物联网(electric internet of things,EIoT)中海量物联网设备信息处理任务卸载到云端时存在能耗较高的问题,文章提出了一种泛在电力物联网中基于网络虚拟化的节能卸载策略。首先由虚拟网络管理层中的虚拟网络控制器采集网络中的任务请求状况与网络状态信息,并构建多目标整数规划模型;然后由路由和优先级决策算法确定物联终端协作节点和划分资源分配优先级,依据上述结果,根据网络单元剩余电量对抽象的虚拟资源进行分配,然后将虚拟链路嵌入到物理链路的未使用资源中,实现资源的重复利用,达到节能的目的;最后提出一种有效性保障策略,保证重用链路的有效性。根据仿真分析证明,文章所提的节能卸载机制在降低网络能耗,优化网络性能方面具有显著成效。
