基于深度强化学习的能源互联网智能巡检任务分配机制

• 作者: 徐思雅 邢逸斐 郭少勇 杨超 邱雪松 孟洛明
• 来源期刊: 通信学报
• 关键词: 巡检无人机 任务卸载 近端策略优化 李雅普诺夫优化 人工智能
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 学术通信|Correspondences
• 页码范围: 191-204
• 页数: 14页
• 分类号: TN92
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2021071

摘要

在能源互联网中引入无人机进行电力线路巡查,并借助移动边缘计算技术实现巡检任务的接入和处理,可降低服务成本,提高工作效率.但是,由于无人机数据传输需求和地理位置的动态变化,易造成边缘服务器负载不均衡,致使巡检业务处理时延和网络能耗较高.为解决以上问题,提出基于深度强化学习的能源互联网智能巡检任务分配机制.首先,综合考虑无人机和边缘节点的运动轨迹、业务差异化的服务需求、边缘节点有限的服务能力等,建立面向时延、能耗等多目标联合优化的双层边缘网络任务卸载模型.进而,基于Lyapunov优化理论和双时间尺度机制,采用近端策略优化的深度强化学习算法,对固定边缘汇聚层和移动边缘接入层边缘节点间的连接关系和卸载策略进行求解.仿真结果表明,所提机制能够在保证系统稳定的情况下降低服务时延和系统能耗.