配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法

李波，趙瑞鋒，黎皓彬

(廣東電網(wǎng)有限責任公司電力調(diào)度控制中心，廣東 廣州510600)

隨著配用電物聯(lián)網(wǎng)的發(fā)展，海量分布式電源與配用電智能設(shè)備大量接入，對電力自動化系統(tǒng)的信息感知、分析、處理能力提出了更高的要求[1-4]。同時，配電網(wǎng)增量接入對象產(chǎn)生異構(gòu)多源的數(shù)據(jù)信息也為實現(xiàn)配用電業(yè)務(wù)的多元化、生態(tài)化提供了支撐[5-8]。然而，現(xiàn)有電力自動化系統(tǒng)存在軟硬件強耦合、計算資源冗余等問題，難以適應(yīng)配電物聯(lián)網(wǎng)的發(fā)展需求，其技術(shù)體系和架構(gòu)形態(tài)亟待重構(gòu)[9-10]。

云邊融合的物聯(lián)網(wǎng)平臺突破了傳統(tǒng)集中式電網(wǎng)分析控制模式[11-12]，以業(yè)務(wù)管理協(xié)同、計算資源協(xié)同、數(shù)據(jù)智能協(xié)同的方式，充分發(fā)揮云主站和邊緣計算終端各自的優(yōu)勢，從而滿足配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)實時性、安全性、可靠性的需求，并支撐著現(xiàn)有電力自動化系統(tǒng)從“主子站”架構(gòu)的集中控制模式向“云管邊端”架構(gòu)的分布式協(xié)同控制模式轉(zhuǎn)變[13-16]。

為了滿足形態(tài)多樣的業(yè)務(wù)融合和快速變化的服務(wù)要求，微服務(wù)成為組織和構(gòu)建配電物聯(lián)網(wǎng)業(yè)務(wù)的關(guān)鍵技術(shù)，通過將業(yè)務(wù)分解為多個微服務(wù)和微服務(wù)間的相互調(diào)用，可以實現(xiàn)業(yè)務(wù)功能。在配用電物聯(lián)網(wǎng)軟件定義、軟硬件解耦模式下，微服務(wù)可自由靈活部署在云計算中心和邊緣計算終端容器中。合理的微服務(wù)云邊部署方案一方面能夠降低業(yè)務(wù)延時，更好地滿足業(yè)務(wù)實時性、可靠性的要求，另一方面能提高計算資源的利用率，發(fā)揮云計算中心和邊緣計算終端冗余資源的價值。因此，研究配用電物聯(lián)網(wǎng)的微服務(wù)云邊部署方法具有十分重要的意義。

目前，部署問題可分為計算節(jié)點部署和業(yè)務(wù)應(yīng)用部署2種，學(xué)者們首先研究了云計算或邊緣計算的節(jié)點部署問題。文獻[17]考慮密度和距離2種因素，提出基于聚類思想的邊緣控制中心部署方法，以提高通信質(zhì)量和減輕接入壓力；文獻[18]針對電纜實時監(jiān)控的場景建立以經(jīng)濟成本為目標和平均延時為約束的計算節(jié)點規(guī)劃模型，采用遺傳算法求解邊緣計算節(jié)點的部署方案；文獻[19]提出一種多目標進化算法，以實現(xiàn)服務(wù)質(zhì)量和可靠性最大化、成本和能耗最小化為目標，求解5G網(wǎng)絡(luò)邊緣設(shè)備的部署方案。但是上述文獻研究場景并非配用電物聯(lián)網(wǎng)。在配用電物聯(lián)網(wǎng)中邊緣計算終端應(yīng)用場景主要為配電臺區(qū)和配電房，受地理位置、安裝空間、計算資源分布、安全分區(qū)接入等因素的制約，計算節(jié)點的部署位置往往相對固定，可作為已知條件，由此開展關(guān)于業(yè)務(wù)應(yīng)用部署的研究。文獻[20]采用深度強化學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練業(yè)務(wù)的部署策略，來降低業(yè)務(wù)的響應(yīng)延時；文獻[21]提出將應(yīng)用部署于云邊的模糊控制系統(tǒng)，以降低業(yè)務(wù)應(yīng)用執(zhí)行延時；文獻[22]針對應(yīng)用應(yīng)該在邊緣設(shè)備執(zhí)行還是云計算中心執(zhí)行的問題，提出一種動態(tài)規(guī)劃算法來求解計算任務(wù)的部署方案。上述文獻忽略了不同業(yè)務(wù)應(yīng)用間的時序邏輯關(guān)系。文獻[23]指出配用電物聯(lián)網(wǎng)業(yè)務(wù)可被分解為多個微服務(wù)，且各微服務(wù)間并非獨立，具有邏輯約束關(guān)系。

針對已有研究的不足，本文提出配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法。首先將配用電監(jiān)控業(yè)務(wù)拆分成多個微服務(wù)，建立配用電監(jiān)控業(yè)務(wù)的時序邏輯模型和微服務(wù)的云邊部署模型；然后采用改進差分進化算法來求解業(yè)務(wù)延時最小化的微服務(wù)云邊部署方案；最后通過仿真實驗，驗證本文方法的有效性。

1 基于時序邏輯的配用電監(jiān)控業(yè)務(wù)微服務(wù)模型

1.1 配用電監(jiān)控業(yè)務(wù)的微服務(wù)

本文針對配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的功能需求，將配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)拆分為7個微服務(wù)，每個微服務(wù)對邊緣計算終端、云計算中心而言是一種計算任務(wù)，見表1。

表1 配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)

1.2 微服務(wù)時序邏輯模型

7個微服務(wù)之間存在彼此的數(shù)據(jù)依賴關(guān)系，據(jù)此建立配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)時序邏輯模型，該模型將數(shù)據(jù)依賴關(guān)系轉(zhuǎn)化為孤立型、串聯(lián)型、并聯(lián)型和復(fù)合型4種連接支路。定義4種支路的組成規(guī)則如下：①每個單一微服務(wù)原則上可視為一個孤立支路，而并聯(lián)支路、串聯(lián)支路和復(fù)合支路由多個孤立支路構(gòu)成；②并聯(lián)支路由2個及以上的孤立支路并聯(lián)而成；③串聯(lián)支路只存在于復(fù)合支路中，且由2個及以上的孤立支路或經(jīng)等效后的孤立支路串聯(lián)而成；④復(fù)合支路上至少存在一個串聯(lián)支路，可由串聯(lián)支路和孤立支路并聯(lián)而成。

依據(jù)所提出的4種支路組成規(guī)則和配用電監(jiān)控業(yè)務(wù)的流程，建立其微服務(wù)的時序邏輯，如圖1所示。圖1中，0、1、2、3、4、5標號為各支路間的節(jié)點編號。

進一步建立時序邏輯模型，為計算各支路和業(yè)務(wù)的總延時大小奠定基礎(chǔ)，包括連接矩陣模型、串并關(guān)系模型和支路延時模型。

連接矩陣模型L用于描述各微服務(wù)所處支路的連接始末關(guān)系。L共2行元素，列數(shù)取決于業(yè)務(wù)的微服務(wù)個數(shù)，每列表示1個微服務(wù)。L的第1行元素表示各微服務(wù)的起始節(jié)點編號，第2行元素表示各微服務(wù)的終止節(jié)點編號。由圖1可得

圖1 配用電監(jiān)控業(yè)務(wù)的微服務(wù)時序邏輯

(1)

串并關(guān)系模型X用于描述各微服務(wù)所處的支路類型。X共2行元素，列數(shù)取決于業(yè)務(wù)的微服務(wù)個數(shù)，每列表示1個微服務(wù)。X的第1行元素為串聯(lián)支路編號，第2行元素為并聯(lián)支路編號，該列所處2行元素均為0表示孤立支路，其中1行元素不為0表示串聯(lián)或并聯(lián)支路。由圖1可得

(2)

式中：微服務(wù)1、2、5、7處于孤立支路，因此其對應(yīng)列中的2行元素均為0、0；微服務(wù)3、4處于同一個并聯(lián)支路，且為第1個并聯(lián)支路，因此其對應(yīng)列中的2行元素均為0、1；微服務(wù)6處于串聯(lián)支路，且為第1個串聯(lián)支路，因此其對應(yīng)列中的2行元素為1、0。

延時模型用于表示各支路的延時大小，通過對各支路的延時大小進行等效和整合，可最終得到配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的延時。

串聯(lián)支路模型可通過式(3)計算：

tk1,ser=∑ti,ser，i∈K1.

(3)

式中：tk1,ser為第k1個串聯(lián)支路的延時；集合K1為第k1個串聯(lián)支路上的微服務(wù)集合；ti,ser為屬于集合K1的第i個微服務(wù)的延時。

并聯(lián)支路模型可通過式(4)計算：

tk2,par=maxtj,par，j∈K2.

(4)

式中：tk2,par第k2個并聯(lián)支路的延時；集合K2為第k2個并聯(lián)支路上的微服務(wù)集合；tj,par為屬于集合K2的第j個微服務(wù)的延時。

復(fù)合支路模型可通過式(5)計算：

tk3,com=maxth,com，h∈Tis∪Ts.

(5)

式中：tk3,com為第k3個復(fù)合支路的微服務(wù)總延時；集合Tis為屬于該復(fù)合支路的孤立支路的延時集合；集合Ts為屬于該復(fù)合支路的串聯(lián)支路延時集合；th,com為Tis與Ts的并集中第h個微服務(wù)的延時。

業(yè)務(wù)延時可通過對干路上所有延時環(huán)節(jié)的累加獲得，計算式為

(6)

式中：t為該業(yè)務(wù)延時；tk4,is為第k4個孤立支路上微服務(wù)的延時；N4、N2和N3分別為干路上的孤立支路總數(shù)、并聯(lián)支路總數(shù)和復(fù)合支路總數(shù)。

2 配用電監(jiān)控微服務(wù)的云邊部署優(yōu)化方法

本文的優(yōu)化問題建立在云邊協(xié)同機制上，需要將微服務(wù)部署到云節(jié)點或邊緣節(jié)點，并分配合理的計算資源，以滿足配用電監(jiān)控業(yè)務(wù)的實時性要求。云節(jié)點和邊緣節(jié)點通過骨干通信網(wǎng)進行通信，通信資源也對業(yè)務(wù)延時有影響。

2.1 決策變量和目標函數(shù)

本文所建優(yōu)化模型的決策變量為表示第i個微服務(wù)部署于邊緣計算終端或云計算中心的0-1變量si,e、si,c，以及表示第i個微服務(wù)獲得的邊緣計算終端或云計算中心容器計算資源量的連續(xù)變量ci,e、ci,c。

本文以最小業(yè)務(wù)延時為微服務(wù)云邊部署模型的目標函數(shù)，即

mint.

(7)

孤立支路延時為與該孤立支路對應(yīng)的微服務(wù)i的計算延時ti,cal,is和數(shù)據(jù)傳輸延時ti,tra,is之和，即：

tk4,is=ti,cal,is+ti,tra,is；

(8)

(9)

(10)

式中：di,j為第i個微服務(wù)與第j個微服務(wù)云邊通信的0-1變量；θi,cpu、Di分別為微服務(wù)i的時鐘周期數(shù)和數(shù)據(jù)傳輸量；Ri,j為微服務(wù)i、j間的通信速度，可細分為下行通信速度和上行通信速度，下行通信速度為云計算中心向邊緣計算終端傳輸數(shù)據(jù)的速度，上行通信速度為邊緣計算終端向云計算中心傳輸數(shù)據(jù)的速度。

串聯(lián)支路延時為串聯(lián)支路上所有微服務(wù)的計算延時和數(shù)據(jù)傳輸延時之和，即

tk1,ser=∑ti,cal,ser+∑ti,tra,ser，i∈K1.

(11)

并聯(lián)支路延時為并聯(lián)支路上微服務(wù)的最大計算延時和最大數(shù)據(jù)傳輸延時之和，即：

tk2,par=maxti,cal,par+

max(tk2,up,par,tk2,down,par)，i∈K2；

(12)

(13)

(14)

(15)

式中：tk2,up,par、tk2,down,par分別為該并聯(lián)支路上的微服務(wù)上行通信延時、下行通信延時；Di,up、Di,down分別為該并聯(lián)支路上的微服務(wù)i的數(shù)據(jù)傳輸量；Ri,j,up、Ri,j,down分別為微服務(wù)i、j間的上行通信速度、下行通信速度。

復(fù)合支路延時為屬于該復(fù)合支路的孤立支路和串聯(lián)支路的延時最大值，

tk3,com=max(tk1,is,tk4,ser),k1,k4∈B3.

(16)

式中：B3為屬于該復(fù)合支路的孤立支路和串聯(lián)支路集合。

2.2 約束條件

a)邊緣計算終端的計算資源應(yīng)滿足部署于邊緣計算終端的微服務(wù)計算資源需求，計算資源約束表達式為

(17)

式中：n為微服務(wù)總數(shù)；CE為邊緣計算終端計算資源。

b)云計算中心的計算資源約束。云計算中心的計算資源應(yīng)滿足部署于云計算中心的微服務(wù)計算資源需求，計算資源約束表達式為

(18)

式中CD為云計算中心計算資源。

c)微服務(wù)部署集合約束。微服務(wù)部署集合約束可用0-1變量si,e、si,c來表示，約束表達式為

si,e+si,c=1.

(19)

d)云邊通信約束。若前驅(qū)微服務(wù)與后置微服務(wù)同部署于邊緣計算終端或云計算中心，則無需進行云邊通信，否則需進行云邊通信。云邊通信的約束表達式為：

li=si,e+2si,c，

(20)

di,j=li-lj.

(21)

式中：li為微服務(wù)i的鏈路變量，相應(yīng)lj的計算方法與之相同；di,j=1表示前驅(qū)微服務(wù)與后置微服務(wù)部署于不同位置，需要進行云邊通信，di,j=0表示前驅(qū)微服務(wù)與后置微服務(wù)部署于相同位置，不需要進行云邊通信。

2.3 求解方法

差分進化算法具有結(jié)構(gòu)簡單、容易實現(xiàn)、收斂快速等特點，本文采用改進差分進化算法求解，主要步驟如下：

步驟1，輸入仿真參數(shù)及矩陣L、X；

步驟2，初始化迭代次數(shù)g=1，產(chǎn)生初始種群X0；

步驟3，對種群進行變異、交叉操作；

步驟4，使用矩陣X獲得最大串聯(lián)、并聯(lián)、孤立支路數(shù)；

步驟5，使用式(3)—(5)和L、X計算串聯(lián)、并聯(lián)、復(fù)合支路延時；

步驟6，使用式(6)和L、X計算業(yè)務(wù)延時；

步驟7，輸出業(yè)務(wù)延時，并對種群進行選擇操作；

步驟8，判斷迭代是否滿足收斂條件，若收斂則輸出結(jié)果，結(jié)束算法流程，若不收斂則返回至步驟4，繼續(xù)迭代。

3 算例分析

3.1 仿真參數(shù)

本文設(shè)置的仿真場景包含云節(jié)點和邊緣節(jié)點，二者通過骨干通信網(wǎng)通信，協(xié)作完成配用電監(jiān)控業(yè)務(wù)。在骨干通信網(wǎng)中存在上行通信鏈路和下行通信鏈路。本文配用電監(jiān)控業(yè)務(wù)的微服務(wù)仿真參數(shù)見表2；差分進化算法參數(shù)設(shè)置包括：迭代次數(shù)為400，種群大小為20，交叉概率為0.2，縮放因子上、下限分別0.8和0.2。

表2 業(yè)務(wù)包含的微服務(wù)參數(shù)

3.2 微服務(wù)云邊部署策略分析

采用本文方法求解微服務(wù)云邊部署并對比其他3種部署策略的結(jié)果，見表3，其中策略1為邊部署策略，策略2為云部署策略，策略3為均衡部署策略。采用粒子群優(yōu)化(partical swarm optimization，PSO)算法求解，結(jié)果見表4。

表3 改進差分進化算法求解微服務(wù)云邊部署結(jié)果

表4 PSO算法求解微服務(wù)云邊部署結(jié)果

由表3可知：采用策略1時，邊緣計算終端的計算資源有限，配用電監(jiān)控業(yè)務(wù)的總延時高達63.78 s；采用策略2時，云計算中心提供了充足的計算資源，但由于配用電監(jiān)控業(yè)務(wù)的執(zhí)行結(jié)果數(shù)據(jù)量大，需要從云計算中心依靠下行通信傳輸至邊緣計算終端，該微服務(wù)的部署方案業(yè)務(wù)延時也比本文方法高出10.95 s；采用策略3時，由于部署方案并未得到優(yōu)化，其業(yè)務(wù)延時也較高。通過微服務(wù)的云邊部署優(yōu)化，能有效發(fā)揮邊緣計算終端和云計算中心的資源協(xié)同優(yōu)勢，降低業(yè)務(wù)延時。

對比表3和表4可知，采用改進差分進化算法和PSO算法求解本文模型所得的微服務(wù)云邊部署位置結(jié)果一致；改進差分進化算法求得的業(yè)務(wù)延時結(jié)果比PSO算法求得結(jié)果較??；本文優(yōu)化模型目標為最小化業(yè)務(wù)延時，而PSO算法尋優(yōu)過程與改進差分進化算法相比較容易陷入局部最優(yōu)。因此，本文采用改進差分進化算法在尋優(yōu)深度和求解精度上的效果更好。

3.3 云邊計算資源對微服務(wù)部署的影響分析

本文分析云邊計算資源對微服務(wù)部署的影響，分別設(shè)定邊緣計算終端的計算資源為2 GHz和4 GHz，改變云計算中心的計算資源，分析云邊計算資源對微服務(wù)部署結(jié)果的影響，見表5。

表5 云邊計算資源對微服務(wù)部署的影響

由表5可知：在相同的邊緣計算終端計算資源下，隨著云計算中心計算資源增加，部署于云計算中心的微服務(wù)數(shù)量增加，業(yè)務(wù)延時減少；在相同的云計算中心計算資源下，隨著邊緣計算終端計算資源增加，部署于邊緣計算終端的微服務(wù)數(shù)量增加，業(yè)務(wù)延時減少。從部署結(jié)果也可以得出如微服務(wù)6、微服務(wù)7這種計算所需時鐘周期數(shù)較多的微服務(wù)，一般部署于云計算中心，如微服務(wù)1、微服務(wù)2、微服務(wù)4這種計算所需時鐘周期數(shù)較少的微服務(wù)，一般部署于邊緣計算終端。

3.4 云邊通信資源對微服務(wù)部署的影響分析

本文分析云邊通信資源對微服務(wù)部署的影響，分別設(shè)定下行通信速度為12 MB/s和15 MB/s，改變上行通信速度，分析云邊通信資源對微服務(wù)部署的影響，結(jié)果見表6。

由表6可知：在相同的下行通信速度下，上行通信速度增加雖沒有改變微服務(wù)部署的方案，但能降低業(yè)務(wù)延時；在相同的上行通信速度下，下行通信速度增加也沒有改變微服務(wù)的部署方案，但同樣能降低業(yè)務(wù)延時。影響微服務(wù)部署方案的主要因素是邊緣計算終端和云計算中心的計算資源，而通信資源對業(yè)務(wù)部署方案的影響較小。

表6 云邊通信資源對微服務(wù)部署的影響

4 結(jié)束語

本文提出一種配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)云邊部署方法，建立配用電物聯(lián)網(wǎng)監(jiān)控業(yè)務(wù)的微服務(wù)模型，采用改進差分進化算法求解建立的微服務(wù)云邊部署模型。仿真結(jié)果表明，所提方法相比邊部署策略、云部署策略和均衡部署策略能有效降低業(yè)務(wù)的延時，云邊的計算資源相較于通信資源對微服務(wù)部署結(jié)果的影響更顯著，且本文方法在尋優(yōu)深度和求解精度上比現(xiàn)有PSO算法更好。