面向軟件定義網絡的配電邊緣計算終端優化部署方法

秦強，劉文澤，譚煒豪，蔡澤祥，岑伯維，匡佩

(華南理工大學電力學院，廣州市 510641)

0 引 言

隨著物聯網技術與“雙碳”目標的不斷驅動[1-3]，傳統配電網向能源互聯網逐步發展[4-5]，配用電物聯網應運而生[6-7]。新型負荷、智能終端、分布式電源等設備的泛在接入[8]使配用電物聯網的設備成本和運行成本顯著提高。同時，隨著海量新型業務的產生[9]，業務數據量急劇增加，向業務處理設備的資源配置和業務延時提出新需求[10-12]，系統的業務支撐能力面臨嚴峻挑戰[13-14]。

基于邊緣計算(edge computing, EC)和軟件定義網絡(software defined network, SDN)的配用電物聯網[15-16]，依托分散部署的邊緣計算終端實現海量異構多源數據信息的深度感知和高效處理[17]。分布式邊緣計算終端的協同運行是配用電物聯網的重要應用場景，其部署方案則是配用電物聯網的關鍵問題。一方面，優化部署邊緣計算終端能更好地滿足業務實時性、可靠性的要求，有效減輕通信網絡壓力，整體上提升配用電物聯網的運行效率。另一方面，進行邊緣計算終端等邊緣層設備的部署，可有效節省成本，提高配用電物聯網的經濟效益。考慮到現有智能終端被無線基站廣泛覆蓋，且無線基站擁有豐富的數據流與業務流。因此，利用無線基站站址進行配電邊緣計算終端的優化部署方法研究具有十分重要的意義。

目前，學者們對設備部署問題展開了一定的研究。文獻[18]提出了一種適用于電力通信網的SDN控制器部署方法。在建模過程中引入節點重要度概念，再基于非支配排序分類的和聲搜索算法求解可靠性和時延問題，但沒有考慮計算延時的影響。文獻[19]提出了一種基于云邊協同的電力終端部署方法。結合密度和距離2個因素，基于聚類的思想部署電力終端，但未充分考慮電力終端間的交互對部署的影響。文獻[20]利用基于潮流和線路阻抗的社區理論來劃分網絡邊緣計算自治域以優化邊緣計算設備部署和自治區域的數量，但忽略了邊緣計算設備型號差異對部署的影響。上述研究雖不以配用電物聯網為場景，但對設備部署問題研究提供了參考。文獻[21]建立了考慮事故-經濟重構共同影響下的智能終端雙層規劃模型，但在規劃過程中未充分考慮延時造成的實時性問題。文獻[22]以時延為優化目標，建立了考慮終端部署與業務分配的雙層模型，但其是以邊緣計算終端數量一定來優化部署位置。然而，現有研究并沒有從硬件選型配置的角度來優化配電物聯網邊緣計算設備的部署位置和數量。

本文提出一種面向SDN的配電邊緣計算終端優化部署方法。首先介紹面向SDN的配用電物聯網邊緣計算架構。接著將問題分為設備部署優化和通信網絡優化問題，建立邊緣計算要素模型。然后考慮業務延時、硬件配置、通信方式約束，以部署的經濟成本為優化目標，利用無線基站站址建立計及硬件選型的配電邊緣計算終端優化部署模型。最后，基于多場景的算例仿真結果，驗證所提方法的有效性。

1 面向SDN的配用電物聯網邊緣計算架構與要素建模

1.1 面向SDN的配用電物聯網邊緣計算架構

SDN控制器作為軟件定義網絡架構的大腦，可管控多個邊緣計算終端。在文獻[16]介紹的軟件定義網絡模型中，SDN控制器可基于全局視圖制定業務卸載策略并進行資源分配，在滿足各邊緣計算終端業務需求的同時，有效提高網絡的資源利用率。面向SDN的配用電物聯網邊緣計算架構如圖1所示，由數據層和控制層兩部分構成。其中，SDN控制器構成控制層，可實時監控網絡的運行狀態，并進行整體功能布局調控方案的制定。邊緣計算終端和智能終端構成數據層，通過南向接口與SDN控制器連接并接受其管控，并通過SDN控制器下發的具體流表項執行具體資源分配等操作。

圖1 面向SDN的配用電物聯網邊緣計算架構Fig.1 Edge computing architecture of power distribution internet of things for SDN

由圖1可知，優化部署問題分為設備部署優化和通信網絡優化兩部分。本文在研究邊緣計算終端優化部署方法時設定以下原則：

1)設備部署優化。本文不考慮智能終端的優化部署，只考慮邊緣計算終端、SDN控制器的部署優化。邊緣計算終端復用已有電力無線專網基站站址進行部署，為節省場地資源而選擇在已部署有邊緣計算終端的位置部署SDN控制器。

