CN103595652A - 一种电力通信网络中QoS能效的分级方法 - Google Patents

Abstract

一种电力通信网络中QoS能效的分级方法，属于电力通信网络领域。本发明首先利用数学建模和随机抽样测量来计算网络延时、延时抖动和丢包率，在计算能耗和吞吐量，得到电力通信网络的QoS能效分级模型。利用人工鱼群智能优化求解模型，利用遗传算法的变异算子，提高收敛速度和优化精度，再利用模拟退火算法对带有变异算子的人工鱼群算法进行改进，使各算法之间进行互补得到全局最优解，确定新一代电力通讯网络中各路由器的QoS能效，保证数据流在传递的过程中能耗最小，在保证网络一定QoS的同时，使网络能效达到最大。

Description

一种电力通信网络中QoS能效的分级方法

技术领域

本发明是属于电力通信网络领域，具体涉及一种电力通信网络QoS能效的分级方法。

背景技术

随着网络业务的迅速增加和信息通信技术(ICT)的快速发展，要求网络具有更高的转发速率，更大的地址空间。此时，以网络IP化、网络扁平化、接入层平台化、终端智能多元化的业务为核心的新一代电力通信网络应运而生。面对复杂的网络环境和多样的应用需求，网络服务质量(QoS)逐渐成为研究核心。同时，随着现代科技的快速发展，全球变暖和能源损耗问题日益严重，高QoS、高能效通信是新一代电力通信网络发展中面对的主要问题。

目前，对新一代网络中的QoS问题已进行了一定程度的研究。J.Rao研究了动态云会使设计准确稳定的资源控制器变得麻烦的问题，提出了一种自适应优化模糊控制(STFC)方法来保证虚拟网络中服务器对不同资源的响应时间；STFC引入自适应输出放大机制和灵活的选择规则来提高其可靠性和自适应性；并设计了一个支持自适应多目标资源分配和区分服务的二层的QoS服务供应框架。G.Min研究了网络拥塞对QoS的影响，讨论了随机早期检测和优先级调度机制存在的缺陷；提出了一种新的分析模型，为每一个流等级推导出描述丢失概率的闭合数学表达式；仿真与分析验证了该模型的有效性。T.Maertens分析了优先级调度问题中可能的分级聚合问题；发现现有方法常随机独立地将流中数据包划分为不同等级，但实际上拥有相同等级的数据包常在簇中到达；验证了数据包具有的这种等级簇的性质对于优先级调度中取得不同的延时有很大的影响。A.Gupta研究了可区分服务流的接入控制和调度，提出了优先接入控制和多跳无线网络中基于OFDMA的调度模型；证明了整数线性规划能满足数据流速率和延迟要求并能提供更好的接入控制和数据流调度；并提出了集中式多跳OFDMA网络中支持优先级数据流调度的启发式方法；定义了“流接入”(FA)准则，比较了基于FA准则的不同调度方案；提出了一种组合了多种启发式算法的组合方法，从组合方法中得到的FA值与ILP中的FA值近似，同时产生了低优先级计算时间排序。F.Zhang研究了市场竞争网络中多QoS等级网络资源分配问题；分析认为当所有带宽都被分配后且达到竞争平衡时，每个用户使用了其所有的预算而且达到了最大化效用函数，并证明了这种平衡的存在性和唯一性；讨论了如何调整用户的初始预算使每一用户的带宽需求得到满足，并提出为每一服务等级进行合理收费、为所有用户进行预算和重新分配带宽的解决方案。

以上方法从不同角度对网络中QoS分级进行了研究，但是这些方法只考虑了网络的延时、丢包率等特性，并没有考虑网络本身存在的低效率、高能耗问题。如何构建高能效的QoS分级优化是电力通信网络特别是新一代电力通信网络面对的主要问题。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种电力通信网络QoS能效的分级方法，以达到数据传输过程数据流的能耗最小的目的。

本发明的技术方案是这样实现的：一种电力通信网络QoS能效的分级方法，包括以下步骤：

步骤1：对电力通信网络中传输的数据流进行等间隔的采样，采集待传输数据流的初始发射速率；

步骤2：将待传输数据流从源电力通信网络传递至目的电力通信网络，具体包括：

步骤2.1：确定各电力通信网络内路由器的QoS等级；

步骤2.1.1确定各电力通信网络的延时、延时抖动和丢包率，具体计算方法如下：

(1)延时的计算公式如下：

$T{D}_i(c_i\left(t\right),t)=\frac{{\mathrm{\α}}_i\left(t\right)}{c_i\left(t\right)}---\left(1\right)$

式中，TD_i(c_i(t),t)表示t时刻电力通信网络i的延时，1≤i≤n，0≤t≤T，c_i(t)是t时刻网络i所要取的QoS等级，α_i(t)是特定QoS服务级别下的网络i的延时系数参量，且为线性函数，表达式为：

α_i(t)=α_i(0)-ηt  (2)

其中，η>0且为远小于1的值，α_i(0)为所设置的初始值；

(2)延时抖动的计算公式如下：

max(TD_j(c_j(t),t)-TD_i(c_i(t),t))  1≤i,j≤n  (3)

式中，TD_j(c_j(t),t)表示t时刻电力通信网络j的延时；c_j(t)是t时刻网络j所要取的QoS等级；

(3)丢包率的计算公式如下：

$L{R}_i(c_i\left(t\right),t)=\frac{{\mathrm{\σ}}_i\left(t\right)}{{\mathrm{\σ}}_i\left(t\right)+c_i\left(t\right)}---\left(4\right)$

式中，LR_i(c_i(t),t)表示t时刻电力通信网络i的丢包率，1≤i≤n，0≤t≤T，c_i(t)是t时刻网络i所要取的QoS等级，σ_i(t)是特定QoS服务级别下的网络i的丢包率系数参量，且为线性函数，表达式为，

σ_i(t)=σ_i(0)-ζt  (5)

