CN105357678B - 无线传感器网络能源配置及评价的随机网络演算方法 - Google Patents

Abstract

无线传感器网络能源配置及评价的随机网络演算方法，涉及无线传感器能量管理领域，解决由可再生能源供电的无线传感器网络节点供电部署问题，记录无线传感器网络节点系统参数，包括电能供应、电能消耗以及电能需求；并根据记录的电能供应的累积量和电能消耗，获得维持无线传感器网络节点正常工作供电水平的下边界、电能供应的上边界、电能需求的上边界以及电能需求的下边界；并根据电能供应的下边界；电能供应的上边界；电能需求的上边界以及电能需求的下边界；获得电能供应不足概率和电能供应浪费概率；进而选取合适的电池容量，对无线传感器网络节点供电部署进行评估和调整。为无线传感器网络可再生能源电能生产和存储系统配置提供了基础指导。

Description

无线传感器网络能源配置及评价的随机网络演算方法

技术领域

本发明涉及无线传感器能量管理领域，具体涉及一种基于随机网络演算的无线传感器网络可再生能源配置及评价方法。

背景技术

无线传感器网络是新一代的传感器网络，具有的众多类型的传感器，可探测包括地震、电磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。无线传感器的应用和发展为人类生活带来了深远的影响，包括军事、航空、反恐、防爆、救灾、环境、医疗、保健、家居、工业、商业等各个生产生活领域。但是，受部属方式及工作环境限制，传感器节点一般难以通过电力线路获取持续的电力供应。无线传感器网络的电源供电问题直接影响其生存时间和工作性能，是限制其工作应用的关键性技术之一。如何为无线传感器网络节点提供有效持续的电力供应成为无线传感器网络发展亟待解决的重要课题。

近年来，基于太阳能等可再生能源的节点供电系统已成为无线传感器网络应用研究的重要方向。无线传感器网络节点的主要功耗由传感器功耗，数据收发功耗，处理器功耗和待机休眠功耗组成。如目前常用的ZigBee无线传感器网络节点，3.3V的工作电压。在数据发送期间的峰值电流为29mA，数据接收期间的峰值电流为24mA，各种传感器的工作电流约为30mA。

假设采用8051内核，工作电流为6mA，休眠状态约为1μA。则执行一次操作处理器的功耗为19.8mW。数据发送期间功耗为115.5mW，数据接收期间功耗为99mW，数据采集期间功耗为118.8mW，所有操作并发则功耗不超过293.7mW，约300mW。锂电池正常工作电压范围3.7-4.2V，若电池选取容量为900mAh，再连续峰值并发工作的情况下可连续供电12小时，若电池选容量选取3000mAh，则相同情况下可连续供电40小时。考虑到无线节点部属的区域可能位于我国南方，当连续阴雨季节也有可能十天不出太阳的情况，则电池容量的选取应该更大。但是，实际情况是无线传感器网络节点对数据的采集一般是定时采集，如温度，湿度慢速变化的数据。比如每小时工作50s，其他时间都在休眠，电流以微安计，功耗可以忽略不计。这样一来以上所述的连续峰值并发工作情况下计算所得的电池容量就过于严格，导致电池容量选取过大，节点体积加大，制造成本增加。

网络演算是近年来基于队列理论提出的，对网络通信进行定性和定量分析的先进技术手段。其应用边界来描述队列系统中的到达和服务特性，并对队列性能进行评估。网络演算几乎可以应用到计算机和通信网络的各个方面，并可以扩展到其他各种生产生活领域，如交通，航空网络等。网络演算的关键思想是将一个复杂的非线性队列系统转换为一个易于分析和处理的适当(min，+)代数。网络演算的发展分为两个相互关联的方向：确定性演算和随机性演算。确定性网络演算可以推导出紧致的边界。然而这些边界在高度复杂的系统结构下，或者当一个可容忍的小概率违背的情况时可能会显得有些过于保守。这就激发了随机性网络演算的发展，其具有多方面的统计优势，从而得到资源容量问题的有效结论。

发明内容

本发明的目的在于解决由可再生能源供电的无线传感器网络节点供电部署问题，在有效保障无线网络节点持续稳定的电力供给的同时，充分利用电池电量减少能源浪费。

基于随机网络演算的无线传感器网络可再生能源配置及评价方法，该方法由以下步骤实现：

步骤一、记录无线传感器网络节点系统参数，包括电能供应C(t)、电能消耗C^*(t)以及电能需求S(t)；并计算在时间区间[s,t]内的电能供应的累积量C(s，t)和电能需求的累积量S(s,t)，分别用下式表示为：

C(s，t)＝C(t)-C(s)

S(s，t)＝S(t)-S(s)

上式中，C(s)为s时刻的电能供应，s和t为时间，s大于等于0小于等于t；

步骤二、根据步骤一中获得的电能供应的累积量C(s,t)和电能消耗C^*(t)，分别采用下述公式：获得维持无线传感器网络节点正常工作电能供应的下边界；

式中，α₁为电能供应的下界曲线，f₁为电能供应下边界；

无线传感器网络节点电能供应的上边界；

式中，α₂为电能供应的上界曲线，f₂为电能供应上边界，

无线传感器网络节点电能需求的上边界；

式中，β₁为电能需求的上界曲线，g₁为电能需求的上边界；

无线传感器网络节点电能需求的下边界；

式中，β₂为电能需求的下界曲线，g₂为电能需求的下边界；

步骤三、根据步骤二中获得的电能供应的下界曲线α₁、电能供应下边界f₁、电能需求的上界曲线β₁、电能需求的上边界g₁、电能供应的上界曲线α₂、电能供应上边界f₂、电能需求的下界曲线β₂以及电能需求的下边界g₂，分别采用下式，获得电能供应不足概率和电能供应浪费概率；

式中，L(t)为t时刻电能供应缺失的数量，B为电池容量，W(t)为t时刻电能供应量超出电池容量被浪费的数量；

步骤四、根据步骤三获得的电能供应不足概率和电能供应浪费概率选取合适的电池容量，对无线传感器网络节点供电部署进行评估和调整。

本发明中，所述的电能供应下边界f₁、电能供应的下界曲线α₁、用下式表式为：

α₁＝[ρ(θ，t)+θ₁]t

电能供应上边界f₂和电能供应的上界曲线α₂用下式表示为：

α₂＝[ρ(θ，t)+θ₂]t

电能需求的上边界g₁和电能需求的上界曲线β₁用公式表示为：

g₁(x)＝e^-θx，

β₁＝μ(θ)t+g₁(x)

所述的电能需求的下边界g₂和电能需求的下界曲线β₂用公式表示为：

g₂(x)＝e^-θx，

β₂＝μ(θ)t-g₂(x)

上式中，θ、θ₁和θ₂为时间常数，x为概率参数。

本发明的有益效果：本发明提出了一种基于随机网络演算理论的无线传感器网络可再生能源配置及评价方法，在保障网络节点电力持续供应的前提下避免了传统配置方法可能导致的浪费。该方法将随机网络演算理论与无线传感器网络节点能量管理相结合，建立了一个无线传感器网络随机供电网络演算理论框架，对可再生能源转化设备(如太阳能板)和存储设备(如电池)的规格和容量的选取进行有效的性能评估。本发明给出了明确的电能供应可靠性分析指标：电能供应不足概率和电能供应浪费概率，为无线传感器网络可再生能源电能生产和存储系统配置提供了基础指导。

附图说明

图1为本发明所述的无线传感器网络能源配置及评价的随机网络演算方法中140×140mm²单晶硅太阳能板在30天中提供的电能示意图；

图2为140×140mm²单晶硅太阳能板在30天中提供的电能累积示意图；

图3为140×140mm²单晶硅太阳能板单日内的电能累积到达上下边界示意图；

图4为ZigBee无线传感器网络节点单日内的能量消耗示意图；

图5为ZigBee无线传感器网络节点单日内的能量消耗需求的上下边界示意图；

图6为本发明所述的无线传感器网络能源配置及评价的随机网络演算方法中电能供应不足与浪费概率示意图。

具体实施方式

具体实施方式一、结合图1至图6说明本实施方式，无线传感器网络能源配置及评价的随机网络演算方法，该方法由以下步骤实现：

步骤一、获取无线传感器网络节点系统参数：结合图1至图3，分别给出了一块140×140mm²单晶硅太阳能板在30天中提供的电能情况；30天内的电能累积量以及单日内ZigBee无线传感器网络节点能量消耗情况；

设定电能累积，即电能供应C(t)；电能消耗C^*(t)；系统提供的服务，即电力需求S(t)。

C(s，t)＝C(t)-C(s) (1)

S(s，t)＝S(t)-S(s) (2)

C(s,t)为在时间区间[s,t]之间的电能供应累积量，S(s,t)在时间区间[s,t]之间系统提供的服务，即电能需求累积量；对于电能供应系统而言，即为电能需求所提供的电能；

步骤二、利用(3)式表示提供无线传感器网络节点正常工作供电水平的下边界:

α₁表示电力供应的下界曲线，即在随机网络演算中数据到达的下边界。f₁表示电力供应下边界，inf[]表示求取下确界。

α₁＝[ρ(θ，t)+θ₁]t

所述时间常数与概率参数分别选取为：θ＝0.1，θ₁＝10，x＝0.2，E[]为数学期望，

利用(4)式表示无线传感器网络节点电池总充电量的上边界，即电力供应的上边界:

α₂表示电力供应的上界曲线，即在随机网络演算中数据到达的上边界。f₂表示电能供应上边界，sup[]表示求取上确界。

α₂＝[ρ(θ，t)+θ₂]t

本实施方式中，时间常数与概率参数分别选取为：θ＝0.1，θ₂＝10，x＝0.2。E[]为数学期望，以单日数据为例，步骤二，步骤三所得出的电能供应的上下边界曲线α₁和α₂在图4中给出。

