滿意度優(yōu)先的5G MEC服務器間隙式能源調度方案*

吳鵬，虞躍，邱蘭馨，姚繼明，江璟

（1.國網智能電網研究院有限公司，江蘇 南京 210003；2.國網浙江省電力有限公司信息通信分公司，浙江 杭州 310000；3.國網經濟技術研究院有限公司，北京 102209）

0 引言

隨著通信網絡技術的不斷升級，電力物聯網迅速向規(guī)?；椭悄芑l(fā)展，基礎設備數量大幅增多，設備采集信息、配電網運行狀態(tài)等各種待處理信息量呈爆炸式增長，為了降低電力數據的傳輸與處理帶來的極大壓力，文獻[1]-[5] 提出了利用邊緣計算技術對電力系統的邊緣數據進行處理。同時，為了應對氣候變化，2015 年全球近兩百個國家通過了《巴黎協定》，明確減少溫室氣體排放，力爭在本世紀中葉前后實現溫室氣體凈零排放。為了實現零碳轉型，可再生能源的合理利用就成為零碳發(fā)展的重點領域之一。

在這種大規(guī)模間歇式能源引入電力系統的新背景下，文獻[6] 提出將信息集成到電力分配中的電力分組調度系統，以電力包的形式向負載分配電能。針對主流輸配電系統之一的一種面向可再生能源的直流間隙式能源調度系統，文獻[7] 和[8] 設計了一種新型的電能打包和路由方法，可以實現定量、實時、精準的電能調度，有利于節(jié)省電能。文獻[9] 提出了一種基于區(qū)塊鏈的分布式綠色能源分配系統，用于智能電網中去信任的可靠能源交換，通過建立穩(wěn)健性評價模型，評價了能量分配系統的可靠性和有效性。文獻[10] 提出了基于能量損耗最小化的電力包調度系統，為實現智能電源管理，提出了離散分組的電力分組調度系統。通過對路由器網絡的電路分析，提出了功率包傳輸的成本度量，基于此度量，將優(yōu)化問題表述為從源節(jié)點到負載節(jié)點的一般最短路徑問題，該算法能夠根據負載需求分配分布式電源，并能確定最優(yōu)的功率輸送路徑。文獻[11] 提出了一種基于成本最小的能源互聯網路由機制。從優(yōu)化目標、擁塞管理、大負荷供電等方面對現有的電能路由器的路由機制進行了改進，基于圖論設計了能源互聯網的拓撲結構，并結合虛擬電路傳輸的概念、開放最短路徑優(yōu)先路由算法、基于策略的路由以及信息互聯網中的路由策略，提出了一種集日前點對點事務和日內功率平衡于一體的兩階段路由機制。

間隙式能源調度系統包含可再生能源、路由器以及MEC（Mobile Edge Computing，移動邊緣計算）服務器三部分，各部分與環(huán)境及其他部分之間進行交互，從而實現特定的控制目標，使得整個系統能夠利用分布式控制實現協調運行[12]。但是，客戶滿意度是企業(yè)的生命線，如何保證電網的安全穩(wěn)定運行，且可再生能源發(fā)揮其最大的作用的同時，考慮用戶對能源需求的滿意度問題，使得客戶的滿意度最大化是非常值得進一步研究的課題。

以往的研究都是以電力成本作為衡量用戶滿意度的指標[10][11][13][14]，但不能完全反映用戶的滿意程度，用戶對所分配到的電能的感受也應該是決定滿意度的重要因素之一。目前針對用戶的滿意度和可再生能源分配調度問題，相關學者有了一定的研究。文獻[15] 提出了可再生能源與MEC 服務器隨機協同調度的模型，將路由器與MEC 服務器之間的路徑損耗作為衡量用戶滿意度的指標，沒有考慮用戶本身對所分配調度的能量的滿意程度，不能保證電網的穩(wěn)定運行。文獻[16] 提出將路由器與MEC 服務器之間的路徑損耗以及用戶本身對分配調度的能量的滿意程度作為用戶滿意度，但是由于使用最大最小算法進行多目標優(yōu)化，這種多目標優(yōu)化方法容易陷入局部最優(yōu)解。而遺傳算法具有全局搜索能力，所以可采用進化算法對目標求解，因此文獻[17] 則提出使用改進的NSGA-Ⅱ（Non-dominated Sorted Genetic Algorithm-Ⅱ，非支配排序遺傳算法）算法提升目標優(yōu)化的能力，采用了動態(tài)交叉混合算法解決了一對多匹配問題，但是該方法不能最大化提升用戶的滿意度，且不能保證路由器與MEC 服務器之間的傳輸損耗最小。針對泛在電力物聯網中的MEC服務器在處理用戶的業(yè)務請求時產生的能耗問題，文獻[12] 提出一種直流供能方法。該方法基于傳輸損耗及電力包路由器最大可傳輸容量限制，以MEC 服務器的滿意度最大化為優(yōu)化目標建立模型，并進行分步求解，隨后利用一對多匹配博弈及改進的NSGA-II 算法分別求解路由和能量分配問題，實現了精準供能，節(jié)省了電能。但是，其采用的匹配算法雖然能夠匹配到更加偏好的服務器、提升用戶的滿意度，但匹配方案的偏好選擇可能會導致偏好與滿意度形成沖突，且由于傳輸容量的限制，MEC服務器的滿意度最終也不會達到最理想的值。

