電力物聯(lián)網(wǎng)邊緣計算終端部署與業(yè)務(wù)分配優(yōu)化方法

陳元櫸，蔡澤祥，孫宇嫣，岑伯維，胡凱強，武志剛

(華南理工大學(xué)電力學(xué)院，廣州510640)

0 引言

在電力物聯(lián)網(wǎng)中[1]，智能設(shè)備數(shù)量巨大，待處理信息量呈爆炸式增長，有效降低邊緣數(shù)據(jù)的處理延時成為目前亟需解決的問題之一[2]。目前，邊緣計算技術(shù)在電力物聯(lián)網(wǎng)中的應(yīng)用存在“邊-邊交互”及“邊-端交互”等方式[3 - 5]，且邊緣計算終端(edge computing terminals，ECT)具有一定的業(yè)務(wù)處理獨立性。ECT的所處位置、管控區(qū)域及其承擔(dān)的業(yè)務(wù)直接影響系統(tǒng)數(shù)據(jù)傳輸特性與處理特性等[6 - 8]，故在多臺ECT協(xié)同處理系統(tǒng)數(shù)據(jù)架構(gòu)下，合理部署ECT對提高系統(tǒng)數(shù)據(jù)處理實時性、計算資源利用率具有重要意義。

目前，對于復(fù)雜網(wǎng)絡(luò)中節(jié)點的劃分，文獻[9]提出一種利用節(jié)點連接關(guān)系確定子圖的劃分方法，該方法并未充分考慮節(jié)點位置差異對部署方案的影響。對于智能終端部署，文獻[10]提出一種適用于電纜監(jiān)測的邊緣計算終端部署節(jié)點的規(guī)劃方法。文獻[11]提出一種云邊協(xié)同模式下的電力終端控制方法，該方法結(jié)合密度和距離兩個因素，采用聚類的思想部署電力終端，該方法未充分考慮終端間相互交互對終端部署的影響。文獻[12]提出一種基于需求分析的云計算資源部署方法。針對任務(wù)分配，文獻[13]根據(jù)用戶體驗質(zhì)量建立霧計算場景下的模糊模型，以最大化用戶體驗質(zhì)量為目標實現(xiàn)任務(wù)的分配。文獻[14]介紹一種任務(wù)卸載決策算法，考慮設(shè)備有限的供電能力與任務(wù)最大允許延時較小的情況，可有效均衡設(shè)備能耗與計算任務(wù)處理時間，但未充分考慮業(yè)務(wù)間的關(guān)聯(lián)關(guān)系對終端部署的影響。

多“邊”協(xié)同的業(yè)務(wù)處理方式是提高邊緣區(qū)域業(yè)務(wù)處理自動化的主要手段之一，ECT部署與業(yè)務(wù)分配是直接影響業(yè)務(wù)處理特性的主要原因，ECT部署時考慮其承擔(dān)的業(yè)務(wù)類型的影響對提高業(yè)務(wù)處理性能具有重要意義。而上述研究均將ECT部署與業(yè)務(wù)分配當(dāng)成獨立的研究內(nèi)容，并未充分考慮兩者的相互影響對提高業(yè)務(wù)處理實時性的作用。本文提出一種電力物聯(lián)網(wǎng)的ECT部署與業(yè)務(wù)分配方法，首先提出一種考慮業(yè)務(wù)關(guān)聯(lián)的多ECT處理架構(gòu)，根據(jù)業(yè)務(wù)的關(guān)聯(lián)關(guān)系及業(yè)務(wù)在ECT間的分配情況，系統(tǒng)內(nèi)ECT間的交互呈現(xiàn)多元結(jié)果。其次，根據(jù)系統(tǒng)節(jié)點分布提出ECT管控節(jié)點的劃分方法，為ECT部署奠定基礎(chǔ)。再次，建立考慮業(yè)務(wù)關(guān)聯(lián)的ECT部署與業(yè)務(wù)分配的雙層模型，外層模型根據(jù)內(nèi)層模型的ECT部署方案求解最優(yōu)的業(yè)務(wù)分配結(jié)果，內(nèi)層模型根據(jù)外層的業(yè)務(wù)分配情況確定最優(yōu)的ECT部署方案，通過分析內(nèi)、外層模型間的相互影響以實現(xiàn)系統(tǒng)業(yè)務(wù)處理實時性的最優(yōu)。最后，利用求解器CPLEX求解該雙層模型的最優(yōu)解，并利用算例驗證了本文所提模型與方法的有效性與先進性。

