本发明涉及电力系统，特别涉及一种配电网云边端多维资源配置方法、系统、设备及介质。
背景技术：
1、配电网连接电力系统产销两端，是连接输电与用户的关键环节。云边端资源的一体化可以屏蔽云、边、端分布式异构基础设施资源，提供统一视角资源管理和使用，实现数据自由流通、业务应用统一运行环境，满足多样化、实时敏捷、安全稳定可靠的业务需求。然而，随着新型电力系统的加快构建，海量新能源、储能、负荷接入配电网，使配电网运行复杂程度进一步提升，传统的资源配置方式难以满足配电网业务对通信、计算、存储等多维资源的需求。
2、专利申请号202210386633.5的发明公开了一种配电网云边端协同管控系统及方法，通过采用“中心云”+“边缘云”的方式，在端侧设备增加聚类、策略制定的边缘计算功能，在边侧设备增加聚合、策略制定的云计算功能，对多维资源进行类内自组织、类间聚合与协同，提高各层级间的资源协调管控与整体计算能力。然而，此方法并没有考虑海量业务接入配电网协同运行所产生的云边端知识图谱协作信息，无法基于云边端知识图谱协作信息对业务多维资源的需求预测颗粒度进行动态精准预测和对业务需求失配极端事件的概率和统计特征进行更新。
3、专利申请号201910143024.5的发明公开了一种基于虚拟化的配网通信网业务质量管理系统及方法，划分基础设施层、应用层，虚拟化资源管理层，构建通信与计算协同模型，并同虚拟化资源管理相结合对资源进行配置，提高通信系统网络通信效能，引入反杂机制自主调整虚拟化资源动态改善业务质量。然而，此方法并没有考虑配电网云边端资源碎片化的问题，也没有考虑云边端知识图谱协作信息动态更新的问题，无法根据业务需求对资源进行高效整合与释放，满足云边端多维资源一体化配置需求。
4、因此，亟需研究配电网云边端多维资源配置方法，保障配电网并发业务处理的实时性、可靠性需求。
技术实现思路
1、本发明实施例提供了一种配电网云边端多维资源配置方法、系统、设备及介质，以解决现有技术中的上述技术问题。
2、为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
3、根据本发明实施例的第一方面，提供了一种配电网云边端多维资源配置方法。
4、在一个实施例中，所述配电网云边端多维资源配置方法，包括：
5、获取配电网云边端协同场景的业务需求颗粒度以及需求业务失配极端事件的事件概率和高阶统计特征；
6、根据所述业务需求颗粒度、所述事件概率和所述高阶统计特征，预测业务对多维资源的需求，得到业务多维资源需求信息；
7、根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置。
8、在一个实施例中，获取配电网云边端协同场景的业务需求颗粒度包括：
9、在配电网云边端协同场景下，基于云边端知识图谱协作信息，调整第n类业务在t+1时段内的业务需求预测颗粒度，得到业务需求预测颗粒度；
10、其中，业务需求预测颗粒度的计算公式为：
11、qn(t+1)＝v1qn(t)+v2|α[k(t)⊙h(t)⊙g(t)]|
12、式中，qn(t+1)为第t+1时段内第n类业务的业务需求预测颗粒度；qn(t)为第t个时段内第n类业务的业务需求预测颗粒度；α为云边端知识图谱协作系数；k(t)为第t个时段内云侧知识图谱信息；h(t)为第t个时段内边侧知识图谱信息；g(t)为第t个时段内端侧知识图谱信息；[k(t)⊙h(t)⊙g(t)]为第t个时段内云边端知识图谱协作信息矩阵；|·|为计算矩阵数量大小函数；|α[k(t)⊙h(t)⊙g(t)]|为第t个时段内云边端知识图谱协作信息数量大小；v1和v2分别为业务需求预测颗粒度和云边端知识图谱协作信息数量的权重系数。
13、在一个实施例中，获取配电网云边端协同场景的需求业务失配极端事件的事件概率和高阶统计特征包括：
