CN104244267A - 农田wsn可再生能源节点部署方法及系统 - Google Patents

Abstract

本发明提供了农田WSN可再生能源节点部署方法，该方法包括：根据网络覆盖性和网络连通性要求确定可再生能源节点的数目；计算每个监测点的数据传输负载，并根据数据传输负载计算出每个监测点的可再生能源位置选定指数；根据选定指数值选择若干个分区基准点，根据分区基准点构建泰森多边形，将整个监测区域分为若干个基准区；确定每个基准区内最优的可再生能源节点部署方案，并根据其确定可再生能源节点的位置。本发明还提供了农田WSN可再生能源节点部署系统，该系统包括数目计算单元、指数计算单元、分区单元及部署单元。本发明在无线传感器网络中部署适当的可再生能源节点，并通过有效部署以减少节点个数，达到降低网络成本的问题。

Description

农田WSN可再生能源节点部署方法及系统

技术领域

本发明涉及无线传感器网络技术领域，具体涉及农田WSN可再生能源节点部署方法及系统。

背景技术

在农田环境中进行无线传感器网络(Wireless Sensor Network，简称WSN)监测，可以实现农田环境的实时监测，能够为农业生产管理提供精确、全面、及时的信息，提高农业生产效率。但在农田中进行无线传感器节点的布设，相对于无线传感器网络在其他领域的应用，存在着其自身的特点。首先农田环境监测大都处于偏僻的野外，因此不适于节点的有线供电；其次农田环境监测的周期与作物生长周期相关，一般会持续较长时间，要求节点的供电能够满足长时间监测的能量需求；第三，农田环境中存在丰富的可再生能源，通过利用可再生能源可以为节点提供源源不断的能量；最后农田监测范围广阔，需要布设的节点较多，而无线传感器网络在农业中的应用对成本比较敏感，更少的节点能带来网络布设成本的节约。

在节点部署方面，已有的节点部署研究主要针对同构节点网络，研究重点关注网络的能量和覆盖问题。刘卉等在《基于规则网格的农田环境监测传感器节点部署方法》中提出基于采样间距和节点通信范围进行节点部署，通过比较部署成本、连通性等指标探讨了最佳规则网格节点部署方案的选取原则，为农田环境监测应用中传感器节点的合理布局规划提供依据。孙玉文等在《农田无线传感器网络的节点部署仿真与实现》对随机部署、正六边形部署及正四边形部署方式进行了仿真比较，并在农田中进行实地试验。但上述研究针对的节点均为电池供电的同构节点，同时没有特别考虑能量受限的问题，而能量问题是农田无线传感器网络应用的基础。朱路等在“一种面向精准农业的WSN节点部署方法”(CN 103347265 A)中将多个一级固定簇头、多个二级簇头、多个传感器节点和Sink节点组成网络，其中一级固定簇头属于总线型拓扑结构，依次排列最终与Sink节点相连，每一个固定簇头和多个二级非固定簇头相连通，一个二级非固定簇头和多个传感器节点相连通，一级固定簇头和Sink节点采用太阳能供电。此方法在布局过程中未考虑如何最大限度的利用太阳能节点、控制节点数目、能耗负载均衡的问题，不利于农田无线传感器网络成本控制。

发明内容

针对现有技术的缺陷，本发明提供的农田WSN可再生能源节点部署方法及系统，在无线传感器网络中部署适当的可再生能源节点，并通过有效部署以最大限度地利用可再生能源节点、控制节点数目和实现能耗负载均衡，达到降低网络成本、延长网络寿命的目的。

第一方面，本发明提供一种农田无线传感器网络WSN可再生能源节点部署方法，该方法包括：

根据网络覆盖性和网络连通性要求确定可再生能源节点的数目；

计算网络中每个监测点的数据传输负载，并根据所述数据传输负载计算出每个监测点的可再生能源位置选定指数；

根据所述可再生能源位置选定指数值选择若干个分区基准点，基于所述分区基准点将整个监测区域分为若干个基准区；

确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。

优选地，所述根据网络覆盖性和网络连通性要求确定可再生能源节点数目包括：

根据网络覆盖性对节点数目的要求，得到节点个数n_cov为：

其中，A为监测区域的面积，r_s为可再生能源节点的感知半径；

根据网络连通性对节点数目的要求，得到节点个数n_con为：

其中，r_c为节点通信半径；

取n＝max(n_con,n_cov)作为可再生能源节点的数目。

优选地，所述每个监测点的数据传输负载由如下公式得到：

$E_i=({{\mathrm{\αr}}_c}^m+\mathrm{\β})\×(\frac{n_{i\_\mathrm{out}}}{n_{i\_\mathrm{ring}}}+g_i)+{{\mathrm{\αr}}_c}^m$