針對上述研究的不足，本文提出了一種滿意度優(yōu)先的5G MEC 服務器間隙式能源調度方案。首先，基于用戶對能源分配數量的滿意度最大構建優(yōu)化目標，在一定約束條件的制約下，構成一個約束優(yōu)化問題；隨后利用上層NSGA-Ⅱ算法求出Pareto 粗糙解集；再根據本文所提出的MEC 服務器-電力包路由器匹配算法求解出優(yōu)秀父代；最后，通過下層NSGA-Ⅱ算法得到供應至各個MEC 服務器的傳輸損耗最低的間隙式能源調度方案，從而使用戶的滿意度達到最高的同時保證能源的傳輸損耗最小。

1 系統模型

5G MEC 服務器間隙式能源調度方案的系統模型如圖1 所示，該系統模型由NRE個可再生能源供應方、NR個電力包路由器、NM個MEC 服務器（附加在小型基站側）以及多個用戶所構成。在研究間隙式能源的能量分配時，首先做出如下假設：（1）在一段時間內，用戶對于某些常用業(yè)務的需求模式是近似不變的。根據用戶向MEC 服務器請求業(yè)務的規(guī)律，可預測出每個MEC 服務器的能耗范圍。（2）一個可再生能源供應方與一個MEC 服務器相對應，可再生能源供應方基于各MEC 服務器的能耗范圍產生定量的電力包，并通過電力線傳輸至相應的電力包路由器，電力包路由器的控制模塊接收間隙式能源后，讀取其所包含的地址信息，然后根據該地址信息選擇對應的輸出端口將電力包轉發(fā)至目的地。（3）多個電力包路由器相連時，將接收到的電力包的能量暫時存儲在儲能模塊中，然后再對能量重新附加信息標簽傳輸至另一電力包路由器。

圖1 能源調度方案總體架構

假設各MEC 服務器緩存的終端日常所需的業(yè)務均為Nt個，第m個服務器在t時刻的總能耗可表示為[18]：

其中，式右邊兩項分別表示第m個服務器的靜態(tài)能耗和動態(tài)能耗。em表示第m個MEC 服務器的單位周期能耗，且em=hmc2，其中，hm的值與第m個MEC 服務器的硬件結構相關，c表示每秒的CPU 周期數?！苭pwdw(t) 表示MEC 服務器處理業(yè)務所需要的總CPU 周期數，其中pw表示處理第w個業(yè)務所需要的CPU 周期數，dw(t) 表示用戶在第t時刻對業(yè)務w的需求數，且服從速率為μw(t) 的泊松過程，其中μw(t) 服從均勻分布。

由于可再生能源輸出能量具有間歇性，本文主要分析在一段特定時間T 內的能量供需平衡。定義第m個MEC 服務器真正接收到的能量與最大需求能量之比為該MEC 服務器的滿意度，可表示為

為了使所有MEC 服務器對接收到的能量的滿意度均是最大，本文的電力包能量分配的優(yōu)化問題可描述為：

由于所建立的電力包能量優(yōu)化調度模型中包含實數變量Er,m以及取0 或1 的整數變量yr,m，該優(yōu)化調度問題是一種非線性多目標混合整數規(guī)劃問題。而直接求解這種非線性多目標混合整數規(guī)劃問題的難度較高，本文將此問題分解為多目標規(guī)劃問題以及MEC 服務器-電力包路由器匹配問題，對于多目標規(guī)劃問題，由于傳統的多目標優(yōu)化方法容易陷入局部最優(yōu)解，而NSGA-Ⅱ算法具有全局搜索能力，保證多目標優(yōu)化能力。因此本文先使用改進的NSGA-Ⅱ算法求解得到分配至各MEC 服務器的最優(yōu)能量Er,m，然后再使用MEC 服務器-電力包路由器匹配算法得到使得電力包能量傳輸損耗最小的調度方案。