利用(5)式表示无线传感器网络节点电能的上边界:

其中β₁表示电能需求的上界曲线，即在随机网络演算中数据服务的上边界。g₁表示电能需求上边界。

g₁(x)＝e^-θx，

β1＝μ(θ)t+g₁(x)

本实施方式中，时间常数与概率参数分别选取为：θ＝0.1，x＝0.2。E[]为数学期望。

利用(6)式表示无线传感器网络节点电能预计消耗的下边界:

其中β₂表示电能需求的下界曲线，即在随机网络演算中数据服务的下边界。g₂表示电能需求下边界。

g₂(x)＝e^-θx，

β₂＝μ(θ)t-g₂(x)

本实施方式中，时间常数与概率参数分别选取为：θ＝0.1，x＝0.2。E[]为数学期望。

以单日数据为例，步骤二中获得的电能需求的上下边界曲线β₁和β₂在图5中给出。

步骤三、利用(7)式求取电力供应不足概率：

L(t)表示t时刻电能供应缺失的数量，B为电池容量。其中为最小加卷积操作。

利用(8)式求取电能供应浪费概率：

其中W(t)表示t时刻电能供应量超出电池容量被浪费的数量。为最小加卷积操作

上式为变量为X最小加卷积的计算方法，x在[0,X]之间变化。

以单日数据为例，当所选择电池容量从100增加到300时，步骤三所得出的电能供应不足概率与电能供应浪费概率在图6中给出。可见随着电池容量的增加，电能供应不足概率和电能供应浪费概率呈指数级递减。

步骤四、根据以上求取的系统参数，以及相应的环境参数，对无线传感器网络节点供电部署进行评估和调整，选取合适的电池容量，保障无线传感器网络连续有效工作。

Claims (2)

1.无线传感器网络能源配置及评价的随机网络演算方法，其特征是，该方法由以下步骤实现：

步骤一、记录无线传感器网络节点系统参数，包括电能供应C(t)、电能消耗C^*(t)以及电能需求S(t)；并计算在时间区间[s，t]内的电能供应的累积量C(s，t)和电能需求的累积量S(s，t)，分别用下式表示为：

C(s，t)＝C(t)-C(s)

S(s，t)＝S(t)-S(s)

上式中，C(s)为s时刻的电能供应，s和t为时间，s大于等于0小于等于t；

步骤二、根据步骤一中获得的电能供应的累积量C(s，t)和电能消耗C^*(t)，分别采用下述公式：获得维持无线传感器网络节点正常工作电能供应的下边界；

式中，α₁为电能供应的下界曲线，f₁为电能供应下边界；inf[]表示求取下确界，inf_0≤s≤t[]为在0到t的时间内求取下确界；

无线传感器网络节点电能供应的上边界；

式中，α₂为电能供应的上界曲线，f₂为电能供应上边界，sup[]表示求取上确界，sup_0≤s≤t[]为在0到t的时间内求取上确界；

无线传感器网络节点电能需求的上边界；

式中，β₁为电能需求的上界曲线，g₁为电能需求的上边界；

无线传感器网络节点电能需求的下边界；

式中，β₂为电能需求的下界曲线，g₂为电能需求的下边界；

步骤三、根据步骤二中获得的电能供应的下界曲线α₁、电能供应下边界f₁、电能需求的上界曲线β₁、电能需求的上边界g₁、电能供应的上界曲线α₂、电能供应上边界f₂、电能需求的下界曲线β₂以及电能需求的下边界g₂，分别采用下式，获得电能供应不足概率和电能供应浪费概率；

式中，L(t)为t时刻电能供应缺失的数量，B为电池容量，W(t)为t时刻电能供应量超出电池容量被浪费的数量；

步骤四、根据步骤三获得的电能供应不足概率和电能供应浪费概率选取合适的电池容量，对无线传感器网络节点供电部署进行评估和调整。

2.根据权利要求1所述的无线传感器网络能源配置及评价的随机网络演算方法，其特征在于，所述的电能供应下边界f₁、电能供应的下界曲线α₁、e为指数函数，E[]为数学期望，log E[]为求取数学期望E的对数，变量ρ和μ为虚数，用下式表式为：

α₁＝[ρ(θ，t)+θ₁]t

电能供应上边界f₂和电能供应的上界曲线α₂用下式表示为：

α₂＝[ρ(θ，t)+θ₂]t

电能需求的上边界g₁和电能需求的上界曲线β₁用公式表示为：

β₁＝μ(θ)t+g₁(x)

所述的电能需求的下边界g₂和电能需求的下界曲线β₂用公式表示为：

β₂＝μ(θ)t-g₂(x)

上式中，θ、θ₁和θ₂为时间常数，x为概率参数。