其中，E_i表示节点i的数据传输负载，α表示数据发送耗能系数，β表示数据接收耗能系数，r_c为节点通信半径，n_{i_out}表示与汇聚sink节点距离大于d_i+r_c的节点总数，n_{i_ring}表示在半径为(d_i-r_c,d_i+r_c)的圆环中的监测点总数，d_i表示监测点i和sink节点的距离，g_i表示监测点i的节点度，m表示信号消减因子。

优选地，所述每个监测点的可再生能源位置选定指数由如下公式得到：

$I_i=\mathrm{\θ}\×g_i+\mathrm{\γ}\×\frac{g_i+1}{{\mathrm{seq}}_i}+\mathrm{\σ}\×E_i$

其中，I_i表示节点i的可再生能源位置选定指数，θ为邻居节点负载系数一，γ为邻居节点负载系数二，对节点i和其所有邻居节点进行数据传输负载由大到小的排序，seq_i表示节点i的排序序号，σ为节点i的负载系数。

优选地，根据所述可再生能源位置选定指数值选择若干个分区基准点，基于所述分区基准点将整个监测区域分为若干个基准区，包括：

根据每个监测点的可再生能源位置选定指数值，选择指数值最大的n/2个监测点作为分区基准点；

根据分区基准点构建泰森多边形，将整个监测区域分为n/2个基准区；其中，n为可再生能源节点的数目。

优选地，所述基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案包括：

对于部署方案备选集中的元素个数为1的基准区，将其唯一备选方案确定为可再生能源节点在此基准区的部署方案；

对于部署备选方案集中的元素个数大于1且为弱覆盖区的基准区，判断该基准区的邻居区域是否存在强覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择远离强覆盖区的部署方案；

对于部署备选方案集中的元素个数大于1且为强覆盖区的基准区，判断该基准区的邻居区域是否存在弱覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择覆盖弱覆盖区节点数最多的部署方案。

一种农田WSN可再生能源节点部署系统，该系统包括：

数目计算单元，用于根据网络覆盖性和网络连通性确定可再生能源节点的数目；

指数计算单元，用于计算网络中每个监测点的数据传输负载，并根据所述数据传输负载计算出每个监测点的可再生能源位置选定指数；

分区单元，用于根据所述可再生能源位置选定指数值选择若干个分区基准点，根据所述分区基准点构建泰森多边形，将整个监测区域分为若干个基准区；

区域定义单元，用于确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

部署单元，用于基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。

基于上述技术方案，本发明采用可再生能源节点与非可再生能源节点混合供电的方式。综合考虑网络布设成本和性能确定了可再生能源节点的数目，在数目一定的前提下，选择可再生能源节点的部署位置以最大限度地利用可再生能源节点及减少节点个数，达到降低网络成本的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1是本发明一实施例提供的农田WSN可再生能源节点部署方法的流程图；

图2是本发明另一实施例提供的进行voronoi分区后的基准区示意图；

图3是本发明另一实施例提供的可再生能源节点位置选择示意图；

图4是本发明一实施例提供的农田WSN可再生能源节点部署系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，图1示出了本发明一实施例提供的农田WSN可再生能源节点部署方法的流程图，该方法包括步骤：

步骤S1：根据网络覆盖性和网络连通性要求确定可再生能源节点的数目。

具体来说，可再生能源节点具有从环境中获取能量的能力，但是获取能量的能力并不稳定，其主要原因是环境中能量存在不稳定，如太阳能、风能等。其次可再生能源节点，由于添加了环境能量转换装置，节点成本增大并且由于其复杂性增加，过多的布设可再生能源节点在农田生产环境中，容易对生产造成影响。因此需要在满足网络监测需求的前提下，兼顾成本与能量供给稳定性要求，确定一个合适的节点数目。

考虑可再生能源节点由于其能够源源不断地从环境中获取能量的性能，将其作为无线传感器网络的簇首节点承担转发任务将对整个网络的生命周期的延长起到良好效果。因此将网络中所需的簇首节点数目作为可再生能源节点的数目。非可再生能源节点将采集的信息发送给最近的可再生能源节点，可再生能源节点之间进行通信将所有节点采集的数据上传到汇聚节点(sink节点)。

为了减少非可再生能源节点的能量消耗，非可再生能源节点采集的数据需尽量直接发送到可再生能源节点。因此，可再生能源节点在数目上需满足在一定的布局情况下，可再生能源节点能够覆盖监测区域并且满足网络的连通性要求。因此，具体可以包括如下步骤：

(1)根据网络覆盖性对节点数目的要求。

首先在面积为A的监测区域，若希望达到良好的覆盖性，需要区域内每个部分都能实现完好覆盖。当可再生能源节点感知半径为r_s时，采用规则部署可以得到需要的节点的大致数目。采用三角形规则布设方法，每个节点的覆盖面积为采用正方形规则布设方法，每个节点的覆盖面积为2r_s ²，采用正六边形规则布设方法，每个节点的覆盖面积为因为：

$\frac{3}{4}{r_s}^2>{{2r}_s}^2>\frac{3\sqrt{3}{r_s}^2}{2}$

可以看出，正六边形规则部署，每个节点平均覆盖面积最大。因此，整个区域实现较好的覆盖，节点个数不得小于正六边形规则覆盖的节点个数。即：

(2)根据网络连通性对节点数目的要求。

为保证网络的连通性，也首先考虑规则部署下的连通性。多连通网络，其连通数越多需要的节点越多。常用的网络至少达到4连通会收到较好的连通效果。4连通情况下，对于节点S，其与周围的四个节点S1,S2,S3,S4连通，为达到较大的覆盖率，节点间距离为节点通信半径r_c,因此对于节点S，其覆盖范围内存在多重覆盖区域：

节点S在其覆盖区域内，存在双重覆盖的面积为：

$A_1=2\sqrt{3}{r_c}^2-\frac{2}{3}{{\mathrm{\πr}}_c}^2$

存在三重覆盖的面积为：

$A_2=\frac{5}{3}{{\mathrm{\πr}}_c}^2-2\sqrt{3}{r_c}^2$

因此每个节点的平均覆盖区域为：

$\frac{1}{2}{A}_1+\frac{1}{3}{A}_2$

因此要达到网络的四连通，面积为A的区域内，忽略监测区边界区域的影响，其需要的节点数目至少为：

从而取n＝max(n_con,n_cov)作为区域内可再生能源节点的数目。

步骤S2：计算每个监测点的数据传输负载，并根据数据传输负载计算出每个监测点的可再生能源位置选定指数。

具体来说，首先，需要估算每个监测点的数据传输负载，其为整个网络的负载平衡进而为可再生能源的部署位置提供基础信息。每个监测点的数据传输负载与网络路由有关，但是通过节点与sink节点的距离，节点的的节点度可以对节点数据传输负载进行估算：

对于节点i，其与sink节点的距离为d_i，其节点度(邻居节点的个数)为g_i。d_i越小，其与sink节点距离越近，转发监测区域边缘的节点的数据越多，数据传输负载越大；g_i越大，表示节点i周围监测点密度较大，作为簇首其需要转发的簇内节点的数量越多，数据传输负载越大。监测区域中，与sink节点距离大于d_i+r_c的节点总数为n_{i_out}，在半径为(d_i-r_c,d_i+r_c)的圆环中，节点的总数为n_{i_ring}，即圆环内所有的n_{i_ring}个节点可以转发外圈n_{i_out}个节点的数据。除此之外，可再生能源节点i还需转发其g_i个邻居非可再生能源节点采集的数据以及可再生能源节点自身采集的数据。由此可知节点i的数据传输耗能负载E_i为：

$E_i=({{\mathrm{\αr}}_c}^m+\mathrm{\β})\×(\frac{n_{i\_\mathrm{out}}}{n_{i\_\mathrm{ring}}}+g_i)+{{\mathrm{\αr}}_c}^m$

其中α为数据发送耗能系数，β为数据接收耗能系数，二者是与信号的具体传输环境相关的常数。m表示信号消减因子，一般来说参数数值在2到6之间，实际数值由具体通信环境决定。

其次，根据数据传输负载计算出每个监测点的可再生能源位置选定指数。位置邻近的节点由于与sink节点的距离，节点度均比较相近，极易具有相近的数据传输负载值。当这些邻近的节点都具有较高的数据传输负载，直接根据数据传输负载的大小进行可再生能源节点位置选择容易造成某一区域邻近的多个监测点都被选为可再生能源节点。造成可再生能源节点的集中分布，显然是不利于整个网络对可再生能源节点的高效利用的。

监测点是否选为可再生能源节点布设位置，与此监测点的数据传输负载相关：监测点所在区域数据传输负载越大，需要布设的可再生能源节点越多；同时也与其邻居节点的状态有关，因此可再生能源节点位置的选择除了上述计算的每个监测点的数据传输耗能负载外，还需考虑每个节点布设位置周边节点的能耗负载情况。当某个监测点成为可再生能源节点，其周围邻居监测点(可再生能源节点通信范围内的监测点)成为可在成能源节点的概率大大降低以避免可再生能源节点的集中分布。

对任意监测点i，其数据传输耗能为E_i，其具有g_i个邻居节点，邻居节点的传输耗能表示为：E_{i_j}(j＝1,2,…,g_i)；

监测点i的可再生能源位置选定指数计算为：

$I_i=\mathrm{\θ}\×g_i+\mathrm{\γ}\×\frac{g_i+1}{{\mathrm{seq}}_i}+\mathrm{\σ}\×E_i$

对节点i和其所有邻居节点进行数据传输负载由大到小的排序，seq_i表示节点i的排序序号，1≤seq_i≤g_i+1；θ为邻居节点负载系数一；γ为邻居节点负载系数二；σ为本节点负载系数。对于节点i，其可再生能源位置选定指数与此节点的数据传输负载正相关；与此监测点邻居监测点的数据传输负载密切相关。

步骤S3：根据指数值选择若干个分区基准点，基于分区基准点将整个监测区域分为若干个基准区。

具体来说，完成可再生能源位置选定指数计算后，根据每个节点布设的指数值，选择最大的n/2个节点作为分区基准点。

根据获得的分区基准点，可以大致标示出整个监测范围的数据传输负载情况，在不同的区域，数据传输负载越大，分布的基准点越密；距离sink节点越近，分布的基准点越密。

基于已确定分区基准点位置，采用一定的规则对整个监测区域进行分区，保证每个分区有且仅有一个基准点。基于此原则的将整个监测区域划分为n/2个基准区。本发明实施例中选择根据基准点构建泰森多边形(voronoi多边形)，通过构造voronoi多边形可以将所有监测点与其距离最近的基准点划入同一个多边形。如图2所示，图2示出了本发明另一实施例提供的进行voronoi分区后的监测区域示意图，图中▲表示sink节点，○表示未被选为基准点的监测点，●表示被选为分区基准点的监测点，由图可知，分区后每个基准区中有且仅有一个分区基准点，且生成的voronoi图将整个区域分为n/2个voronoi多边形，在基准点分布越密的地方，voronoi多边形的面积越小。其中，n为可再生能源节点的数目。

步骤S4：确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

具体来说，本步骤首先确定每个基准区内可再生能源节点部署方案备选集。

在任意基准区V(i)中选择任意的2个监测点o和p，计算当这两个监测点布设成为可再生能源节点，其它的监测点布设为非可再生能源节点时，可再生能源节点对非可再生能源节点的覆盖情况。覆盖情况用C(o,p)表示：

$C(o,p)=\frac{(N_o\∪N_p)\∩N_i}{n_i}$

其中，(N_o∪N_p)∩N_i表示基准区V(i)中节点o与节点p的邻居节点的并集，n_i表示基准区V(i)内部监测点的总数。对于基准区V(i)，其内部监测点的总数为n_i时，则V(i)内部可再生能源节点的布局共有种方案，分别记为：在这种方案中，不同的方案对非可再生能源节点的覆盖度不一样。对于V(i)中部署方案如果其中某一个部署方案的覆盖情况大于或等于区域内其它所有方案的覆盖情况，则将此方案加入基准区V(i)的可再生能源节点部署方案备选集。

其次，根据部署方案备选集中部署方案的覆盖情况将基准区分为强覆盖区和弱覆盖区。

对于基准区V(i)，如果其备选集中的任意方案能够覆盖区域内所有非可再生能源节点，则称此分区为强覆盖分区；如果其备选集中的任意方案只能够覆盖区域内部分非可再生能源节点，则称此分区为弱覆盖分区。

步骤S5：基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。

具体过程如下：

对于部署方案备选集中的元素个数为1的基准区，将其唯一备选方案确定为可再生能源节点在此基准区的部署方案；

对于部署备选方案集中的元素个数大于1且为弱覆盖区的基准区，判断该基准区的邻居区域是否存在强覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择远离强覆盖区的部署方案，即选择离强覆盖区最远的部署方案；远离强覆盖区是指：分别计算备选集中每个部署方案的两个元素到邻居强覆盖区基准点的距离，距离和最小的方案，即为离强覆盖区最远的部署方案。

对于部署备选方案集中的元素个数大于1且为强覆盖区的基准区，判断该基准区的邻居区域是否存在弱覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择覆盖弱覆盖区节点数最多的部署方案。如图3所示，为可再生能源节点位置选择示意图，图中，■表示可再生能源节点布设点，○表示非可再生能源节点布设点，●表示分区基准点，则由图可知，本实施例在不同覆盖区域不同的部署方案选择方式，在左边的弱覆盖区中选择远离强覆盖区的可再生能源节点部署方案，而在右边的强覆盖区中选择靠近弱覆盖区的可再生能源节点部署方案。

当完成n/2个基准区的部署方案的选择后，对于每个基准区，由于一个部署方案由两个可再生能源节点确定，因此共n个可再生能源布设位置被选择，监测区域内所有的可再生能源节点位置确定。

本实施例针对农田中监测点位置确定的混合供电无线传感器网络，提供一种可再生能源节点部署方法。本发明首先基于网络的连通和可再生能源节点对监测区域的覆盖性，得出优化的网络可再生能源节点数目；其次本发明采用基于数据传输负载的监测区域分区，监测区域分区能够兼顾网络监测点密度以及与sink节点距离等因素，从而保证不同区域的节点的能耗负载平衡，有利于延长网络寿命。本实施例提出的将整个监测区域进行分区，每个区块分别选取最优的可再生能源节点部署位置，将全局NP难问题分解为各小区块问题。在各小区块内部进行可再生能源节点最优位置的选择，降低区域内部非可再生能源节点的能耗。同时兼顾区域间的协调，根据voronoi多边形的不同情况，在区域内部进行可再生能源的边缘或中间调整，最大限度的减少非可再生能源节点通信耗能，从而延长网络寿命。

本实施例通过在农田WSN监测点中引入一部分可再生能源节点，承担耗能较多的数据转发任务，能够解决无线传感器网络的能量问题，同时也能够兼顾成本与能量问题和避免由于可再生能源收环境、天气情况影响不稳定的情况。采用可再生能源节点与非可再生能源节点混合供电的方式，并且设计有效的节点布设方法，能够满足农田无线传感器网络对网络生命周期、监测区域覆盖及网络布设成本的要求。

如图4所示，图4示出了本发明一实施例提供的农田WSN可再生能源节点部署系统，该系统包括数目计算单元401、指数计算单元402、分区单元403、区域定义单元404及部署单元405。

数目计算单元401，用于根据网络覆盖性和网络连通性确定可再生能源节点的数目。

指数计算单元402，用于计算每个监测点的数据传输负载，并根据数据传输负载计算出每个监测点的可再生能源位置选定指数。

分区单元403，用于根据指数值选择若干个分区基准点，根据分区基准点构建泰森多边形，将整个监测区域分为若干个基准区。

区域定义单元404，用于确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

部署单元405，用于基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种农田无线传感器网络WSN可再生能源节点部署方法，其特征在于，该方法包括：

根据网络覆盖性和网络连通性要求确定可再生能源节点的数目；

计算网络中每个监测点的数据传输负载，并根据所述数据传输负载计算出每个监测点的可再生能源位置选定指数；

根据所述可再生能源位置选定指数值选择若干个分区基准点，基于所述分区基准点将整个监测区域分为若干个基准区；

确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。

2.根据权利要求1所述的方法，其特征在于，所述根据网络覆盖性和网络连通性要求确定可再生能源节点数目包括：

根据网络覆盖性对节点数目的要求，得到节点个数n_cov为：

其中，A为监测区域的面积，r_s为可再生能源节点的感知半径；

根据网络连通性对节点数目的要求，得到节点个数n_con为：

其中，r_c为节点通信半径；

取n＝max(n_con,n_cov)作为可再生能源节点的数目。

3.根据权利要求1所述的方法，其特征在于，所述每个监测点的数据传输负载由如下公式得到：

$E_i=({{\mathrm{\αr}}_c}^m+\mathrm{\β})\×(\frac{n_{i\_\mathrm{out}}}{n_{i\_\mathrm{ring}}}+g_i)+{{\mathrm{\αr}}_c}^m$

其中，E_i表示节点i的数据传输负载，α表示数据发送耗能系数，β表示数据接收耗能系数，r_c为节点通信半径，n_{i_out}表示与汇聚sink节点距离大于d_i+r_c的节点总数，n_{i_ring}表示在半径为(d_i-r_c,d_i+r_c)的圆环中的监测点总数，d_i表示监测点i和sink节点的距离，g_i表示监测点i的节点度，m表示信号消减因子。

4.根据权利要求3所述的方法，其特征在于，所述每个监测点的可再生能源位置选定指数由如下公式得到：

$I_i=\mathrm{\θ}\×g_i+\mathrm{\γ}\×\frac{g_i+1}{{\mathrm{seq}}_i}+\mathrm{\σ}\×E_i$

其中，I_i表示节点i的可再生能源位置选定指数，θ为邻居节点负载系数一，γ为邻居节点负载系数二，对节点i和其所有邻居节点进行数据传输负载由大到小的排序，seq_i表示节点i的排序序号，σ为节点i的负载系数。

5.根据权利要求1所述的方法，其特征在于，根据所述可再生能源位置选定指数值选择若干个分区基准点，基于所述分区基准点将整个监测区域分为若干个基准区，包括：

根据每个监测点的可再生能源位置选定指数值，选择指数值最大的n/2个监测点作为分区基准点；

根据分区基准点构建泰森多边形，将整个监测区域分为n/2个基准区；其中，n为可再生能源节点的数目。

6.根据权利要求1所述的方法，其特征在于，所述基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案包括：

对于部署方案备选集中的元素个数为1的基准区，将其唯一备选方案确定为可再生能源节点在此基准区的部署方案；

对于部署备选方案集中的元素个数大于1且为弱覆盖区的基准区，判断该基准区的邻居区域是否存在强覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择远离强覆盖区的部署方案；

对于部署备选方案集中的元素个数大于1且为强覆盖区的基准区，判断该基准区的邻居区域是否存在弱覆盖区，若不存在，则随机选取一个部署方案作为最终部署方案，若存在，则选择覆盖弱覆盖区节点数最多的部署方案。

7.一种农田WSN可再生能源节点部署系统，其特征在于，该系统包括：

数目计算单元，用于根据网络覆盖性和网络连通性确定可再生能源节点的数目；

指数计算单元，用于计算网络中每个监测点的数据传输负载，并根据所述数据传输负载计算出每个监测点的可再生能源位置选定指数；

分区单元，用于根据所述可再生能源位置选定指数值选择若干个分区基准点，根据所述分区基准点构建泰森多边形，将整个监测区域分为若干个基准区；

区域定义单元，用于确定每个基准区内可再生能源节点备选方案集，并根据备选集对所述基准区监测点的覆盖情况将基准区分为强覆盖区和弱覆盖区；

部署单元，用于基于邻居区域间协调互助的原则确定每个基准区内的最优部署方案，并确定可再生能源节点的位置。