高级搜索

基于GCN的软件定义电力通信网络路由控制策略

向敏 饶华阳 张进进 陈梦鑫

引用本文: 向敏, 饶华阳, 张进进, 陈梦鑫. 基于GCN的软件定义电力通信网络路由控制策略[J]. 电子与信息学报, doi: 10.11999/JEIT190971 shu
Citation:  Min XIANG, Huayang RAO, Jinjin ZHANG, Mengxin CHEN. Software-defined Power Communication Network Routing Control Strategy Based on GCN[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190971 shu

基于GCN的软件定义电力通信网络路由控制策略

    作者简介: 向敏: 男,1974年生,教授,研究方向为智能电网、工业物联网及自动化控制;
    饶华阳: 女,1995年生,硕士生,研究方向为软件定义电力通信网络的流量协同控制;
    张进进: 女,1994年生,硕士生,研究方向为软件定义电力通信网络的业务弹性QoS保障;
    陈梦鑫: 男,1996年生,硕士生,研究方向为软件定义电力通信网络的集中控制架构
    通讯作者: 饶华阳,s170301016@stu.cqupt.edu.cn
  • 基金项目: 国家电网公司总部科技项目资助(52010118000Q)

摘要: 传输时延和数据包丢失率是电力通信业务可靠传输重点关注的问题,该文提出一种面向软件定义电力通信网络的最小路径选择度路由控制策略。结合电力通信网络SDN集中控制架构的特点,利用图卷积神经网络构建的链路带宽占用率预测模型(LBOP-GCN)分析下一时刻路径带宽占用率。通过三角模算子(TMO)融合路径的传输时延、当前时刻的路径带宽占用率和下一时刻的路径带宽占用率,计算出从源节点到目的节点间不同传输路径的选择度(Q),然后将Q值最小的路径作为SDN控制器下发的流表项。实验结果表明,该文所提出的路由控制策略能有效减小业务传输时延和数据包丢失率。

English

    1. [1]

      兰巨龙, 于倡和, 胡宇翔, 等. 基于深度增强学习的软件定义网络路由优化机制[J]. 电子与信息学报, 2019, 41(11): 2669–2674. doi: 10.11999/JEIT180870
      LAN Julong, YU Changhe, HU Yuxiang, et al. SDN routing optimization mechanism based on deep reinforcement learning[J]. Journal of Electronics &Information Technology, 2019, 41(11): 2669–2674. doi: 10.11999/JEIT180870

    2. [2]

      史久根, 谢熠君, 孙立, 等. 软件定义网络中面向时延和负载的多控制器放置策略[J]. 电子与信息学报, 2019, 41(8): 1869–1876. doi: 10.11999/JEIT181053
      SHI Jiugen, XIE Yijun, SUN Li, et al. Multi-controller placement strategy based on latency and load in software defined network[J]. Journal of Electronics &Information Technology, 2019, 41(8): 1869–1876. doi: 10.11999/JEIT181053

    3. [3]

      张红旗, 黄睿, 常德显. 一种基于匹配博弈的服务链协同映射方法[J]. 电子与信息学报, 2019, 41(2): 385–393. doi: 10.11999/JEIT180385
      ZHANG Hongqi, HUANG Rui, and CHANG Dexian. A collaborative mapping method for service chain based on matching game[J]. Journal of Electronics &Information Technology, 2019, 41(2): 385–393. doi: 10.11999/JEIT180385

    4. [4]

      于天放, 芮兰兰, 邱雪松. 基于软件定义网络的服务器集群负载均衡技术研究[J]. 电子与信息学报, 2018, 40(12): 3028–3035. doi: 10.11999/JEIT180207
      YU Tianfang, RUI Lanlan, and QIU Xuesong. Research on SDN-based load balancing technology of server cluster[J]. Journal of Electronics &Information Technology, 2018, 40(12): 3028–3035. doi: 10.11999/JEIT180207

    5. [5]

      AL-RUBAYE S, KADHUM E, NI Qiang, et al. Industrial internet of things driven by SDN platform for smart grid resiliency[J]. IEEE Internet of Things Journal, 2019, 6(1): 267–277. doi: 10.1109/JIOT.2017.2734903

    6. [6]

      AUJLA G S, GARG S, BATRA S, et al. DROpS: A demand response optimization scheme in SDN-enabled smart energy ecosystem[J]. Information Sciences, 2019, 476: 453–473. doi: 10.1016/j.ins.2018.09.047

    7. [7]

      胡宇翔, 李子勇, 胡宗魁, 等. 基于流量工程的软件定义网络控制资源优化机制[J]. 电子与信息学报, 2020, 42(3): 661–668. doi: 10.11999/JEIT190276
      HU Yuxiang, LI Ziyong, HU Zongkui, et al. Control resource optimization mechanism of SDN based on traffic engineering[J]. Journal of Electronics &Information Technology, 2020, 42(3): 661–668. doi: 10.11999/JEIT190276

    8. [8]

      熊余, 杨娅娅, 张振振, 等. 软件定义时分波分复用无源光网络中基于带宽预测的资源分配策略[J]. 电子与信息学报, 2019, 41(8): 1885–1892. doi: 10.11999/JEIT180837
      XIONG Yu, YANG Yaya, ZHANG Zhenzhen, et al. Resource allocation based on bandwidth prediction in software-defined time and wavelength division multiplexed passive optical network[J]. Journal of Electronics &Information Technology, 2019, 41(8): 1885–1892. doi: 10.11999/JEIT180837

    9. [9]

      伊鹏, 刘洪, 胡宇翔. 一种可扩展的软件定义数据中心网络流调度策略[J]. 电子与信息学报, 2017, 39(4): 825–831. doi: 10.11999/JEIT160623
      YI Peng, LIU Hong, and HU Yuxiang. A scalable traffic scheduling policy for software defined data center network[J]. Journal of Electronics &Information Technology, 2017, 39(4): 825–831. doi: 10.11999/JEIT160623

    10. [10]

      王继业, 刘川, 吴军民, 等. 软件定义电力广域网通信业务资源公平分配技术研究[J]. 电网技术, 2015, 39(5): 1425–1431. doi: 10.13335/j.1000-3673.pst.2015.05.038
      WANG Jiye, LIU Chuan, WU Junmin, et al. Research of software defined service resource equitable allocation technology of power WAN[J]. Power System Technology, 2015, 39(5): 1425–1431. doi: 10.13335/j.1000-3673.pst.2015.05.038

    11. [11]

      韩宇奇, 何宜倩, 楼凤丹, 等. 基于SDN的动态优化路由策略在信息物理融合电力系统连锁故障中的研究与应用[J]. 电网技术, 2018, 42(8): 2620–2629. doi: 10.13335/j.1000-3673.pst.2017.1796
      HAN Yuqi, HE Yiqian, LOU Fengdan, et al. Analysis and application of SDN based dynamic optimal route strategy for cyber layer in cascading failures of cyber-physical power system[J]. Power System Technology, 2018, 42(8): 2620–2629. doi: 10.13335/j.1000-3673.pst.2017.1796

    12. [12]

      TOMOVIC S and RADUSINOVIC I. RO-RO: Routing optimality-reconfiguration overhead balance in software-defined ISP networks[J]. IEEE Journal on Selected Areas in Communications, 2019, 37(5): 997–1011. doi: 10.1109/JSAC.2019.2906762

    13. [13]

      MANESSI F, ROZZA A, and MANZO M. Dynamic graph convolutional networks[J]. Pattern Recognition, 2020, 97: 107000. doi: 10.1016/j.patcog.2019.107000

    14. [14]

      ZHANG Zhengchao, LI Meng, LIN Xi, et al. Multistep speed prediction on traffic networks: A deep learning approach considering spatio-temporal dependencies[J]. Transportation Research Part C: Emerging Technologies, 2019, 105: 297–322. doi: 10.1016/j.trc.2019.05.039

    15. [15]

      PARISOT S, KTENA S I, FERRANTE E, et al. Disease prediction using graph convolutional networks: Application to autism spectrum disorder and Alzheimer’s disease[J]. Medical Image Analysis, 2018, 48: 117–130. doi: 10.1016/j.media.2018.06.001

    16. [16]

      贾惠彬, 薛凯夫, 马静, 等. 广域保护通信多路径路由选择的改进蚁群算法[J]. 电力系统自动化, 2016, 40(22): 22–26. doi: 10.7500/AEPS20160612005
      JIA Huibin, XUE Kaifu, MA Jing, et al. Improved ant colony algorithm for multi-path routing selection in wide-area protection communication system[J]. Automation of Electric Power Systems, 2016, 40(22): 22–26. doi: 10.7500/AEPS20160612005

    17. [17]

      SUN Yi, YU Li, ZHANG Jing, et al. Joint MAC-PHY layer resource allocation algorithm based on triangle module operator for multi-service OFDM system[J]. Procedia Environmental Sciences, 2011, 10: 163–169. doi: 10.1016/j.proenv.2011.09.029

    18. [18]

      WANG Junfeng, MIAO Yiming, ZHOU Ping, et al. A software defined network routing in wireless multihop network[J]. Journal of Network and Computer Applications, 2017, 85: 76–83. doi: 10.1016/j.jnca.2016.12.007

    19. [19]

      AI-KASHOASH H A A, AMER H M, MIHAYLOVA L, et al. Optimization-based hybrid congestion alleviation for 6LoWPAN networks[J]. IEEE Internet of Things Journal, 2017, 4(6): 2070–2081. doi: 10.1109/jiot.2017.2754918

    20. [20]

      樊冰, 唐良瑞. 电力通信网脆弱性分析[J]. 中国电机工程学报, 2014, 34(7): 1191–1197. doi: 10.13334/j.0258-8013.pcsee.2014.07.022
      FAN Bing and TANG Liangrui. Vulnerability analysis of power communication network[J]. Proceedings of the CSEE, 2014, 34(7): 1191–1197. doi: 10.13334/j.0258-8013.pcsee.2014.07.022

    1. [1]

      吴奇, 陈鸿昶. 软件定义网络容错控制平面的最小覆盖布局方法. 电子与信息学报,

    2. [2]

      左志斌, 常朝稳, 祝现威. 一种基于数据平面可编程的软件定义网络报文转发验证机制. 电子与信息学报,

    3. [3]

      申铉京, 沈哲, 黄永平, 王玉. 基于非局部操作的深度卷积神经网络车位占用检测算法. 电子与信息学报,

    4. [4]

      缪祥华, 单小撤. 基于密集连接卷积神经网络的入侵检测技术研究. 电子与信息学报,

    5. [5]

      刘小燕, 李照明, 段嘉旭, 项天远. 基于卷积神经网络的PCB板色环电阻检测与定位方法. 电子与信息学报,

    6. [6]

      柳长源, 王琪, 毕晓君. 基于多通道多尺度卷积神经网络的单幅图像去雨方法. 电子与信息学报,

    7. [7]

      游凌, 李伟浩, 张文林, 王科人. 基于深度神经网络的Morse码自动译码算法. 电子与信息学报,

    8. [8]

      归伟夏, 陆倩, 苏美力. 关于系统级故障诊断的烟花-反向传播神经网络算法. 电子与信息学报,

    9. [9]

      邵凯, 李述栋, 王光宇, 付天飞. 基于迟滞噪声混沌神经网络的导频分配. 电子与信息学报,

    10. [10]

      张文明, 姚振飞, 高雅昆, 李海滨. 一种平衡准确性以及高效性的显著性目标检测深度卷积网络模型. 电子与信息学报,

    11. [11]

      吕敬祥, 罗文浪. 无线传感网络量化及能量优化策略. 电子与信息学报,

    12. [12]

      徐瑨, 吴慧慈, 陶小峰. 5G网络空间安全对抗博弈. 电子与信息学报,

    13. [13]

      唐伦, 魏延南, 谭颀, 唐睿, 陈前斌. H-CRAN网络下联合拥塞控制和资源分配的网络切片动态资源调度策略. 电子与信息学报,

    14. [14]

      李劲松, 彭建华, 刘树新, 季新生. 一种基于线性规划的有向网络链路预测方法. 电子与信息学报,

    15. [15]

      杨书新, 梁文, 朱凯丽. 基于三级邻居的复杂网络节点影响力度量方法. 电子与信息学报,

    16. [16]

      张惊雷, 厚雅伟. 基于改进循环生成式对抗网络的图像风格迁移. 电子与信息学报,

    17. [17]

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

    18. [18]

      刘文斌, 吴倩, 杜玉改, 方刚, 石晓龙, 许鹏. 基于个性化网络标志物的药物推荐方法研究. 电子与信息学报,

    19. [19]

      王威丽, 陈前斌, 唐伦. 虚拟网络切片中的在线异常检测算法研究. 电子与信息学报,

    20. [20]

      刘文斌, 陈杰, 方刚, 石晓龙, 许鹏. 基于药物互作网络的协同与拮抗预测研究. 电子与信息学报,

  • 图 1  电力通信网络SDN架构

    图 2  LBOP-GCN模型总体架构

    图 3  t时刻的路径带宽占用率

    图 4  t+T时刻的路径带宽占用率

    图 5  基于SDN的最小路径选择度路由控制策略示意图

    图 6  LBOP-GCN模型预测值与真实值对比

    图 7  MPSRCS路由策略与SPRS、HCARS策略性能对比

    表 1  OpenFlow交换机端口和流表状态参数

    端口参数符号说明流表参数符号说明
    $p_{a,q}^1(t)$rx_packets接收的数据包数$f_a^1(t)$length交换机流表容量
    $p_{a,q}^2(t)$tx_packets转发的数据包数$f_a^2(t)$priority流表项匹配次序
    $p_{a,q}^3(t)$rx_bytes接收的字节数$f_a^3(t)$packet_count根据流表转发的数据包数
    $p_{a,q}^4(t)$tx_bytes转发的字节数$f_a^4(t)$byte_count根据流表转发的字节数
    $p_{a,q}^5(t)$rx_dropped接收时丢弃的数据包数$f_a^5(t)$duration_sec数据流持续时间
    $p_{a,q}^6(t)$tx_dropped转发时丢弃的数据包数$f_a^6(t)$duration_nsec数据流额外生存时间
    $p_{a,q}^7(t)$tx_errors转发时错误的数据包数$f_a^7(t)$idle_timeout流表项从交换机移除的相对时间
    $p_{a,q}^8(t)$rx_frame_err接收时错误帧的数$f_a^8(t)$hard_timeout流表项从交换机移除的绝对时间
    $p_{a,q}^9(t)$rx_over_eer接收时溢出的数据包数
    下载: 导出CSV

    表 2  链路带宽占用率等级

    ${\mu _j}(t)$${\mu _j}(t)$等级链路拥塞状态${s_j}(t)$
    0~0.6无拥塞1
    0.6~0.7正常负荷2
    0.7~0.8可能拥塞3
    0.8~0.9一般拥塞4
    超过0.9严重拥塞5
    下载: 导出CSV
  • 加载中
图(7)表(2)
计量
  • PDF下载量:  27
  • 文章访问数:  262
  • HTML全文浏览量:  107
文章相关
  • 通讯作者:  饶华阳, s170301016@stu.cqupt.edu.cn
  • 收稿日期:  2019-12-03
  • 录用日期:  2020-04-24
  • 网络出版日期:  2020-05-31
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章