2)通信網絡優化。智能終端與邊緣計算終端之間通過已有無線基站進行無線通信，故不考慮它們間的通信網絡優化；為保證通信可靠性和實時性，SDN控制器與邊緣計算終端、SDN控制器之間通過建設光纖專網進行通信連接。

1.2 配用電物聯網邊緣計算要素

1.2.1業務模型

區域配用電物聯網的業務集合為A={a1,a2,…,aq}，q為業務類型序號。其中業務aq的具體模型如下所示：

aq={aq,lo,aq,da,aq,sa,aq,ge}

(1)

式中：aq,lo為計算負載量；aq,da為數據傳輸量；aq,sa為數據存儲量；aq,ge為業務到達率。

1.2.2智能終端模型

配用電物聯網內智能終端的模型為Z=[N,R,L100%,D100%,Gav,Sav]。其中，N為智能終端集合，如下所示：

N={n1,n2,…,ni}

(2)

式中：ni表示第i個智能終端。

R為智能終端與業務的關聯矩陣：

(3)

式中：riq為0-1變量，若智能終端ni與業務aq關聯，riq取1，否則取0。

L100%為智能終端在業務并發率為100%時的計算負載量；D100%為智能終端在業務并發率為100%時的數據傳輸量；Gav為智能終端的總業務平均到達率；Sav為智能終端的平均數據存儲量。

智能終端ni的各項參數為：

(4)

(5)

(6)

(7)

1.2.3邊緣計算終端模型

邊緣計算終端模型包括候選部署位置、不同規格計算硬件和存儲硬件，其模型可表示為E=[M,Fca,Fsa,Bca,Bsa]。其中，M為候選部署位置集合，即無線基站站址集合；Fca為不同性能的計算硬件類型集合；Fsa為不同規格的存儲硬件類型集合；Bca為各型號計算硬件參數集合；Bsa為各型號存儲硬件參數集合。各集合具體為：

(8)

2 優化部署方法

2.1 決策變量

配電邊緣計算終端的優化部署方案通過決策變量體現，具體包括以下變量：

1)xij：為0-1變量形式，表示智能終端與邊緣計算終端的邏輯連接關系。若智能終端ni由部署于mj處的邊緣計算終端服務，則該變量取1，否則取0。

2)yj：為0-1變量形式，表示邊緣計算終端的部署位置。若將邊緣計算終端部署于mj處，則該變量取1，否則取0。

3)zjk：為0-1變量形式，表示邊緣計算終端與SDN控制器的通信連接關系。若mj處的邊緣計算終端由mk處的SDN控制器控制，則該變量取1，否則取0。

4)wk：為0-1變量形式，表示SDN控制器的部署位置。若在mk處的邊緣計算終端部署SDN控制器，則該變量取1，否則取0。

8)vk1k2:為0-1變量形式，表示SDN控制器間的通信連接關系。若在mk1和mk2處均部署SDN控制器，則該變量取1，否則取0。

2.2 目標函數

本文以部署的經濟成本為優化目標，目標函數為年均設備成本CI和年均運行成本CW之和最小：

min(CI+CW)

(9)

1)年均設備成本。

年均設備成本包括設備的投入成本和通信網絡的建設成本。設備的投入成本包括邊緣計算終端、SDN控制器的固定成本及其在運行年限內的維護成本，如下所示：

(10)

邊緣計算終端的固定成本與其部署的數量和配置的硬件類型相關，固定成本為：

(11)

所有SDN控制器的固定成本由SDN控制器部署的數量決定：

(12)

式中：CSDN為單個SDN控制器的固定成本。

通信網絡的建設成本包括邊緣計算終端與SDN控制器之間的通信網絡建設成本，以及SDN控制器之間的通信網絡建設成本。為保證上述各設備之間通信的可靠性和實時性，網絡選擇光纖作為通信介質。上述設備之間的通信網絡建設成本為：

(13)

(14)

因此，年均設備成本為：

(15)

2)年均運行成本。

年均運行成本體現為網絡運行所消耗的電能，且邊緣計算終端和SDN控制器是主要耗能設備。因此，結合二者的設備運行成本表示年均運行成本，具體如下：

(16)

邊緣計算終端的設備運行成本與計算硬件、存儲硬件耗能成本相關，采用計及負載率的加性模型進行刻畫[23]，如下所示：

(17)

(18)

SDN控制器的設備運行成本以平均功率與設備年運行小時數表示，具體為：

(19)

式中：PSDN為單個SDN控制器的平均功率。

2.3 約束條件

2.3.1通信方式約束

1)邊緣計算終端只能管控有限數量的智能終端，且只選擇同處的無線基站覆蓋范圍內的智能終端接入。為保障智能終端數據無線傳輸的安全性和可靠性，每個智能終端只會接入一個邊緣計算終端，約束為：

(20)

(21)

xij≤yj,ni∈N,mj∈M

(22)

xjj≥yj,mj∈M

(23)

(24)

(25)

式(20)限制一個智能終端只與一個邊緣計算終端連接；式(21)保證邊緣計算終端有智能終端接入；式(22)保證智能終端只會與邊緣計算終端所在位置的無線基站建立通信連接；式(23)限制邊緣計算終端所在位置的智能終端只能在本地接入；式(24)限制邊緣計算終端只能選擇本地的無線基站最大覆蓋范圍內的智能終端接入；式(25)限制邊緣計算終端管控的智能終端數量。

2)SDN控制器只能管控有限數量的邊緣計算終端，且每個邊緣計算終端只能選擇一個SDN控制器接入，約束為：

(26)

(27)

zjk≤wk,mj∈M,mk∈M

(28)

wk≤yk,mk∈M

(29)

zkk≥wk,mk∈M

(30)

(31)

3)為獲取全局視圖，SDN控制器之間需建立通信從而進行信息交互，約束為：

(32)

式(32)滿足mk1∈M，mk2∈M。

2.3.2邊緣計算終端的硬件配置約束

1)每個邊緣計算終端需要選擇合適的存儲硬件，建立存儲資源配置約束如下：

(33)

式中：Tsave為數據的存儲時間；ρ為存儲硬件的冗余系數。式(33)滿足mj∈M。

2)保證只有部署了邊緣計算終端的位置才可進行計算硬件的配置，約束如下：

(34)

邊緣計算終端的運行成本、延時閾值與接入智能終端和配置的計算硬件類型相關。因此引入中間變量gijq1，以完成智能終端和計算硬件類型的映射，具體約束如下：

(35)

2.3.3邊緣計算終端的延時約束

邊緣計算終端需要在一定的業務并發率下，將平均總延時限制在一定的閾值內，該延時包括邊緣計算終端的平均計算延時和平均通信延時。則部署于mj處的邊緣計算終端的平均總延時為：

(36)

本文利用已有的基于TD-LTE的電力無線專網進行無線通信。在計算平均通信延時的時候，忽略光纖通信延時，只考慮無線通信延時。因此在業務并發率為100%時，部署于mj處的邊緣計算終端的平均計算延時和平均通信延時為：

(37)

式中：pi為智能終端ni的發射功率；Iij為mj處的無線基站與智能終端ni之間的信道衰落因子；ε為無線基站可用帶寬大小；dij為mj處的無線基站與智能終端ni之間的距離；χ為路徑損耗因子；N0為高斯白噪聲功率。

當業務并發率為η時，將部署于mj處的邊緣計算終端的平均總延時限制在延時閾值下，建立約束如下：

ηtj≤tmax,mj∈M

(38)

式中：η為智能終端的業務并發率；tmax為業務的延時閾值。

2.4 優化部署問題求解

針對本文所提出的配電邊緣計算終端優化部署問題，在本節中已被表示為一個整數線性規劃模型。可以在MATLAB軟件中，先使用YALMIP工具箱進行問題建模與編程，再調用Gurobi優化求解器完成求解。

3 仿真算例

3.1 參數設置

為驗證所建問題模型的有效性，及為配用邊緣計算終端優化部署問題提供可行參考方法，本節建立了具體給定參數的仿真算例。仿真場景設定為一個區域配用電物聯網，包含52個普通節點和8個建設有無線基站的邊緣計算終端候選部署節點。每個節點部署有一個智能終端，智能終端與邊緣計算終端之間通過已有的無線專網進行通信，邊緣計算終端與SDN控制器之間、SDN控制器之間通過建設的光纖專網通信。

區域配用電物聯網包括居民用戶、工業用戶、充電站和分布式電源4種節點，有能量管理、設備控制、運行分析和數據監測4種業務。節點與業務的關聯關系如表1所示，業務參數如表2所示。其中，alo為計算單個業務需要完成的指令數；ada為單個業務傳輸的數據量；asa為單個業務存儲的數據量；age為業務的到達速率。此外，所建立模型包含的運行年限、折算系數、硬件參數和通信參數分別如附錄中表A1—A4所示。

