CN104242993B - 中低压电力通信接入网带宽预测方法 - Google Patents
中低压电力通信接入网带宽预测方法 Download PDFInfo
- Publication number
- CN104242993B CN104242993B CN201410512837.4A CN201410512837A CN104242993B CN 104242993 B CN104242993 B CN 104242993B CN 201410512837 A CN201410512837 A CN 201410512837A CN 104242993 B CN104242993 B CN 104242993B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- search
- feasible
- yata
- transmission bandwidth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 97
- 238000004220 aggregation Methods 0.000 claims abstract description 67
- 230000002776 aggregation Effects 0.000 claims abstract description 67
- 230000015654 memory Effects 0.000 claims description 11
- 238000012913 prioritisation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Abstract
本发明公开了一种中低压电力通信接入网带宽预测方法,该方法在获取变电站通信汇聚节点的业务性能参数与配置参数基础上,定义混合业务最优化带宽预测模型及其的解的二维搜索平面;其次针对最优带宽预测求解,采用最优化目标偏导数下降梯度选择可行搜索方向和可行解排序;最后按照排序可行解依次计算最优目标,选取最优目标对应带宽参数为通信汇聚节点的预测传输带宽并以此为依据实现变电站通信汇聚节点的带宽配置。本发明通过优化搜索方向和路径有效降低了求解计算的复杂性。
Description
技术领域
本发明涉及一种通信接入网带宽预测方法,特别涉及一种中低压电力通信接入网带宽预测方法。
背景技术
电力通信网与电网密不可分,是电力系统的重要组成部分。作为电力系统中第二个实体网络,电力通信网依托电网建设,同时为电网安全稳定运行与电网企业现代化管理提供重要支撑。随着智能电网的迅速发展和新通信业务的不断出现,电力通信网快速高效可靠的信息传输方式已成为电力系统生产和管理的基础。电力系统在设计其通信网络时,必须依据业务特点及其通信服务质量(QualityofService,QoS)要求预测通信系统必需的传输带宽。电力通信网络带宽预测是电力系统通信网络规划、设计和优化的基础,与实际不符的高带宽预测将可能造成网络资源配置冗余,而带宽预测较低则可能导致通信网络瓶颈。
中低压通信接入网业务流量包括三部分:配电信息采集点业务流量、用电信息采集点业务流量及营业所业务流量,以上业务的混合数据流将通过变电站通信汇聚节点接入到三级电力通信主干网。当多种业务流到达变电站,则构成包含多种业务的汇聚流,变电站通信汇聚节点的带宽预测是中低压通信接入网通信网络规划设计的关键。
基于最优化理论的带宽预测方法是中低压通信接入网业务带宽预测的一种可行方法。最优化理论带宽预测方法的基本步骤具体是:首先可以参照通信最优化理论模型进行带宽预测分析;其次在最优化理论模型分析的基础上,构建最优化带宽最优化模型目标;最后采用最优化求解方法(如枚举法和迭代法)计算获得最优预测带宽。基于最优化理论的带宽预测方法由于其最优化带宽最优化模型多为非线性最优化问题,优化求解困难且计算复杂性高,很大程度上制约了该方法在电力带宽应用的深入。
发明内容
本发明的目的是提供一种计算复杂性低的中低压电力通信接入网带宽预测方法。
本发明提供的这种中低压电力通信接入网带宽预测方法,该方法包括如下步骤:
步骤一,获取变电站通信汇聚节点的业务性能参数与配置参数;
步骤二,建立求解变电站通信汇聚节点的带宽预测模型的二维搜索平面;
步骤三,在所述二维搜索平面上,初步判定带宽预测模型的解的搜索方向;
步骤四,通过平均下降梯度选择带宽预测模型的可行解的可行搜索方向;
步骤五,对变电站通信汇聚节点的带宽预测模型的可行解进行优先级排序;
步骤六,变电站通信汇聚节点的最优预测传输带宽的求解与配置。
所述带宽预测模型框架是针对语音、数据、视频和多媒体的四类混合业务,以变电站通信汇聚节点带宽利用率最大化为目标的最优化理论带宽预测模型,其表达式框架为:
max{Yata(BuffNum,BandW)}
其中,Yata为变电站通信汇聚节点的带宽利用率,BuffNum为变电站通信汇聚节点的配置缓存,BandW为变电站通信汇聚节点的传输带宽。
所述二维搜索平面是以变电站通信汇聚节点的传输带宽BandW为X轴、其配置缓存BuffNum为Y轴建立的基于排队论带宽预测模型的解的二维搜索平面。
所述带宽预测模型的解的搜索方向的选择包括如下步骤:
(1)设定最优化目标阈值为Gama,其取值范围为[50%,100%];
(2)在所述二维搜索平面上,选定某一搜索方向:传输带宽搜索方向Xi或配置缓存搜索方向Yj;
(3)对于(2)中给定的搜索方向,选择该方向上的某个点i或点j,根据该点i或j对应的传输带宽BandW和配置缓存BuffNum来求得带宽利用率Yata,获取该点对应的带宽利用率Yata_i或Yata_j;
(4)当该点的带宽利用率Yata大于所述阈值Gama时,则将该搜索方向Xi或Yj加入初选可行方向集合InitSet={{Xi}U{Yj}:Yata_i>Gama或Yata_j>Gama}。
所述带宽预测模型的可行解的可行搜索方向的选择包括通过平均下降梯度对传输带宽可行搜索方向的选择和通过平均下降梯度对配置缓存可行搜索方向的选择。
所述传输带宽可行搜索方向的选择包括如下步骤:
(1)设传输带宽梯度阈值为Alpha,该阈值是度量传输带宽搜索方向上相邻两个点的带宽利用率相对带宽变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个传输带宽搜索方向Xi,选取该方向上m点;m个点代表的是当配置缓存大小一定时不同的传输带宽;
若定义所述节点的最大传输带宽为所有业务基础带宽之和,记为maxBandW,则m个点在[maxBandW/2,maxBandW]范围内等间隔选取;
(3)按下式获取m个点的传输带宽下降梯度和传输带宽平均下降梯度avgGradXi:
传输带宽下降梯度:(k=1,…,m);
传输带宽平均下降梯度:
(4)记最大带宽下降梯度为maxGradXi,(k=1,…,m);
记最小带宽下降梯度为minGradXi,(k=1,…,m);
并选取阈值Alpha的取值范围为[minGradXi,maxGradXi];
(5)若avgGradXi大于Alpha,则选择Xi为传输带宽可行搜索方向,并加入传输带宽可行搜索方向集合BandWSet={Xi:avgGradXi>Alpha}。
所述配置缓存可行搜索方向的选择包括如下步骤:
(1)设缓存梯度阈值为Beta,该阈值时度量配置缓存搜索方向上相邻两个点的带宽利用率相对缓存变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个配置缓存搜索方向Yj,选取该方向上n个点,n个点代表的是当传输带宽一定时节点配置不同的缓存,
若记所述节点的最大缓存为maxBuffNum,则n个点在[maxBuffNum/2,maxBuffNum]范围内等间隔选取;
(3)按下式获取n个点的配置缓存下降梯度和配置缓存平均下降梯度avgGradYj:
配置缓存下降梯度:(k=1,…,n);
配置缓存平均下降梯度:
(4)记最大缓存下降梯度为maxGradYj,(k=1,…,n),
记最小缓存下降梯度为minGradYj,(k=1,…,n),
并选取阈值Beta的取值范围为[minGradYj,maxGradYj];
(5)若avgGradYj大于Beta,则选择Yj为配置缓存可行搜索方向,并加入配置缓存可行搜索方向集合BuffNumSet={Yj:avgGradYj>Beta}。
所述带宽预测模型的可行解优先级排序包括如下步骤:
(1)在选定传输带宽可行搜索方向和配置缓存可行搜索方向后,选取二维可行方向(Xi,Yj)的交点p为最优带宽求解得到的可行解;
(2)分别计算可行解交点p对应的传输带宽下降梯度绝对值 和配置缓存下降梯度绝对值
(3)按照从大到小以及优先传输带宽下降梯度的排序原则,对可行解进行排序,并加入到排序可行解集合AvailSet={(X1,Y2),(X1,Y2),…,(X1,Yn),…,(X2,Y2),…,(Xi,Yj),…},
其中, 和
所述变电站通信汇聚节点的最优预测传输带宽求解与配置包括如下步骤:
(1)按照排序可行解集合AvailSet={(Xi,Yj)}的排序,顺序计算最优化目标Yata(Xi,Yj),并加入到带宽利用率集合YataSet={Yata(Xi,Yj)};
(2)定义迭代计算的目标阈值Deta以及相邻两次迭代计算最优化目标分别记作Yata(k)和Yata(k+1);
(3)若相邻两次迭代差值diff=|Yata(k)-Yata(k+1)|小于Deta,则迭代终止;否则迭代继续进行直至排序可行解集合AvailSet内所有可行解计算完毕;
(4)将方案解集合SolutionSet={Yata(k)}中的可行解进行排序,选取带宽利用率Yata最大值对应的传输带宽BandW作为变电站通信汇聚节点的传输带宽最优预测值;
(5)然后按照最优带宽预测值实现变电站通信汇聚节点的带宽配置。
所述业务性能参数为中低压电力通信接入网通信节点支撑业务的通信服务质量性能参数,包括业务数据速率、带宽、时延和丢失率;所述配置参数包括变电站通信汇聚节点的处理速率和缓存配置参数。
所述业务性能参数为中低压电力通信接入网通信节点支撑业务的通信服务质量性能参数,包括业务数据速率、带宽、时延和丢失率;所述配置参数包括变电站通信汇聚节点的处理速率和缓存配置参数。
所述步骤一中获取中低压通信接入网通信节点支撑业务的QoS性能参数以及获取变电站通信汇聚节点的处理速率和缓存配置参数,二者均作为后续步骤中带宽预测的基础数据。
所述步骤二中通过定义变电站通信汇聚节点排队论带宽预测模型框架,建立带宽预测模型的解的二维搜索平面。
所述步骤三中通过初步判定可行搜索方向以降低搜索复杂度。
所述步骤四按照平均下降梯度分别选择传输带宽可行搜索方向和配置缓存可行搜索方向,可进一步降低搜索复杂度,逼近目标解。
所述步骤五中通过二维搜索平面可行方向交点可行解确认,按照从大到小与优先传输带宽下降梯度的排序原则实现可行解优先级排序,可快速找到目标解。
所述步骤六中通过定义迭代目标阈值Deta设定和迭代中止条件,实现按照排序可行解集合顺序迭代计算带宽利用率;并选取带宽利用率Yata最大值对应传输带宽BandW作为变电站通信汇聚节点的传输带宽最优预测值,并以此为依据实现带宽配置。
本发明的对象是中低压通信接入网中变电站通信汇聚节点的传输带宽。本发明在获取变电站通信汇聚节点的业务性能参数与配置参数基础上,定义混合业务最优化带宽预测模型及其解的二维搜索平面;其次针对最优带宽预测求解,采用最优化目标偏导数下降梯度选择可行搜索方向和可行解排序;最后按照排序可行解依次计算最优目标,选取最优目标对应带宽参数为通信汇聚节点的预测传输带宽并以此为依据实现变电站通信汇聚节点的带宽配置。
本发明采用下降梯度排序的优化搜索法解决中低压电力通信接入网带宽预测问题,最终获取变电站通信汇聚节点满足业务QoS需求的最优预测传输带宽。本发明通过优化搜索方向和路径有效降低带宽预测过程中的计算复杂性。
附图说明
图1为本发明的整体流程图。
图2为本发明的中低压通信接入网混合业务传输示意图。
图3为现有技术的完全枚举法搜索原理图。
图4为本发明的梯度排序搜索基本原理图。
具体实施方式
本发明的对象是中低压电力通信接入网中变电站通信节点汇聚的传输带宽。本发明针对最优化理论带宽预测方法计算复杂性高问题,提出了一种基于梯度排序搜索的带宽预测方法,用于降低最优化求解中的计算复杂性。
如图1所示,本发明的主要实施步骤如下:
步骤一,获取变电站通信汇聚节点的业务性能参数与配置参数;
步骤二,定义变电站通信汇聚节点的带宽预测模型,并建立求解该带宽预测模型的二维搜索平面;
步骤三,在上述二维搜索平面上,初步判定带宽预测模型的解可行搜索方向;
步骤四,通过平均下降梯度选择带宽预测模型的可行解的可行搜索方向;
步骤五,对变电站通信汇聚节点的带宽预测模型的可行解进行优先级排序;
步骤六,变电站通信汇聚节点的最优预测传输带宽的求解与配置。
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
本发明的具体实现过程为:如图2所示,中低压电力通信接入网变电站通信汇聚节点将支持用电信息业务、配电信息业务和供电所/营业厅业务,以上业务的混合业务流将通过变电站通信汇聚节点接入到四级电力通信骨干网。
如图3所示,若采用枚举法,需要对二维搜索平面内5个传输带宽可行方向和5个配置缓存可行方向共25个可行解进行计算后,才能获取最优预测带宽。
而对于同样的问题,本发明采用如下步骤则可快速获取如图4所示的最优传输带宽,其具体实施步骤如下。
步骤1,获取变电站通信汇聚节点的业务性能参数与配置参数。
获取中低压电力通信接入网通信节点支撑业务的QoS性能参数,包括业务数据速率、带宽、时延和丢失率;同时获取变电站通信汇聚节点的处理速率和缓存配置参数。二者均作为后续带宽预测的基础数据。
步骤2,建立变电站通信汇聚节点的带宽预测的解的二维搜索平面。
步骤2.1,定义变电站通信汇聚节点基于排队论带宽预测模型框架。
由于中低压电力通信接入网通信节点将包含支持包括语音、数据、视频和多媒体的混合业务。
首先,设Yata为变电站通信汇聚节点的带宽利用率,BuffNum为变电站通信汇聚节点的配置缓存(基本单位:bit),BandW为变电站通信汇聚节点的传输带宽(基本单位:bps)。
则针对上述四类混合业务,以变电站通信汇聚节点带宽利用率最大化为目标的最优化理论带宽预测模型的一般表达式(框架)为:
max{Yata(BuffNum,BandW)}(1)
若给定变电站通信汇聚节点合适的配置缓存为optBuffNum以及传输带宽为optBandW时,变电站通信汇聚节点的带宽利用率将达到最大值(记为maxYata);则maxYata对应的传输带宽optBandW即是最佳预测带宽。
以上模型求解最佳预测带宽optBandW的过程为一个二维搜索过程。
本发明可采用现有公知的最优化建模方法(如排队论)得到该最优化表达式框架下的具体求解表达式。
对于宽带利用率Yata:即若设节点的配置带宽最大通信容量为Bmax(单位bps),变电站通信汇聚节点去除丢失率后实际接入主干网的有效业务带宽为B(单位bps),则带宽利用率Yata=B/Bmax×100%。
步骤2.2,变电站通信汇聚节点带宽预测模型的解的二维搜索平面建立。
如图3和图4所示,以变电站通信汇聚节点的传输带宽BandW为X轴,配置缓存BuffNum为Y轴,建立排队论带宽预测模型的解的二维搜索平面。
步骤3,带宽预测模型的解的搜索方向的初步判定步骤如下:
(1)设定最优化目标阈值为Gama;
(2)在已建立的二维搜索平面上,选定某一搜索方向:传输带宽搜索方向Xi或配置缓存搜索方向Yj;
(3)对于(2)中给定的搜索方向,选择该方向上的某个点i或点j,获取该点对应的带宽利用率Yata_i或Yata_j;
(4)当该点的带宽利用率Yata大于已设定的阈值Gama时,则将该搜索方向Xi或Yj加入初选可行方向集合InitSet={{Xi}U{Yj}:Yata_i>Gama或Yata_j>Gama}。
最优化目标阈值Gama是节点带宽利用率的函数,考虑到节点带宽利用率理论上限是100%,因此阈值Gama的取值范围可根据具体情况在[50%,100%]区间内选取。
由图3所示,该步骤需要10次可行解计算,传输带宽BandW搜索方向Xi或配置缓存BuffNum方向Yj各5可行解计算。
步骤4,通过平均下降梯度选择最优带宽可行搜索方向,即带宽预测模型的可行解的可行搜索方向。最优带宽可行搜索方向的选择包括通过平均下降梯度对传输带宽可行搜索方向的选择和通过平均下降梯度对配置缓存可行搜索方向的选择。
步骤4.1,传输带宽可行搜索方向的选择包括如下步骤:
(1)设传输带宽梯度阈值为Alpha;该阈值是度量传输带宽搜索方向上相邻两个点优化目标(节点带宽利用率)相对带宽变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个传输带宽搜索方向Xi,选取该方向上m点;m个点代表的是节点缓存大小一定的情况下(比如缓存大小是10kbit),变电站通信汇聚节点不同的传输带宽(基础单位是bit/s);
若定义变电站通信汇聚节点最大传输带宽为所有业务基础带宽之和,记为maxBandW,则可在[maxBandW/2,maxBandW]范围内等间隔选取这m个点;
(3)按下式获取m个点的传输带宽下降梯度和传输带宽平均下降梯度avgGradXi:
传输带宽下降梯度:(k=1,…,m);
传输带宽平均下降梯度:
(4)记最大带宽下降梯度为maxGradXi,(k=1,…,m);
记最小带宽下降梯度为minGradXi,(k=1,…,m);
并选取阈值Alpha∈[minGradXi,maxGradXi];
(5)若avgGradXi大于Alpha,则选择Xi为传输带宽可行搜索方向,并加入传输带宽可行搜索方向集合BandWSet={Xi:avgGradXi>Alpha}。
如图4所示,传输带宽可行搜索方向集合BandWSet={X2,X3,X4}。
步骤4.2,配置缓存可行搜索方向的选择包括如下步骤:
(1)设缓存梯度阈值为Beta,该阈值时度量配置缓存搜索方向上相邻两个点优化目标(节点带宽利用率)相对缓存变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个配置缓存搜索方向Yj,选取该方向上n个点;n个点代表的是节点传输带宽固定下(比如传输带宽为10mbps),变电站通信汇聚节点配置不同的缓存数目(基础单位是bit);