1 系統(tǒng)模型

1.1 邊緣計算終端信息處理架構(gòu)

如圖1所示，系統(tǒng)的通信拓撲結(jié)構(gòu)包含數(shù)據(jù)分析設(shè)備、采集設(shè)備與指令執(zhí)行終端，前者指ECT，后兩者指數(shù)據(jù)節(jié)點(data points，DP)上實現(xiàn)數(shù)據(jù)采集與指令操作功能的物理設(shè)備。在信息處理過程中，DP的數(shù)據(jù)信息上送至ECT，ECT根據(jù)系統(tǒng)分配的業(yè)務(wù)實現(xiàn)對接收的數(shù)據(jù)的處理，并將處理結(jié)果信息與其他ECT進行通信共享，而ECT將處理指令下達至執(zhí)行終端并由其完成，執(zhí)行終端將處理完的結(jié)果返回ECT[15 - 16]。在上述過程中，節(jié)點間通信鏈路的構(gòu)建取決于業(yè)務(wù)間的處理關(guān)系及信息流的傳輸[17 - 18]。

圖1 電力物聯(lián)網(wǎng)通信拓撲結(jié)構(gòu)Fig.1 Communication topology in power Internet of Things

1.2 業(yè)務(wù)處理模型

本文考慮ECT處理的業(yè)務(wù)信息如表1所示，包括基礎(chǔ)業(yè)務(wù)與應(yīng)用服務(wù)兩類，基礎(chǔ)業(yè)務(wù)指ECT對管控范圍內(nèi)每個DP均需完成的處理任務(wù)，應(yīng)用服務(wù)指在完成基礎(chǔ)業(yè)務(wù)后的一些高級應(yīng)用服務(wù)。本文考慮系統(tǒng)的應(yīng)用服務(wù)的數(shù)據(jù)處理任務(wù)由一臺ECT完成，故分別將每個應(yīng)用服務(wù)部署于一臺ECT上?；A(chǔ)業(yè)務(wù)與應(yīng)用服務(wù)間的處理關(guān)系如圖2所示，設(shè)表1中的業(yè)務(wù)處理邏輯分為并行處理與串行處理[19]，對于每臺ECT需執(zhí)行的基礎(chǔ)業(yè)務(wù)均可并行處理，并將處理結(jié)果按業(yè)務(wù)處理邏輯輸入至下一業(yè)務(wù)APP；對于APP3與APP4，在接收到APP2的處理結(jié)果時，可并行處理；基礎(chǔ)業(yè)務(wù)APP實現(xiàn)對數(shù)據(jù)采集與預(yù)處理，APP1將采集的數(shù)據(jù)傳輸至APP2；將應(yīng)用服務(wù)分為監(jiān)測類應(yīng)用服務(wù)APP與分析類服務(wù)APP，APP3與APP4在接收到APP2的處理結(jié)果時，可并行處理APP2的處理數(shù)據(jù)；APP5、APP6與其他業(yè)務(wù)為串行處理關(guān)系，APP3與APP4的處理結(jié)果輸入至APP5，待APP5處理完成后，將APP3與APP4、APP5的處理結(jié)果輸入至APP6，完成整個業(yè)務(wù)處理時序邏輯，做出相應(yīng)的指令。

表1 系統(tǒng)業(yè)務(wù)的相關(guān)參數(shù)Tab.1 Related parameters of service application

圖2 系統(tǒng)業(yè)務(wù)及其關(guān)聯(lián)關(guān)系Fig.2 System services and their relationship

2 ECT部署與業(yè)務(wù)分配雙層模型

數(shù)據(jù)處理延時主要來自數(shù)據(jù)傳輸、處理的過程，一方面ECT承擔(dān)的應(yīng)用服務(wù)不同將影響ECT間的數(shù)據(jù)傳輸特性及其本身的數(shù)據(jù)處理延時，另一方面ECT管控區(qū)域及其所處位置影響ECT承擔(dān)的應(yīng)用服務(wù)類型，即在系統(tǒng)數(shù)據(jù)處理過程中，ECT的部署位置與應(yīng)用服務(wù)的分配存在耦合關(guān)系[20]。因此提出利用雙層模型實現(xiàn)對ECT的部署以及應(yīng)用服務(wù)的優(yōu)化分配。其中外層模型以總處理延時最小為目標求解系統(tǒng)應(yīng)用服務(wù)在各ECT間的分配；內(nèi)層模型以傳輸延時最小為目標求解ECT在節(jié)點簇內(nèi)的部署。

2.1 外層模型

對于內(nèi)層模型中每種ECT部署方案，外層模型可計算得到一種實時性最優(yōu)的應(yīng)用服務(wù)分配方案，外層模型在遍歷所有方案后確定總延時最小的應(yīng)用服務(wù)分配方案及其對應(yīng)的ECT部署情況。

1)目標函數(shù)

以優(yōu)化系統(tǒng)數(shù)據(jù)處理延時為目標，如式(1)所示。

minDsum=Dt+Dc

(1)

式中：Dsum為處理總延時；Dt為總計算延時；Dc為總通信延時；i為數(shù)據(jù)源節(jié)點編號；a為APP編號；下標e、e′均為ECT編號，用以區(qū)分不同的ECT；tae為計算延時，表示ECTe處理APPa時產(chǎn)生的計算延時；die為數(shù)據(jù)源節(jié)點i與ECTe間的通信延時，dee′為ECTe與ECTe′間的通信延時。

2)計算模型

DP業(yè)務(wù)數(shù)據(jù)處理響應(yīng)時間包括ECT中業(yè)務(wù)應(yīng)用模型對數(shù)據(jù)的處理時間tae，該延時主要與ECT分配給該任務(wù)的處理頻率及數(shù)據(jù)處理的負荷有關(guān)。在ECT內(nèi)，任務(wù)處理時占用CPU資源，所需的處理時間以經(jīng)過的CPU時鐘周期(CPU cycle)的多少進行表征，當(dāng)以單位處理頻率f0處理APPa時，APPa所需的時鐘周期為wa，即APPa在ECT內(nèi)產(chǎn)生的負荷為wa。ECT根據(jù)其承擔(dān)的處理業(yè)務(wù)不同，對其CPU資源進行分配，當(dāng)處理任務(wù)獲得的CPU資源愈多，其所需的處理時間愈少，本文以同一時刻下處理APPa的處理頻率fae表征APPa獲得的CPU資源。因此，可利用式(2)表征計算延時tae。在電力物聯(lián)網(wǎng)中DP數(shù)據(jù)動態(tài)變化，導(dǎo)致不同業(yè)務(wù)應(yīng)用APP的負荷動態(tài)變化，而在一段時間內(nèi)，ECT分配給APPa的計算資源基本不變[21]。為了更好實現(xiàn)ECT部署與業(yè)務(wù)分配優(yōu)化，提出利用單位計算延時t0對tae進行簡化，t0為單位處理頻率f0處理單位負荷w0時產(chǎn)生的計算延時，所以當(dāng)fae給定時，計算延時tae為t0的倍數(shù)，其動態(tài)變化關(guān)系與wa相同。

(2)

(3)

式中：wa為ECTe處理應(yīng)用服務(wù)APPa產(chǎn)生的負荷；fae為ECTe處理業(yè)務(wù)應(yīng)用APPa時的處理頻率；ζae為0- 1變量，當(dāng)ECTe完成業(yè)務(wù)a的處理任務(wù)時ζae=1， 反之ζae=0。表1中業(yè)務(wù)負荷wa與處理的數(shù)據(jù)量有關(guān)；Fe為ECTe所能提供的最大處理頻率。