表1 節點與業務關聯關系Table 1 Association between node and business

表2 業務參數Table 2 Service parameters

3.2 仿真結果分析

本文算例設置3種條件進行仿真分析：

1)標準條件：參數與3.1節一致。

2)固定計算硬件參數：并發率為1.5，所有邊緣計算終端配置相同計算硬件參數。

3)改變并發率：業務并發率分別為0.5、1.0、1.5、2.0、2.5、3.0。

表3為標準條件的優化部署結果，標準條件的總成本與延時如圖2所示。由圖2可知邊緣計算終端數量為5、SDN控制器數量為1時的年均設備成本、運行成本和總成本都最低，為該條件下的最優部署方案，如表4所示。隨著邊緣計算終端數量的增加，平均服務延時有略微下降，但部署成本也隨之增加。根據表3的邊緣計算終端部署數量為8的結果,其延時比最優部署方案下降了23.0%，但年均總成本上升了33.8%。其中，在邊緣計算終端數量為4時，在延時方面與最優部署方案相當，但年均設備成本、運行成本和總成本均增加。這是因為在邊緣計算終端部署數量減小時，為滿足延時要求需要配置較大的硬件參數，從而增加了設備成本。同時，在該情況下的每臺設備需要處理的業務量更多而功耗更大，增加了運行成本。這體現了本文優化部署方法的有效性。

表3 標準條件的優化部署結果Table 3 Optimal deployment results under standard condition

圖2 標準條件的總成本與延時Fig.2 Total cost and delay under standard condition

表4 最優部署方案Table 4 The best deployment scheme

表5為固定計算硬件參數的優化部署結果與最優部署方案的對比，固定計算硬件參數的總成本與延時如圖3所示。可知最優部署方案的年均設備成本、運行成本和總成本均最低，但延時略高。這是因為當統一配置較大計算硬件參數時，可加快業務處理速度從而降低延時，但隨之也使成本增加。由圖3可知，在分別配置1 000、2 500 MIPS的計算硬件參數時的延時都較低。根據表5，前者是由于計算速率低而通過增加邊緣計算終端的數量或SDN控制器數量來降低延時，從而造成成本的增加。后者是由于計算能力的增強而加快處理速度，從而減小了延時、邊緣計算終端數量和SDN控制器數量。雖然其延時比最優部署方案下降了12.8%，但是年均總成本上升了18.3%。這種配置較小計算硬件參數的方式可能會造成過量部署，從而造成資源冗余浪費和成本的增加。而配置較大計算硬件參數的方式更適用于延時苛刻、候選部署位置缺乏的場景。

表5 固定計算硬件參數的優化部署結果Table 5 Optimal deployment results of fixed calculate hardware parameter

圖3 固定計算硬件參數的總成本與延時Fig.3 Total cost and delay of fixed calculate hardware parameter

表6為改變并發率的優化部署結果，改變并發率的總成本與延時如圖4所示。

由圖4可知，隨著并發率的增加，年均設備成本、運行成本和總成本也隨之增加。其中，并發率為1.5對應表4的最優部署方案。根據結果可知，在相同設備數量情況下，隨著并發率的增加，通過改變部署位置或增加計算硬件參數來滿足延時需求。當并發率進一步增加時，還需通過增加邊緣計算終端數量或者SDN控制器數量來滿足延時需求，從而造成設備成本增加。其中，在并發率分別為0.5、3.0時的延時較小。根據表6可知，前者是因為并發率較小，每臺設備因處理業務量較少從而服務延時較小。后者是由于邊緣計算終端數量、SDN控制器數量和計算硬件參數的增加而減小了服務延時。此外，業務并發率的增加會使每臺設備處理業務量增多，從而造成功耗和運行成本的增加。綜合對比各條件分析，可知標準條件下的最優部署方案效果最好，將本文優化部署方法應用于多區域配用電物聯網可有效節省經濟成本。

表6 改變并發率的優化部署結果Table 6 Optimal deployment results of changed concurrency rate

圖4 改變并發率的總成本與延時Fig.4 Total cost and delay of changed concurrency rate

4 結 論

本文在面向SDN的配用電物聯網邊緣計算架構下，綜合考慮部署成本、業務延時、硬件選型、通信方式等因素，提出了一種配電邊緣計算終端優化部署方法。根據優化部署模型進行算例仿真分析，得到以下結論：

1)本文考慮復用無線基站站址部署邊緣計算終端，選擇在邊緣計算終端的位置部署SDN控制器，考慮通信網絡優化，保證了通信的實時性和可靠性。

2)基于多場景的算例仿真，驗證了本文所提方法能夠適應面向SDN的配用電物聯網邊緣計算架構，可實現對部署成本的優化，能有效增強配用電物聯網的業務支撐能力。

3)本文優化部署方法可推廣至多區域的配用電物聯網場景，為分布式配電邊緣計算終端的分區自治提供了參考方法。