基于联邦Dueling DQN的基站微电网能量与计算资源联合调度

黎海涛; 高文浩; 杨艳红; 谢冬雪; 乔禄

doi:10.16543/j.2095-641x.electric.power.ict.2026.04.07

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于联邦Dueling DQN的基站微电网能量与计算资源联合调度

人工智能 | 更新时间：2026-09-26

- 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度
- 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度
- 电力信息与通信技术 2026年24卷第4期页码：52-60
- 作者机构：
  
  1. 北京工业大学信息科学技术学院
  2. 中国科学院电工研究所
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目（2024YFB0115700）;国家自然科学基金项目（52277131）
- DOI：10.16543/j.2095-641x.electric.power.ict.2026.04.07
  中图分类号： TM73;TN929.5
- 纸质出版：2026
- 稿件说明：
移动端阅览
黎海涛, 高文浩, 杨艳红, 等. 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度[J]. 电力信息与通信技术, 2026,24(4):52-60.

黎海涛, 高文浩, 杨艳红, et al. 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度[J]. 2026, 24(4): 52-60.
黎海涛, 高文浩, 杨艳红, 等. 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度[J]. 电力信息与通信技术, 2026,24(4):52-60. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.04.07.

黎海涛, 高文浩, 杨艳红, et al. 基于联邦Dueling DQN的基站微电网能量与计算资源联合调度[J]. 2026, 24(4): 52-60. DOI： 10.16543/j.2095-641x.electric.power.ict.2026.04.07.

摘要

随着5G技术的全面部署，基站能耗问题日益凸显，逐渐兴起的基站微电网系统因其清洁能源供电特性逐渐成为研究热点。然而，基站微电网的能源供应具有不确定性，需应对复杂的边缘计算任务，使得基站微电网能量与计算资源的协同优化成为亟待研究的关键问题。为此，文章提出一种基于联邦竞争深度Q网络(federated learning dueling deep Q-network

FL-Dueling DQN)算法的基站微电网能量与计算资源联合调度策略，通过协同调度能量与计算资源，实现对基站微电网的高效管理。仿真结果表明，所提联合调度策略能够在保障数据隐私的前提下，优化基站微电网的能量利用与计算任务分配，提升系统的经济收益。

Abstract

关键词

Keywords

references

Yang Yanhong,Ma Tengfei,Li Haitao,Liu Yiran,Tang Chenghong,Pei Wei.Federated double DQN based multi-energy microgrid energy management strategy considering carbon emissions[J].Global Energy Interconnection,2023.

Li Tong,Yu Li,Ma Yibo,Duan Tong,Huang Wenzhen,Zhou Yan,Jin Depeng,Li Yong,Jiang Tao.Carbon emissions of 5G mobile networks in China[J].Nature Sustainability,2023.

Meng Fanxi,Zhang Quan,Lin Yaolin,Zou Sikai,Fu Jiyao,Liu Baochang,Wang Wei,Ma Xiaowei,Du Sheng.Field study on the performance of a thermosyphon and mechanical refrigeration hybrid cooling system in a 5G telecommunication base station[J].Energy,2022.

Nakabi Taha Abdelhalim,Toivanen Pekka.Deep reinforcement learning for energy management in a microgrid with flexible demand[J].Sustainable Energy, Grids and Networks,2021.

Sharma Deepti,Singhal Sanyam,Rai Amrita,Singh Amandeep.Analysis of power consumption in standalone 5G network and enhancement in energy efficiency using a novel routing protocol[J].Sustainable Energy, Grids and Networks,2021.

Tushar Wayes,Saha Tapan K.,Yuen Chau,Smith David,Poor H. Vincent.Peer-to-Peer Trading in Electricity Networks: An Overview[J].IEEE Transactions on Smart Grid,2020.

付文浩,葛礼勇,汪文,张淳.基于改进Dueling-DQN的多无人机路径规划算法[J].计算机科学,2025(08).

孙通,张沈习,曹毅,曹佳晨,程浩忠.计及5G基站可调特性的配电网分布式光伏准入容量鲁棒优化[J].中国电力,2025(02).

王烨.基于可再生能源的绿色5G网络架构与关键技术分析[J].信息与电脑(理论版),2024(12).

魏斌,乔森,孟润泉,李嘉庚.基于数据驱动不确定集的微电网两阶段鲁棒优化调度[J].高电压技术,2025(02).

张冲标,钱辰雯,俞红燕,彭燕玲,陈金威.基于ADMM的多场景县域多微电网交互运行策略[J].中国电力,2024(02).

刘浩,张晓滨,黄晨曦,沈佳,温一凡.高渗透率光伏微电网能量优化管理策略的研究[J].电网与清洁能源,2023(06).

陆亚楠,杨胜春,李亚平,姚建国,高冠中,毛文博.基于多智能体深度强化学习的地区电网群体协同优化调度策略[J].电力信息与通信技术,2024(04).

曾博,穆宏伟,董厚琦,曾鸣.考虑5G基站低碳赋能的主动配电网优化运行[J].上海交通大学学报,2022(03).

时月茹,李俊.多基站多用户场景的移动边缘计算卸载策略[J].数据与计算发展前沿,2020(03).

吕天光,艾芊,孙树敏,程艳,赵媛媛.含多微网的主动配电系统综合优化运行行为分析与建模[J].中国电机工程学报,2016(01).

王晶,王雪锋,王肖杰,陈江斌,王宗礼,陈骏宇.基于改进型MMAS算法的微电源容量优化布址[J].电力系统自动化,2015(21).

浏览量

172

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人在回路深度强化学习的配电网故障恢复方法

面向电力通信网动态适配的光网络资源智能分配方法

基于通感一体化技术的数字换流站网络覆盖增强方法

基于历史贡献的联邦学习防御方法

基于柔性演员评论家算法的电力系统暂态稳定预防控制