3)通信模型

數(shù)據(jù)在通信網(wǎng)絡(luò)的傳輸造成傳輸延時與傳輸?shù)臄?shù)據(jù)量大小成正相關(guān)、與傳輸速率成負相關(guān)，所以刻畫DPi與ECTe間的傳輸延時die如式(4)所示。本文考慮uie由多個基本數(shù)據(jù)單元u0組成，在一定數(shù)據(jù)傳輸速率R0下，u0在傳輸單位距離l0時產(chǎn)生的延時為d0。一般而言，節(jié)點間采用的通信方式不變，即傳輸速率不變，傳輸延時可簡化為單位傳輸延時d0的倍數(shù)，且傳輸延時的變化情況與傳輸數(shù)據(jù)量的變化情況相同。de′e為分布式部署時ECT間的通信延時，其計算方法同die，僅將式(4)中下標i替換為另一臺ECT的下標e′。

(4)

(5)

(6)

2.2 內(nèi)層模型

1)目標函數(shù)

本文將ECTe管控的DP稱為一個節(jié)點簇Se(節(jié)點簇與ECT采用相同的編號e)，系統(tǒng)各節(jié)點簇Se的并集為Ssum。在系統(tǒng)通信架構(gòu)中，ECT與節(jié)點簇內(nèi)DP及系統(tǒng)其他ECT間的相對位置關(guān)系直接影響節(jié)點簇的數(shù)據(jù)傳輸延時，據(jù)此本文提出內(nèi)層模型以實現(xiàn)ECT于節(jié)點簇中的部署，使系統(tǒng)業(yè)務(wù)處理延時最小。根據(jù)外層模型中通信延時的刻畫，建立內(nèi)層模型的目標函數(shù)如式(7)所示。

minDc

(7)

2)節(jié)點簇劃分

在內(nèi)層模型中，實現(xiàn)節(jié)點簇內(nèi)ECT的部署的前提是對DP進行劃分，劃分依據(jù)主要考慮ECT管控的DP數(shù)量及其位置。當(dāng)DP數(shù)據(jù)處理產(chǎn)生的計算負荷相同時，ECT管控DP數(shù)量相同可使各計算設(shè)備間負載較均衡。故設(shè)ECTe管控的節(jié)點數(shù)為he，根據(jù)系統(tǒng)ECT數(shù)量K與DP數(shù)量n確定ECT管控的平均節(jié)點數(shù)量he，如式(8)所示。

(8)

式中：PInt表示整數(shù)部分；PMod表示小數(shù)部分。當(dāng)PMod≠0時，系統(tǒng)存在[K×(1-PMod)]臺ECT管控的DP數(shù)量為PInt，(K×PMod)臺ECT管控的節(jié)點數(shù)為(PInt+1)。

確定節(jié)點簇內(nèi)的節(jié)點數(shù)量后，本文考慮節(jié)點簇劃分依據(jù)是使節(jié)點簇節(jié)點距離之和最小，如式(9)所示。式(10)所示為一個NP-hard問題[22]，故本文提出利用系統(tǒng)節(jié)點的分布位置關(guān)系對該NP-hard問題進行近似求解，即根據(jù)系統(tǒng)已知條件對上述問題進行約束，包括：1)存在與其他所有節(jié)點的相對距離之和最小的節(jié)點Vi，距離Vi較遠的一些位于拓撲結(jié)構(gòu)邊界處的節(jié)點，僅能與其最近的若干個節(jié)點組成節(jié)點簇；2)任意選取he個節(jié)點構(gòu)成節(jié)點簇，對節(jié)點簇內(nèi)節(jié)點的相對距離之和的最小值進行排序得到A，選取距離之和最小的前m個節(jié)點簇，在滿足式(9)的約束下，本文所求Ssum必存在于A中。此外，m的選取影響系統(tǒng)節(jié)點簇劃分的精確性與計算速率。

(9)

(10)

式中：Lsum為各節(jié)點簇ECT與DP距離之和的最小值；Lemin為ECTe所在節(jié)點簇的ECT與DP距離之和的最小值；lie為DPi與ECTe間的距離；φ為空集；SK為第K個節(jié)點簇中所有DP構(gòu)成的集合；∪、 ∩分別為集合的并、交運算。

3 模型處理與求解

3.1 其他約束條件

1)約束條件線性化

CPLEX求解器是求解線性優(yōu)化問題、混合整型規(guī)劃問題的常用工具，可靈活快速求解規(guī)劃問題的最優(yōu)解[23]，是目前求解優(yōu)化問題的主要手段之一[24]，因此，本文提出利用CPLEX求解上述優(yōu)化問題。在上述雙層模型中，連續(xù)變量與離散變量間的乘積造成系統(tǒng)模型的強非線性，為利用CPLEX求解該模型，需對上述模型中非線性部分進行線性化變化[25]。利用麥考密克凸包絡(luò)法實現(xiàn)對式(2)的taefae進行線性化，如式(11)所示。

(11)

利用方形約束實現(xiàn)對式(9)中l(wèi)ie的非線性表征進行轉(zhuǎn)換[26]，如式(12)所示。

(12)

在利用CPLEX進行求解過程之前，需對系統(tǒng)相關(guān)參數(shù)進行設(shè)置及定義傳輸延時、計算延時變量及相關(guān)的中間變量。中間變量用于表示對延時變量的約束，或表示多變量的乘積。表示多變量乘積的變量需用式(11)—(13)所示的多組不等式約束進行等價替換。其次，將上述ζie與ζae設(shè)為求解變量，即為CPLEX的決策變量。

(13)

式中：下標U、L分別表示該變量的最大值、最小值，如fae,U、fae,L分別為fae的最大值、最小值。

2)延時約束條件

不同業(yè)務(wù)對數(shù)據(jù)處理實時性需求不同，利用式(14)所示的約束條件進行約束，即

(14)

式中：dea為ECTe處理APPa時產(chǎn)生的延時；de為ECTe處理各種APP產(chǎn)生的延時；da為APPa的延時容忍度。

3.2 模型求解

1)節(jié)點簇劃分

針對上述NP-hard問題的約束，提出系統(tǒng)節(jié)點簇劃分流程如圖3所示，虛線框中為節(jié)點簇內(nèi)的節(jié)點相對距離之和Le min的求解流程，得到節(jié)點簇Ssum。

圖3 節(jié)點簇劃分流程圖Fig.3 Flow chart of node cluster partition

2)雙層模型嵌套求解

系統(tǒng)業(yè)務(wù)處理成本分析過程中，需要同時考慮ECT管控的節(jié)點及其部署節(jié)點的選取，以及ECT協(xié)同處理的業(yè)務(wù)類型。在實現(xiàn)節(jié)點簇劃分的基礎(chǔ)上，上述雙層模型等價為求解ζie與ζae， 雙層模型求解算法如圖4所示。

圖4 雙層優(yōu)化算法Fig.4 Bi-layer optimization algorithm

4 算例分析

4.1 參數(shù)設(shè)置

為了驗證本文所提模型與方法的可行性與有效性，根據(jù)電力物聯(lián)網(wǎng)實際運行情況，在如圖1所示的某地區(qū)30節(jié)點系統(tǒng)中，以節(jié)點V9為參考節(jié)點，利用節(jié)點的相對位置關(guān)系，形成各節(jié)點的位置信息，令該地區(qū)ECT的數(shù)量為K=6，設(shè)每臺ECT的最大處理能力為Fe=3.2 GHz；令d0=t0=20 ms；且ECT處理業(yè)務(wù)相關(guān)參數(shù)如表2所示，ECT業(yè)務(wù)處理信息流如圖2所示[27 - 28]。

表2 業(yè)務(wù)應(yīng)用的相關(guān)參數(shù)Tab.2 Related parameters of service application

4.2 節(jié)點簇劃分

對于n節(jié)點系統(tǒng)而言，任意he個節(jié)點的組合存在[n!/(K×he!)]種方案，即在圖1所示的30節(jié)點系統(tǒng)中約存在3.684×1029種ECT管控方案。本文考慮對NP-hard問題的約束條件為：1)V26與V6、V21與V3、V4與V24等綁定在同一節(jié)點簇內(nèi)；2)將距離V9較遠的若干個邊界節(jié)點與它們最近的(he-1)個節(jié)點構(gòu)成一個Ssum，并將各節(jié)點簇的節(jié)點距離之和進行排序，得到A。選取Lsum最小的組合作為系統(tǒng)節(jié)點簇劃分依據(jù)。隨后利用仿真軟件確定滿足式(12)所示模型的節(jié)點分簇方案，如表3所示。

表3 節(jié)點簇劃分及終端部署與應(yīng)用服務(wù)分配結(jié)果Tab.3 The results of node cluster partition, ECT deployment and services allocation

4.3 延時分析及終端部署與應(yīng)用服務(wù)分配

針對節(jié)點傳輸?shù)臄?shù)據(jù)量差異，研究不同場景下業(yè)務(wù)計算時的傳輸延時大小，以DP數(shù)據(jù)相同時為場景1，當(dāng)DP的數(shù)據(jù)波動情況不同時記為場景2～4，其中場景2中的數(shù)據(jù)相較場景1的變化率為1.67%；場景3中的數(shù)據(jù)相較場景1的變化率為27.08%；場景4中的數(shù)據(jù)相較場景1的變化率為9.58%。并將場景1中的業(yè)務(wù)數(shù)據(jù)處理延時從大到小排序，得到如圖5所示的曲線，橫坐標表示內(nèi)層模型求解的應(yīng)用服務(wù)分配方案，按場景1的業(yè)務(wù)分配方案排序方式獲取其他場景的延時曲線，如圖5所示。可知當(dāng)DP數(shù)據(jù)動態(tài)變化時，系統(tǒng)完成數(shù)據(jù)處理產(chǎn)生的延時隨應(yīng)用服務(wù)的分配方案不同的變化趨勢基本一致，且當(dāng)DP數(shù)據(jù)一致時系統(tǒng)的延時曲線最低，即場景1的延時變化曲線低于場景2～4的延時變化曲線。

圖5 不同場景中的總延時Fig.5 Total latency in different scenarios

以圖5所示的延時最小的應(yīng)用服務(wù)分配方案作為系統(tǒng)應(yīng)用服務(wù)分配方案，如表3所示，并據(jù)此計算完成系統(tǒng)各業(yè)務(wù)的計算所需的延時大小，各ECT承擔(dān)業(yè)務(wù)處理時產(chǎn)生的總延時，其結(jié)果如圖6所示。圖6(a)為不同場景中各業(yè)務(wù)總處理延時的變化情況，其中橫坐標為業(yè)務(wù)的種類，縱坐標為延時大小，不同顏色的柱狀圖表示不同的場景。圖6(b)為不同場景中ECT承擔(dān)業(yè)務(wù)處理時產(chǎn)生的總延時，其中橫坐標表示不同場景，縱坐標表示延時大小，不同顏色的柱狀圖表示不同的ECT。

一般而言，業(yè)務(wù)的負荷較大時，處理延時較大。如圖6(a)中，業(yè)務(wù)5與業(yè)務(wù)6的處理延時明顯高于其他業(yè)務(wù)，從而導(dǎo)致承擔(dān)這些業(yè)務(wù)的ECT的處理延時高于其他ECT，如圖6(b)中ECT5與ECT6的總延時明顯高于其他ECT。但是當(dāng)業(yè)務(wù)負荷相對較小，而處理的數(shù)據(jù)量較大時，總處理延時也將達到較高水平，如圖6(a)中業(yè)務(wù)2的處理延時與業(yè)務(wù)5的基本一致，而業(yè)務(wù)2與業(yè)務(wù)5的負荷相差較大，即相同業(yè)務(wù)處理數(shù)據(jù)量的累積將影響業(yè)務(wù)負荷。

圖6 各業(yè)務(wù)與各ECT的處理總延時Fig.6 Total latency of each service and each ECT

分別以業(yè)務(wù)與ECT為研究對象，由圖6(a)計算不同場景下各業(yè)務(wù)的總處理延時，由圖6(b)計算不同場景下各ECT處理其承擔(dān)的業(yè)務(wù)的從延時，可以得到兩者的結(jié)果相同，即可以確定圖6中在不同場景下各業(yè)務(wù)總延時大小總是與各ECT處理總延時保持一致。由表2的業(yè)務(wù)參數(shù)及表3的業(yè)務(wù)分配情況，當(dāng)ECT承擔(dān)較多類型或數(shù)量的處理業(yè)務(wù)時，ECT的負荷較大，如ECT5與ECT6。為保證ECT5與ECT6在分別處理負荷較大的APP6與APP5時，能夠滿足延時要求，APP6與APP5將占用ECT的主要的CPU資源，從而導(dǎo)致ECT5與ECT6承擔(dān)的其他業(yè)務(wù)的處理延時增加，如APP1與APP2，從而導(dǎo)致業(yè)務(wù)的總延時增加或ECT的處理總延時增加，如圖6(a)中業(yè)務(wù)2的處理總延時高于業(yè)務(wù)3與業(yè)務(wù)4，圖(b)中ECT3與ECT4的處理總延時遠小于ECT5與ECT6的總處理延時。

為比較本文所提模型與方法的優(yōu)勢，在場景一中比較本文所提方法與其他方法如top-k[29]、K-means[30]與Random下的ECT部署與業(yè)務(wù)分配的結(jié)果，如表4所示，其中O(·)表示所用算法的復(fù)雜度的數(shù)量級運算。從表4的結(jié)果可知，Random方法下延時明顯高于其他3種方法；而利用top-k與K-means方法計算出的ECT部署與業(yè)務(wù)分配結(jié)果，系統(tǒng)業(yè)務(wù)處理所能達到的最小延時高于本文所用方法；且基于圖1所示的系統(tǒng)拓撲結(jié)構(gòu)，本文方法的復(fù)雜度為常數(shù)階，而top-k與K-means方法的復(fù)雜度分別為線性對數(shù)階、線性階。此外，top-k與K-Means方法下ECT負荷的平衡程度較本文所用方法差。

表4 不同方法下的ECT部署與業(yè)務(wù)分配結(jié)果比較Tab.4 Comparison of ECT deployment and service allocation results under different methods

5 結(jié)論

本文基于電力物聯(lián)網(wǎng)邊緣數(shù)據(jù)節(jié)點的分簇，考慮ECT部署與業(yè)務(wù)處理關(guān)聯(lián)關(guān)系，建立相應(yīng)的雙層模型，利用仿真軟件模擬30節(jié)點系統(tǒng)信息的場景，分析得到以下結(jié)論。

1)利用本文所提的考慮業(yè)務(wù)關(guān)聯(lián)的ECT處理架構(gòu)，可實現(xiàn)多ECT間的業(yè)務(wù)信息的靈活交互，實現(xiàn)邊緣區(qū)域業(yè)務(wù)處理自動化。

2)節(jié)點分簇方法有效劃分ECT管控的數(shù)據(jù)節(jié)點，減少數(shù)據(jù)節(jié)點與ECT間的通信延時，提高業(yè)務(wù)處理的實時性，對大規(guī)模節(jié)點群的分簇具有借鑒意義。

3)在ECT部署過程中，ECT承擔(dān)的業(yè)務(wù)類型與數(shù)量影響其分配給每個業(yè)務(wù)的CPU資源數(shù)量。當(dāng)其承擔(dān)的某種業(yè)務(wù)的負荷較大時，為滿足延時約束條件，該業(yè)務(wù)占用了ECT的主要CPU資源，導(dǎo)致同一ECT承擔(dān)的其他業(yè)務(wù)處理延時增大。

4)ECT部署影響傳輸延時，而ECT承擔(dān)的業(yè)務(wù)類型影響計算延時，綜合考慮兩者的相互影響從而確定ECT在節(jié)點簇內(nèi)的部署與ECT承擔(dān)的業(yè)務(wù)類型，達到系統(tǒng)業(yè)務(wù)處理總延時最小，該方法為電力物聯(lián)網(wǎng)智能設(shè)備的部署與處理任務(wù)的分配提供借鑒意義。