若标记节点最大缓存为maxBuffNum,则可在[maxBuffNum/2,maxBuffNum]范围内等间隔选取这n个点;
(3)按下式获取n个点的配置缓存下降梯度和配置缓存平均下降梯度avgGradYj:
配置缓存下降梯度:(k=1,…,n);
配置缓存平均下降梯度:
(4)记最大缓存下降梯度为maxGradYj,(k=1,…,n),
记最小缓存下降梯度为minGradYj,(k=1,…,n),
并选取阈值Beta∈[minGradYj,maxGradYj];
(5)若avgGradYj大于Beta,则选择Yj为配置缓存可行搜索方向,并加入配置缓存可行搜索方向集合BuffNumSet={Yj:avgGradYj>Beta}。
如图4所示,传输带宽可行搜索方向集合BandWSet={Y1,Y5}。
步骤5,对变电站通信汇聚节点的带宽预测模型的可行解进行优先级排序,包括如下步骤:
(1)在选定传输带宽可行搜索方向和配置缓存可行搜索方向后,选取二维可行方向(Xi,Yj)的交点p为最优带宽求解得到的可行解;
(2)分别计算可行解交点p对应的传输带宽下降梯度绝对值 和配置缓存下降梯度绝对值
(3)按照从大到小以及优先传输带宽下降梯度的排序原则,对可行解进行排序,并加入到排序可行解集合AvailSet={(X1,Y2),(X1,Y2),…,(X1,Yn),…,(X2,Y2),…,(Xi,Yj),…},
其中, 和
如图4所示,传输带宽可行搜索方向集合AvailSet={①,②,③,④,⑤,⑥}。
步骤6,变电站通信汇聚节点的最优预测传输带宽的求解与配置。
步骤6.1,按照排序可行解集合顺序迭代计算与可行解对应的带宽利用率:
(1)按照排序可行解集合AvailSet={(Xi,Yj)}的排序,顺序计算最优化目标Yata(Xi,Yj),并加入到带宽利用率集合YataSet={Yata(Xi,Yj)};
(2)定义迭代计算的目标阈值Deta,并将相邻两次迭代计算最优化目标分别记作Yata(k)和Yata(k+1)。其中,目标阈值Deta可选取一个非常小的数值,如小于0.005的数值等;
(3)若相邻两次迭代差值diff=|Yata(k)-Yata(k+1)|小于Deta,则迭代终止;否则迭代继续进行直至排序可行解集合AvailSet内所有可行解计算完毕。
如图4所示,设定迭代目标阈值Deta=0.2%,则计算最优化目标Yata(⑤)时迭代中止,此时YataSet={Yata(①),Yata(②),Yata(③),Yata(④),Yata(⑤)}。
步骤6.2,最优预测传输带宽的获取与配置。
(1)将方案解集合SolutionSet={Yata(k)}中的可行解进行排序,选取带宽利用率Yata最大值对应的传输带宽BandW作为变电站通信汇聚节点的传输带宽最优预测值;
(2)然后按照最优带宽预测值实现变电站通信汇聚节点的带宽配置。
如图4所示,最优排序选取最大Yata(③)对应的带宽X4为最优带宽预测值,并以此作为依据实现带宽配置。
如图4所示,本发明方法首先通过偏导数平均下降梯度计算和阈值比较以选取二维搜索平面内3个传输带宽可行方向X2、X3和X4且他们优先级顺序为X2>X3>X4,2个配置缓存可行方向Y1和Y5且他们优先级顺序为Y1>Y5;其次通过可行解优先级排序操作获取6个可行解{①,②,③,④,⑤,⑥},且他们优先级排序为①>②>③>④>⑤>⑥;然后按顺序计算可行解对应Yata(i)(设定迭代目标阈值Deta=0.2%),当迭代计算到可行解④和⑤时,发现|Yata(⑤)-Yata(④)|=0.1%<Deta而迭代终止;最优排序将选取最大Yata(③)对应的带宽X4为最优带宽预测值,并以此作为依据实现变电站通信汇聚节点的带宽配置。由图3和图4相比可知,本发明方法只需要15次可行解计算(其中10次可行解计算用于可行方向操作,5次用于最优目标计算)即可获取最优预测带宽,较图3所示的枚举法大大降低了计算复杂性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种中低压电力通信接入网带宽预测方法,其特征在于,该方法包括如下步骤:
步骤一,获取变电站通信汇聚节点的业务性能参数与配置参数;
步骤二,建立求解变电站通信汇聚节点的带宽预测模型的二维搜索平面;
步骤三,在所述二维搜索平面上,初步判定带宽预测模型的解的搜索方向;
步骤四,通过平均下降梯度选择带宽预测模型的可行解的可行搜索方向;
步骤五,对变电站通信汇聚节点的带宽预测模型的可行解进行优先级排序;
