CN105071992A - 变电站配用电业务通信带宽预测方法 - Google Patents
变电站配用电业务通信带宽预测方法 Download PDFInfo
- Publication number
- CN105071992A CN105071992A CN201510527511.3A CN201510527511A CN105071992A CN 105071992 A CN105071992 A CN 105071992A CN 201510527511 A CN201510527511 A CN 201510527511A CN 105071992 A CN105071992 A CN 105071992A
- Authority
- CN
- China
- Prior art keywords
- data
- parameter
- bandwidth
- discharge model
- transformer substation
- 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.)
- Granted
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种变电站配用电自相似汇聚业务通信带宽分配方法,包括:统计配用电业务到达变电站通信节点形成汇聚流的数据速率构成的时间序列作为带宽预测基础数据;采用加权平滑方法对带宽预测基础数据进行数据清洗处理;将数据清洗清理处理后的所述若干个业务速率数据作为训练样本,对用于变电站通信节点带宽预测的FBM自相似流量模型进行训练;通过训练后的FBM自相似汇聚流量模型对变电站通信节点的配用电业务进行预测与分配;本发明克服了传统方法无法描述配用电业务自相似汇聚动态特性对带宽预测的影响,减少了预测结果与实际需要带宽偏差,提高了系统带宽利用率,有利于降低通信成本,提高电力系统通信的经济效益和社会效益。
Description
技术领域
本发明属于智能配用电通信技术领域,具体涉及一种变电站配用电业务通信带宽预测方法。
背景技术
配用电通信业务主要分为两大类:一类是围绕配电网设备的各种信息,即配电自动化;另一类是围绕用户的各种服务,主要应用于用户电能信息采集。所述获取配用电业务包括:配电设备状态监控业务,分布式电源监控业务,电能采集业务,电能质量管理业务。随着智能电网的迅速发展和配用电电力新业务的不断出现,电力通信网快速、高效、可靠的信息传输已成为电力系统生产精细化管理的关键技术支撑。在设计电力系统通信网络时,必须依据业务流量及其通信服务质量要求预测与规划通信系统传输带宽;尤其是变电站通信节点的带宽预测与分配,与实际不符的通信带宽分配将可能造成通信网络资源浪费,或导致通信网络传输瓶颈而影响业务服务质量。
通信网中业务断面被定为两个通信节点之间所有通信线路上承载的业务总和。可在业务断面上根据承载业务种类,进行业务断面的总带宽统计以分配合理带宽。变电站通信节点业务断面的带宽分配建立在带宽预测的基础上,预测方法的选择直接关系到预测目标的实现和预测结果的精确程度。目前变电站业务断面带宽预测采用的一般技术是弹性系数直观预测法,但弹性系数直观预测法无法描述智能配用电多业务在变电站业务断面的汇聚流特性和自相似特性;因此存在预测结果与实际需要带宽偏差大,系统带宽利用率低的问题。
发明内容
本发明的目的在于提供一种带宽预测准确度高、保证通信网络系统带宽利用率高的变电站配用电业务通信带宽预测方法。
本发明提供的这种变电站配用电业务通信带宽预测方法,包括如下步骤:
步骤1:统计配用电业务数据到达变电站通信节点形成汇聚流的数据速率构成的时间序列作为带宽预测基础数据;
步骤2:采用加权平滑方法对步骤1中的带宽预测基础数据进行数据处理;
步骤3:将步骤2中处理后的数据作为样本,带入用于变电站通信节点带宽预测的自相似流量模型,获取自相似流量模型的参数;
步骤4:通过步骤3中得到的自相似汇聚流量模型对变电站通信节点的配用电业务数据进行预测与分配。
所述的统计配用电业务,使用如下方法计算配用电业务到达变电站通信节点形成汇聚流的数据速率:
步骤1:采用如下公式计算各业务到达变电站通信节点的数据速率,
其中,T为计数时间周期;i为配用电业务编号,k为计数时间周期序号,Si为业务i数据包大小;Ni(k)为第k个计数时间周期业务i到达变电站的数据包数目;Bi(k)为第k个计数时间周期业务i到达变电站的数据速率;
步骤2:采用如下公式计算各业务到达变电站通信节点的各业务汇聚流数据速率数据:
其中为第k个计数时间周期到达变电站的汇聚流数据速率。
所述的采用加权平滑方法对带宽预测基础数据进行数据处理,采用如下公式实现加权平滑的数据处理:
其中,k为计数时间周期序号,B(k)为第k个计数时间周期到达变电站汇聚流的数据速率;为加权因子;则D(k)为对应B(k)经过清洗操作的数据。数据清洗处理后的汇聚流速率数据序列为{D(k)}。
所述的自相似流量模型采用FBM流量模型;FBM流量模型为包含三个参数的流量模型,三个参数分别为均值m,方差系数a,和Hurst参数H,通过带入数据可以获取a参数和H参数的最佳值,以保证带宽预测精度。
所述的获取自相似流量模型的参数,包括如下步骤:
步骤1:建立FBM流量模型的输入和输出系统,流量模型的输入是处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m;
步骤2:采用处理后的速率数据作为FBM流量模型的数据样本;将清洗数据序列依次分成包含n个数据的子序列,构成多组数据样本;
步骤3:向FBM流量模型输入一组数据样本;
步骤4:通过流量模型计算得出第p次输出结果H*(p),计算当前输出结果H*(p)和上次输出结果H*(p-1)的迭代差值;
步骤5:采用增量校正法调节迭代差值,通过迭代差值控制次数,获取最佳模型参数a参数和H参数。
所述的自相似汇聚流量模型对变电站通信节点的配用电业务数据进行预测与分配,包括如下步骤:
步骤1:目标函数选择为变电站通信节点的通信效率函数,约束条件1为数据延迟T小于各业务服务质量延迟指标最小值Ct,约束条件2为数据丢失率P小于各业务服务质量丢失率指标最小值Cp;按照以下公式计算通信效率函数:
其中,为变电站通信节点实际通过数据速率,B为变电站通信节点预测带宽值;
步骤2:按照以下公式计算变电站通信节点实际通过数据速率,通信节点队列延迟T和数据丢失率P,
,,,
其中和,将三个训练参数m、a和H带入计算获得;
步骤3:计算得到满足约束条件下的目标函数要求时变电站通信节点的通信效率最大时的值;输出变电站配用电自相似汇聚业务通信带宽预测值。
本发明的变电站配用电自相似汇聚业务通信带宽分配方法用配用电业务到达变电站通信节点汇聚流数据速率作为基础数据,采用加权平滑方法进行数据清洗处理,得到自相似流量训练模型的输入;并采用排队论方法预测变电站通信节点通信带宽;本发明克服了传统方法无法描述配用电业务自相似汇聚动态特性对带宽预测的影响,减少了预测结果与实际需要带宽偏差,提高了系统带宽利用率,有利于降低通信成本,提高电力系统通信的经济效益和社会效益。
附图说明
图1为本发明技术的配用电业务汇聚变电站通信节点示意图。
图2为本发明技术的整体流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明技术进行进一步说明。
如图1所示为本发明技术的配用电业务汇聚变电站通信节点的示意图;变电站通信节点接收的配用电业务包括配电设备状态监控业务、分布式电源监测业务、电能采集业务和用电质量管理业务,该四类业务均为单一业务数据包流,变电站通信节点接收该四类单一业务后,汇聚为多业务汇聚数据包流,并上发至电力三级通信主干网。
如图2所示为本发明技术的整流流程示意图;该流程包括:
S201:统计配用电业务到达变电站通信节点形成汇聚流的数据速率构成的时间序列作为带宽预测基础数据;
基于变电站业务断面的带宽测算方法,是通过分析以变电站通信节点作为一个接入节点,对接入变电站通信节点的配用电业务,按照业务类型归为不同的类别,对各业务通过各通信通道到达变电站通信节点的单位时间内数据包数目的实时统计;计算各业务数据速率数据构成一维时间序列作为带宽预测基础数据。
作为其中一个实施例,按照如下公式计算各业务到达变电站通信节点的数据速率数据:
其中,T为计数时间周期(实施例中为5秒);i为配用电业务编号,k为计数时间周期序号,为业务i数据包大小,单位为bit;为第k个计数时间周期业务i到达变电站的数据包数目;为第k个计数时间周期业务i到达变电站的数据速率,单位为bit/s。
作为其中一个实施例,按照如下公式计算各业务到达变电站通信节点的各业务汇聚流数据速率数据:
其中B(k)为第k个计数时间周期到达变电站的汇聚流数据速率,单位为bit/s。
S202:采用加权平滑方法对带宽预测基础数据进行数据清洗处理;采用如下公式实现加权平滑的数据清洗操作:
其中,k为计数时间周期序号,B(k)为第k个计数时间周期到达变电站汇聚流的数据速率;为加权因子,在实施例中取值为0.5;则D(k)为对应B(k)经过清洗操作的数据。数据清洗处理后的汇聚流速率数据序列为{D(k)}。
S203:将数据清洗清理处理后的所述若干个业务速率数据作为训练样本,对用于变电站通信节点带宽预测的FBM自相似流量模型进行训练;
作为其中一个实施例,在所述对用于变电站通信节点带宽预测的自相似流量模型进行训练的步骤中,所述自相似流量模型为FBM流量模型;
所述FBM流量模型为包含三个参数的流量模型,三个参数分别为均值m,方差系数a,和Hurst参数H;通过训练获取a参数和H参数的最佳值,以保证带宽预测精度;
建立FBM流量模型的输入和输出系统:流量模型的输入是清洗处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m;
采用清洗处理后的速率数据作为FBM流量模型的训练样本;作为其中一个实施例,将清洗数据序列依次分成包含n个数据的子序列,构成多组训练样本;
向FBM流量模型输入一组训练样本;
通过流量模型计算得出第p次训练输出结果H*(p),计算当前输出结果H*(p)和上次训练两次输出结果H*(p)的迭代差值;
采用增量校正法调节训练迭代差值,对流量模型进行训练,通过迭代差值控制训练次数,获取最佳模型参数a参数和H参数。
S204:对训练后流量数据进行变电站通信节点的通信带宽进行预测与分配。
对训练后的自相似数据判断约束条件下的目标函数是否满足要求,如果满足要求则输出变电站配用电自相似汇聚业务通信带宽预测值。
作为其中一个实施例,所述目标函数选择为变电站通信节点的通信效率函数,约束条件1为数据延迟T小于各业务服务质量延迟指标最小值Ct,约束条件2为数据丢失率P小于各业务服务质量丢失率指标最小值Cp。
满足约束条件下的目标函数要求时变电站通信节点的通信效率最大。
所述实施例中,按照以下公式计算通信效率函数:
其中,为变电站通信节点实际通过数据速率,B为变电站通信节点预测带宽值。
所述实施例中,按照以下公式计算变电站通信节点实际通过数据速率,通信节点队列延迟T和数据丢失率P,
其中和,给定一个预测带宽值B,将三个训练参数m、a和H带入计算获得以上参数P、λ和T。
以下结合一个具体实施例进行本发明技术的详细说明。
进入变电站通信节点的配用电业务典型包括配电设备状态监控业务(基本流量803kbit/s),分布式电源监控业务(基本流量67.2kbit/s),用电电能采集业务(基本流量378kbit/s),用电电能质量管理业务(基本流量126kbit/s),则以上四类业务在变电站通信节点形成自相似汇聚流,汇聚流总基本流量为以上四个业务基本流量总和为1.374Mbit/s。参照图2,为配用电业务汇聚变电站通信节点示意图。
加权平滑对带宽预测基础数据进行数据清洗处理实现,以某电力变电站业务通信流量部分40组数据(流量单位Mbit/s)基础数据为例,如表1所示。
表1变电站配用电业务汇聚流量基础数据(40个数据)
加权平滑对表1流量基础数据进行数据清洗处理结果如表2所示。
表2变电站配用电业务汇聚流量清洗数据(40个数据)
流量训练过程和结果如下:
建立FBM流量模型的输入和输出系统:流量模型的输入是清洗处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m。
采用清洗处理后的速率数据作为FBM流量模型的训练样本;作为其中一个实施例,将清洗数据序列依次分成包含n个数据的子序列,构成多组训练样本;
向FBM流量模型输入一组训练样本;
通过流量模型计算得出第p次训练输出结果H*(p),计算当前输出结果H*(p)和上次训练两次输出结果H*(p)的迭代差值;
采用增量校正法调节训练迭代差值,对流量模型进行训练,通过迭代差值控制训练次数,取<0.01,H*(0)=0.5,获取最佳模型H参数及其对应的参数a和参数m。
采用迭代操作获得流量最佳训练参数,迭代误差与结果如表3所示。
表3FBM流量模型训练误差表
预测过程和分配结果,利用训练后的FBM流量模型,对变电站通信节点的通信带宽进行预测与分配,表4为本文方法与电力现行弹性系数直观预测法的预测带宽预测性能对比表,其中带宽利用率=预测带宽/汇聚流总基本流量。
表4预测带宽性能对比表
Claims (9)
1.变电站配用电业务通信带宽预测方法,包括如下步骤:
步骤1:统计配用电业务数据到达变电站通信节点形成汇聚流的数据速率构成的时间序列作为带宽预测基础数据;
步骤2:采用加权平滑方法对步骤1中的带宽预测基础数据进行数据处理;
步骤3:将步骤2中处理后的数据作为样本,带入用于变电站通信节点带宽预测的自相似流量模型,获取自相似流量模型的参数;
步骤4:通过步骤3中得到的自相似汇聚流量模型对变电站通信节点的配用电业务数据进行预测与分配。
2.根据权利要求1所述的变电站配用电业务通信带宽预测方法,其特征在于所述的统计配用电业务,使用如下方法计算配用电业务到达变电站通信节点形成汇聚流的数据速率:
步骤1:采用如下公式计算各业务到达变电站通信节点的数据速率:
其中,T为计数时间周期;i为配用电业务编号,k为计数时间周期序号,Si为业务i数据包大小;Ni(k)为第k个计数时间周期业务i到达变电站的数据包数目;Bi(k)为第k个计数时间周期业务i到达变电站的数据速率;
步骤2:采用如下公式计算各业务到达变电站通信节点的各业务汇聚流数据速率数据:
其中为第k个计数时间周期到达变电站的汇聚流数据速率。
3.根据权利要求1或2之一所述的变电站配用电业务通信带宽预测方法,其特征在于所述的采用加权平滑方法对带宽预测基础数据进行数据处理,采用如下公式实现加权平滑的数据处理:
其中,k为计数时间周期序号,B(k)为第k个计数时间周期到达变电站汇聚流的数据速率;为加权因子;则D(k)为对应B(k)经过清洗操作的数据,数据清洗处理后的汇聚流速率数据序列为{D(k)}。
4.根据权利要求1或2之一所述的变电站配用电业务通信带宽预测方法,其特征在于所述的自相似流量模型采用FBM流量模型;FBM流量模型为包含三个参数的流量模型,三个参数分别为均值m,方差系数a和Hurst参数H,通过带入数据可以获取a参数和H参数的最佳值,以保证带宽预测精度。
5.根据权利要求3之一所述的变电站配用电业务通信带宽预测方法,其特征在于所述的自相似流量模型采用FBM流量模型;FBM流量模型为包含三个参数的流量模型,三个参数分别为均值m,方差系数a和Hurst参数H,通过带入数据可以获取a参数和H参数的最佳值,以保证带宽预测精度。
6.根据权利要求1或2之一所述的变电站配用电业务通信带宽预测方法,其特征在于所述的获取自相似流量模型的参数,包括如下步骤:
步骤1:建立FBM流量模型的输入和输出系统,流量模型的输入是处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m;
步骤2:采用处理后的速率数据作为FBM流量模型的数据样本;将清洗数据序列依次分成包含n个数据的子序列,构成多组数据样本;
步骤3:向FBM流量模型输入一组数据样本;
步骤4:通过流量模型计算得出第p次输出结果H*(p),计算当前输出结果H*(p)和上次输出结果H*(p-1)的迭代差值;
步骤5:采用增量校正法调节迭代差值,通过迭代差值控制次数,获取最佳模型参数a参数和H参数。
7.根据权利要求3所述的变电站配用电业务通信带宽预测方法,其特征在于所述的获取自相似流量模型的参数,包括如下步骤:
步骤1:建立FBM流量模型的输入和输出系统,流量模型的输入是处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m;
步骤2:采用处理后的速率数据作为FBM流量模型的数据样本;将清洗数据序列依次分成包含n个数据的子序列,构成多组数据样本;
步骤3:向FBM流量模型输入一组数据样本;
步骤4:通过流量模型计算得出第p次输出结果H*(p),计算当前输出结果H*(p)和上次输出结果H*(p-1)的迭代差值;
步骤5:采用增量校正法调节迭代差值,通过迭代差值控制次数,获取最佳模型参数a参数和H参数。
8.根据权利要求4所述的变电站配用电业务通信带宽预测方法,其特征在于所述的获取自相似流量模型的参数,包括如下步骤:
步骤1:建立FBM流量模型的输入和输出系统,流量模型的输入是处理后的速率数据;流量模型的输出是H参数及其对应的参数a和参数m;
步骤2:采用处理后的速率数据作为FBM流量模型的数据样本;将清洗数据序列依次分成包含n个数据的子序列,构成多组数据样本;
步骤3:向FBM流量模型输入一组数据样本;
步骤4:通过流量模型计算得出第p次输出结果H*(p),计算当前输出结果H*(p)和上次输出结果H*(p-1)的迭代差值;
步骤5:采用增量校正法调节迭代差值,通过迭代差值控制次数,获取最佳模型参数a参数和H参数。
9.根据权利要求1或2之一所述的变电站配用电业务通信带宽预测方法,其特征在于自相似汇聚流量模型对变电站通信节点的配用电业务数据进行预测与分配,包括如下步骤:
步骤1:目标函数选择为变电站通信节点的通信效率函数,约束条件1为数据延迟T小于各业务服务质量延迟指标最小值Ct,约束条件2为数据丢失率P小于各业务服务质量丢失率指标最小值Cp;按照以下公式计算通信效率函数:
其中,为变电站通信节点实际通过数据速率,B为变电站通信节点预测带宽值;
步骤2:按照以下公式计算变电站通信节点实际通过数据速率,通信节点队列延迟T和数据丢失率P,
,,,
其中和,将三个训练参数m、a和H带入计算获得;
步骤3:计算得到满足约束条件下的目标函数要求时变电站通信节点的通信效率最大时的值;输出变电站配用电自相似汇聚业务通信带宽预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527511.3A CN105071992B (zh) | 2015-08-26 | 2015-08-26 | 变电站配用电业务通信带宽预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527511.3A CN105071992B (zh) | 2015-08-26 | 2015-08-26 | 变电站配用电业务通信带宽预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105071992A true CN105071992A (zh) | 2015-11-18 |
CN105071992B CN105071992B (zh) | 2018-09-14 |
Family
ID=54501279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510527511.3A Active CN105071992B (zh) | 2015-08-26 | 2015-08-26 | 变电站配用电业务通信带宽预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105071992B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106027288A (zh) * | 2016-05-10 | 2016-10-12 | 华北电力大学 | 一种配电线路信息监测业务通信流量预测方法 |
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 |
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 |
CN109978062A (zh) * | 2019-03-28 | 2019-07-05 | 北京九章云极科技有限公司 | 一种模型在线监控方法及系统 |
CN110290027A (zh) * | 2019-07-15 | 2019-09-27 | 华北电力大学 | 一种面向配电通信业务的带宽预测方法及系统 |
CN113179175A (zh) * | 2021-03-16 | 2021-07-27 | 国家电网有限公司信息通信分公司 | 一种电力通信网业务的实时带宽预测方法及装置 |
CN114338428A (zh) * | 2022-01-04 | 2022-04-12 | 国网山东省电力公司经济技术研究院 | 配电物联网业务流量预测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8165123B2 (en) * | 1999-05-21 | 2012-04-24 | Hitachi, Ltd. | Packet forwarding device and packet priority setting method |
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 |
CN104242993A (zh) * | 2014-09-29 | 2014-12-24 | 国家电网公司 | 中低压电力通信接入网带宽预测方法 |
CN104333490A (zh) * | 2014-11-20 | 2015-02-04 | 国家电网公司 | 一种基于通信协议的配用电通信业务带宽预测方法 |
CN104463351A (zh) * | 2014-11-15 | 2015-03-25 | 国家电网公司 | 基于电力业务需求的通信带宽预测方法及装置 |
-
2015
- 2015-08-26 CN CN201510527511.3A patent/CN105071992B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8165123B2 (en) * | 1999-05-21 | 2012-04-24 | Hitachi, Ltd. | Packet forwarding device and packet priority setting method |
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 |
CN104242993A (zh) * | 2014-09-29 | 2014-12-24 | 国家电网公司 | 中低压电力通信接入网带宽预测方法 |
CN104463351A (zh) * | 2014-11-15 | 2015-03-25 | 国家电网公司 | 基于电力业务需求的通信带宽预测方法及装置 |
CN104333490A (zh) * | 2014-11-20 | 2015-02-04 | 国家电网公司 | 一种基于通信协议的配用电通信业务带宽预测方法 |
Non-Patent Citations (2)
Title |
---|
徐志强,陆俊,翟峰等: "智能配用电多业务汇聚的通信带宽预测", 《电网技术》 * |
徐志强,陈剑 ,陆俊: "自相似混合业务流的网络性能研究", 《通信技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106027288A (zh) * | 2016-05-10 | 2016-10-12 | 华北电力大学 | 一种配电线路信息监测业务通信流量预测方法 |
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 |
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 |
CN109978062A (zh) * | 2019-03-28 | 2019-07-05 | 北京九章云极科技有限公司 | 一种模型在线监控方法及系统 |
CN109978062B (zh) * | 2019-03-28 | 2020-02-14 | 北京九章云极科技有限公司 | 一种模型在线监控方法及系统 |
CN110290027A (zh) * | 2019-07-15 | 2019-09-27 | 华北电力大学 | 一种面向配电通信业务的带宽预测方法及系统 |
CN110290027B (zh) * | 2019-07-15 | 2021-01-15 | 华北电力大学 | 一种面向配电通信业务的带宽预测方法及系统 |
CN113179175A (zh) * | 2021-03-16 | 2021-07-27 | 国家电网有限公司信息通信分公司 | 一种电力通信网业务的实时带宽预测方法及装置 |
CN113179175B (zh) * | 2021-03-16 | 2022-12-20 | 国家电网有限公司信息通信分公司 | 一种电力通信网业务的实时带宽预测方法及装置 |
CN114338428A (zh) * | 2022-01-04 | 2022-04-12 | 国网山东省电力公司经济技术研究院 | 配电物联网业务流量预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105071992B (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105071992A (zh) | 变电站配用电业务通信带宽预测方法 | |
CN102098684B (zh) | 认知无线网络中跨层资源分配系统及方法 | |
CN103685072B (zh) | 一种网络流量快速分配的方法 | |
CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
CN105847151A (zh) | 一种面向软件定义网络的多约束QoS路由策略设计方法 | |
CN106411770A (zh) | 一种基于sdn架构的数据中心网络节能路由算法 | |
CN103825838B (zh) | 一种数据中心去带宽碎片化流调度方法 | |
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 | |
CN106209687B (zh) | 一种混合复用pon全局资源高效分配方法 | |
CN106161102B (zh) | 一种ip ran网络优化仿真方法及系统 | |
Mi et al. | Software-defined green 5G system for big data | |
CN105871745A (zh) | 一种sdn网络中基于混合业务的调度方法 | |
CN104333490A (zh) | 一种基于通信协议的配用电通信业务带宽预测方法 | |
CN115580582A (zh) | 一种应用于算力网的网络流量集中控制系统 | |
CN108989148A (zh) | 一种传输时延最小化的中继多路径流量分配方法 | |
CN104242993B (zh) | 中低压电力通信接入网带宽预测方法 | |
CN103326916A (zh) | 智能变电站自动划分并优化vlan的系统及方法 | |
CN107911763B (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
Pang et al. | Research on SDN-based data center network traffic management and optimization | |
CN115208765A (zh) | 一种面向电力业务的切片编排方法及系统 | |
CN208001290U (zh) | 一种多维电力通信网流量预测系统 | |
CN109558987B (zh) | 基于匡算模型预测用户及流量的dc资源处理方法 | |
CN107104904A (zh) | 一种分组传送网流量识别的网络均衡方法及系统 | |
Zhiqiang et al. | Queue-theory-based service-section communication bandwidth calculation for power distribution and utilization of smart grid | |
CN106789731B (zh) | 基于能源互联网业务重要度的队列调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |