面向电力6G的白盒网络服务架构与功能链编排方法研究

张瑞; 缪巍巍; 滕昌志; 夏元轶; 张明轩; 蔺鹏

doi:10.16543/j.2095-641x.electric.power.ict.2025.05.04

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

面向电力6G的白盒网络服务架构与功能链编排方法研究

更新时间：2026-02-04

- 面向电力6G的白盒网络服务架构与功能链编排方法研究
- Issue 5, Pages: 28-35(2025)
- 作者机构：
  
  1. 国网江苏省电力有限公司
  2. 北京万可信息技术有限公司
- 作者简介：
- 基金信息：
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.05.04
  CLC： TM73;TN929.5
- Published：2025
- 稿件说明：
移动端阅览
张瑞, 缪巍巍, 滕昌志, et al. 面向电力6G的白盒网络服务架构与功能链编排方法研究[J]. 2025, (5): 28-35.
DOI：

张瑞, 缪巍巍, 滕昌志, et al. 面向电力6G的白盒网络服务架构与功能链编排方法研究[J]. 2025, (5): 28-35. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.05.04.

摘要

新型电力系统的发展催生出大量多业务场景以及对通信质量敏感的新业务，然而现有的电力通信网络架构在时延保障、灵活性等方面逐渐难以适配电力业务大连接等需求。白盒网络架构为传输网络带来了灵活的数据平面可编程和低时延处理芯片，有望成为实现6G内生智能与确定性服务的关键技术。文章首先提出了面向电力6G的白盒网络服务架构，实现电力通信业务承载的资源协同及可编程化管理；然后，提出面向电力6G白盒网络的服务功能链(service function chain

SFC)编排模型，并设计了基于深度Q学习(deep Q-network

DQN)的编排算法。仿真结果表明，该编排方法能够显著提高电力白盒网络SFC的接受率和时延，提高电力业务的承载质量。

Abstract

关键词

Keywords

references

Zhongxia Yan,Jingguo Ge,Yulei Wu,Liangxiong Li,Tong Li.Automatic Virtual Network Embedding: A Deep Reinforcement Learning Approach With Graph Convolutional Networks[J].IEEE Journal on Selected Areas in Communications,2020.

Savi Marco,Tornatore Massimo,Verticale Giacomo.Impact of Processing-Resource Sharing on the Placement of Chained Virtual Network Functions[J].IEEE Transactions on Cloud Computing,2019.

Bo Yi,Xingwei Wang,Keqin Li,Sajal k. Das,Min Huang.A comprehensive survey of Network Function Virtualization[J].Computer Networks,2018.

Vincenzo Eramo,Emanuele Miucci,Mostafa Ammar,Francesco Giacinto Lavacca.An Approach for Service Function Chain Routing and Virtual Function Network Instance Migration in Network Function Virtualization Architectures[J].IEEE/ACM Transactions on Networking (TON),2017.

Tachun Lin,Zhili Zhou,Massimo Tornatore,Biswanath Mukherjee.Demand-Aware Network Function Placement[J].Journal of Lightwave Technology,2016.

姜华,杨家伟,黄巍,黄成斌,丛犁,李思佳,陈智雄.基于深度强化学习的D2D辅助MEC网络资源分配算法[J].电力信息与通信技术,2023(07).

陈准,潘毅,范士雄,许丹,丁强,蔡帜.基于深度强化学习的机组组合优化方法研究[J].电力信息与通信技术,2023(03).

黄骅,江俊,杨永康,曹斌.一种面向最佳收益的服务功能链在线编排方法[J].计算机科学,2023(06).

高志远,张晶,庄卫金,张占奎,孙芊,赵磊,李壮.关于新型电力系统部分特点的思考[J].电力自动化设备,2023(06).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向电力6G的白盒网络多模态智能路由技术研究

Discussion on Ecologic Recovery Measure of Borrow Pit Ground in Qingzang Railway Massif and Sloping Field

Calculation Method for Railway Noise Prediction

The Basic Method on Working out Standard for Railway Environment Noise

The Study of Prepare and Application of Natural Organic Polymeric Modified Cation Flocculant

Related Author

缪巍巍

张瑞

张震

张明轩

曾锃

Related Institution

国网江苏省电力有限公司信息通信分公司

AI问答

⁰