步骤六,变电站通信汇聚节点的最优预测传输带宽的求解与配置。
2.根据权利要求1所述的中低压电力通信接入网带宽预测方法,其特征在于,所述带宽预测模型是针对语音、数据、视频和多媒体的四类混合业务,以变电站通信汇聚节点带宽利用率最大化为目标的最优化理论带宽预测模型,其表达式为:
max{Yata(BuffNum,BandW)}
其中,Yata为变电站通信汇聚节点的带宽利用率,BuffNum为变电站通信汇聚节点的配置缓存,BandW为变电站通信汇聚节点的传输带宽。
3.根据权利要求2所述的中低压电力通信接入网带宽预测方法,其特征在于,所述二维搜索平面是以变电站通信汇聚节点的传输带宽BandW为X轴、其配置缓存BuffNum为Y轴建立的基于排队论带宽预测模型的解的二维搜索平面。
4.根据权利要求3所述的中低压电力通信接入网带宽预测方法,其特征在于,所述带宽预测模型的解的搜索方向的选择包括如下步骤:
(1)设定最优化目标阈值为Gama,其取值范围为[50%,100%];
(2)在所述二维搜索平面上,选定某一搜索方向:传输带宽搜索方向Xi或配置缓存搜索方向Yj;
(3)对于(2)中给定的搜索方向,选择该方向上的某个点i或点j,根据该点i或j对应的传输带宽BandW和配置缓存BuffNum来求得带宽利用率Yata,获取该点对应的带宽利用率Yata_i或Yata_j;
(4)当该点的带宽利用率Yata大于所述阈值Gama时,则将该搜索方向Xi或Yj加入初选可行方向集合InitSet={{Xi}U{Yj}:Yata_i>Gama或Yata_j>Gama}。
5.根据权利要求1所述的中低压电力通信接入网带宽预测方法,其特征在于,所述带宽预测模型的可行解的可行搜索方向的选择包括通过平均下降梯度对传输带宽可行搜索方向的选择和通过平均下降梯度对配置缓存可行搜索方向的选择。
6.根据权利要求5所述的中低压电力通信接入网带宽预测方法,其特征在于,所述传输带宽可行搜索方向的选择包括如下步骤:
(1)设传输带宽梯度阈值为Alpha,该阈值是度量传输带宽搜索方向上相邻两个点的带宽利用率相对带宽变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个传输带宽搜索方向Xi,选取该方向上m点;m个点代表的是当配置缓存大小一定时不同的传输带宽;
若定义所述节点的最大传输带宽为所有业务基础带宽之和,记为maxBandW,则m个点在[maxBandW/2,maxBandW]范围内等间隔选取;
(3)按下式获取m个点的传输带宽下降梯度和传输带宽平均下降梯度avgGradXi:
传输带宽下降梯度:(k=1,…,m);
传输带宽平均下降梯度:
(4)记最大带宽下降梯度为maxGradXi,(k=1,…,m);
记最小带宽下降梯度为minGradXi,(k=1,…,m);并选取阈值Alpha的取值范围为[minGradXi,maxGradXi];
(5)若avgGradXi大于Alpha,则选择Xi为传输带宽可行搜索方向,并加入传输带宽可行搜索方向集合BandWSet={Xi:avgGradXi>Alpha}。
7.根据权利要求5所述的中低压电力通信接入网带宽预测方法,其特征在于,所述配置缓存可行搜索方向的选择包括如下步骤:
(1)设缓存梯度阈值为Beta,该阈值是度量配置缓存搜索方向上相邻两个点的带宽利用率相对缓存变化快慢的度量参数;
(2)对于初选可行方向集合InitSet中每一个配置缓存搜索方向Yj,选取该方向上n个点,n个点代表的是当传输带宽一定时节点配置不同的缓存,
若记所述节点的最大缓存为maxBuffNum,则n个点在[maxBuffNum/2,maxBuffNum]范围内等间隔选取;
(3)按下式获取n个点的配置缓存下降梯度和配置缓存平均下降梯度avgGradYj:
配置缓存下降梯度:(k=1,…,n);
配置缓存平均下降梯度:
(4)记最大缓存下降梯度为maxGradYj,(k=1,…,n),
记最小缓存下降梯度为minGradYj,(k=1,…,n),并选取阈值Beta的取值范围为[minGradYj,maxGradYj];
(5)若avgGradYj大于Beta,则选择Yj为配置缓存可行搜索方向,并加入配置缓存可行搜索方向集合BuffNumSet={Yj:avgGradYj>Beta}。
8.根据权利要求1所述的中低压电力通信接入网带宽预测方法,其特征在于,所述带宽预测模型的可行解优先级排序包括如下步骤:
(1)在选定传输带宽可行搜索方向和配置缓存可行搜索方向后,选取二维可行方向(Xi,Yj)的交点p为最优带宽求解得到的可行解;
(2)分别计算可行解交点p对应的传输带宽下降梯度绝对值和配置缓存下降梯度绝对值
(3)按照从大到小以及优先传输带宽下降梯度的排序原则,对可行解进行排序,并加入到排序可行解集合AvailSet={(X1,Y2),(X1,Y2),…,(X1,Yn),…,(X2,Y2),…,(Xi,Yj),…},
其中, 和
9.根据权利要求1所述的中低压电力通信接入网带宽预测方法,其特征在于,所述变电站通信汇聚节点的最优预测传输带宽求解与配置包括如下步骤:
(1)按照排序可行解集合AvailSet={(Xi,Yj)}的排序,顺序计算最优化目标Yata(Xi,Yj),并加入到带宽利用率集合YataSet={Yata(Xi,Yj)};
(2)定义迭代计算的目标阈值Deta以及相邻两次迭代计算最优化目标分别记作Yata(k)和Yata(k+1);
(3)若相邻两次迭代差值diff=|Yata(k)-Yata(k+1)|小于Deta,则迭代终止;否则迭代继续进行直至排序可行解集合AvailSet内所有可行解计算完毕;
(4)将方案解集合SolutionSet={Yata(k)}中的可行解进行排序,选取带宽利用率Yata最大值对应的传输带宽BandW作为变电站通信汇聚节点的传输带宽最优预测值;
(5)然后按照最优带宽预测值实现变电站通信汇聚节点的带宽配置。
10.根据权利要求1所述的中低压电力通信接入网带宽预测方法,其特征在于,所述业务性能参数为中低压电力通信接入网通信节点支撑业务的通信服务质量性能参数,包括业务数据速率、带宽、时延和丢失率;所述配置参数包括变电站通信汇聚节点的处理速率和缓存配置参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410512837.4A CN104242993B (zh) | 2014-09-29 | 2014-09-29 | 中低压电力通信接入网带宽预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410512837.4A CN104242993B (zh) | 2014-09-29 | 2014-09-29 | 中低压电力通信接入网带宽预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104242993A CN104242993A (zh) | 2014-12-24 |
CN104242993B true CN104242993B (zh) | 2016-03-16 |
Family
ID=52230445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410512837.4A Active CN104242993B (zh) | 2014-09-29 | 2014-09-29 | 中低压电力通信接入网带宽预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104242993B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105071992B (zh) * | 2015-08-26 | 2018-09-14 | 国家电网公司 | 变电站配用电业务通信带宽预测方法 |
CN108011753A (zh) * | 2017-11-24 | 2018-05-08 | 国网甘肃省电力公司经济技术研究院 | 一种基于matlab的电力通信网自动带宽预测方法 |
CN107809338A (zh) * | 2017-11-24 | 2018-03-16 | 国网甘肃省电力公司经济技术研究院 | 电力通信网自动带宽预测装置 |
CN115378828A (zh) * | 2022-08-16 | 2022-11-22 | 国网上海能源互联网研究院有限公司 | 一种配电物联网业务多优先级数据通信带宽预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938742A (zh) * | 2012-11-08 | 2013-02-20 | 广东电网公司电力调度控制中心 | 基于电力业务需求的通信带宽预测方法及装置 |
CN103632209A (zh) * | 2013-11-28 | 2014-03-12 | 国家电网公司 | 一种基于排队论的智能配用电业务数据传输带宽预测方法 |
