面向电力物联网URLLC业务的智能网络切片管理方法

基于5G通信技术的电力物联网正在如火如荼地建设,随之产生的是用电信息采集、输变电状态监测以及精准负荷控制等新型电力物联网业务。为了满足这些业务对5G网络的超低时延和超高可靠性的需求,提出一种面向电力物联网URLLC(ultra reliable low latency communication)业务的智能网络切片管理方法。该方法综合运用5G切片和移动边缘计算(mobile edge computing,MEC)技术,建立电力业务传输和计算的时延、能耗以及可靠性模型,并通过DQN(deep Q network)算法对切片资源进行优化。仿真实验表明,所提出的智能网络切片管理方法的可靠性高于98%,且优于经典的基于坐标块下降方法和资源平均分配方法。     

基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。