CN105120502B - 智能配电网无线传感器网络实时性、可靠性优化方法 - Google Patents
智能配电网无线传感器网络实时性、可靠性优化方法 Download PDFInfo
- Publication number
- CN105120502B CN105120502B CN201510399081.1A CN201510399081A CN105120502B CN 105120502 B CN105120502 B CN 105120502B CN 201510399081 A CN201510399081 A CN 201510399081A CN 105120502 B CN105120502 B CN 105120502B
- Authority
- CN
- China
- Prior art keywords
- time
- grade
- reliability
- real
- basis
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种基于模糊认知图的智能配电网无线传感器网络的实时性与可靠性优化研究。该方法包括:根据影响智能配电网无线传感器网络数据传输的性能指标的主要因素,构建模糊认知图模型;根据网络环境的变化,利用模糊认知图的方法进行推理;通过改变动态决策路由路径和调整网络参数的控制变量值而提高了智能配电网无线传感器网络数据传输的可靠性,降低网络延时。本发明通过一种基于模糊认知图理论建立的智能配电网无线传感器网络数据通信方法,通过动态调整传输功率、传输速率、退避策略,改变路由策略而提高智能配电网无线传感器网络数据通信的可靠性与实时性,有效避免数据传输故障引起的数据丢失,也为防止因数据不能实时可靠的传输而导致电网事故提供了技术保障。
Description
技术领域
本发明涉及无线传感器网络领域,尤其涉及一种运用于智能配电网的无线传感器网络的实时性、可靠性优化方法。
背景技术
随着现代科学的不断进步和经济的快速发展,智能配电网越来越得到人们的重视,智能配电网是未来电网的发展趋势。为了提高供电系统的可靠性、实时性、电力能源的利用效率以及减少对环境的影响,而智能配电网可以满足并适用于各种新型能源。因此应用于智能配电网的无线传感器网络实时性与可靠性优化研究的研究有着非常重要的意义。
目前针对智能配电网无线通信技术的研究有很多,主要采用的方式如下:
1)采用基于移动运营商的公网进行传输,如GPRS/CDMA/4G等无线通信方式。由于GPRS/CDMA/4G这样的无线通信方式具备部署成本低、产业链成熟,但由于较依赖于公网运营商,数据传输带宽欠稳定、安全性、可靠性、实时性不能够得到保证。因此不能满足配电网数据传输过程中的高可靠性与低传输延时需求。
2)采用802.15无线传感器网络,其特点是协议简单成熟,组网灵活,容易配置和管理,且工作在ISM频段,无需专用的频段支持。缺点是功率与传输距离有限,在没有算法支持下,难以保证数据传输的可靠性与实时性。
3)光纤通信以光波作为信息载体,以光导纤维作为传输介质的通信手段。光纤和光电器件的自身故障率低,受电磁干扰小,因此光纤通信的可靠性高,传输速率高,传输损耗小。
但是配网改造工程比较多,网络架构频繁变动等特点建设成本较高,光缆铺设难度大、费用太高;由于配网地域范围很广,子站及远方终端数量众多,使用光纤通信方式的经济投入过大。
发明内容
本发明要解决的技术问题是提供一种智能配电网无线传感器网络实时性与可靠性优化方法。以提高了智能配电网数据传输无线传感器网络的可靠性,降低网络延时。
为解决上述技术问题,本发明提供一种智能配电网无线传感器网络的模糊认知图模型创建方法,包括:
根据分析智能配电网的特点,得到传输功率、通信速率、退避策略、路由协议、背景噪声、数据产生率是影响智能配电网数据传输实时性、可靠性的主要因素;
根据传输功率、通信速率、退避策略、路由协议、背景噪声、数据产生率和可靠性、实时性之间的关系,得到系统概念顶点间的关系矩阵;
可选的,智能配电网无线传感器网络的各个概念顶点用模糊认知图描述其在t时刻的状态值如下式所示。
(i∈[1,2,...,N],j∈[1,2,...,N])
其中ω0j为概念顶点Cj的协调系数,γ为上一时刻状态值对下一时刻时间状态值的影响因子。
利用S形曲线函数Ⅰ进行原始数据规范化处理,把记为yj(t);记为 yj(t-1);记为xi(t),将各个属性数据按照比例缩放至区间[0,1]内;
可选的,所述模糊认知图权值学习算法就是将最小平方法应用到自动学习FCM模型关联矩阵的算法中,找到满足自变量xi(t)和因变量yj(t)的最佳权值ωij和协调系数ω0j;
定义为了得到最优ωij和协调系数ω0j,对式进行ω0j,ω1j,…,ωnj求偏导。令导数等于零,得出如下式:
通过求解上式即可求出式模型中的所有权值ωij和协调系数ω0j。
另一方面提供一种基于模糊认知图无线传感器网络性能优化的控制策略,包括:
首先,设置概念顶点的状态值域;
然后,将当前网络数据通信延时数据、可靠性数据与电力系统配电网数据通信规范QoS性能指标相比较;
最后,根据比较结果评定数据通信可靠性、实时性是否满足QoS性能指标要求,并采取相应的调整策略。
可选的,还包括:设置概念顶点的状态值域;
C3:①当C3≥0.7,且实时性不满足需求时,路由策略采用实时性优先的路由路径调整策略。②当C3≥0.7,且可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略。③当C3≥0.7,实时性、可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略。④-1≤C3<0.7,不改变路由策略。
C4:①当-1≤C4<-0.9,在当前发射功率等级的基础上减少3个等级。②当-0.9≤C4<-0.7,在当前发射功率等级的基础上减少2个等级。③当-0.7≤C4<-0.5,在当前发射功率等级的基础上减少1个等级。④当-0.5≤C4<0.5,保持当前发射功率不变。⑤当0.5≤C4<0.7,在当前发射功率等级的基础上增加1个等级。⑥当0.7≤C4<0.9,在当前发射功率等级的基础上增加2个等级。⑦当0.9≤C4≤1,在当前发射功率等级的基础上增加3个等级。
C5:①当-1≤C5<-0.9,在当前传输速率等级的基础上减少3个等级。②当-0.9≤C5<-0.7,在当前传输速率等级的基础上减少2个等级。③当-0.7≤C5<-0.5,在当前传输速率等级的基础上减少1个等级。④当-0.5≤C5<0.5,保持当前传输速率不变。⑤当0.5≤C5<0.7,在当前传输速率等级的基础上增加1个等级。⑥当0.7≤C5<0.9,在当传输速率等级的基础上增加2个等级。⑦当0.9≤C5≤1,在当前传输速率等级的基础上增加3个等级。
C7:①当-1≤C7<-0.9,在当前退避时间和最大退避次数等级的基础上减少3个等级。②当-0.9≤C4<-0.7,在当前退避时间和最大退避次数等级的基础上减少2个等级。③当-0.7≤C7<-0.4,在当前退避时间和最大退避次数等级的基础上减少1个等级。④当-0.4≤C7<0.4,保持当前退避时间和最大退避次数不变。⑤当0.4≤C7<0.7,在当前退避时间和最大退避次数等级的基础上增加1个等级。⑥当0.7≤C7<0.9,在当退避时间和最大退避次数等级的基础上增加2个等级。⑦当0.9≤C7≤1,在当前退避时间和最大退避次数等级的基础上增加3个等级。
可选的,还包括:比较当前网络数据通信延时数据、可靠性数据与电力系统配电网数据通信规范QoS性能指标;
可选的,根据比较结果评定数据通信可靠性、实时性是否满足QoS性能指标要求,并采取相应的调整策略:
(1)当可靠性概念节点C1的状态值大于RELIABLITY(电力工业配电网数据通信规范QoS性能指标可靠性指标归一化的值)且实时性概念节点C2的状态值大于REALTIME(电力工业配电网数据通信规范QoS性能指标归一化的值),表示数据通信的可靠性满足,但实时性不满足。
因此,模糊认知图被触发,采取减小退避时间,提高传输速率,并采用实时性优先路由路径调整策略。其调整网络参数的控制变量值计算步骤如下:
①将REALTIME带入公式(3)可求出满足实时性的控制变量概念顶点退避策略的状态值X7(t-1)、通讯速率状态值X5(t-1)、路由协议状态值X3(t-1)。
②根据退避策略控制变量的状态值来调整退避时间和最大退避次数的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④当路由协议状态值X3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用实时性优先的路由路径调整策略,选取满足可靠性条件下实时性最优的路径,当此路径存在失效节点时,采用可靠性次优路径,以此类推。
(2)当可靠性概念节点C1的状态值小于RELIABLITY,且实时性概念节点C2的状态值小于REALTIME,表示数据通信的实时性满足,但可靠性不满足。
因此,模糊认知图被触发,采取提高传输功率、降低通信速率等措施来调整,并采用可靠性优先路由路径调整策略。
①将RELIABLITY带入公式(3)可求出满足实时性的控制变量概念顶点传输功率的状态值X4(t-1)、通信速率的状态值X5(t-1)、路由协议状态值X3(t-1)。
②根据传输功率控制变量的状态值来调传输功率的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④当路由协议状态值X3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用可靠性优先的路由路径调整策略,选取满足实时性条件下可靠性最优的路径,当此路径存在失效节点时,采用实时性次优路径,以此类推。
(3)当可靠性概念节点C1的状态值小于RELIABLITY,且可靠性概念节点C2的状态值大于REALTIME,表示数据通信的实时性、可靠性都不满足。
因此,模糊认知图被触发,采用可靠性优先的路由路径调整策略,并减小退避时间以及提高发射功率。
①将RELIABLITY、REALTIME带入公式(3)可求出满足实时性的控制变量概念顶点传输功率的状态值X4(t-1)、退避时间的状态值X7(t-1)、路由协议状态值X3(t-1)。
②根据传输功率控制变量的状态值来调传输功率的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④根据退避策略控制变量的状态值来调整退避时间和最大退避次数的等级。
⑤当路由协议状态值X3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用实时性优先的路由路径调整策略,选取满足可靠性条件下实时性最优的路径,当此路径存在失效节点时,采用可靠性次优路径,以此类推。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本发明实施例1示出的一种基于模糊认知图的智能配电网无线传感器网络实时性与可靠性优化算法的流程图;
图2为本发明实施例1示出的一种智能配电网数据传输WSNs的模糊认知图模型。
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作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。
本实施例提供一种基于模糊认知图的智能配电网无线传感器网络实时性与可靠性优化方法,该方法可以通过图1所示的基于模糊认知图无线传感器网络控制策略系统结构图实现,该方法包括:
S1:根据无线传感器网络中的节点获得节点之间数据传输功率、通信速率、产生率,当前退避策略,路由协议,背景噪声之间的关系,确定模糊认知图模型,其具体步骤如下:
S1.1:建立系统概念顶点关系矩阵:
令概念顶点C1表示可靠性,C2表示实时性,C3表示路由协议,C4表示传输功率,C5表示通信速率,C6表示数据产生率,C7表示退避策略,C8表示背景噪声;智能配电网的无线传感器网络的各个概念顶点可用FCM建立其在t时刻的状态值如下式所示描述。
(i∈[1,2,...,N],j∈[1,2,...,N]) (1)
式(1)中N表示概念顶点的总数,f(x)为FCM的转换函数,XC1(t)、XC2(t)分别表示在t时刻概念顶点C1可靠性和C2实时性的状态值。智能配电网数据传输WSNs网络中概念顶点的状态值是随时间不断变化的,其任一时刻的状态与其以前的状态是相关的。为了更准确的描述其概念顶点状态相关性和时变性,在传统的FCM状态模型公式中增加了ω0j和γ,ω0j为概念顶点Cj的协调系数,γ为上一时刻状态值对下一时刻时间状态值的影响因子,它们的作用是使t时刻概念顶点的状态值XCj(t)能与其以前状态的相关性均匀分布在[0,1]之间。
S1.2:建立模糊认知图权值学习算法:
将最小平方法应用到自动学习FCM模型关联矩阵的算法中,称这种算法为基于最小平方法FCM关联矩阵的构建(LeastSquaresFCM),简记为LS-FCM算法。
推导得出LS-FCM公式的过程如下:
运用最小平方技术找到满足自变量xi(t)和因变量yj(t)的最佳权值ωij和协调系数ω0j。
定义式(2)可表示为:
为了得到满足上式的最优ωij和协调系数ω0j,对上式进行ω0j,ω1j,…,ωnj求偏导。令导数等于零,如下式所示:
设A=(xi(t))(n+1)×T,i=0,1,2,…,n,t=1,2,…,T。由于x0(t)=1,所以矩阵A中第一行元素均为1.已知ω=(ω0j,ω1j,…,ωnj),D=(D0,D1,…,DT),上式左边为:
A(k,:)=[xk(0),xk(1),...,xk(T)]
令得出式(4)右边为:
由上述两式联立可得:
A(k,:)D=A(k,:)ATω (7)
简化得:
通过求解上式线性方程即可求出模型中的所有权值ωij,协调系数ω0j。
S2:概念顶点包括路由协议、传输功率、通信速率和退避策略,所述概念顶点的状态值域设置:
C3:①当C3≥0.7,且实时性不满足需求时,路由策略采用实时性优先的路由路径调整策略。②当C3≥0.7,且可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略。③当C3≥0.7,实时性、可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略。④-1≤C3<0.7,不改变路由策略。
C4:①当-1≤C4<-0.9,在当前发射功率等级的基础上减少3个等级。②当- 0.9≤C4<-0.7,在当前发射功率等级的基础上减少2个等级。③当-0.7≤C4<-0.5,在当前发射功率等级的基础上减少1个等级。④当-0.5≤C4<0.5,保持当前发射功率不变。⑤当0.5≤C4<0.7,在当前发射功率等级的基础上增加1个等级。⑥当0.7≤C4
<0.9,在当前发射功率等级的基础上增加2个等级。⑦当0.9≤C4≤1,在当前发射功率等级的基础上增加3个等级。
C5:①当-1≤C5<-0.9,在当前传输速率等级的基础上减少3个等级。②当- 0.9≤C5<-0.7,在当前传输速率等级的基础上减少2个等级。③当-0.7≤C5<-0.5,在当前传输速率等级的基础上减少1个等级。④当-0.5≤C5<0.5,保持当前传输速率不变。⑤当0.5≤C5<0.7,在当前传输速率等级的基础上增加1个等级。⑥当0.7≤C5<0.9,在当传输速率等级的基础上增加2个等级。⑦当0.9≤C5≤1,在当前传输速率等级的基础上增加3个等级。
C7:①当-1≤C7<-0.9,在当前退避时间和最大退避次数等级的基础上减少3个等级。②当-0.9≤C4<-0.7,在当前退避时间和最大退避次数等级的基础上减少2个等级。③当-0.7≤C7<-0.4,在当前退避时间和最大退避次数等级的基础上减少1个等级。④当-0.4≤C7<0.4,保持当前退避时间和最大退避次数不变。⑤当0.4≤C7<0.7,在当前退避时间和最大退避次数等级的基础上增加1个等级。⑥当0.7≤C7<0.9,在当退避时间和最大退避次数等级的基础上增加2个等级。⑦当0.9≤C7≤1,在当前退避时间和最大退避次数等级的基础上增加3个等级。
S3:根据传感器获得无线传感器网络通信的可靠性与实时性数据;利用所述获得的可靠性、实时性数据与电力系统配电网数据通信规范QoS性能指标相比较,分析其是否符合指标要求,根据分析后得出的结果代入模糊认知图得出的调整策略对无线传感器网络中传输功率、通信速率、退避策略、路由路径进行调整;所述调整策略包括如下步骤:
(1)当可靠性概念节点C1的状态值大于RELIABLITY,RELIABLITY为电力工业配电网数据通信规范QoS性能指标可靠性指标归一化的值,且实时性概念节点C2的状态值大于REALTIME,REALTIME为电力工业配电网数据通信规范QoS性能指标归一化的值,表示数据通信的可靠性满足,但实时性不满足;模糊认知图被触发,采取减小退避时间,提高传输速率,并采用实时性优先路由路径调整策略。
其调整网络参数的控制变量值计算步骤如下:
①将REALTIME带入公式(3)可求出满足实时性的控制变量概念顶点退避策略的状态值x7(t-1)、通讯速率状态值x5(t-1)、路由协议状态值x3(t-1)。
②根据退避策略控制变量的状态值来调整退避时间和最大退避次数的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④当路由协议状态值x3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用实时性优先的路由路径调整策略,选取满足可靠性条件下实时性最优的路径,当此路径存在失效节点时,采用可靠性次优路径,以此类推。
(2)当可靠性概念节点C1的状态值小于RELIABLITY,且实时性概念节点C2的状态值小于REALTIME,表示数据通信的实时性满足,但可靠性不满足。
因此,模糊认知图被触发,采取提高传输功率、降低通信速率的措施来调整,
并采用可靠性优先路由路径调整策略。
①将RELIABLITY带入公式(3)可求出满足实时性的控制变量概念顶点传输功率的状态值X4(t-1)、通信速率的状态值X5(t-1)、路由协议状态值X3(t-1)。
②根据传输功率控制变量的状态值来调传输功率的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④当路由协议状态值X3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用可靠性优先的路由路径调整策略,选取满足实时性条件下可靠性最优的路径,当此路径存在失效节点时,采用实时性次优路径,以此类推。
(3)当可靠性概念节点C1的状态值小于RELIABLITY,且可靠性概念节点C2的状态值大于REALTIME,表示数据通信的实时性、可靠性都不满足。
因此,模糊认知图被触发,采用可靠性优先的路由路径调整策略,并减小退避时间以及提高发射功率。
①将RELIABLITY、REALTIME带入公式(3)可求出满足实时性的控制变量概念顶点传输功率的状态值X4(t-1)、退避时间的状态值X7(t-1)、路由协议状态值X3(t-1)。
②根据传输功率控制变量的状态值来调传输功率的等级。
③根据通讯速率控制变量的状态值来调整通讯速率的等级。
④根据退避策略控制变量的状态值来调整退避时间和最大退避次数的等级。
⑤当路由协议状态值X3(t-1)大于路由ROUTER(路由策略改变的阈值)时,采用实时性优先的路由路径调整策略,选取满足可靠性条件下实时性最优的路径,当此路径存在失效节点时,采用可靠性次优路径,以此类推。
构建智能配电网数据传输无线传感器网络的模糊认知图模型之前,包括:对传输功率、通信速率、退避策略进行模糊化;将传输功率从10dB~20dB平均分成低、较低、中、较高、高这5个等级;将通信速率从20kbps~250kbps分成5个等级,分别为低:20kbps ~40kbps,较低:40kbps~100kbps,中:100kbps~160kbps,较高:160kbps~200kbps,高:200kbps~250kbps;退避策略分为退避时间和最大退避次数两个方面,退避时间从 1个退避时间单位aUnitBaCkoffPeriod常数10symbols~20symbols,平均分为低,较低,中,较高,高5个等级,最大退避次数从5次~15次平均分为低,较低,中,较高,高5个等级。
本实施例的基于模糊认知图的智能配电网无线传感器网络实时性与可靠性优化算法,通过动态调整传输功率、传输速率、退避策略,改变路由策略而提高智能配电网无线传感器网络数据通信的可靠性与实时性,有效避免数据传输故障引起的数据丢失,也为防止因数据不能实时可靠的传输而导致电网事故提供了技术保障。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
Claims (2)
1.一种智能配电网无线传感器网络实时性与可靠性优化方法,其特征在于,包括以下步骤:
S1:根据无线传感器网络中的节点获得节点之间数据传输功率、通信速率、产生率,当前退避策略,路由协议,背景噪声之间的关系,确定模糊认知图模型,其具体步骤如下:
S1.1:建立系统概念顶点关系矩阵;
令概念顶点C1表示可靠性,C2表示实时性,C3表示路由协议,C4表示传输功率,C5表示通信速率,C6表示数据产生率,C7表示退避策略,C8表示背景噪声;智能配电网的无线传感器网络的各个概念顶点可用FCM建立其在t时刻的状态值为:
式(1)中N表示概念顶点的总数,f(x)为FCM的转换函数,XC1(t)、XC2(t)分别表示在t时刻概念顶点C1可靠性和C2实时性的状态值;智能配电网数据传输WSNs网络中概念顶点的状态值是随时间不断变化的,其任一时刻的状态与其以前的状态是相关的;ω0j为概念顶点Cj的协调系数,γ为上一时刻状态值对下一时刻时间状态值的影响因子,使t时刻概念顶点的状态值能与其以前状态的相关性均匀分布在[0,1]之间;
S1.2:建立模糊认知图权值学习算法:
将最小平方法应用到自动学习模糊认知图模型关联矩阵的算法中,称这种算法为基于最小平方法模糊认知图关联矩阵的构建(LeastSquaresFuzzyCognitiveMap),简记为LS-FCM算法,推导过程如下:
运用最小平方技术找到满足自变量Xi(t)和因变量yj(t)的最佳权值ωij和协调系数ω0j;
定义式可表示为:
为了得到满足上式的最优ωij和协调系数ω0j,对上式进行ω0j,ω1j,…,ωnj求偏导;令导数等于零,如下式所示:
设A=(Xi(t))(n+1)×T,i=0,1,2,…,n,t=1,2,…,T;由于X0(t)=1所以矩阵A中第一行元素均为1.ω=(ω0f,ω1f,…,ωnj)T,D=(D0,D1,…,DT)T上式左边为:
A(k,:)=[Xk(0),Xk(1),…,Xk(T)]
令得出(4)右边为:
由式(5)和(6)联立(4)得出:
A(k,:)D=A(k,:)ATω (7)
简化得:
通过求解式上式线性方程即可求出智能配电网数据传输无线传感器网络的模糊认知图模型中的所有权值ωij,协调系数ω0j;
S2:概念顶点包括路由协议、传输功率、通信速率和退避策略,所述概念顶点的状态值域设置:
C3路由协议:①当C3≥0.7,且实时性不满足需求时,路由策略采用实时性优先的路由路径调整策略;②当C3≥0.7,且可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略;③当C3≥0.7,实时性、可靠性不满足需求时,路由策略采用可靠性优先的路由路径调整策略;④-1≤C3<0.7,不改变路由策略;
C4传输功率:①当-1≤C4<-0.9,在当前发射功率等级的基础上减少3个等级;②当-0.9≤C4<-0.7,在当前发射功率等级的基础上减少2个等级;③当-0.7≤C4<-0.5,在当前发射功率等级的基础上减少1个等级;④当-0.5≤C4<0.5,保持当前发射功率不变;⑤当0.5≤C4<0.7,在当前发射功率等级的基础上增加1个等级;⑥当0.7≤C4<0.9,在当前发射功率等级的基础上增加2个等级;⑦当0.9≤C4≤1,在当前发射功率等级的基础上增加3个等级;
C5通信速率:①当-1≤C5<-0.9,在当前传输速率等级的基础上减少3个等级;②当-0.9≤C5<-0.7,在当前传输速率等级的基础上减少2个等级;③当-0.7≤C5<-0.5,在当前传输速率等级的基础上减少1个等级;④当-0.5≤C5<0.5,保持当前传输速率不变;⑤当0.5≤C5<0.7,在当前传输速率等级的基础上增加1个等级;⑥当0.7≤C5<0.9,在当传输速率等级的基础上增加2个等级;⑦当0.9≤C5≤1,在当前传输速率等级的基础上增加3个等级;
C7退避策略:①当-1≤C7<-0.9,在当前退避时间和最大退避次数等级的基础上减少3个等级;②当-0.9≤C7<-0.7,在当前退避时间和最大退避次数等级的基础上减少2个等级;③当-0.7≤C7<-0.4,在当前退避时间和最大退避次数等级的基础上减少1个等级;④当-0.4≤C7<0.4,保持当前退避时间和最大退避次数不变;⑤当0.4≤C7<0.7,在当前退避时间和最大退避次数等级的基础上增加1个等级;⑥当0.7≤C7<0.9,在当退避时间和最大退避次数等级的基础上增加2个等级;⑦当0.9≤C7≤1,在当前退避时间和最大退避次数等级的基础上增加3个等级;
S3:根据传感器获得无线传感器网络通信的可靠性与实时性数据;利用所述获得的可靠性、实时性数据与电力系统配电网数据通信规范QoS性能指标相比较,分析其是否符合指标要求,根据分析后得出的结果代入模糊认知图得出的调整策略对无线传感器网络中传输功率、通信速率、退避策略、路由路径进行调整;所述调整策略包括如下步骤:
(1)当可靠性概念节点C1的状态值大于RELIABLITY,RELIABLITY为电力工业配电网数据通信规范QoS性能指标可靠性指标归一化的值,且实时性概念节点C2的状态值大于REALTIME,REALTIME为电力工业配电网数据通信规范QoS性能指标归一化的值,表示数据通信的可靠性满足,但实时性不满足;模糊认知图被触发,采取减小退避时间,提高传输速率,并采用实时性优先路由路径调整策略;
(2)当可靠性概念节点C1的状态值小于RELIABLITY,且实时性概念节点C2的状态值小于REALTIME,表示数据通信的实时性满足,但可靠性不满足;模糊认知图被触发,采取提高传输功率、降低通信速率的措施来调整,并采用可靠性优先路由路径调整策略;
(3)当可靠性概念节点C1的状态值小于RELIABLITY,且可靠性概念节点C2的状态值大于REALTIME,表示数据通信的实时性、可靠性都不满足;模糊认知图被触发,采用可靠性优先的路由路径调整策略,并减小退避时间以及提高发射功率。
2.根据权利要求1所述的智能配电网无线传感器网络实时性与可靠性优化方法,其特征在于,确定模糊认知图模型还包括:对传输功率、通信速率、退避策略进行模糊化;
将传输功率从10dB~20dB平均分成低、较低、中、较高、高这5个等级;
将通信速率从20kbps~250kbps分成5个等级,分别为低:20kbps~40kbps,较低:40kbps~100kbps,中:100kbps~160kbps,较高:160kbps~200kbps,高:200kbps~250kbps;
退避策略分为退避时间和最大退避次数两个方面,退避时间从1个退避时间单位aUnitBaCkoffPeriod常数10symbols~20symbols,平均分为低,较低,中,较高,高5个等级,最大退避次数从5次~15次平均分为低,较低,中,较高,高5个等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510399081.1A CN105120502B (zh) | 2015-07-07 | 2015-07-07 | 智能配电网无线传感器网络实时性、可靠性优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510399081.1A CN105120502B (zh) | 2015-07-07 | 2015-07-07 | 智能配电网无线传感器网络实时性、可靠性优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105120502A CN105120502A (zh) | 2015-12-02 |
CN105120502B true CN105120502B (zh) | 2018-12-18 |
Family
ID=54668327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510399081.1A Active CN105120502B (zh) | 2015-07-07 | 2015-07-07 | 智能配电网无线传感器网络实时性、可靠性优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105120502B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018141457A1 (en) | 2017-02-03 | 2018-08-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Maximum communication distance range adaptation |
CN107819676B (zh) * | 2017-09-30 | 2021-01-08 | 武汉理工大学 | 基于加权矩阵模型的智能路由装置及方法 |
CN107895052B (zh) * | 2017-12-08 | 2018-09-04 | 北京理工大学 | 一种基于模糊认知图的产品创新辅助设计方法 |
CN110187636A (zh) * | 2019-05-30 | 2019-08-30 | 济南大学 | 适用于水泥预粉磨过程的模型的建立方法、装置及应用 |
CN111503720B (zh) * | 2020-04-17 | 2021-10-29 | 华北电力大学 | 一种基于电压监测的电采暖设备控制方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009029787A3 (en) * | 2007-08-31 | 2009-06-25 | Raytheon Co | System and method for sensor tasking |
CN102346437A (zh) * | 2010-07-24 | 2012-02-08 | Abb研究有限公司 | 用于监视自动化系统的系统和方法 |
-
2015
- 2015-07-07 CN CN201510399081.1A patent/CN105120502B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009029787A3 (en) * | 2007-08-31 | 2009-06-25 | Raytheon Co | System and method for sensor tasking |
CN102346437A (zh) * | 2010-07-24 | 2012-02-08 | Abb研究有限公司 | 用于监视自动化系统的系统和方法 |
Non-Patent Citations (1)
Title |
---|
智能配电网通信实时性与可靠性QOS路由机制研究;王建平;王梦彪;《电子测量与仪器学报》;20130331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105120502A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105120502B (zh) | 智能配电网无线传感器网络实时性、可靠性优化方法 | |
CN108737057A (zh) | 基于深度学习的多载波认知noma资源分配方法 | |
Qin et al. | Distributed UAV-BSs trajectory optimization for user-level fair communication service with multi-agent deep reinforcement learning | |
Zhang et al. | Power allocation in multi-cell networks using deep reinforcement learning | |
CN107484209B (zh) | 一种考虑用户QoS的网络负载均衡垂直切换方法 | |
CN108112082A (zh) | 一种基于无状态q学习的无线网络分布式自主资源分配方法 | |
CN104168620A (zh) | 无线多跳回传网络中的路由建立方法 | |
CN104703191A (zh) | 保证时延QoS要求的安全认知无线电网络功率分配方法 | |
CN102665219B (zh) | 一种基于ofdma的家庭基站系统的动态频谱分配方法 | |
CN107659977A (zh) | 基于vlc的室内异构网络接入选择方法 | |
Xu et al. | Fuzzy Q-learning based vertical handoff control for vehicular heterogeneous wireless network | |
CN110336620A (zh) | 一种基于mac层公平接入的ql-uacw退避方法 | |
CN109905864A (zh) | 一种面向电力物联网的跨层资源分配方案 | |
CN106060851A (zh) | 异构云无线接入网络中拥塞控制下的安全资源优化方法 | |
CN108322274B (zh) | 一种基于贪心算法的wlan系统ap节能与干扰优化方法 | |
CN109362093A (zh) | 网络功能虚拟化的总吞吐量最大化的资源优化方法 | |
CN106027214A (zh) | 一种多小区大规模mimo系统导频分配方法 | |
CN106230737B (zh) | 一种状态感知的软件定义组网方法 | |
CN104994508A (zh) | 一种认知无线mesh网络资源分配及路由方法 | |
CN108834003B (zh) | 一种量子通信业务的电力光载通信多维资源分配优化方法 | |
CN104507153A (zh) | 一种ofdma下的小小区功率控制方法 | |
CN104683066B (zh) | 多模网关的抗互扰方法 | |
CN108307510A (zh) | 一种异构小区网络中的功率分配方法 | |
CN103957565B (zh) | 分布式无线网络中基于目标sinr的资源分配方法 | |
CN107249212B (zh) | 一种d2d通信中能效最大化的功率分配方法 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200515 Address after: 519000 second floor, phase II, No. 32, Jinding Jinfeng West Road, Tangjiawan Town, hi tech Zone, Zhuhai City, Guangdong Province Patentee after: Zhuhai feisen Power Technology Co., Ltd Address before: 241000 Anhui city of Wuhu province Jiujiang District Beijing Road No. 10 Patentee before: ANHUI POLYTECHNIC University |