南京邮电大学学报(自然科学版)

作者：夏元轶,滕昌志,徐波,徐邦宁,赵海涛

单位：国网江苏省电力有限公司，江苏 南京 210000国网江苏省电力有限公司，江苏 南京 210000南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003南京邮电大学 通信与信息工程学院，江苏 南京 210003

关键词：数据处理架构；电力物联网；超可靠低延时通信；功率控制

基金：国网江苏省电力有限公司科技项目 (J2023042)资助项目

面向差异化业务需求,电力物联网(Electric Internet of Things,EIoT)需要设计与之适配的数据处 理架构,该架构将引入数据缓存、边缘处理等功能,并且涵盖 EIoT中数据的清洗、过滤和融合等关键步骤。此外,在该架构基础上,需要同时满足大规模数据传输需求,尤其是将电力终端的能源效率 (Energy Efficiency,EE)作为保障测量、监控、控制等多个电力运行环节超可靠低延迟通信(UltraReliable and Low-Latency Communication,URLLC)的重要依据。在URLLC 中,功率分配被认为是提高能效与数据处理效率的有效方法。然而,由于 URLLC 的特殊要求,传统香农公式在其中并不适用。因此,需要使用有限块长度编码理论来确保超可靠和低延迟的通信。文中解决了EIoT中 URLLC 的能效优化问题,并引入自适应深度神经网络,该技术可以根据不同电力设备接入数量,动态优化深度神经网络参数。深度神经网络将要优化的功率分配函数参数化,以无监督的方式离线训练,并可以在线部署以实现实时的功率分配结果。最后,仿真结果表明了所提方法在数据处理效率方面的有效性。

来源：2024年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第05期