其中，ζ>0且为远小于1的值，σ_i(0)为所设置的初始值。

同时，实际采集各电力通信网络的延时、延时抖动和丢包率实际值，分别与公式(1)～(5)计算出的延时、延时抖动和丢包率值进行比较，若差值在设定的阈值范围之内，则保留计算值；否则，舍弃计算值；

步骤2.1.2：根据数据流的初始发射速率、延时和丢包率计算电力通信网络吞吐量和能耗；

步骤2.1.3：利用步骤2.1.2中得到的电力通信网络吞吐量和能耗，建立整体电力通信网络的QoS能效分级模型；

以电力通信网络延时、延时抖动、丢包率等QoS指标为约束条件，以最大化网络能效和最小化网络丢包率为目标，建立适用于电力通信网络的带约束的多目标QoS能效分级模型，具体如下：

(1)以能效最大化为目标，建立整体电力通信网络的QoS能效分级模型；

定义t时刻电力通信网络的能效为网络吞吐量与网络能耗之比，利用步骤2.1.2中所计算的满足电力通信网络要求的能耗和吞吐量，t时刻网络的能效的计算公式为：

$\mathrm{EE}\left(t\right)\frac{\mathrm{Thp}\left(t\right)}{E\left(t\right)}=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\Π}}}(1-L{R}_i(c_i\left(t\right),t)))}{c_e\×p+(1-p)\×r\left(t\right)}---\left(9\right)$

式中，网络能效EE(t)是QoS等级c_i(t)的函数，c_e表示网络容量，p表示网络的固有能耗所占的比重，r(t)为网络速率，r₀为数据流的初始速率；

这样，得到整体电力通信网络的QoS能效分级模型的目标函数为：

$c_i^{*}\left(t\right)=\arg \max \mathrm{EE}\left(t\right)---\left(10\right)$

(2)确定该目标函数的约束条件：

约束1：各电力通信网络的等级必须高于各网络的最低门限值，公式为：

式中，c_i(t)为t时刻电力通信网络i的QoS等级，

为每个电力通信网络的QoS等级下限；

约束2：当电力通信网络i的QoS等级趋近于0时，认为网络无连接，延时为无穷，公式为：

$\underset{c_i\→0}{\lim }T{D}_i\left(c_i\left(t\right)\right)=\∞---\left(12\right)$

约束3：当网络i的QoS等级趋于无穷时，认为网络延时为0，公式为：

$\underset{c_i\→\∞}{\lim }T{D}_i\left(c_i\left(t\right)\right)=0---\left(13\right)$

约束4：保证该最优化问题有最优解，公式为：

$\left|\frac{\&PartialD;\mathrm{TD}(c_i\left(t\right),t)}{\&PartialD;t}\right|<\frac{\mathrm{\&epsiv;}}{n}---\left(14\right)$

式中，ε一个远小于1的常数，n为数据流所经过的电力通信网络个数；

约束5：当电力通信网络i的QoS等级趋近于0时，认为网络无连接，丢包率为100%，公式为：

$\underset{c_i\&RightArrow;0}{\lim }L{R}_i\left(c_i\left(t\right)\right)=1---\left(15\right)$

约束6：当网络i的QoS等级趋于无穷时，丢包率为0，公式为：

$\underset{c_i\&RightArrow;\&infin;}{\lim }L{R}_i\left(c_i\left(t\right)\right)=0---\left(16\right)$

约束7：保证能够得到使网络能效达到最大化的QoS等级值，公式为：

$\underset{c_i\&RightArrow;0}{\lim }\left|\frac{\&PartialD;L{R}_i}{\&PartialD;c_i}\right|<\&infin;---\left(17\right)$

步骤2.1.4：利用人工鱼群智能优化算法求解步骤2.1.3提出的QoS能效分级模型的解，进而确定各电力通信网络的QoS等级；

具体过程为：

(1)根据电力通信网络的个数来初始设置一系列QoS等级组，其中，每个QoS等级组由各电力通信网络的QoS等级组成；

(2)计算初始的多组QoS等级组的能效值；

(3)比较各QoS等级组对应的网络能效值大小，选择能效最大QoS等级组；

(4)确定下一状态的QoS等级组值，具体包括如下步骤：

(a)由用户设置步长，各等级组以任意方向移动该步长，得到一组新的QoS等级组值；

(b)由用户设置步长，找到所有等级组的中心位置，各等级组向中心位置移动该步长，得到一组新的QoS等级组值；

(c)由用户设置不成，除最大网络能效的QoS等级组外，其余QoS等级组向最大能效QoS等级组方向移动该步长；

(d)比较a,b,c三个步骤中所得到的QoS等级组，选择能够使电力通信网络能效达到最大的QoS等级组值作为下一状态的QoS等级组值；

(5)再选择步骤(4)中的一系列QoS等级组值中网络能效达到最大值，与步骤(3)所得到的网络能效值进行比较，若大于，则将步骤(4)的结果替换步骤(3)中的值，并将最大值不变次数置为0，否则，步骤(3)中值保持不变，将能效最大值不变次数加1；

(6)判断步骤(5)中最大值不变次数是否已达到用户设置的上限，若达到，执行步骤(7)，否则，执行步骤(8)；

(7)对步骤(5)所得到的下一状态QoS等级组进行变异，重新生成一系列QoS等级组值；

(8)判断是否已经达到最大迭代次数，若达到，则，输出粗略最优的QoS等级组值，即步骤(3)中的值，结束方法；若没有达到，返回步骤(3)；

(9)利用模拟退火算法对于步骤(8)中所得到的粗略QoS最优值进行进一步的细化搜索，得到各电力通信网络全局最优QoS解，具体包括以下步骤：

(a)初始化温度系数；

(b)根据退温系数生成新的温度，在新的温度下，计算一组新的QoS等级组值；

(c)若步骤(b)中的QoS等级组所对应网络能效值大于之前求得的最大网络能效值，则用步骤b中的QoS等级组值进行替换，否则以某一概率进行替换；

(d)判断当前温度是否已经达到所设置的最低温度，若达到，输出最优解，否则，返回步骤(b)；

步骤2.1.5：根据步骤2.1.4所得的最优QoS等级组值，对各电力通信网络中的路由器QoS值进行配置；

步骤2.2：将数据流在已配置好的电力通信网络中从源网络向目的网络进行传输。

步骤2.1.2所述的计算电力通信网络吞吐量和能耗，方法如下：

根据步骤1中数据流的初始发射速率和步骤2.1.1中的延时和丢包率计算电力通信网络吞吐量和能耗，公式如下：

(1)计算电力通信网络吞吐量：将t时刻电力通信网络的吞吐量Thp(t)定义为该时刻网络中实际传输的数据量的大小，电力通信网络吞吐量的计算公式如下：

$\mathrm{Thp}\left(t\right)=r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))---\left(6\right)$

式中，r₀为数据流的初始速率，t时刻吞吐量Thp(t)与数据流经过的各网络的丢包LR_i(c_i(t),t))有关，随着电力通信网络丢包率的降低而升高；

(2)计算电力通信网络的能耗：电力通信网络的能耗与网络中数据的传输速率有关，即随着电力通信网络速率的增加而增加，对于t时刻，速率为r(t)的网络，电力通信网络能耗的计算公式如下：

E(t)=c_e×p+(1-p)×r(t)  (7)

式(7)中，c_e表示网络容量，p表示网络的固有能耗所占的比重，r(t)表示t时刻电力通信网络的速率；

式(7)中，t时刻，电力通信网络速率r(t)的计算公式如下：

$r\left(t\right)=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}T{D}_i(c_i\left(t\right),t)}---\left(8\right)$

式中，r₀为数据流的初始速率，TD_i(c_i(t),t)表示t时刻电力通信网络i的延时，LR_i(c_i(t),t)表示t时刻电力通信网络i的丢包率，1≤i≤n，0≤t≤T。

本发明有益效果：本发明新一代电力通信网络中基于人工鱼群智能优化的QoS能效分级方法，首先利用数学建模和随机抽样测量来计算网络延时、延时抖动和丢包率，以此构建满足电力通信网络要求的能耗模型和吞吐量模型，从而得到电力通信网络的QoS能效分级模型。同时提出利用人工鱼群智能优化求解QoS能效分级模型，在人工鱼群算法求解过程中首先引入遗传算法中的变异算子，提高传统人工鱼群算法的收敛速度和优化精度，其次利用模拟退火算法(SA)局部搜索能力强，最优解质量高等特点对带有变异算子的人工鱼群算法进行改进，使各算法之间进行互补，从而得到全局最优，确定新一代电力通讯网络中各路由器的QoS能效，从而保证数据流在传递的过程中能耗最小，达到在保证网络一定QoS的同时，使网络能效达到最大。

附图说明

图1为本发明实施例的下一代电力通信网络中基于混合人工鱼群算法的网络能效QoS分级优化研究流程图；

图2为本发明实施例中下一代电力通讯网络结构示意图；

图3为本发明实施例带变异算子的人工鱼群算法流程图；

图4为本发明实施例低温条件下的模拟退火算法流程图；

图5为本发明实施例电力通信网络固定能耗比值p不同时电力通信网络能效对比图；

图6为本发明实施例电力通信网络延时系数参量η不同时电力通信网络能效对比图；

图7为本发明实施例电力通信网络源节点初始数据流发射速率r₀不同时电力通信网络能效对比图；

图8为本发明实施例各次迭代过程中的网络能效值。

具体实施方式

下面结合附图对本发明的实施方式作进一步详细的说明。

本发明下一代电力通信网络中基于混合人工鱼群方法的网络能效QoS分级优化方法，其流程如图1所示，包括以下步骤：

步骤1：采集所传输的数据流的初始发射速率；

本发明实施例使用的下一代电力通信网络如图2所示，包括三个电力通讯网络：第一电力通讯网络、第二电力通讯网络和第三电力通讯网络。其中，电力通讯网络1中有5台路由器和1台交换机，电力通讯网络2中有5台路由器，电力通讯网络3中有5台路由器和一台交换机，源节点Source在电力通信网络1中，目的节点Destination在电力通信网络3中。本实施方式中，源节点Source要经过3个网络向目的节点发送一个长度为T=10、初始速率为r₀的数据流(或者流片段，比如，电力控制信息流)，为度量本发实施方式对于不同发送速率数据流的效果，在发明实例中采集多种初始速率的数据流，其初始发射速率分别r₀=10⁶,10⁷,10⁸，该数据流将经过3个电力通信网络，且这n=3个电力通信网络在不同时间点有不同的网络特性，即有不同的延时和丢包率，分别为TD_i(c_i(t),t)和LR_i(c_i(t),t)，其中，TD_i(c_i(t),t)表示t时刻第i个电力通信网络的延时，LR_i(c_i(t),t)表示t时刻第i个电力通信网络的丢包率，c_i(t)表示t时刻第i个电力通信网络的QoS等级，同时，本实施方式假设下一代电力通信网络满足最大无失真传输条件，即，网络延时和丢包率远远小于1。

对图2中的数据流进行间隔为1s的等间隔采样，记录数据流的初始发射速率r₀。

步骤2：将步骤1中的待传输数据流从源电力通信网络传递至目的电力通信网络，具体包括以下步骤：

步骤2.1确定各电力通信网络内路由的QoS等级，具体包括如下步骤：

步骤2.1.1确定各电力通信网络的延时、延时抖动和丢包率；

(1)预测t时刻各电力通信网络的延时为：

$L{R}_i(c_i\left(t\right),t)=\frac{{\mathrm{\&sigma;}}_i\left(t\right)}{{\mathrm{\&sigma;}}_i\left(t\right)+c_i\left(t\right)}---\left(18\right)$

(2)预测t时刻电力通信网络i的延时TD_i(c_i(t),t)为：

$T{D}_i(c_i\left(t\right),t)=\frac{{\mathrm{\&alpha;}}_i\left(t\right)}{c_i\left(t\right)}---\left(19\right)$

在(18)～(19)中，σ_i(t)和α_i(t)是第i个电力通信网络在t时刻特定QoS等级下的网络丢包率和延时系数参量，c_i(t)是t时刻电力通信网络i所要取的QoS等级，1≤i≤n，0≤t≤T。在式(18)中，σ_i(t)可以用下面的公式计算得到：

σ_i(t)=σ_i(0)-ζt  (20)

上式中ζ>0且可设置为某一远远小于1的常数，在发明实例中丢包率参量系数为0.15且满足如下的条件：

$\underset{0\&le;t\&le;T}{\max }\left|\frac{{\mathrm{\&sigma;}}_i^{\text{'}}\left(t\right)}{{\mathrm{\&sigma;}}_i\left(t\right)}\right|=\left|\frac{\mathrm{\&zeta;}}{{\mathrm{\&sigma;}}_i\left(T\right)}\right|=\frac{2\mathrm{\&epsiv;}}{3T}---\left(21\right)$

同样，在式(19)中，α_i(t)可以利用如下公式计算：

α_i(t)=α_i(0)-ηt  (22)

其中，η>0且可设置为某一远远小于1的常数，为测量本发明在不同丢包率网络的效果，在本发明实例中采用多种延时参量设置分别为为0.1，0.15，0.3，且满足：

$\underset{0\&le;t\&le;T}{\max }\left|\frac{{{\mathrm{\&alpha;}}^{\text{'}}}_i\left(t\right)}{{\mathrm{\&alpha;}}_i\left(t\right)}\right|=\left|\frac{\mathrm{\&eta;}}{{\mathrm{\&alpha;}}_i\left(T\right)}\right|=\frac{2\mathrm{\&epsiv;}}{3T}---\left(23\right)$

实施例中丢包率和延时的系数参量σ_i(t)的初始值σ₁(0)，σ₁(0)，σ₂(0)均为0.1×10^-9，α_i(t)的初始值α₁(0)，α₂(0)，α₃(0)取值为0.01×10^-9。在等式(14)和等式(16)中，0≤ε≤1。

t时刻电力通信网络i的丢包率LR_i(c_i(t),t)还应满足如下条件：

$\left\{\begin{array}{c}\underset{c_i\&RightArrow;0}{\lim }L{R}_i\left(c_i\left(t\right)\right)=1\\ \underset{c_i\&RightArrow;\&infin;}{\lim }L{R}_i\left(c_i\left(t\right)\right)=0\\ \underset{c_i\&RightArrow;0}{\lim }\left|\frac{\&PartialD;L{R}_i}{\&PartialD;c_i}\right|<\&infin;\end{array}\right.---\left(24\right)$

t时刻电力通信网络i的延时TD_i(c_i(t),t)也还应满足如下条件：

$\left\{\begin{array}{c}\underset{c_i\&RightArrow;0}{\lim }T{D}_i\left(c_i\left(t\right)\right)=\&infin;\\ \underset{c_i\&RightArrow;\&infin;}{\lim }T{D}_i\left(c_i\left(t\right)\right)=0\\ \left|\frac{\&PartialD;T{D}_i(c_i\left(t\right),t)}{\&PartialD;c_i\left(t\right)}\right|<\frac{\mathrm{\&epsiv;}}{n}\end{array}\right.---\left(25\right)$

从式(18)～(25)中，1≤i≤n且0≤t≤T，可以确定，在时变电力通信网络中，以上各系数参量均可以被看做是时间的序列。时变电力通信网络的延时和丢包率与QoS等级和时间有关，很明显，QoS等级越高，电力通信网络所能提供的服务质量越高，延时和丢包率越低，且不同时间点，电力通信网络的QoS等级也会不同。初始速率为r₀，数据长度为T的数据流在经过电力通信网络i后，任意两个时间片段的数据流的网络延时将小于εT，当ε＜＜1条件满足时，数据流经过电力通信网络后，数据流长度和速率都可以认为仍然是T和r₀，这样就满足了最大无失真传输条件。

公式(24)和公式(25)的约束条件表明，当电力通信网络QoS等级是0时，网络无连接，但随着电力通信网络QoS等级的增加，网络的延时和丢包率都将会下降，且QoS等级问题本来是离散的最优化问题，本发明实施方式要在连续条件下对其进行求解，所以公式(24)～(25)中最后的不等式保证该最优化问题有可行解。

在利用(18)～(25)公式预测电力通信网络延时和丢包率的基础上，本实施方式还结合随机抽样测量的方法，以随机时间间隔对电力通信网络的延时和丢包率进行抽样检测，这样可以对所得的预测值进行一定的修正，提高计算精度，而且相比于实时测量能降低资源消耗和节能，并提高效率。

步骤2.1.2、利用步骤2.1.1得到的满足电力通信网络要求的各网络延时和丢包率，计算电力通信网络吞吐量和能耗。

根据步骤2.1.1中构造的满足电力通信网络要求的各网络延时和丢包率模型，本实施方式根据电力通信网络的特殊性，针对时变电力通信网络，建立数学模型对电力通信网络的吞吐量和能耗进行预测，同时提出利用一种回退抽样测量方法来提高预测的精度。采用回退抽样测量方法获取网络的吞吐量和能耗。回退抽样测量根据网络流量情况改变抽样测量间隔，避免现有实时测量的高能耗低效率问题，能提高系统效率并达到需要的测量精度，

构建满足电力通信网络要求的能耗模型和吞吐量模型步骤如下：

步骤(1)：时变网络中满足电力通信网络要求的吞吐量模型的建立；

利用步骤2.1.1中预测的各电力通信网络的延时和丢包率，将t时刻电力通信网络的吞吐量Thp(t)定义为该时刻网络中实际传输的数据量的大小，利用公式(18)可以对t时刻电力通信网络的吞吐量进行预测，公式如下：

$\mathrm{Thp}\left(t\right)=r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))---\left(26\right)$

式中，r₀为数据流的初始速率，t时刻吞吐量Thp(t)与数据流经过的各电力通信网络的丢包率LR_i(c_i(t),t))有关，随着网络丢包率的降低而升高。因为在等式(26)中LR_i(c_i(t),t))满足如下条件，LR_i(c_i(t),t))＜＜1，所以电力通信网络t时刻的吞吐量仍可以认为是与原始的吞吐量相同，为r₀，这样就不会违背前面我们所假设的最大无失真传输条件。

步骤(2)：构建满足电力通信网络要求的能耗模型。

数据流流经一个时变电力通信网络后，不同时间点的数据流片段将被分配不同的QoS等级，延时和丢包率也随之不同。本发明实施方式假设电力通信网络具有最大无失真传输条件，数据流到达电力通信网络1边界的速率是r₀，到达电力通信网络2边界时的速率是r₀(1-LR₁(c₁(t),t))，到达电力通信网络n边界时的速率为：

$r_0\underset{i=1}{\overset{n-1}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t))$

利用步骤2.1.1中预测的电力通信网络的延时和丢包率值，可以得到网络t时刻的速率模型，公式为：

$r\left(t\right)=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}T{D}_i(c_i\left(t\right),t)}---\left(27\right)$

由于网络的能耗与网络中数据的传输速率有关，即随着网络速率的增加而增加。对于t时刻，速率为r(t)的电力通信网络，本实施方式构建网络能耗的预测模型，公式为：

E(t)=c_e×p+(1-p)×r(t)  (28)

式(28)中，c_e表示网络容量，实施例中取c_e=10⁹，p表示网络的固有能耗所占的比重，为测量本实施方式在不同固定网络能耗的电力通信网络中的效果，在实施例中取不同的固有能耗占有比重，即p=10%,25%,50%，r(t)表示电力通信网络t时刻的速率。

同时，在步骤2.1.2中利用公式(16)～(28)预测电力通信网络中的网络吞吐量和能耗的过程中利用回退抽样测量方法，对电力通信网络中的网络能耗和吞吐量进行抽样检测，高效获取网络的吞吐量和能耗。

步骤2.1.3：利用步骤2.1.2中得到的电力通信网络吞吐量和能耗，建立整体电力通信网络的QoS能效分级模型；

本实施方式定义t时刻电力通信网络的能效为网络吞吐量与网络能耗之比，这样，由公式(26)～(28)，可以得到t时刻电力通信网络的能效模型，公式为：

$\mathrm{EE}\left(t\right)=\frac{\mathrm{Thp}\left(t\right)}{E\left(t\right)}=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))}{c_e\&times;p+(1-p)\&times;r\left(t\right)}---\left(29\right)$

在公式(29)中，网络能效EE(t)是QoS等级c_i(t)的函数。

不同的业务有不同的带宽，延时，丢包率等的需求，电力通信网络就会提供不同的服务质量，即提供不同QoS等级的服务。本实施方式目的是求得每一个电力通信网络的最优的

使网络在保证一定的QoS服务质量的前提下，网络能效尽可能地提高。由公式(29)已经利用网络QoS等级c_i(t)来描述网络能效EE(t)，利用公式(29)，可以得到如下的电力通信网络的QoS能效分级模型：

表1为各符号定义表

模型建立：

$c_i^{*}\left(t\right)=\arg \max \mathrm{EE}\left(t\right)---\left(30\right)$

s.t.

$\underset{c_i\&RightArrow;0}{\lim }T{D}_i\left(c_i\left(t\right)\right)=\&infin;---\left(32\right)$

$\underset{c_i\&RightArrow;\&infin;}{\lim }T{D}_i\left(c_i\left(t\right)\right)=0---\left(33\right)$

$\left|\frac{\&PartialD;\mathrm{TD}(c_i\left(t\right),t)}{\&PartialD;t}\right|<\frac{\mathrm{\&epsiv;}}{n}---\left(34\right)$

$\underset{c_i\&RightArrow;0}{\lim }L{R}_i\left(c_i\left(t\right)\right)=1---\left(35\right)$

$\underset{c_i\&RightArrow;\&infin;}{\lim }L{R}_i\left(c_i\left(t\right)\right)=0---\left(36\right)$

$\underset{c_i\&RightArrow;0}{\lim }\left|\frac{\&PartialD;L{R}_i}{\&PartialD;c_i}\right|<\&infin;---\left(37\right)$

在式(30)～(37)中，1≤i≤n且0≤t≤T。式(30)为目标函数，式(31)表示电力通信网络i的QoS等级必须高于所设置的最低门限值，式(32)与(34)表示当电力通信网络i的QoS等级趋近于0时，认为网络无连接，延时为无穷，丢包率为100%，式(33)与式(36)表示，当网络i的QoS等级趋于无穷时，认为网络延时为0，丢包率为0，式(34)与式(37)保证该最优化问题有最优解，至此，电力通信网络的QoS能效分级模型已经建立完毕，由式(30)可以得出，该最优化模型为多峰值的最优化问题，利用传统的方法很难对其求解，因此我们利用人工鱼群智能优化算法对其进行求解，即求得每个网络的最优QoS等级

步骤2.1.4、利用人工鱼群智能优化求解QoS能效分级模型。

人工鱼群算法通过模拟鱼群在水中的行为活动，包括：聚群行为，觅食行为，追尾行为，随机行为来进行迭代寻优。人工鱼群算法具有快速跳出局部极值，快速收敛的特点，已被越来越多地运用于多极值优化问题的求解。但是，随着优化问题的复杂度不断提高和搜索范围的不断扩大，人工鱼群算法的缺点也渐渐暴露出来，比如，随着优化的进行，算法的收敛速率不断减慢；若寻优区域太大或每一次迭代搜索所得值变化较慢时，算法收敛速度也会较慢。为此，本发明实施方式利用混合人工鱼群算法对该最优化问题进行求解，该算法通过引入遗传算法中的变异算子，使人工鱼群中的部分人工鱼在寻优的同时进行变异，从而能够有机会进入其他解集进行搜索，扩大搜索范围，提高优化精度，同时，提高收敛速度。在运行完人工鱼群算法之后，得到粗略的最优解，这时，利用低温情况下的模拟退火算法进行进一步地细化搜索，再次提高解的质量。

人工鱼群算法首先在人工鱼群算法中引入遗传算法中的变异算子，使人工鱼群中的部分人工鱼在寻优的同时进行变异，从而能够有机会进入其他解集进行搜索，扩大搜索范围，提高优化精度，同时，提高收敛速度。在运行完带有变异算子的人工鱼群算法之后，我们得到每个网络粗略的最优QoS等级，这时，利用低温情况下的模拟退火算法进行进一步地细化搜索，再次提高解的质量。具体包括以下步骤：

本实施方式引入遗传算法中的变异算子提高传统人工鱼群算法的收敛速度和优化精度。在人工鱼群算法中设立一个公告板，用于记录能效最大的人工鱼个体，且在每执行一次人工鱼群算法的迭代过程之后，更新公告板的内容，使公告板一直记录最优的人工鱼，且记录公告板中最优个体不变化或变化较小的次数，若达到所规定的不变次数的上限，则按照很小的概率进行变异。图3为带变异算子的人工鱼群算法流程图，具体步骤如下：

步骤(1)：根据通信网络的个数来初始设置一系列QoS等级组，其中，每个QoS等级组由各电力通信网络的QoS等级组成。设置初始的迭代次数N和用于记录最大能效值连续不变化的次数BestStep为0，最大迭代次数为N_max=50，最大能效值连续不变化的最大次数为Best_max=10，在网络QoS等级等一系列约束下，生成规模Friend_number=50的初始人工鱼群，即QoS等级组，人工鱼的感知距离Visual=5*10^-9，拥挤度为δ=0.1。

步骤(2)：计算初始的多组QoS等级组的能效值。

步骤(3)：选择初始QoS等机组中网络能效Y=EE(t)最大的QoS等级组；

步骤(4)：确定下一状态的QoS等级组值，具体包括如下步骤：

a.由用户设置步长，在本发明实施方式中设置为10^-9，各等级组以任意方向移动该步长，得到一组新的QoS等级组值。

b.由用户设置步长，找到所有等级组的中心位置，在本发明实施方式中设置为10^-9各等级组向中心位置移动该步长，得到一组新的QoS等级组值。

c.由用户设置步长，在本发明实施方式中设置为10^-9，除最大网络能效的QoS等级组外，其余QoS等级组向最大能效QoS等级组方向移动该步长。

d.比较a,b,c三个步骤中所得到的QoS等级组，选择能够使电力通信网络能效达到最大的QoS等级组值作为下一状态的QoS等级组值。

步骤(5)：再选择步骤(4)中的一系列QoS等级组值中网络能效达到最大值，与步骤(3)所得到的网络能效值进行比较，若大于，则将步骤(4)的结果替换步骤(3)中的值，并将最大值不变次数BestStep置为0，否则，步骤(3)中值保持不变，能效最大值不变次数BestStep加1。

步骤(6)：判断步骤(5)中最大值不变次数是否已达到用户设置的上限，即，BestStep是否已经达到Best_max=10，若达到，执行步骤(7)，否则，执行步骤(8)。

步骤(7)：变异：对除最优的人工鱼以外的人工鱼群进行变异操作如下：

A：对每一组QoS等级组的所有维度以概率p_m=0.1进行重新初始化；

B：对于每一个新形成的QoS等级计算网络能效值Y，与当前最大网络能效值进行比较，若大于当前最大的网络能效值，则网络能效最大值，否则网络能效最大值保持不变；

C：将最大值连续不变次数BestStep置为0；

步骤(8)：判断是否已经达到最大迭代次数N_max=50，若达到，输出粗略最优的QoS等级组值，即步骤(3)中的值，若没有达到，执行N=N+1，BestStep=BestStep+1，返回步骤(3)。

基于模拟退火算法(SA)局部搜索能力强，最优解质量高等特点对步骤(1)～(8)带有变异算子的人工鱼群算法进行改进，提高解的质量得到全局最优解。图4为模拟退火算法流程图，具体步骤如下：

步骤(9)：对于步骤(8)得到的最优解粗略最优解c(ii)={c₁(ii),c₂(ii),c₃(ii)}，利用模拟退火算法对其进行细化搜索，具体步骤如下：

步骤a：设置模拟退火算法中的初始温度To=50，迭代次数初始值k为1，最大迭代次数K_max，本实施方式中取K_max=20；

步骤b：选择网络QoS等级组c(ii)={c₁(ii),c₂(ii),c₃(ii)}中的第j个子变量，c_j(ii)，初始化j=1；

步骤c：当前温度为Tt，在该温度下进行迭代，直到达到Tt温度下的迭代终止条件；

步骤c-1：判断j是否已大于c(ii)的维数D，若大于，则重新令j=1；

步骤c-2：对于第j个电力通信网络的QoS等级c_j(ii)执行Metropolis过程，改变c_j(ii)的大小，具体如下：在(0,1)范围之内产生一个随机数random，若满足random>0.5条件，则将c_j(ii)变大，改变大小为

其中step为移动步长，step=10^-9，△c_j为第j个电力通信网络的QoS等级c_j(ii)的大小改变量，k为迭代次数，否则，减小c_j(ii)， $\mathrm{\&Delta;}{c}_j=\frac{1}{3*k}*\mathrm{random}*\mathrm{step};$

步骤c-3：子变量c_j(ii)改变后形成的新的QoS等级组为c′(ii)，计算该QoS等级组的网络能效Y′，与c_j(ii)状态下的电力通信网络能效Y比较，若Y′>Y，则接受新的状态c′(ii)，执行步骤d，否则，按如下规则决定是否接受新的QoS等级值c_j(ii)，即：若exp((Y-Y′)/Tt)-(Y′-Y)/Tt>r成立，其中，r为(0,1)之间的一个随机数，则接受新QoS等级组值c′(ii)，且j=j+1，重复执行步骤c，否则不接受新的人工鱼状态，j=j+1，重复执行步骤c；

步骤d：修改模拟退火算法中的温度值Tt：若迭代次数小于最大的迭代次数K_max，则Tt=Tt*c，其中，c为温度冷却系数，实施方式中取c=0.8，且迭代次数加1，即，k=k+1，返回至步骤c，否则转到步骤e；

步骤e：退出局部模拟退火算法，输出最优解，即各电力通信网络的最优QoS等级值 $c^{*}\left(t\right)=\{c_1^{*}\left(t\right),c_2^{*}\left(t\right),c_3^{*}\left(t\right)\}.$

步骤2.1.5：根据步骤2.1.4所得的最优QoS等级组值，分别对各电力通信网络中的每一台路由器的QoS值进行配置。

步骤2.2：将数据流在已配置好的电力通信网络中从源网络向目的网络进行传输。

图5至图8为本发明实例的效果图，图5为电力通信网络固定能耗比值p不同时电力通信网络能效对比图，由图中我们可以看出，随着网络固有能耗比重的增加，网络固有能效降低，这说明，网络的固有能耗比重对网络能效有着很大的影响，我们可以通过某些技术使网络中的路由器，服务器等的能耗降低，从而可以达到使网络能效提高的效果。

图6为电力通信网络延时系数参量η不同时电力通信网络能效对比图，从图中我们可以看出，网络能效基本不随延时参量的变化而变化，这说明，我们的发明有很强的健壮性，可以适应网络延时的变化。

图7所示为电力通信网络源节点初始数据流发射速率r₀不同时电力通信网络能效对比图，从图中我们可以看出，随着发送数据流的速率的增加，网络能效有很大程度的提高，这说明我们的发明适应于网络的不断发展，随着网络技术的不断发展，网络速率也会不断提高，我们的发明效果也会随着网络速率的不断发展而提高。

图8为智能人工鱼群算法中各次迭代过程的网络能效值，从图中我们可以看出，我们的算法具有很强的收敛性，稳定性很强。

虽然以上描述了本发明的具体实施方式，但是本领域内的熟练的技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims (2)

1.一种电力通信网络QoS能效的分级方法，其特征在于：包括以下步骤：

步骤1：对电力通信网络中传输的数据流进行等间隔的采样，采集待传输数据流的初始发射速率；

步骤2：将待传输数据流从源电力通信网络传递至目的电力通信网络，具体包括：

步骤2.1：确定各电力通信网络内路由器的QoS等级；

步骤2.1.1确定各电力通信网络的延时、延时抖动和丢包率，具体计算方法如下：

(1)延时的计算公式如下：

$T{D}_i(c_i\left(t\right),t)=\frac{{\mathrm{\&alpha;}}_i\left(t\right)}{c_i\left(t\right)}---\left(1\right)$

式中，TD_i(c_i(t),t)表示t时刻电力通信网络i的延时，1≤i≤n，0≤t≤T，c_i(t)是t时刻网络i所要取的QoS等级，α_i(t)是特定QoS服务级别下的网络i的延时系数参量，且为线性函数，表达式为：

α_i(t)=α_i(0)-ηt  (2)

式中，η>0且为远小于1的值，α_i(0)为所设置的初始值；

(2)延时抖动的计算公式如下：

max(TD_j(c_j(t),t)-TD_i(c_i(t),t))  1≤i,j≤n  (3)

式中，TD_j(c_j(t),t)表示t时刻电力通信网络j的延时；c_j(t)是t时刻网络j所要取的QoS等级；

(3)丢包率的计算公式如下：

$L{R}_i(c_i\left(t\right),t)=\frac{{\mathrm{\&sigma;}}_i\left(t\right)}{{\mathrm{\&sigma;}}_i\left(t\right)+c_i\left(t\right)}---\left(4\right)$

式中，LR_i(c_i(t),t)表示t时刻电力通信网络i的丢包率，σ_i(t)是特定QoS服务级别下的网络i的丢包率系数参量，且为线性函数，表达式为：

σ_i(t)=σ_i(0)-ζt  (5)

其中，ζ>0且为远小于1的值，σ_i(0)为所设置的初始值；

同时，实际采集各电力通信网络的延时、延时抖动和丢包率实际值，分别与公式(1)～(5)计算出的延时、延时抖动和丢包率值进行比较，若差值在设定的阈值范围之内，则保留计算值；否则，舍弃计算值；

步骤2.1.2：根据数据流的初始发射速率、延时和丢包率计算电力通信网络吞吐量和能耗；

步骤2.1.3：利用步骤2.1.2中得到的电力通信网络吞吐量和能耗，建立整体电力通信网络的QoS能效分级模型；

以电力通信网络延时、延时抖动、丢包率等QoS指标为约束条件，以最大化网络能效和最小化网络丢包率为目标，建立适用于电力通信网络的带约束的多目标QoS能效分级模型，具体如下：

(1)以能效最大化为目标，建立整体电力通信网络的QoS能效分级模型；

定义t时刻电力通信网络的能效为网络吞吐量与网络能耗之比，利用步骤2.1.2中所计算的满足电力通信网络要求的能耗和吞吐量，t时刻网络的能效的计算公式为：

$\mathrm{EE}\left(t\right)=\frac{\mathrm{Thp}\left(t\right)}{E\left(t\right)}=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))}{c_e\&times;p+(1-p)\&times;r\left(t\right)}---\left(9\right)$

式中，网络能效EE(t)是QoS等级c_i(t)的函数，c_e表示网络容量，p表示网络的固有能耗所占的比重，r(t)为网络速率，r₀为数据流的初始速率；

这样，得到整体电力通信网络的QoS能效分级模型的目标函数

为：

$c_i^{*}\left(t\right)=\arg \max \mathrm{EE}\left(t\right)---\left(10\right)$

(2)确定该目标函数的约束条件：

约束1：各电力通信网络的等级必须高于各网络的最低门限值，公式为：

式中，

为每个电力通信网络的QoS等级下限；

约束2：当电力通信网络i的QoS等级趋近于0时，认为网络无连接，延时为无穷，公式为：

$\underset{c_i\&RightArrow;0}{\lim }T{D}_i\left(c_i\left(t\right)\right)=\&infin;---\left(12\right)$