CN103888234A (zh) * | 2014-03-05 | 2014-06-25 | 南京邮电大学 | 一种多无线电系统中基于公平性和精细化带宽分配的资源分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9571332B2 (en) * | 2012-04-17 | 2017-02-14 | Adara Networks, Inc. | Methods and apparatuses for remote application provisioning automation over virtualized IT infrastructure |
-
2014
- 2014-09-29 CN CN201410512837.4A patent/CN104242993B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102938742A (zh) * | 2012-11-08 | 2013-02-20 | 广东电网公司电力调度控制中心 | 基于电力业务需求的通信带宽预测方法及装置 |
CN103632209A (zh) * | 2013-11-28 | 2014-03-12 | 国家电网公司 | 一种基于排队论的智能配用电业务数据传输带宽预测方法 |
CN103888234A (zh) * | 2014-03-05 | 2014-06-25 | 南京邮电大学 | 一种多无线电系统中基于公平性和精细化带宽分配的资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104242993A (zh) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Green data center placement in optical cloud networks | |
CN104242993B (zh) | 中低压电力通信接入网带宽预测方法 | |
CN108632077B (zh) | 一种电力业务数据传输建模流程及传输通道确定方法 | |
CN104540234B (zh) | 一种C‑RAN架构下基于CoMP同步约束的关联任务调度机制 | |
CN102055675B (zh) | 一种基于负载均衡的多径路由分配方法 | |
CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
CN103036792B (zh) | 一种最大化最小公平多数据流传输调度方法 | |
CN103632209A (zh) | 一种基于排队论的智能配用电业务数据传输带宽预测方法 | |
CN104469890A (zh) | 电力线载波和无线的混合网络的自组网方法和系统 | |
CN106162680A (zh) | 扩容参数确定方法及装置 | |
CN105071992B (zh) | 变电站配用电业务通信带宽预测方法 | |
CN106685745B (zh) | 一种网络拓扑构建方法及装置 | |
CN104684095A (zh) | 一种异构网络融合场景中基于遗传运算的资源分配方法 | |
CN104468408A (zh) | 用于动态调整业务带宽的方法和控制中心服务器 | |
Mi et al. | Software-defined green 5G system for big data | |
CN107454009B (zh) | 面向数据中心的离线场景低带宽开销流量调度方案 | |
CN103997738A (zh) | 一种防干扰分簇管理方法及装置 | |
CN108111991B (zh) | 基于可伸缩视频流用户体验质量的d2d网络搭建方法 | |
CN107911763A (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
CN107294672B (zh) | 一种小区载波聚合的调度方法及装置 | |
Wang et al. | A virtual network embedding algorithm based on mapping tree | |
CN104376366A (zh) | 一种最优网络最大流算法的选择方法和设备 | |
CN102833832B (zh) | 一种无线蜂窝网络拓扑控制节能方法 | |
CN110875883B (zh) | 传输接入环的生成方法及装置 | |
CN103369538B (zh) | 一种基站识别码的分配方法、设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |