智能配用电通信网论文提纲,虚拟网络映射论文提纲论

智能配用电通信网虚拟资源分配机制研究

摘要：在新一代智能电网飞速发展的背景下,配用电通信网网络终端数量以及用户数量大量增加。致使配用电通信网中需承载的业务数量和种类逐渐增加,而依靠当前配用电通信网单一的通信网络无法满足业务差异化传输质量要求。因此,在配用电通信网光纤-无线组网结构（Fiber-Wireless,FiWi）的基础上,采用虚拟化网络技术屏蔽光线-无线组网在网络拓扑、资源分配以及传输协议方面的差异性。同时设计满足各类业务可靠性需求的高效、合理的虚拟网络映射算法,实现面向智能配用电通信网业务的虚拟资源分配算法。此外,结合配用电通信网实际业务传输动态性的特点,设计虚拟资源动态分配机制,更加合理、高效的指导配用电通信网的网络资源分配。实现智能配用电通信网网络资源的优化分配。本文研究了面向智能配用电通信网业务可靠性的映射方案,采用网络虚拟化技术解决了智能配用电通信网各类业务对传输可靠性、带宽资源差异化的需求。该算法选择使用路径保护方案保证电网高优先级业务的可靠性,且其中主、辅链路采用两阶段映射方案。本文所提算法包含了基于可靠性感知和风险均衡的主链路映射算法、基于带宽资源共享的辅链路映射算法。通过建立业务风险均衡模型,求解的主链路不仅满足不同种类业务对传输质量的需求,同时降低了单点网络故障影响较多业务的风险。主链路映射之后,为降低路径保护带来的网络带宽资源开销,本文建立辅链路带宽资源共享模型,以最小化网络资源开销为目标,建立主、辅链路不相交、共享带宽资源的辅链路其主链路在一定条件不相交等约束条件。通过仿真实验表明,本文所提算法能够提高业务传输可靠性,同时降低了业务映射的阻塞率。针对在实际情况下智能配用电通信网各类业务在生命周期内对带宽资源的需求是动态变化的,本文研究了基于RBF神经网络的虚拟资源动态分配算法。在业务初始化映射时,其带宽资源的分配是按照虚拟业务资源需求上限进行分配,在基础设施层网络资源有限、业务迅速发展的情况下,固化的分配网络资源不利于电网业务的传输和承载。因此,结合智能配用电通信网业务的动态性等特点,本文建立、训练RBF神经网络预测模型,通过对已映射的虚拟网络业务在其生命周期内的带宽需求进行预测,动态的调整、管理物理网络中各业务之间的带宽资源占用。该方法能够保证在智能配用电通信网在网络负载较低的时候,基础设施层的网络资源不会闲置,在网络负载较高的时候,基础设施层能够有更多的可以调控、分配的资源。通过该算法,能够提供更加动态、灵活的网络服务,提供一种按需分配的资源调整机制。通过仿真实验表明,本文所提算法在满足不同种类业务传输需求的同时,能够提高虚拟网络业务的接受率。 

关键词：智能配用电通信网;虚拟网络映射;

文章目录

摘要

ABSTRACT

第一章 绪论

    1.1 研究背景与意义

    1.2 课题研究现状

        1.2.1 网络虚拟化技术研究现状

        1.2.2 虚拟网络映射算法研究现状

    1.3 研究内容与创新点

        1.3.1 研究内容

        1.3.2 创新点

    1.4 论文结构

第二章 智能配电通信网络虚拟资源分配关键技术概述

    2.1 智能配用电通信网概述

    2.2 网络虚拟化技术

    2.3 虚拟网络映射技术

    2.4 机器学习算法在虚拟网络映射中的应用

        2.4.1 机器学习算法在分类方面的应用

        2.4.2 机器学习算法在预测方面的应用

    2.5 本章小节

第三章 面向智能配电业务的虚拟网络资源分配方法

    3.1 问题描述

    3.2 系统模型

        3.2.1 网络模型

        3.2.2 基于随机森林的可靠性评估模型

        3.2.3 映射模型

    3.3 面向智能配电业务的虚拟网络资源分配方法

        3.3.1 配电通信网业务分类

        3.3.2 基于可靠性感知和风险均衡的主链路映射算法

        3.3.3 基于带宽资源共享的辅链路映射算法

    3.4 仿真分析与结论

        3.4.1 仿真环境

        3.4.2 结果分析

    3.5 本章小节

第四章 基于RBF神经网络的虚拟资源动态分配机制

    4.1 问题描述

    4.2 RBF神经网络简介

    4.3 动态资源分配模型介绍

    4.4 基于RBF神经网络的虚拟资源动态分配方法

        4.4.1 RBF神经网络训练过程

        4.4.2 基于RBF神经网络的虚拟资源动态分配机制

    4.5 仿真分析与结论

        4.5.1 仿真环境

        4.5.2 结果分析

第五章 结论与展望

[1]面向可靠性的5G网络切片重构及映射算法[J]. 赵国繁,唐伦,胡彦娟,赵培培,陈前斌.  电子与信息学报. 2020(06)

[2]链路可靠性感知的差异保护虚拟光网络映射[J]. 刘焕淋,蒲欣,陈勇,王展鹏.  电子学报. 2020(05)

[3]一种改进的高可靠性虚拟网络映射算法研究[J]. 童绪军,钟梁.  湖南师范大学自然科学学报. 2020(01)

[4]5G网络切片场景中基于预测的虚拟网络功能动态部署算法[J]. 唐伦,周钰,杨友超,赵国繁,陈前斌.  电子与信息学报. 2019(09)

[5]基于性能感知的网络切片部署方法[J]. 黄开枝,潘启润,袁泉,游伟,汤红波.  通信学报. 2019(08)

[6]具有高可靠特征的无线虚拟网络映射方法研究[J]. 高航航,赵尚弘,王翔,彭聪.  计算机工程与应用. 2020(12)

[7]虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法[J]. 唐伦,魏延南,马润琳,贺小雨,陈前斌.  电子与信息学报. 2019(07)

[8]基于历史数据的虚拟机资源分配方法[J]. 王海涛,李战怀,张晓,卜海龙,孔兰昕,赵晓南.  计算机研究与发展. 2019(04)

[9]面向容错的网络虚拟化资源管理与映射算法[J]. 潘淑文,常晓鹏,周长胜,刘祥如.  郑州大学学报(理学版). 2019(01)

[10]基于状态估计的配电网实时态势感知与评估[J]. 吴争荣,俞小勇,董旭柱,刘志文,陈立明,李鹏.  电力系统及其自动化学报. 2018(03)5.1 论文总结

    5.2 研究展望

参考文献