14、在配电网云边端协同场景下，基于云边端知识图谱协作信息、经验资源配置信息以及经验业务需求失配极端事件概率特征，更新第n类业务在第t+1时段内需求失配极端事件的事件概率和高阶统计特征；
15、其中，事件概率和高阶统计特征的计算公式为：
16、
17、式中，pn(t+1)为第t+1个时段内第n类业务需求失配极端事件的事件概率；an(t)为第t个时段内第n类业务需求失配极端事件发生的次数；pn(t)为第t个时段内第n类业务需求失配极端事件的事件概率；[k(t)⊙h(t)⊙g(t)]为第t个时段内云边端知识图谱协作信息矩阵；u(t)为第t个时段内经验资源配置信息；为第t个时段内经验业务需求失配极端事件概率特征；w(t)为第t个时段内需求失配极端事件的概率的v阶原点矩，且v为正整数；为需求失配极端事件的概率密度函数；wn(t+1)为第t+1个时段内第n类业务需求失配极端事件的高阶统计特征；en(t)为第t个时段内第n类业务需求失配极端事件的事件期望值。
18、在一个实施例中，所述多维资源包括：通信资源、计算资源以及存储资源。
19、在一个实施例中，所述业务多维资源需求信息的计算公式为：
20、
21、式中，sn(t+1)为第t+1个时段内预测到的第n类业务对通信资源的需求；sn(t)为第t个时段内预测到的第n类业务对通信资源的需求；θ1为通信资源预测系数；δsn为通信资源预测需求调整步长；mn(t+1)为第t+1个时段内预测到的第n类业务对计算资源的需求；mn(t)为第t个时段内预测到的第n类业务对计算资源的需求，θ2为计算资源预测系数；δmn为计算资源预测需求调整步长；cn(t+1)为第t+1个时段内预测到的第n类业务对存储资源的需求；cn(t)为第t个时段内预测到的第n类业务对存储资源的需求；θ3为存储资源预测系数；δcn为存储资源预测需求调整步长；rn(t+1)为第n类业务在t+1时段内的对多维资源的需求；
22、[γ1sn(t)⊙γ2mn(t)⊙γ3cn(t)]为业务对多维资源的需求矩阵；γ1、γ2和γ3分别为业务对通信资源的需求、业务对计算资源的需求和业务对存储资源的需求的权重系数。
23、在一个实施例中，根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置包括：
24、根据不同业务需求颗粒度的业务多维需求信息和事件概率，将云边端多维资源虚拟化；
25、基于虚拟化的云边端多维资源，沿着第n类业务的计算链的端边云节点一体化配置第t+1个时段内通信资源、计算资源、存储资源。
26、在一个实施例中，所述配电网云边端多维资源配置方法，还包括：在其他业务处理完成后，释放对应资源协助处理第n类业务；统计第t+1个时段内第n类业务的处理信息，并根据统计的所述处理信息，更新云边端各自的知识图谱；
27、其中，所述处理信息包括：接入强度、接入频率、业务需求均值、业务需求峰值、业务需求概率密度、接入点、业务计算链和云边端释放资源协助处理特征。
28、根据本发明实施例的第二方面，提供了一种配电网云边端多维资源配置系统。
29、在一个实施例中，所述配电网云边端多维资源配置系统，包括：
30、信息获取模块，用于获取配电网云边端协同场景的业务需求颗粒度以及需求业务失配极端事件的事件概率和高阶统计特征；
31、需求预测模块，用于根据所述业务需求颗粒度、所述事件概率和所述高阶统计特征，预测业务对多维资源的需求，得到业务多维资源需求信息；
32、资源配置模块，用于根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置。
33、在一个实施例中，所述信息获取模块在获取配电网云边端协同场景的业务需求颗粒度时，在配电网云边端协同场景下，基于云边端知识图谱协作信息，调整第n类业务在t+1时段内的业务需求预测颗粒度，得到业务需求预测颗粒度；
34、其中，业务需求预测颗粒度的计算公式为：
35、qn(t+1)＝v1qn(t)+v2|α[k(t)⊙h(t)⊙g(t)]|
36、式中，qn(t+1)为第t+1时段内第n类业务的业务需求预测颗粒度；qn(t)为第t个时段内第n类业务的业务需求预测颗粒度；α为云边端知识图谱协作系数；k(t)为第t个时段内云侧知识图谱信息；h(t)为第t个时段内边侧知识图谱信息；g(t)为第t个时段内端侧知识图谱信息；[k(t)⊙h(t)⊙g(t)]为第t个时段内云边端知识图谱协作信息矩阵；|·|为计算矩阵数量大小函数；|α[k(t)⊙h(t)⊙g(t)]|为第t个时段内云边端知识图谱协作信息数量大小；v1和v2分别为业务需求预测颗粒度和云边端知识图谱协作信息数量的权重系数。
37、在一个实施例中，所述信息获取模块在获取配电网云边端协同场景的需求业务失配极端事件的事件概率和高阶统计特征时，在配电网云边端协同场景下，基于云边端知识图谱协作信息、经验资源配置信息以及经验业务需求失配极端事件概率特征，更新第n类业务在第t+1时段内需求失配极端事件的事件概率和高阶统计特征，得到需求业务失配极端事件的事件概率和高阶统计特征；
38、其中，事件概率和高阶统计特征的计算公式为：
39、
40、式中，pn(t+1)为第t+1个时段内第n类业务需求失配极端事件的事件概率；an(t)为第t个时段内第n类业务需求失配极端事件发生的次数；pn(t)为第t个时段内第n类业务需求失配极端事件的事件概率；[k(t)⊙h(t)⊙g(t)]为第t个时段内云边端知识图谱协作信息矩阵；u(t)为第t个时段内经验资源配置信息；为第t个时段内经验业务需求失配极端事件概率特征；w(t)为第t个时段内需求失配极端事件的概率的v阶原点矩，且v为正整数；为需求失配极端事件的概率密度函数；wn(t+1)为第t+1个时段内第n类业务需求失配极端事件的高阶统计特征；en(t)为第t个时段内第n类业务需求失配极端事件的事件期望值。
41、在一个实施例中，所述多维资源包括：通信资源、计算资源以及存储资源。
42、在一个实施例中，所述业务多维资源需求信息的计算公式为：
43、
44、式中，sn(t+1)为第t+1个时段内预测到的第n类业务对通信资源的需求；sn(t)为第t个时段内预测到的第n类业务对通信资源的需求；θ1为通信资源预测系数；δsn为通信资源预测需求调整步长；mn(t+1)为第t+1个时段内预测到的第n类业务对计算资源的需求；mn(t)为第t个时段内预测到的第n类业务对计算资源的需求，θ2为计算资源预测系数；δmn为计算资源预测需求调整步长；cn(t+1)为第t+1个时段内预测到的第n类业务对存储资源的需求；cn(t)为第t个时段内预测到的第n类业务对存储资源的需求；θ3为存储资源预测系数；δcn为存储资源预测需求调整步长；rn(t+1)为第n类业务在t+1时段内的对多维资源的需求；
45、[γ1sn(t)⊙γ2mn(t)⊙γ3cn(t)]为业务对多维资源的需求矩阵；γ1、γ2和γ3分别为业务对通信资源的需求、业务对计算资源的需求和业务对存储资源的需求的权重系数。
46、在一个实施例中，所述资源配置模块在根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置时，根据不同业务需求颗粒度的业务多维需求信息和事件概率，将云边端多维资源虚拟化；基于虚拟化的云边端多维资源，沿着第n类业务的计算链的端边云节点一体化配置第t+1个时段内通信资源、计算资源、存储资源。
47、在一个实施例中，所述配电网云边端多维资源配置系统，还包括：
48、协助处理模块，用于在其他业务处理完成后，释放对应资源协助处理第n类业务；
49、图谱更新模块，用于统计第t+1个时段内第n类业务的处理信息，并根据统计的所述处理信息，更新云边端各自的知识图谱；
50、其中，所述处理信息包括：接入强度、接入频率、业务需求均值、业务需求峰值、业务需求概率密度、接入点、业务计算链和云边端释放资源协助处理特征。
51、根据本发明实施例的第三方面，提供了一种计算机设备。
52、在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
53、根据本发明实施例的第四方面，提供了一种计算机可读存储介质。
54、在一个实施例中，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
55、本发明实施例提供的技术方案可以包括以下有益效果：
56、本发明通过利用云边端知识图谱协作信息，动态调整不同业务的预测颗粒度，实现业务对通信、计算、存储等多维资源需求的精准预测，进一步根据云边端知识图谱协作信息、经验资源配置信息、经验业务需求失配极端事件概率特征，支撑配电网云边端多维资源一体化配置优化，解决了现有盲目配置、冗余配置、确定性业务量按需配置的弊端，提升了云边端多维资源配置性能，实现了云边端多维资源一体化配置与多业务需求的灵活适配，提高了新型配电网处理海量新能源、储能与负荷接入数据的处理能力，更好满足了新型配电网并发业务处理的实时性、可靠性需求。
57、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
1.一种配电网云边端多维资源配置方法，其特征在于，包括：
2.根据权利要求1所述的配电网云边端多维资源配置方法，其特征在于，获取配电网云边端协同场景的业务需求颗粒度包括：
3.根据权利要求2所述的配电网云边端多维资源配置方法，其特征在于，获取配电网云边端协同场景的需求业务失配极端事件的事件概率和高阶统计特征包括：
4.根据权利要求3所述的配电网云边端多维资源配置方法，其特征在于，所述多维资源包括：通信资源、计算资源以及存储资源。
5.根据权利要求4所述的配电网云边端多维资源配置方法，其特征在于，所述业务多维资源需求信息的计算公式为：
6.根据权利要求5所述的配电网云边端多维资源配置方法，其特征在于，根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置包括：
7.根据权利要求6所述的配电网云边端多维资源配置方法，其特征在于，还包括：
8.一种配电网云边端多维资源配置系统，其特征在于，包括：
9.根据权利要求8所述的配电网云边端多维资源配置系统，其特征在于，所述信息获取模块在获取配电网云边端协同场景的业务需求颗粒度时，在配电网云边端协同场景下，基于云边端知识图谱协作信息，调整第n类业务在t+1时段内的业务需求预测颗粒度，得到业务需求预测颗粒度；
10.根据权利要求9所述的配电网云边端多维资源配置系统，其特征在于，所述信息获取模块在获取配电网云边端协同场景的需求业务失配极端事件的事件概率和高阶统计特征时，在配电网云边端协同场景下，基于云边端知识图谱协作信息、经验资源配置信息以及经验业务需求失配极端事件概率特征，更新第n类业务在第t+1时段内需求失配极端事件的事件概率和高阶统计特征，得到需求业务失配极端事件的事件概率和高阶统计特征；
11.根据权利要求10所述的配电网云边端多维资源配置系统，其特征在于，所述多维资源包括：通信资源、计算资源以及存储资源。
12.根据权利要求11所述的配电网云边端多维资源配置系统，其特征在于，所述业务多维资源需求信息的计算公式为：
13.根据权利要求12所述的配电网云边端多维资源配置系统，其特征在于，所述资源配置模块在根据所述业务多维需求信息和所述事件概率，对云边端多维资源进行一体化配置时，根据不同业务需求颗粒度的业务多维需求信息和事件概率，将云边端多维资源虚拟化；基于虚拟化的云边端多维资源，沿着第n类业务的计算链的端边云节点一体化配置第t+1个时段内通信资源、计算资源、存储资源。
14.根据权利要求13所述的配电网云边端多维资源配置系统，其特征在于，还包括：
15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