2 MEC服務器滿意度最大化算法

傳統的MEC 服務器滿意度最大化算法均是在確定服務器與路由器連接關系的基礎上進行的，該方法未能充分考慮用戶對電能分配數量的滿意程度，且所選路徑未必是使得傳輸損耗最小的調度方案。因此，本文對此進行改進，先以用戶滿意度為優(yōu)化目標進行求解，由此可以得到滿意度優(yōu)化粗糙解集，再利用粗糙集理論求出相對優(yōu)解，隨后以γr,m為優(yōu)化目標在相對優(yōu)解中找到最佳父代，父代再使用NSGA-Ⅱ算法進行再次優(yōu)化，兩次優(yōu)化后可以得到使得用戶滿意度最大化的同時損耗也相對較小的能量分配方案。本文所提方案的詳細流程如圖2 所示。

圖2 基于用戶滿意度最大的能量分配方案流程

2.1 改進的NSGA-Ⅱ算法

由于公式所示優(yōu)化問題為一個多目標優(yōu)化調度模型，且由于快速非支配排序遺傳算法（NSGA-Ⅱ）對于求解多目標優(yōu)化調度模型有著廣泛的應用[19]，它是對NSGA算法的改進，它引入了快速非支配排序算法、擁擠距離和精英策略，降低了計算的復雜程度，同時也保證了種群的優(yōu)良性。因此，本文對NSGA-II 方法進行改進，并基于該改進算法來求解上述多目標優(yōu)化問題。為了保證每一代種群的優(yōu)良度，本文在仿真中加入最優(yōu)前端個體系數PF：

其中，NPF為最優(yōu)前端個體數；N為種群中的個體總數。通過改變最優(yōu)前端個體系數，可以計算得出該前端可允許保留的個體數目，從而尋找出使每個目標函數值都盡可能大的最優(yōu)解集，即Pareto 最優(yōu)解集。改進的NSGA-Ⅱ算法的詳細流程如文獻[20] 所示。

2.2 MEC服務器-電力包路由器匹配算法

本文一對多匹配方法主要分為如下兩個階段：第一階段建立在上層粗糙解集的基礎上，再以γr,m最小化為優(yōu)化目標進行求解；第二階段要滿足電力包路由器的能量約束，具體匹配算法的結構框圖如圖3 所示。

圖3 MEC服務器-電力包路由器匹配算法的結構框圖

圖3 中，Q表示連接矩陣，行、列分別為路由器編號和服務器編號，0、1 分別表示未連接和連接。表示第r個路由器在某時刻已經分配使用的能量，Z表示尚未匹配的MEC 服務器集合，pop 表示下層優(yōu)化父代的數量，g表示匹配算法成功的代數，parentr,m表示上層的粗糙分配解集，A表示損耗系數矩陣。γrmin,mmin表示損耗系數矩陣中最小的損耗系數，rmin表示此時的路由器，mmin表示此時的服務器，表示路由器r的最大能量。

3 仿真結果

仿真使用具有2.4 GHz CPU、64 GB 內存和64 位操作系統的臺式機進行數據的仿真和處理。部分仿真參數參考了文獻[12]進行設置，考慮兩個電力包路由器{r1,r2}和8 個MEC 服務器{m1,m2,m3,m4,m5,m6,m7,m8} 的場景，仿真參數中，設置靜態(tài)能耗Фm=0.2 J，hm=0.5×10-27，每秒所需要的CPU 周期數c=[1.0,1.5]GHz，第w個業(yè)務所需要的CPU 數pw=[2×108，3×108]Hz，速率μw(t)在[0,10]上服從均勻分布。損耗系數γr,m在[0.05,0.15]內隨機產生，得到一個2×8 的損耗系數矩陣A，且：

以電力包路由器r1，r2的最大容量r1=2.4 J，r2=1.2 J為例，改進的NSGA-Ⅱ算法中，最優(yōu)前端個體系數PF=0.3，種群大小為100，最大進化數為5 000。設電力包路由器r1的最大可傳輸容量為2.4 J，電力包路由器r2的最大可傳輸容量為1.21 J。

圖4 給出8 個不同的MEC 服務器對所接收到的能量的滿意度，并將其與上文所提到的3 種方法進行了對比。由圖4 可以看出，對于本文所提出的方法和文獻[12]所提出的方法而言，MEC 服務器的滿意度均在較小的范圍內波動，但是，基于本文所提出的方法進行調度時，每一個MEC 服務器的滿意度均優(yōu)于文獻[12] 所提出的方法。從圖4 還可以看到，對于編號為1 的MEC 而言，采用隨機匹配方法所取得的MEC 服務器的滿意度略高于本文所提出的方法，但是，其他7 個MEC 服務器所取得的滿意度均遠低于本文所提出的方法。另外，采用最大最小法所獲得的滿意度均遠低于本文所提出的方法。由于該圖中的每個MEC 服務器的最小和最大能量需求量、能量剩余量以及損耗系數均不同，所以各自的滿意度也不同，但這些滿意度相對于MEC 服務器自身均是最優(yōu)的。

圖4 不同MEC服務器的平均滿意度

圖5 分析了MEC 服務器的平均滿意度隨MEC 服務器的數量的變化而改變的情況。這里的平均滿意度是指系統中與該電力包路由器相匹配的各MEC 服務器的滿意度總和與MEC 服務器數量的比值。從該圖可以看出，當電力包路由器的最大可傳輸容量一定時，隨著MEC 服務器數量的增多，MEC 服務器的平均滿意度也隨之下降，這一結論也與實際情況相吻合。同時，從圖中還可以看到，基于本文所提方法獲得的MEC 服務器的平均滿意度始終優(yōu)于參考文獻[12] 中的方法。

圖5 MEC服務器數量對平均滿意度的影響

在實際的分配方案中，存在很多對價格敏感，而對滿意度要求不高的用戶。圖6 給出了最低滿意度對單個MEC 服務器滿意度的影響。從圖6 可以看出，當某一MEC 服務器的最小能量需求分別為30%、50% 與70%時，本文所提方案分配的滿意度也會隨最小需求的降低而下降，這也就說明，在實際的應用中，通過改變不同MEC 服務器最低滿意度的大小，可以控制分配給滿意度較低的MEC 服務器的能量，從而節(jié)余更多分配給對滿意度要求較高的MEC 服務器的能量。實際中可以針對不同用戶給予不同的服務最大化滿足不同用戶的差異化的需求。

圖6 最低滿意度要求對單個MEC服務器的平均滿意度的影響

本文所提出的優(yōu)化算法的匹配結果和文獻[12] 所提方法的匹配結果分別如表1 所示。其中，“1”表示該路由器與該MEC 服務器進行匹配，“0”表示該路由器與該MEC 服務器未進行匹配?？梢杂^察到，本文與文獻[12]所提出的方法的匹配矩陣在m2與m8處不同。

表1 MEC服務器與電力包路由器的連接矩陣

為了驗證本文所提算法的損耗特性，我們分別對本文所提算法以及文獻[12] 所提算法的損耗系數求和，損耗系數和分別為0.65 和0.68，由此可以看出，在對損耗系數的優(yōu)化方面，本文的損耗系數也略小于文獻[12] 所提方法。因此，本文所提方案，在提高用戶滿意度的同時，也降低了能量傳輸損耗，間隙式能源調度方案的性能得到了進一步的改進與提高。

4 結束語

本文提出了一種基于間隙式能源的MEC 服務器直流能量分配方法。該方法包含了雙層NSGA-Ⅱ算法以及MEC 服務器-電力包路由器匹配算法。首先考慮用戶滿意度最高建立優(yōu)化目標，隨后通過上層NSGA-Ⅱ算法求出Pareto 粗糙解集，再利用粗糙集理論，以及本文所提出的MEC 服務器-電力包路由器匹配算法求解出優(yōu)秀父代，最后，通過下層NSGA-Ⅱ算法得到供應至各個MEC 服務器的最優(yōu)能量分配。仿真結果驗證了本文所提方法的可行性和優(yōu)越性，實現了每個MEC 服務器滿意度達到最大的同時，損耗也得到了降低，得到了更優(yōu)的能量分配方案。在今后的工作中，將進一步考慮不同時間段內用戶需求的動態(tài)變化，進一步研究對MEC 服務器進行能量分配策略的優(yōu)化工作。