基于DDPG的换流站融合终端任务卸载与资源调度方法OACSTPCD
随着电力数字化技术的快速发展,数字换流站作为电力系统的关键组成部分,面临着日益增加的计算压力。针对数字换流站中融合终端的计算业务需求,提出了一种云–边缘–本地三层计算卸载框架。考虑终端设备的移动性,文章以最小化系统总时延为目标,根据业务需求构建马尔科夫决策模型,采用基于深度确定性策略梯度算法的动态任务卸载优化方法实现对云–边–端三层的总体计算资源和网络资源的最优调度。通过搭建深度强化学习环境并仿真实验,结果表明,所提方案相比于边缘–本地双层卸载方案,系统总时延减少了29.6%。
白巍;张东磊;付俭定;夏清悦;徐可馨;
国网智能电网研究院有限公司,北京市昌平区102209北京科技大学计算机与通信工程学院,北京市海淀区100083
计算机与自动化
数字换流站任务卸载深度强化学习深度确定性策略梯度
《电力信息与通信技术》 2024 (003)
P.58-64 / 7
国家电网有限公司总部管理科技项目资助“数字换流站基于精准同步和标识的物联感知融合终端关键技术研究及应用”(5700-202258211A-1-1-ZN)。
评论