约束3：当网络i的QoS等级趋于无穷时，认为网络延时为0，公式为：

$\underset{c_i\&RightArrow;\&infin;}{\lim }T{D}_i\left(c_i\left(t\right)\right)=0---\left(13\right)$

约束4：保证该最优化问题有最优解，公式为：

$\left|\frac{\&PartialD;\mathrm{TD}(c_i\left(t\right),t)}{\&PartialD;t}\right|<\frac{\mathrm{\&epsiv;}}{n}---\left(14\right)$

式中，ε一个远小于1的常数，n为数据流所经过的电力通信网络个数；

约束5：当电力通信网络i的QoS等级趋近于0时，认为网络无连接，丢包率为100%，公式为：

$\underset{c_i\&RightArrow;0}{\lim }L{R}_i\left(c_i\left(t\right)\right)=1---\left(15\right)$

约束6：当网络i的QoS等级趋于无穷时，丢包率为0，公式为：

$\underset{c_i\&RightArrow;\&infin;}{\lim }L{R}_i\left(c_i\left(t\right)\right)=0---\left(16\right)$

约束7：保证能够得到使网络能效达到最大化的QoS等级值，公式为：

$\underset{c_i\&RightArrow;0}{\lim }\left|\frac{\&PartialD;L{R}_i}{\&PartialD;c_i}\right|<\&infin;---\left(17\right)$

步骤2.1.4：利用人工鱼群智能优化算法求解步骤2.1.3提出的QoS能效分级模型的解，进而确定各电力通信网络的QoS等级；

具体过程为：

(1)根据电力通信网络的个数来初始设置一系列QoS等级组，其中，每个QoS等级组由各电力通信网络的QoS等级组成；

(2)计算初始的多组QoS等级组的能效值；

(3)比较各QoS等级组对应的网络能效值大小，选择能效最大QoS等级组；

(4)确定下一状态的QoS等级组值，具体包括如下步骤：

(a)由用户设置步长，各等级组以任意方向移动该步长，得到一组新的QoS等级组值；

(b)由用户设置步长，找到所有等级组的中心位置，各等级组向中心位置移动该步长，得到一组新的QoS等级组值；

(c)由用户设置不成，除最大网络能效的QoS等级组外，其余QoS等级组向最大能效QoS等级组方向移动该步长；

(d)比较a,b,c三个步骤中所得到的QoS等级组，选择能够使电力通信网络能效达到最大的QoS等级组值作为下一状态的QoS等级组值；

(5)再选择步骤(4)中的一系列QoS等级组值中网络能效达到最大值，与步骤(3)所得到的网络能效值进行比较，若大于，则将步骤(4)的结果替换步骤(3)中的值，并将最大值不变次数置为0，否则，步骤(3)中值保持不变，将能效最大值不变次数加1；

(6)判断步骤(5)中最大值不变次数是否已达到用户设置的上限，若达到，执行步骤(7)，否则，执行步骤(8)；

(7)对步骤(5)所得到的下一状态QoS等级组进行变异，重新生成一系列QoS等级组值；

(8)判断是否已经达到最大迭代次数，若达到，则，输出粗略最优的QoS等级组值，即步骤(3)中的值，结束方法；若没有达到，返回步骤(3)；

(9)利用模拟退火算法对于步骤(8)中所得到的粗略QoS最优值进行进一步的细化搜索，得到各电力通信网络全局最优QoS解，具体包括以下步骤：

(a)初始化温度系数；

(b)根据退温系数生成新的温度，在新的温度下，计算一组新的QoS等级组值；

(c)若步骤(b)中的QoS等级组所对应网络能效值大于之前求得的最大网络能效值，则用步骤b中的QoS等级组值进行替换，否则以某一概率进行替换；

(d)判断当前温度是否已经达到所设置的最低温度，若达到，输出最优解，否则，返回步骤(b)；

步骤2.1.5：根据步骤2.1.4所得的最优QoS等级组值，对各电力通信网络中的路由器QoS值进行配置；

步骤2.2：将数据流在已配置好的电力通信网络中从源网络向目的网络进行传输。

2.根据权利要求1所述的电力通信网络QoS能效的分级方法，其特征在于：步骤2.1.2所述的计算电力通信网络吞吐量和能耗，计算方法如下：

根据步骤1中数据流的初始发射速率和步骤2.1.1中的延时和丢包率计算电力通信网络吞吐量和能耗，公式如下：

(1)计算电力通信网络吞吐量：将t时刻电力通信网络的吞吐量Thp(t)定义为该时刻网络中实际传输的数据量的大小，电力通信网络吞吐量的计算公式如下：

$\mathrm{Thp}\left(t\right)=r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))---\left(6\right)$

式中，r₀为数据流的初始速率，t时刻吞吐量Thp(t)与数据流经过的各网络的丢包LR_i(c_i(t),t))有关，随着电力通信网络丢包率的降低而升高；

(2)计算电力通信网络的能耗：电力通信网络的能耗与网络中数据的传输速率有关，即随着电力通信网络速率的增加而增加，对于t时刻，速率为r(t)的网络，电力通信网络能耗的计算公式如下：

E(t)=c_e×p+(1-p)×r(t)  (7)

式(7)中，c_e表示网络容量，p表示网络的固有能耗所占的比重，r(t)表示t时刻电力通信网络的速率；

式(7)中，t时刻，电力通信网络速率r(t)的计算公式如下：

$r\left(t\right)=\frac{r_0(1-\underset{i=1}{\overset{n}{\mathrm{\&Pi;}}}(1-L{R}_i(c_i\left(t\right),t)))}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}T{D}_i(c_i\left(t\right),t)}---\left(8\right)$

式中，r₀为数据流的初始速率，TD_i(c_i(t),t)表示t时刻电力通信网络i的延时，LR_i(c_i(t),t)表示t时刻电力通信网络i的丢包率，1≤i≤n，0≤t≤T。

Images