电力物联网利用物联网技术进行状态感知和决策控制,提高了电网的智能化水平,是推动电力行业未来发展的重要组成部分。基于边缘计算的电力物联网能够在近数据源的网络边缘进行任务处理,减小泛在业务终端的时延和能耗。但是单个边缘节点的计算能力有限,终端任务需要在多个边缘节点之间进行合理调度来满足业务需求,因此研究边缘计算中的工作负载分配机制对提升电力物联网性能有重要意义。目前工作负载分配机制局限于优化影响时延或能耗目标中的单个要素,且不能满足泛在业务的差异化需求。本文考虑了工作负载分配过程中的边缘节点资源分配和终端任务分配,针对不同需求的业务分别展开研究,包括服务时延最小化和时延能耗均衡优化的工作负载分配。针对智能运维场景下运维终端服务时延最小化问题,本文提出了BRT(Balanced initialization,Resource allocation,and Task allocation)算法,初始时利用均衡策略平衡边缘节点之间的负载,然后利用信息素策略改进的粒子群算法优化单个边缘节点内部的资源分配,最后使用半正定松弛算法进行边缘节点之间的任务分配。仿真结果表明相对于仅优化工作负载分配过程中单个要素能显著降低终端的服务时延。针对无人机巡检场景下能量受限终端的时延最小化问题,本文提出了MOEA/D-IM(Multi-objective Evolutionary Algorithm based on Decomposition-Improved)算法,在生成子代时使用最速下降算法优化子代中资源分配比例,邻域更新时使用可变邻域规模和最大适应度增量策略提高种群的整体性能,最后得到聚合函数值更小的任务分配方式。仿真结果表明此算法能更好权衡两个优化目标之间的关系,相对于其他多目标算法在不同的能耗约束下都能得到更小的时延。