(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN114375050B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(74)專利代理機(jī)構(gòu)常州國(guó)光專利代理事務(wù)所HO4W72/044(2023.HO4W4/35(2018.01)ZhenyuZhou,ZehanJWenbingLu,ShahidGuizani,MuhammadTariq."SecureandLatency-AwareDigitalTwinAssistedComputing-EmpoweredDistributionGrids”INFORMATICS.2021,第18卷(第7期),第1-12頁(yè).賈澤晗.“數(shù)字孿生輔助的5G融合配電網(wǎng)資源調(diào)度研究”.中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù).2024,全文.審查員蔡明珠(54)發(fā)明名稱法本發(fā)明涉及一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，屬于通信技術(shù)領(lǐng)域。本發(fā)明的目的是提供一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法。通過聯(lián)合優(yōu)化終端調(diào)度、終端計(jì)算資源分配、功率控制和服務(wù)器計(jì)算資源分配，在保證終端能量消耗和接入優(yōu)先級(jí)長(zhǎng)期約束的前提下，降低了DT構(gòu)建累積迭代時(shí)延和終端能量消耗，提終端層CN114375050B權(quán)利要求書1/5頁(yè)21.一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，其特征在于具體調(diào)度步驟為：S1、構(gòu)建系統(tǒng)模型，具體包括：1.1、本地訓(xùn)練模型；1.2、傳輸模型；1.3、包錯(cuò)誤率模型；1.4、邊緣聚合與異常模型檢測(cè)模型；1.5、能耗和時(shí)延模型；S2、問題建模和轉(zhuǎn)化，具體包括：2.1、接入優(yōu)先級(jí)約束；2.2、能耗約束；2.4、問題轉(zhuǎn)化；S3、安全和時(shí)延感知的數(shù)字孿生輔助資源調(diào)度方法，具體包括：3.1、終端接入調(diào)度、終端計(jì)算資源分配和功率控制聯(lián)合優(yōu)化子問題；3.2、服務(wù)器計(jì)算資源分配子問題；所述S2中問題建模和轉(zhuǎn)化中接入優(yōu)先級(jí)約束，長(zhǎng)期接入優(yōu)先級(jí)約束定義為：其中e為選擇u;進(jìn)行本地訓(xùn)練和參數(shù)傳輸次數(shù)的最小比例需求；所述S2中能耗約束考慮到終端電池容量有限，定義長(zhǎng)期能耗約束為所述S2中問題建模優(yōu)化目標(biāo)定義為在接入優(yōu)先級(jí)和能耗的長(zhǎng)期約束下，通過聯(lián)合優(yōu)化計(jì)算資源分配、功率控制和接入調(diào)度，使DT損失函數(shù)與總迭代時(shí)延的加權(quán)和最小，表述為：s.t.C?:x;(t)∈{0,1},C?:0≤f;(t)≤fimax(t),VuC3C?和C?表示BS最多可以同時(shí)調(diào)度N(t)個(gè)終端上傳模型參數(shù)；C?表示終端計(jì)算資源分配約束，其中fi,max(t)為u的最大可用計(jì)算資源；C?為傳輸功率約束，其中Pi,max為u的最大傳輸功率；C?和C?為服務(wù)器計(jì)算資源分配約束，其中f(t)為邊緣服務(wù)器的最大可用計(jì)算資基于包錯(cuò)誤率和DT損失函數(shù)之間的關(guān)系，P1可以重寫為：s.t.C?~C?.所述S2中問題轉(zhuǎn)化采用虛擬隊(duì)列的概念來解耦長(zhǎng)期約束和短期資源調(diào)度優(yōu)化，C?和C?可以轉(zhuǎn)化為隊(duì)列穩(wěn)定性約束，表示為：s.t.C?~C6,定義向量Q(t)=[F(t),Y:(t)],李雅普諾夫函數(shù)可表示為：李雅普諾夫漂移定義為李雅普諾夫函數(shù)在兩個(gè)連續(xù)時(shí)隙的條件期望變化，表示為：為實(shí)現(xiàn)全局損失函數(shù)和總迭代時(shí)延的加權(quán)和在隊(duì)列穩(wěn)定性約束下的最小化，定義漂移加懲罰為：+x;(t1)q:(t)|O(t)]+VV.{max{x;(t)(z'(2.根據(jù)權(quán)利要求1所述的一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，其特征在于：所述S1中構(gòu)建系統(tǒng)模型是基于聯(lián)邦學(xué)習(xí)的5G邊緣計(jì)算配電網(wǎng)DT架構(gòu)，架構(gòu)主要包含三層，即4述S1中本地訓(xùn)練模型場(chǎng)景中包含I個(gè)電力物聯(lián)網(wǎng)終端，集合表示為U={u?,U?…U?},總時(shí)定義Sj和⑨j表示數(shù)據(jù)集D,中一個(gè)樣本的輸入和目標(biāo)輸出，單樣本損失函數(shù)w;(t)=w;(t-1)-ηVF(w;(t-述S1中包錯(cuò)誤率模型的包錯(cuò)誤率可以表示為；其中k為與編碼增益有關(guān)的常數(shù)，定義二進(jìn)制指示變量a(t)∈{0,1}5定義終端接入調(diào)度二進(jìn)制指示變量為x(t)∈{0,1};邊緣聚合時(shí)延計(jì)算為：全局模型的損失函數(shù)表示為：其中表示所有被選擇終端的總樣本數(shù)量；所述S1中邊緣聚合與異常模型檢測(cè)模型的異常模型檢測(cè)模型：異常模型檢測(cè)模型時(shí)延可計(jì)算為：其中ξ。表示邊緣服務(wù)器處理單個(gè)樣本需要的CPU周期數(shù)，當(dāng)u上傳的異常模型大于比例判定u為惡意終端，并從集合S(t+1)中移除；定義f&(t)和f?(t)分別表示邊緣服務(wù)器分配用于邊緣聚合與AMR的計(jì)算資源；C?表示邊緣服務(wù)器處理1比特?cái)?shù)據(jù)需要的CPU周期數(shù)；定義Dest為邊緣服務(wù)器側(cè)用于檢測(cè)模型的數(shù)據(jù)集。7.根據(jù)權(quán)利要求1所述的一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，其特征在于：所述S1中能耗和時(shí)延模型中u的總能耗為本地計(jì)算能耗與傳輸能耗之和，計(jì)算為：?jiǎn)未蔚倳r(shí)延包含所有終端中本地計(jì)算時(shí)延與參數(shù)傳輸時(shí)延之和最大的時(shí)延、邊緣聚合時(shí)延與AMR時(shí)延中較大的時(shí)延以及全局模型廣播時(shí)延τ,表示為：8.根據(jù)權(quán)利要求1所述的一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，其特征在于：所述S3安全和時(shí)延感知的數(shù)字孿生輔助資源調(diào)度算法求解聯(lián)合優(yōu)化問題P3,該問題可以分解為兩個(gè)子問題，即SP1:終端接入調(diào)度、終端計(jì)算資源分配和功率控制聯(lián)合優(yōu)化子問題；SP2:服務(wù)器計(jì)算資源分配子問題；6其中SP1表示為：s.t.C?~C?.SP2表示為：其中v(t)為深度神經(jīng)網(wǎng)絡(luò)參數(shù)集合；由于t(t)和t(t)分別與f(t)和f(t)成反比，并且f。(t)+f?(t)=mx(t),因此，fa(t)=fm(t)-fa(t)o7一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，屬于通信技術(shù)領(lǐng)域。背景技術(shù)[0002]目前，配電網(wǎng)部署了溫度、電流傳感器等海量物聯(lián)網(wǎng)終端提供實(shí)時(shí)監(jiān)控服務(wù)，對(duì)低時(shí)延數(shù)據(jù)傳輸和處理提出了較高的要求。傳統(tǒng)的有線和無線通由于部署成本高、無線頻譜資源不足、邊緣智能不足，無法解決配電網(wǎng)最后一公里的通信和計(jì)算問題。5G邊緣計(jì)算通過在網(wǎng)絡(luò)邊緣中集成先進(jìn)的通信和計(jì)算技術(shù)，提供了一種可行解資源進(jìn)行動(dòng)態(tài)智能調(diào)度。[0003]數(shù)字孿生(Digitaltwin,DT)可以從數(shù)字世界的角度幫助5G邊緣計(jì)算支持的配電網(wǎng)實(shí)現(xiàn)多維資源調(diào)度。DT從大量終端收集實(shí)時(shí)狀態(tài)，建立所有物理實(shí)體的數(shù)字表示，從而實(shí)現(xiàn)多維資源調(diào)度的精確決策指導(dǎo)。然而，在構(gòu)建DT并利用它輔助資源調(diào)度時(shí)，需要解決一些[0004](1)DT對(duì)延遲、準(zhǔn)確性和安全性的嚴(yán)格要求：DT需要以低延遲更新，以保持與物理實(shí)體的實(shí)時(shí)一致性。同時(shí)，為了提高資源調(diào)度的準(zhǔn)確性，必須使反映DT與實(shí)際值偏差的損失函數(shù)最小。另一方面，從構(gòu)建DT的大量終端中收集的數(shù)據(jù)也面臨隱私問題和安全威脅。例如一些惡意的終端上傳的異常模型參數(shù)，會(huì)嚴(yán)重降低DT的準(zhǔn)確性，引發(fā)各種安全問題。[0006]合優(yōu)化：多維資源調(diào)度的聯(lián)合優(yōu)化問題是一個(gè)非常重要的問題，因?yàn)槎嗑S資源調(diào)度是不同實(shí)體、維度和過程之間的耦合。例如，終端功率控制和計(jì)算資源分配策略相耦合，服務(wù)器邊緣聚合和異常模型識(shí)別相耦合。[0007](3)接入優(yōu)先級(jí)和能耗長(zhǎng)期約束：考慮到業(yè)務(wù)的重要性和終端的電池容量有限，需要建立長(zhǎng)期的接入優(yōu)先級(jí)和能耗約束，以保證重要終端的接入優(yōu)先級(jí)，降低能耗。然而，長(zhǎng)期約束與短期資源調(diào)度優(yōu)化是耦合的。[0008]有鑒于上述的缺陷，本發(fā)明以期創(chuàng)設(shè)一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方發(fā)明內(nèi)容[0009]為解決上述技術(shù)問題，本發(fā)明的目的是提供一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法。通過聯(lián)合優(yōu)化終端調(diào)度、終端計(jì)算資源分配、功率控制和服務(wù)器計(jì)算資源分配，在保證終端能量消耗和接入優(yōu)先級(jí)長(zhǎng)期約束的前提下，降低了DT構(gòu)建累積迭代時(shí)延和終端能[0010]本發(fā)明的一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，具體調(diào)度步驟為：8[0029]定義S和9;表示數(shù)據(jù)集△中一個(gè)樣本的輸入和目標(biāo)輸出，單樣本損失函數(shù)9[0040]其中k為與編碼增益有關(guān)的常數(shù)，定義二進(jìn)制指示變量a(t)∈{0,1},a?(t)=1表[0052]其中。表示邊緣服務(wù)器處理單個(gè)樣本需要的CPU周期數(shù)，當(dāng)u上傳的異常模型大于[0055]進(jìn)一步的，所述S1中能耗和時(shí)延[0062]其中e;為選擇u;進(jìn)行本地訓(xùn)練和參數(shù)傳輸次數(shù)的最小比例需求。[0063]進(jìn)一步的，所述S2中能耗約束考慮到終端電池容量有限，定義長(zhǎng)期能耗約束為[0066]進(jìn)一步的，所述S2中問題建模優(yōu)化目標(biāo)定義為在接入優(yōu)先級(jí)和能耗的長(zhǎng)期約束下，通過聯(lián)合優(yōu)化計(jì)算資源分配、功率控制和接入調(diào)度，使DT損失函數(shù)與總迭代時(shí)延的加權(quán)[0070]C?:0≤f(t)≤f;[0076]基于包錯(cuò)誤率和DT損失函數(shù)之間的關(guān)系，P1可以重寫為：[0080]進(jìn)一步的，所述S2中問題轉(zhuǎn)化采用虛擬隊(duì)列的概念來解耦長(zhǎng)期約束和短期資源調(diào)[0089]李雅普諾夫漂移定義為李雅普諾夫函數(shù)在兩個(gè)連續(xù)時(shí)隙的條件期望變化，表示+x;(t)q.(t)|0(t)]+VV?{max{x(t)(z出+x;(t)q.(t)]+VV{max{x,(t)(z'(s.t.C?~C?.出由于t(t)和ta(t)分別與f。(t)和f(t)成反比，并且fa(t)+f?(1)=fmx(),因此，[0104]本發(fā)明提出了一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，通過聯(lián)合優(yōu)化終端調(diào)度、終端計(jì)算資源分配、功率控制和服務(wù)器計(jì)算資源分配，在保證終端能量消耗和接入優(yōu)先級(jí)長(zhǎng)期約束的前提下，降低了DT構(gòu)建累積迭代時(shí)延和終端能量消耗，提高DT精度和安全性。[0105]上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說明如后。附圖說明[0106]為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某個(gè)實(shí)施例，因此不應(yīng)被看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。[0107]圖1是本發(fā)明基于聯(lián)邦學(xué)習(xí)的5G邊緣計(jì)算配電網(wǎng)DT架構(gòu)；[0109]圖3是本發(fā)明仿真實(shí)驗(yàn)中DT損失函數(shù)圖；[0110]圖4是本發(fā)明仿真實(shí)驗(yàn)中累計(jì)迭代時(shí)延圖；[0111]圖5是本發(fā)明仿真實(shí)驗(yàn)中累積能耗圖。具體實(shí)施方式[0112]下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。[0113]本發(fā)明一較佳實(shí)施例所述的一種數(shù)字孿生輔助的5G配電網(wǎng)資源調(diào)度方法，整個(gè)技術(shù)方案包括三個(gè)步驟：[0115]基于聯(lián)邦學(xué)習(xí)的5G邊緣計(jì)算配電網(wǎng)DT架構(gòu)如圖1所示，目的是通過聯(lián)邦學(xué)習(xí)構(gòu)建終端執(zhí)行本地模型訓(xùn)練過程，并把模型參數(shù)上傳到邊緣層。邊緣層包含一個(gè)基站(BaseStation,BS)和一個(gè)與基站部署于同一位置的邊緣服務(wù)器，以提供接入和計(jì)算服務(wù)?；趶慕K端收集到的本地模型參數(shù)，邊緣服務(wù)器執(zhí)行邊緣聚合過程并得到一個(gè)全局模型。同時(shí)，在邊緣服務(wù)器上進(jìn)行異常模型檢測(cè)(AbnormalModelRecognition,AMR),識(shí)別惡意終端上傳的異常模型，以實(shí)現(xiàn)安全感知。DT層在邊緣服務(wù)器上構(gòu)建，通過與終端實(shí)時(shí)交互，以保持與物理網(wǎng)絡(luò)同步，輔助邊緣服務(wù)器優(yōu)化資源調(diào)度。[0116]如圖1所示，u?、U?、u4和u?被基站調(diào)度進(jìn)行局部訓(xùn)練，并將訓(xùn)練后的模型參數(shù)和狀態(tài)信息發(fā)送到邊緣服務(wù)器進(jìn)行邊緣聚合。邊緣服務(wù)器檢測(cè)到u?上傳的模型參數(shù)參數(shù)存在傳輸錯(cuò)誤，因此拒絕u?參加邊緣聚合。在邊緣聚合的同時(shí)，邊緣服務(wù)器執(zhí)行AMR,并一個(gè)惡意終端。因此，u?將被阻止參與本地訓(xùn)練和模型參數(shù)上傳過程。[0118]考慮場(chǎng)景中包含I個(gè)電力物聯(lián)網(wǎng)終端，集合表示為Y={u,u?,…,u}?？倳r(shí)間周期被劃分為T次迭代，集合表示為T={1,2,…,T}。假設(shè)信道狀態(tài)信息(ChannelStatet-1次迭代的全局模型作為本地模型M,,并設(shè)置本地模型參數(shù)為全局模型參數(shù)，即@i(t-1)延可以計(jì)算為[0121]定義Sj和9;表示數(shù)據(jù)集△中一個(gè)樣本的輸入和目標(biāo)輸出。單樣本損失函數(shù)為[0127]假設(shè)基站在每次迭代可以選擇N(t)<<I個(gè)終端進(jìn)行模型上傳。定義當(dāng)終端能量擇進(jìn)行模型參數(shù)上傳，否則x;(t)=0。當(dāng)x:(t)=1,u:本地模型參數(shù)@;(t)和狀態(tài)s上傳至基[0129]定義|@;(t)|表示參數(shù)@;(t)的大小。由于s,很小，因此忽略其上傳時(shí)延。另B?表[0131]其中h:(t)表示信道增益，N?和I(t)分別表示噪聲功率和電磁干擾功率。因此，傳輸能耗和時(shí)延可以表示為示為[0146]其中表示所有被選擇終端的總樣本數(shù)量。期接入優(yōu)先級(jí)約束定義為優(yōu)化目標(biāo)定義為在接入優(yōu)先級(jí)和能耗的長(zhǎng)期約束下，通過聯(lián)合優(yōu)化計(jì)算資源分C?:0≤f(t)≤f;mx(t),VC?:f(t)≥0,f(t)≥0,Vt∈為終端計(jì)算資源分配向量，P=(P(t):u∈∑(t),t∈T)為傳輸功率向量，x=(x;(t):u∈∑(t),t∈T)為終端接入調(diào)度向量，f?=(f?(t),fi(t):t∈T)為服務(wù)器計(jì)算資源分配向量。C?和C?表示BS最多可以同時(shí)調(diào)度N(t)個(gè)終端上傳模型參數(shù)。C?表示終端計(jì)算資源分配約束，其中f;,max(t)為u的最大可用配約束，其中fm(t)為邊緣服務(wù)器的最大可用計(jì)算資源。C?和C?分別為接入優(yōu)先級(jí)和能耗長(zhǎng)期約束。[0175]基于包錯(cuò)誤率和DT損失函數(shù)之間的關(guān)系，P1可以重寫為s.t.C?~C8.(21)[0179]采用虛擬隊(duì)列的概念來解耦長(zhǎng)期約束和短期資源調(diào)度優(yōu)化。C,和C?可以轉(zhuǎn)化為隊(duì)[0184]s.t.C?~C?,[0185]Cg:F(t)和Y(t)平均速率穩(wěn)定。(21)漂移加懲罰為[0195]本發(fā)明提出安全和時(shí)延感知的數(shù)字孿生輔助資源調(diào)度(SAINT)算法來求解聯(lián)合優(yōu)+x?(t)q?(t)]+VV{max{x;(t)(接入調(diào)度問題可以建模為馬爾科夫過程，并通過數(shù)字孿生輔助的深度Q學(xué)習(xí)(DeepQ以被近似為[0208]SP1”為凸優(yōu)化問題，可以通過拉格朗日對(duì)偶分解法求解。[0209](2)服務(wù)器計(jì)算資源分配子問題[0210]SP2表示為[0218]本發(fā)明所提算法SAINT主要包含接入調(diào)度、模型下載、本地訓(xùn)練、本地模型參數(shù)上傳和AMR與邊緣聚合。首先，初始化虛擬隊(duì)列積壓和接入調(diào)度指示變量為0。在每次迭代初，服務(wù)器基于估計(jì)Q值選擇終端進(jìn)行數(shù)據(jù)傳輸。其次，基于數(shù)字孿生估計(jì)的經(jīng)驗(yàn)值f′;,max(t),h′;(t)和I′;(t),服務(wù)器通過求解SP1”優(yōu)化計(jì)算資源分配和功率控制。隨后，被選擇終端下載全局模型@g(t-1),并執(zhí)行本地訓(xùn)練、參數(shù)傳輸以及更新F(t)和Y:(t)。然后，通過求解SP2得到服務(wù)器最優(yōu)計(jì)算資源分配策略，服務(wù)器執(zhí)行邊緣聚