一种用于配电网5G-TSN融合通信的QoS映射方法、装置、电子设备和存储介质与流程

本发明涉及通信，尤其涉及一种用于配电网5g-tsn融合通信的qos映射方法、装置、电子设备和存储介质。

背景技术：

1、在配电网5g-tsn融合通信场景中，关键流量与尽力而为流量须在同一5g-tsn融合通道内共网传输，如何对不同安全等级的异构业务流进行正确分类并灵活分配5g侧qos资源，是实现精准混合流量调度的核心问题。5g系统作为tsn逻辑网桥，需要将tsn侧业务数据流映射至5qi以实现端到端qos保障。为实现准确映射，通常先对业务数据流进行聚类处理，再依据聚类结果为各业务数据流确定对应的5qi。

2、现有聚类方法通常采用k-means算法对业务数据流进行聚类后映射，该类方法在通用网络场景下具有一定适用性，但在配电网场景中应用时存在以下缺陷：

3、一方面，k-means算法的初始聚类中心为随机选取，算法收敛后所得的聚类类别仅反映数据在数值分布上的相似性，无法与配电网的各类业务形成有效对应。这使得聚类结果难以作为5qi映射决策的有效依据，特别是无法确定某个聚类结果中哪些业务数据流属于最高优先级的i区的goose保护业务。另一方面，配电网中i区goose报文在故障瞬间呈突发特征，大量异常短包在极短时间内集中涌入，k-means算法以类内样本均值作为聚类中心，对离群样本极为敏感，中心点容易被突发短包拉偏，导致聚类边界漂移。原本应归入高优先级类别的goose保护报文可能会被划入低优先级类别，导致其沿错误的5qi路径转发，直接影响电网保护动作的及时性与正确性。

技术实现思路

1、本发明提出一种用于配电网5g-tsn融合通信的qos映射方法、装置、电子设备及存储介质，用于解决在配电网5g-tsn融合通信场景下，现有k-means聚类方法因随机初始化和均值中心点易被goose突发短包拉偏，导致聚类结果与配电网业务类型无法有效对应且i区goose保护报文在分类阶段无法获得应有的高优先级归属的技术问题，为配电网数据从发送到接收的全程一体化管控提供技术支撑。

2、本发明一实施例提供了一种用于配电网5g-tsn融合通信的qos映射方法，包括：

3、获取待映射的n个业务数据流，每条业务数据流包括安全分区等级、数据包时延预算、调度优先级和数据包错误率；

4、以预先设定的k个配电网业务类别语义向量作为语义先验向量，在n个业务数据流中分别就近选取与所述语义先验向量距离最小的业务数据流作为k个聚类中心；

5、对于每一所述业务数据流，根据对应的安全分区等级、数据包时延预算、调度优先级和数据包错误率，计算所述业务数据流与k个聚类中心的加权距离，将业务数据流分别归入使所述加权距离最小的聚类中心所在聚类簇；其中，在计算业务数据流与k个聚类中心的加权距离时，安全分区等级的权重系数最大；

6、对所述k个聚类中心执行迭代优化，直至满足收敛条件，确定最终的k个聚类中心及对应的k个聚类簇；

7、将所述k个聚类簇分别映射至对应的5qi中。

8、进一步的，将所述k个聚类簇分别映射至对应的5qi中，包括：

9、对于每一聚类簇，将所述聚类中心对应的安全分区等级和数据包时延预算作为所述聚类簇的安全分区等级和数据包时延预算；

10、基于各聚类簇的安全分区等级和数据包时延预算，从预设的5qi集合中确定各聚类簇对应的5qi候选值；

11、采用三角形隶属函数分别计算聚类簇与各5qi候选值在数据包时延预算、调度优先级和数据包错误率三个维度上的隶属度，并将三个维度的隶属度加权融合为综合隶属度；

12、将所述综合隶属度大于预设的第一阈值的5qi候选值划分到首选区间，将所述综合隶属度小于所述第一阈值且大于第二阈值的5qi候选值划分到弹性候选区间，将所述综合隶属度小于所述第二阈值的5qi候选值排除；其中，所述第一阈值大于第二阈值；

13、获取各5qi候选值的信道资源利用率，基于所述信道资源利用率计算负载评分；

14、将所述综合隶属度和负载评分进行加权求和，得到综合评分；

15、在所述首选区间内，按综合评分从高到低对各5qi候选值进行排序，根据排序结果，从高到低依次将各5qi候选值的负载评分与预设的过载阈值进行比较；

16、若首选区间内存在负载评分小于过载阈值的5qi候选值，则选取首个负载评分小于过载阈值的5qi候选值作为映射结果；

17、若所述首选区间内各5qi候选值的负载评分均大于或等于过载阈值，则切换至弹性候选区间，从弹性候选区间内选取综合评分最高的5qi候选值作为映射结果。

18、进一步的，所述配电网业务类别语义向量为基于iec 61850标准定义的配电网典型业务所构建的语义特征向量；

19、所述配电网业务类别语义向量包括goose跳闸类、goose非跳闸类、sv采样值类、遥控类以及遥测类对应的语义特征向量，每个语义特征向量均对应相应配电网典型业务的安全分区等级。

20、进一步的，所述对所述k个聚类中心执行迭代优化，直至满足收敛条件，确定最终的k个聚类中心及对应的k个聚类簇，包括：

21、对每个聚类簇，将所述聚类簇内的各个非聚类中心的业务数据流逐一假设为候选替代聚类中心，分别计算以各候选替代聚类中心替代当前聚类中心前后的整体聚类代价差；其中，所述整体聚类代价差为聚类簇内所有业务数据流到所归属的聚类中心的加权距离之和；

22、在当前计算得到的所述整体聚类代价差为负的情况下，终止对所述非聚类中心的逐一假设，以候选替代聚类中心替换当前聚类中心作为所述聚类簇的聚类中心，重新将所述聚类簇内的各个非聚类中心的业务数据流逐一假设为候选替代聚类中心进行迭代，直至所述聚类簇内的整体代价差不为负；

23、直至所有聚类簇的整体聚类代价差均不为负时，确定最终的k个聚类中心及对应的k个聚类簇。

24、进一步的，所述加权距离通过如下公式计算：

25、；

26、其中，为第n个业务数据流；为第k个聚类中心；为业务数据流和聚类中心之间的加权距离；为第n个业务数据流的安全分区等级，取值1-4，分别对应一区至四区；为第k个聚类中心的安全分区等级；为第n个业务数据流的数据包时延预算；为聚类中心的数据包时延预算；为qos参数集合，包括调度优先级和数据包错误率；为的索引；为第n个业务数据流在第个qos参数上的取值；为第k个聚类中心在第个qos参数上的取值；为安全分区等级维度的权重系数；为数据包时延预算维度的权重系数；为第个qos参数维度的权重系数，且。

27、进一步的，当所述业务数据流所对应的安全分区等级为一区时，所述业务数据流所对应的优先级大于其余安全分区等级内业务数据流的优先级；其中，所述业务数据流的优先级根据业务数据流的安全分区等级的权重系数数据包时延预算的权重系数之间的差值确定。

28、进一步的，所述综合隶属度的计算公式为：

29、；

30、其中，为第k个聚类簇与第j个5qi候选值之间的综合隶属度；为第k个聚类簇；为第j个5qi候选值；为数据包时延预算维度的隶属度；为调度优先级维度的隶属度；为数据包错误率维度的隶属度；、、为对应的权重系数，且，。

31、本发明一实施例提供了一种用于配电网5g-tsn融合通信的qos映射装置，至少包括：

32、数据获取模块，用于获取待映射的n个业务数据流，每条业务数据流包括安全分区等级、数据包时延预算、调度优先级和数据包错误率；

33、聚类模块，用于以预先设定的k个配电网业务类别语义向量作为语义先验向量，在n个业务数据流中分别就近选取与所述语义先验向量距离最小的业务数据流作为k个聚类中心；对于每一所述业务数据流，根据对应的安全分区等级、数据包时延预算、调度优先级和数据包错误率，计算所述业务数据流与k个聚类中心的加权距离，将业务数据流分别归入使所述加权距离最小的聚类中心所在聚类簇；其中，在计算业务数据流与k个聚类中心的加权距离时，安全分区等级的权重系数最大；

34、迭代优化模块，用于对所述k个聚类中心执行迭代优化，直至满足收敛条件，确定最终的k个聚类中心及对应的k个聚类簇；

35、映射模块，用于将所述k个聚类簇分别映射至对应的5qi中。

36、本发明一实施例提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序；其中，所述处理器在执行所述计算机程序时，实现本发明任一项所述的用于配电网5g-tsn融合通信的qos映射方法

37、本发明一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述存储介质所在设备执行本发明任意一项所述的用于配电网5g-tsn融合通信的qos映射方法。

38、通过实施本发明的实施例具有如下有益效果：

39、本发明实施例提供了一种用于配电网5g-tsn融合通信的qos映射方法、装置、电子设备和存储介质，通过预设的配电网业务类别语义向量作为语义先验，在业务数据流中就近选取与各类语义先验向量距离最小的真实样本作为初始聚类中心，使聚类起点锚定在具有明确配电网业务含义的位置，确保聚类结果从初始阶段即向配电网各类业务收敛，从而解决了传统随机初始化导致的聚类类别与业务类型无法有效对应的问题，使聚类结果能够作为5qi映射的有效决策依据。加权距离公式为归一化后的安全分区等级、数据包时延预算、调度优先级和数据包错误率的加权平方差之和，所述安全分区等级的权重系数大于其他项的权重系数，使得安全分区等级在聚类过程中占据主导地位，实现i区goose保护业务在距离计算中始终向高优先级中心点靠拢，即使goose突发短包大量涌入，真实样本中心点也不会被离群样本拉偏、i区业务仍被聚类至高优先级类别，避免因为聚类边界漂移导致的保护类业务被错误归类，提高了电网保护动作的及时性与正确性。