基于CloudDPoS的电力计量数据溯源方法

    公开(公告)号:CN116980416A

    公开(公告)日:2023-10-31

    申请号:CN202310852265.3

    申请日:2023-07-12

    IPC分类号: H04L67/10 H04L9/32 H04L41/00

    摘要: 本发明提出了一种基于DPoS的云端数据溯源区块链共识算法CloudDPoS。该共识算法将云计算资源量化为DPoS共识算法中的权益,根据权益的大小为每个节点开启一个类似于Raft共识中的有偏计时器,分散了投票的结果;结合了“一人一票”的投票方法,在提高节点选举效率的同时保证了优质云资源拥有者的当选概率;通过在共识过程中引入反馈机制,使得在共识过程中发现超过50%节点不认可的区块,立即重新开始节点选举流程,保证了区块产生的正确性。与现有技术相比,本发明能够减少BlockCloud对资源的消耗,提高共识效率以及对大量节点的支持能力。

    一种规模化5G基站参与配电网需求响应的优化调度方法

    公开(公告)号:CN114006399A

    公开(公告)日:2022-02-01

    申请号:CN202111160519.2

    申请日:2021-09-30

    摘要: 本发明涉及一种规模化5G基站参与配电网需求响应的优化调度方法,属于配电网优化调度技术领域。应用于辅助电网需求侧管理,通过利用规模化5G基站储能的可调度能量资源,在大时间尺度负荷高峰时段为电网提供削峰服务,并在小时间尺度以降低基站用能成本为目标,对能量共享模式下规模化5G基站的能量流进行优化。首先,通过最优契约的设计鼓励规模化基站参与智能配电网大时间尺度需求响应;其次,在需求响应过程中,从小时间尺度角度对规模化基站内部层与交互层的能量流进行优化,有效地降低基站用能成本并提高基站储能出力的稳定性。

    一种基于DQN的5G融合智能配电网能量管理方法

    公开(公告)号:CN113988356A

    公开(公告)日:2022-01-28

    申请号:CN202111025762.3

    申请日:2021-09-02

    摘要: 发明涉及一种基于DQN的5G融合智能配电网能量管理方法,属于通信技术领域。本发明提出的基于DQN具有能量队列感知的任务卸载方法能够有效的处理高维复杂的环境状态信息。并通过深度强化学习做出最优的能量管理决策,实现5G基站降本增效与供电稳定性的性能的有效折衷。促进新能源消纳、维持电网能量供需平衡,同时提升5G基站降本增效效果。能够同时考虑供电稳定性性能和电力业务差异化QoS需求,考虑了信息流与能量流间的耦合关系,即考虑了传输时延、误码率等通信需求对储能系统电池状态的影响,使得储能运行商在保障基站供电稳定性的同时学习到长期最优的能量管理策略,满足电力业务数据稳定、可靠传输的通信需求。

    一种面向电力物联网海量终端的接入控制与资源分配方法

    公开(公告)号:CN109905334B

    公开(公告)日:2021-06-08

    申请号:CN201910155875.1

    申请日:2019-03-01

    发明人: 周振宇 郭宇飞

    IPC分类号: H04L12/911 H04L29/08 H04W4/70

    摘要: 本发明涉及面向电力物联网海量终端的接入控制与资源分配方案设计,提出了一种两阶段接入控制和资源分配算法。在第一阶段,本发明提出了一种基于契约理论的激励机制,激励部分延迟容忍的机器类通信(MTC)设备推迟其访问需求,以换取更高的访问机会。在第二阶段,基于Lyapunov优化,本发明提出了一种长期跨层在线资源分配方法,该方法在完整信道状态信息未知的情况下联合优化速率控制,功率分配和信道选择。特别地,联合功率分配和信道选择问题被公式化为二维匹配问题,并且通过基于定价的稳定匹配方法来解决。

    一种车联网中基于深度强化学习的任务卸载方法

    公开(公告)号:CN112822234A

    公开(公告)日:2021-05-18

    申请号:CN202011599843.X

    申请日:2020-12-29

    摘要: 本发明公开了一种车联网中基于移动边缘计算的任务卸载与资源分配方法,即一种车联网中基于深度强化学习的任务卸载方法,通过深度强化学习的任务卸载方法,应用于车联网处理高维状态信息的任务卸载,具体步骤包括:(1)构建系统模型框架建立车联网通信场景;(2)模型细化,对用户侧和服务器侧任务处理进行建模;(3)提出高可靠低时延约束与优化问题;(4)进行优化问题的转化并引入马尔科夫决策过程;(5)建立最优化问题模型,提出基于Deep Q‑learning Network的具有URLLC感知的任务卸载算法五个步骤构成。本发明同时考虑平均度量性能以及高阶统计量的性能,考虑了极端事件对通信可靠性的影响,使得用户车辆可以在保障URLLC通信需求的同时通过深度学习作出最优的任务卸载决策,满足其众多应用的高可靠低时延通信需求。