電力通信ネットワークにおける認識サービスのリソースマッチングの評価と最適化

科学分野:

• 情報科学
• ネットワークエンジニアリング
• 電力システム

背景:

• 電力システムにおける異種認識サービスは、リソース（コンピューティング、ストレージ、帯域幅、電力）の需要と供給の不一致に直面しています。
• 遅延、信頼性、精度などのサービス品質（QoS）制約は、これらの不一致を悪化させます。
• 既存の手法は、リソースが限られた動的なネットワーク条件下では苦労しています。

研究 の 目的:

• 電力情報通信ネットワークにおける認識サービス効率の評価と最適化のためのインテリジェントな手法を提案すること。
• QoS制約下での需要と供給の不一致を均一に測定し、最小化すること。
• リソースが限られ、時間とともに変化するネットワークで、正確かつ効率的な認識を可能にすること。

主な方法:

• サービス要件とリソース提供のマッチングを定量化するために、情報理論に基づいて「フィットエントロピー」を定義しました。
• 3層のマッチングモデル（ビジネス、論理、物理ドメイン）を構築しました。
• フィットエントロピーをハイパーエッジの重みとして使用して、ゲート付きアテンションを備えた動的ハイパーグラフニューラルネットワークを開発し、多数対多数のマッチング最適化問題を解決しました。

主要な成果:

• 提案手法は、認識サービスのためのサービス品質を大幅に向上させました。
• ネットワークリソース利用率とサービス適応性の効果的なバランスが達成されました。
• 動的ハイパーグラフニューラルネットワークは、マルチタイプサービスリクエストを正常にマッピングし、フィットエントロピーを最適化しました。

結論:

• フィットエントロピー法は、電力システムネットワークにおけるリソース割り当てを管理するための堅牢なフレームワークを提供します。
• 動的ハイパーグラフニューラルネットワークは、複雑なクロスドメイン最適化問題に対する効果的なソリューションを提供します。
• このアプローチは、新しい電力システムにおける認識サービスの効率と信頼性を向上させます。