1. 华北电力大学电气与电子工程学院
2. 国网山东省电力公司
Published:2026
移动端阅览
孙毅, 姜俊廷, 刘欣雅, et al. 面向高并发分布式光伏感知业务推理的轻量化边缘协同计算与动态资源优化方法[J]. 2026, 50(4): 1540-1550.
DOI:
孙毅, 姜俊廷, 刘欣雅, et al. 面向高并发分布式光伏感知业务推理的轻量化边缘协同计算与动态资源优化方法[J]. 2026, 50(4): 1540-1550. DOI: 10.13335/j.1000-3673.pst.2025.0877.
随着分布式光伏高比例接入配电网,电力通信网络难以满足大规模光伏终端基于海量电力数据的实时感知与智能控制计算需求。当前研究虽然多采用任务卸载与计算等方式提升电力通信接入网的传输效能,但是边缘智能设备仍面临模型体积庞大、算力分配僵化的问题,导致偏远地区电力边缘计算终端的长期能耗与本地计算能力不足。针对上述问题,文章研究了面向高并发分布式光伏感知业务推理的轻量化边缘协同计算与动态资源优化方法,通过协同缓存多压缩率模型与动态调节设备实时计算资源,提升人工智能模型的终端侧部署效能;其次,针对服务缓存与任务卸载时间尺度耦合问题,进一步提出基于李雅普诺夫的动态卸载与缓存共享机制,通过构建边缘终端间的缓存资源共享网络,显著提高资源受限环境下计算任务推理所需能耗。仿真结果表明,相比于仅考虑设备计算协同和仅考虑缓存更新策略,该文所提策略有效地减少了偏远地区的电力智能终端在边缘计算系统中产生的长期能耗,提高了边端侧人工智能模型部署的效能。
殷爽睿,艾芊,曾顺奇,吴琼,郝然,江迪.能源互联网多能分布式优化研究挑战与展望[J].电网技术,2018(05).
刘林,祁兵,李彬,叶欣,梅文明.面向电力物联网新业务的电力通信网需求及发展趋势[J].电网技术,2020(08).
宁兆龙,张凯源,王小洁,郭磊.基于多智能体元强化学习的车联网协同服务缓存和计算卸载[J].通信学报,2021(06).
贾宏杰,王梓博,余晓丹,穆云飞,徐宪东,王萧宇.城市园区微网系统端对端能量交易技术研究现状与展望[J].高电压技术,2022(07).
陆旭,陈影,许中平,张海全,慕春芳,陈恺,孙毅.面向5G边缘计算网络的联合需求响应与任务卸载策略[J].中国电力,2022(10).
孙毅,常少南,陈恺,崔强,沈维捷.面向电工智慧物联的服务缓存和计算卸载策略[J].中国电力,2022(04).
张晓东,张朝昆,赵继军.边缘智能研究进展[J].计算机研究与发展,2023(12).
栗峰,丁杰,周才期,雍维桢,黄越辉,王建学,许晓慧.新型电力系统下分布式光伏规模化并网运行关键技术探讨[J].电网技术,2024(01).
焦飞,宋睿,张鋆,彭国政,周华良,李友军,赵传奇,张树华.存算一体技术研究进展及其在电网中的应用探索[J].电网技术,2024(01).
吴林林,陈璨,胡俊杰,王晨宇,童宇轩.支撑新能源电力系统灵活性需求的用户侧资源应用与关键技术[J].电网技术,2024(04).
刘向军,周凯,孙毅,陈恺,谈元鹏,彭国政.面向新型电力系统的边缘缓存与计算资源迁移策略[J].电力系统保护与控制,2023(24).
高冠中,杨胜春,郭晓蕊,姚建国,李亚平,朱克东,严嘉豪.深度强化学习在含分布式柔性资源的电网优化调度中的应用研究综述[J].中国电机工程学报,2024(16).
余涛,梁敏航,罗庆全,蓝超凡,王艺澎,潘振宁.新型电力系统专用传感与边缘智能关键技术及其展望[J].高电压技术,2024(08).
朱斌,刘东,刘天元,王静,王振尚,唐文俊.边缘计算在电力系统供需互动应用的研究进展与展望[J].电网技术,2024(10).
0
Views
206
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution