CN107911763B - 一种基于QoS的智能配用电通信网EPON网络规划方法 - Google Patents
一种基于QoS的智能配用电通信网EPON网络规划方法 Download PDFInfo
- Publication number
- CN107911763B CN107911763B CN201711269448.3A CN201711269448A CN107911763B CN 107911763 B CN107911763 B CN 107911763B CN 201711269448 A CN201711269448 A CN 201711269448A CN 107911763 B CN107911763 B CN 107911763B
- Authority
- CN
- China
- Prior art keywords
- network
- onu
- planning
- service
- epon
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004891 communication Methods 0.000 title claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000010276 construction Methods 0.000 claims abstract description 20
- 230000002068 genetic effect Effects 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000003287 optical effect Effects 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000001816 cooling Methods 0.000 claims description 10
- 238000000137 annealing Methods 0.000 claims description 9
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 2
- 238000010353 genetic engineering Methods 0.000 claims 1
- 238000002922 simulated annealing Methods 0.000 abstract description 6
- 210000000349 chromosome Anatomy 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 13
- 230000035772 mutation Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009396 hybridization Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 229940046166 oligodeoxynucleotide Drugs 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 206010064571 Gene mutation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0079—Operation or maintenance aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0084—Quality of service aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0086—Network resource allocation, dimensioning or optimisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/009—Topology aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于QoS的智能配用电通信网EPON网络规划方法，综合考虑EPON网络的经济性、网络时延和负载均衡，建立成本模型、负载均衡模型以及网络时延模型；其次通过规划接入点的数量和位置及ONU的分组方式，在负载均衡和网络时延符合要求的条件下，基于遗传模拟退火的算法得出ONU成本最优分组方案。最后通过仿真表明，本专利提出的ONU分组方法可以在满足网络时延要求和负载均衡的情况下，提升业务质量，实现网络建设成本的最优。
Description
技术领域
本发明涉及网络规划方法技术领域，特别是涉及一种基于QoS的智能配用电通信网EPON网络规划方法。
背景技术
智能电网通信网络是一个由多系统、多层次、多技术组成的复杂而庞大的整体，规划优化问题的标准会因网络的组网技术、管理运维条件等不同而有所差异，这使得难以对其进行统一的规划优化。电网的用户规模大，用户带宽需求大，不同业务存在不同服务质量要求。因此合理的规划网络来实现对网络资源的有效利用，建立不同层级、不同业务网络的规划优化模型，并提出有效的求解算法，对建设坚强可靠、经济高效、友好互动的智能电网通信网络具有重要意义。
为了解决以上问题，本专利首先综合考虑智能电力EPON网络的经济性、网络时延和负载均衡，建立成本模型、负载均衡模型以及网络时延模型；其次通过规划接入点的数量和位置及ONU的分组方式，在负载均衡和网络时延符合要求的条件下，基于遗传模拟退火的算法得出ONU成本最优分组方案。仿真表明，本专利提出的ONU分组方法可以在满足网络时延要求和负载均衡的情况下满足用户对业务质量的需求，实现网络建设成本的最优化。
为了解现有技术的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：
技术方案1：专利号为CN106877497A的《一种电力终端通信接入网和优化方法》专利，公开了一种电力终端通信接入网和优化方法。该电力终端通信接入网包含第一层以太网和第二层以太网：第一层以太网为环形网络拓扑，包含一个高压变电站节点及高压变电站节点在中压配电网中的全部子节点；10kV变压器节点是第一层以太网和第二层以太网的交汇节点，第二层以太网为环形加树形网络拓扑，其数量与10kV变压器节点数量相同；电力终端通信接入网满足可行解边界条件、增量成本最小。该方法涉及遗传算法框架中的评估函数、交配算法和变异算法，提升了网络规划和优化的效率，降低了算法复杂度。
技术方案2：专利号为CN103020359A的《基于EPON网络的电力光纤到户接入方法》专利，公开了一种基于EPON网络的电力光纤到户接入方法，包括1)分析待接入建筑物的建筑结构和电气结构；2)确定电力光纤节点位置；3)对光分路器的配置；4)对ONU终端的配置。该发明基于EPON网络的电力光纤到户接入方法，通过建立电力光纤到户的数据模型，指导电力光纤到户的规划，方便现场施工，能够实现不同地域与环境对终端的使用要求，具有良好的实用性和前景。
技术方案3：专利号为CN103490410B的《一种基于多目标优化的微电网规划和容量配置方法》专利，公开了一种基于多目标优化的微电网规划和容量配置方法，主要通过四步完成：1)设定微电网运行模式，微电网的运行模式包括独立微电网和并网型微电网；2)基础数据输入：基础数据输入包括系统条件、电价参数、负荷参数、光伏参数、风电参数和蓄电池参数；3)基础数据预处理；4)分布式电源及储能系统优化。本发明可以对微电网规划中的分布式电源容量和储能系统容量进行联合求解，同时进行优化配置。
技术方案1采用一种电力终端通信接入网和优化方法，其特征在于：电力终端通信接入网包含第一层以太网和第二层以太网。其中，第一层以太网为环形网络拓朴，第二层以太网为环形加树形网络拓扑。该接入网满足可行解边界条件，包含通信延时条件、端口数量条件和节点数量条件。该方法通过网络评估算可以获得较好的网络效率和低算法复杂度。但此类方法的缺点是没有针对终端不同的需求进行优先级划分，缺少对用户服务质量的保证。
技术方案2采用一种基于EPON网络的电力光纤到户接入方法，其特征在于：该发明基于EPON网络的电力光纤到户接入方法，通过建立电力光纤到户的数据模型，指导电力光纤到户的规划，方便现场施工，能够实现不同地域与环境对终端的使用要求，具有良好的实用性和前景。其缺陷在于该方法只给出了网络建设的整体流程，并未针对EPON网络进行具体的规划。
技术方案3以一种基于多目标优化的微电网规划和容量配置方法，可以在同时考虑对微电网规划中的分布式电源容量和储能系统容量情况下进行联合求解，同时进行优化配置；既可以解决独立微电网规划和容量配置问题，也可以解决并网型微电网的规划和容量配置问题，并在并网型微电网的规划和容量配置方法中，详细给出了实际工程设计中外部大电网对微电网中分布式电源容量的接纳能力的计算方法，更加结合工程实际；采用多约束、多目标的算法，可以得到不同条件下的多组最优解，供设计人员参考；本发明的方法是在经过大量的风电、光伏等分布式电站及其接入系统设计的基础上提出的，注重工程师设计经验，更加结合工程实际，可以作为辅助决策系统进行实际工程设计。但此类方法不适用于规划规模较大的网络。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种基于QoS的智能配用电通信网EPON网络规划方法，通过深入研究EPON网络中ONU的分组规划技术，规划EPON网络中ODN的位置和数量，并综合考虑用户需求，优化EPON网络结构，提高网络均衡性。
其解决的技术方案是，一种基于QoS的智能配用电通信网EPON网络规划方法，包括如下步骤，
S1，针对面向业务质量的EPON网络的规划优化问题，并综合考虑EPON网络结构，建立以下网络规划模型，
1，使用无向图G(E,L)表示EPON网络的拓扑结构，其中E和L分别表示该网络的节点集和链路集，N表示ONU终端数量，K表示待选AP节点总数，M为建设为AP节点的数量；
成本模型：ONU分组规划过程中的建设成本考虑线缆成本和AP站点建设成本，则成本为：
其中，M表示建设AP的数量，c1为AP的建设成本，li,j为表示终端i接入到AP j的线缆长度，c2为光纤单位长度的成本；
2，需要构建ONU分组规划模型，规划以最小成本为目标函数，限制条件为网络均衡性、影响业务质量的网络时延和接入容量限制，因此得到ONU分组规划的完整数学模型：
其中，γ0、L0、t0分别为网络均衡度、单个分组负载和网络时延的阈值，可根据不同业务需求及规划要求进行相应的调整，N为规划方案中AP能接入的ONU终端的数量，要求其必须大于实际终端的数量，不允许出现信息孤岛；
S2，针对S1中提出的网络规划模型，设计遗传模拟退火算法进行求解，求解步骤如下；
Step 1，初始化控制参数：种群个体大小sizepop，最大进化次数MAXGEN，交叉概率Pc，变异概率Pm，退火初始温度T0，温度冷却系数k，终止温度Tend；
Step 2，随机初始化c个聚类中心，并生成初始种群Chrom，对每个聚类中心计算目标函数值，以及个体的适应度值f，其中i＝1,2,3，…，sizepop；
Step 3，设置循环计数变量gen＝0；
Step 4，对群体Chrome实施选择、杂交和变异等遗传操作，对新产生的个体计算聚类中心，以及每一个个体的适应度值fi’。若fi'>fi，则以新个体替换就个体；否则以概率P＝exp((fi'-fi)T)接受新个体，舍旧新个体；
Step 5，若gen<MAXGEN，则gen＝gen+1，转至step(4)，否则，转至stepstep6。
Step 6，若Ti<Tend，则算法成功结束，返回全局最优解；否则，执行降温操作Ti+1＝kTi，转至step3。
由于以上技术方案的采用，本发明与现有技术相比具有如下优点；
综合考虑EPON网络的经济性、网络时延和负载均衡，建立成本模型、负载均衡模型以及网络时延模型；其次通过规划接入点的数量和位置及ONU的分组方式，在负载均衡和网络时延符合要求的条件下，基于遗传模拟退火的算法得出ONU成本最优分组方案。最后通过仿真表明，本专利提出的ONU分组方法可以在满足网络时延要求和负载均衡的情况下，提升业务质量，实现网络建设成本的最优。
附图说明
图1为本发明一种基于QoS的智能配用电通信网EPON网络规划方法的遗传模拟退火算法流程图。
图2为本发明一种基于QoS的智能配用电通信网EPON网络规划方法的网络均衡度与建设成本的关系图。
图3为本发明一种基于QoS的智能配用电通信网EPON网络规划方法的网络时延在不同网络下的变化图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至附图3对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
实施例一，一种基于QoS的智能配用电通信网EPON网络规划方法，包括如下步骤，
S1，针对面向业务质量的EPON网络的规划优化问题，并综合考虑EPON网络结构，建立以下网络规划模型，
1，使用无向图G(E,L)表示EPON网络的拓扑结构，其中E和L分别表示该网络的节点集和链路集，N表示ONU终端数量，K表示待选AP节点总数，M为建设为AP节点的数量；
成本模型：ONU分组规划过程中的建设成本考虑线缆成本和AP站点建设成本，则成本为：
其中，M表示建设AP的数量，c1为AP的建设成本，li,j为表示终端i接入到AP j的线缆长度，c2为光纤单位长度的成本；
网络规划的限制条件包含网络均衡性、网络时延和接入容量限制。网络均衡度高，网络各区域的负载就越小，可提供更好的服务；网络时延越小，可提供的业务质量就越高；AP的接入容量是有限制的，即可以连接的ONU数量是有限的。下面针对这些方面分别进行描述：
1)网络均衡度：考虑到不同用户的负载峰值可能处于不同时段，所以分组的负载总量按照分时段的ONU终端负载总量峰值计算，则单个分组的负载总量为
其中，h为该分组的ONU终端数量，li、l′i、l″i、l″′i分别为四个不同时段各个终端的负载值。
基于熵的理论，构建网络负载的熵值来衡量网络的负载均衡程度，则网络负载的的熵值为
其中，M为分组个数，
为一个ONU分组的负载占整个网络总负载的比率。
基于熵理论可得，网络的负载分布越均衡，网络负载的的熵值越大，网络分布越不均衡，网络负载的的熵值越小，当各个分组的网络负载完全均衡时，相当于
时，网络负载的的熵值达到最大，此时，网络均衡度为log2M。
所以网络负载均衡度为
γ＝E/log2M (4)
同时，必须保证单个分组的负载
其中L0为单个分组的负载阈值。
2)网络时延：网络时延的大小与业务的服务质量是直接关联的。考虑到EPON网络用户的业务需求不同，且每种业务所要求的服务质量是有所差异，因此根据业务不同的需求和服务质量的要求，对业务进行等级划分，具体分为：
CoB0：为超高优先服务等级，该类业务对时延敏感要求极高或者对可靠性要求极高，该服务等级主要用于有TDM业务的ONU以确保该业务较小的传输时延，此外还可用于重要网络控制、配电自动化等关键网络运行业务发布等；
CoB1：为高优先服务等级，该类业务对时延要求较高或者数据速率要求较高，例如多媒体视频监控、对延迟敏感的交互式视频、音频数据和VoIP、行政电话、会议电话和会议电视；
CoB2：为中优先服务等级，该类业务对时延和带宽要求一般，例如多媒体数据和企业级数据、SCADA、管理信息数据等；
CoB3：为低优先服务等级，该类业务对时延不敏感，例如智能电表抄表以及其他尽最大努力投递的信息。
单个分组内各个等级业务数量分别为ni0、ni1、ni2、ni3。为保证高的优先服务等级的业务的运行质量，同时避免传输竞争，要求保证每个分组内该类业务比例合适，即
ri＝(α·ni0+β·ni1)/(ni0+ni1+ni2+ni3)<r0 (6)
其中，α、β分别为最高优先级业务数量和较高优先级业务数量的权值，且α+β＝1,α>β。
网络时延是指数据包从OLT局端到ONU终端的总时延，ONU分组内高服务等级的业务比例较大时会产生竞争进而增大时延，进而影响高优先服务等级业务的质量。第i个终端的时延ti为
其中，ttra为链路中的传输时延，其值相对较小，计算时可以忽略不计；tpro为处理时延，lp为等待处理的队列长度，即lp＝α·ni0+β·ni1。队列主要考虑最高优先服务等级(CoB0)、较高优先服务等级(CoB1)，较多高优先服务级的业务在同一AP节点等待排队处理时，存在传输竞争，进而相互影响传输时延，影响高优先服务等级业务的服务质量。
所以，网络的平均时延为
3)接入容量限制：AP的作用有些类似于ODN，一方面AP使用一根光纤与分光器的一个输出端口连接，另一方面，AP与每个ONU相连接。所以AP可接入的ONU终端数量有限，这就要求规划方案中的ONU必须全部接入到AP中，不能出现信息孤岛，并且每个ONU终端只能接入到一个AP中，不能选择多个AP。
2，需要构建ONU分组规划模型，规划以最小成本为目标函数，限制条件为网络均衡性、影响业务质量的网络时延和接入容量限制，因此得到ONU分组规划的完整数学模型：
其中，γ0、L0、t0分别为网络均衡度、单个分组负载和网络时延的阈值，可根据不同业务需求及规划要求进行相应的调整，N为规划方案中AP能接入的ONU终端的数量，要求其必须大于实际终端的数量，不允许出现信息孤岛；
S2，遗传算法具有较强的问题求解能力，能解决非线性优化问题。遗传算法中的每个染色体表示问题中一个潜在的最优解，但是，传统遗传算法存在早熟现象。本文将模拟退火算法与遗传算法相结合，由于退火模拟算法和遗传算法可以互相取长补短，因此有效克服了传统遗传算法的早熟现象，同时根据问题的具体情况设计遗传编码及适应度函数函数，使算法更有效、更快速的收敛到全局最优。
模拟退火算法的思想是通过模拟高温物体退火过程找到优化问题的全局最优或者近似全局最优解。算法描述如下。
(1)选S0作为初始状态，令S(0)＝S0，同时设置初始温度为T，令i＝0。
(2)令T＝Ti，以T和Si调用Metropolis抽样算法，返回状态S作为本算法当前的解，Si＝S。
(3)按照一定算法降温，即T＝Ti+1，其中T<Ti+1，i＝i+1。
(4)检查终止条件，如果满足则转至步骤(5)，否则转回至步骤(2)。
(5)当前解Si为最优解，输出结果，停止。
遗传算法具有较强的问题求解能力，能解决非线性优化问题。遗传算法中的每个染色体表示问题中一个潜在的最优解，对于问题求解来说，染色体可以方便的表达问题的潜在解。算法描述如下。
a，染色体编码
染色体编码部分为长度为N的整数编码，依次表示ONU终端接入到的AP的编号，即确定分组方式，同时确定AP节点建设位置和数量。考虑到光纤长度限制，每个终端仅选择距离其最近的三个AP节点连接。
b，适应度函数
适应度函数由成本、网络均衡度、时延、接入容量共同决定，其表达式为
其中，λ(A-C(Sv))表示染色体的经济成本；A是一个大数，保证成本值始终为正；由上式可以看出，只有同时满足网络均衡度、平均时延和接入容量限制的条件下，染色体适应度才有值，否则为0；
根据选择算子进行染色体选择操作，选择染色体时，采用正比染色体亲和度的方法，即
其中，Q(Sv)是染色体Sv的选择概率。
c，交叉操作
种群通过交叉操作获得新的染色体，从而推动整个种群向前进化。交叉操作首先从种群中随机选取两个染色体，然后随机选择交叉位置进行交叉。
d，变异操作
种群通过变异操作获得新的个体，从而推动整个种群向前进化。变异算子首先从种群中选取变异个体，按照变异概率进行基因的变异；
针对S1中提出的网络规划模型，设计遗传模拟退火算法进行求解，求解步骤如下；
Step 1，初始化控制参数：种群个体大小sizepop，最大进化次数MAXGEN，交叉概率Pc，变异概率Pm，退火初始温度T0，温度冷却系数k，终止温度Tend；
Step 2，随机初始化c个聚类中心，并生成初始种群Chrom，对每个聚类中心计算目标函数值，以及个体的适应度值f，其中i＝1,2,3，…，sizepop；
Step 3，设置循环计数变量gen＝0；
Step 4，对群体Chrome实施选择、杂交和变异等遗传操作，对新产生的个体计算聚类中心，以及每一个个体的适应度值fi’。若fi'>fi，则以新个体替换就个体；否则以概率P＝exp((fi'-fi)T)接受新个体，舍旧新个体；
Step 5，若gen<MAXGEN，则gen＝gen+1，转至step(4)，否则，转至stepstep6。
Step 6，若Ti<Tend，则算法成功结束，返回全局最优解；否则，执行降温操作Ti+1＝kTi，转至step3。
本发明具使用时，考虑接入容量限制，网络建设成本与网络负载均衡度的关系如图2所示，传输时延在不同网络情况下的变化情况如图3所示；首先只考虑网络均衡度约束，调整的网络均衡度与其最大值的比γ＝E/log2M的值，由图2可得随着网络建设成本随着网络负载均衡度的提高而提高，例如网络负载均衡度γ＝0.89由增加到γ＝0.93，网络成本也相应由11.78万元增加到12.65万元，从得出的规划方案可以看出，γ＝0.89由增加到γ＝0.93时多建设一个AP节点。由图3可知，业务最大传输时延随着高优先级业务比例的增加而增加，随着网络均衡度的增加而减小。当网络负载均衡度较高时，意味着分组内业务较均衡，因此能够减少高优先服务等级业务的传输竞争，降低网络时延。
进一步考查传输时延，结合如表1所示的实验。由表2的实验1和实验2的结果可知，实验1所得的网络均衡度比实验2有小幅提高，但是实验2的时延明显优于实验1，证明实验2可以为业务的运行提供稳定环境。因此，加入业务传输时延的约束明显有益于提高ONU分组规划的可靠性。
表1实验参数
最后综合考虑网络建设成本、网络负载均衡度和传输时延限制，设计如表1的2、3、4实验。表2的结果表明，所提的方法能在满足所有要求的不同约束下，提供有效的规划分组方案。以实验2为例，给出的具体ONU分组方案，如表3所示。在网络均衡度γ＝0.93时，还能保证业务的传输时延小于300ms，网络成本相对实验2、3较低。
表2实验结果
表3实验2具体分组方案
以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。
Claims (1)
1.一种基于QoS的智能配用电通信网EPON网络规划方法，其特征在于，包括如下步骤，
S1，针对面向业务质量的EPON网络的规划优化问题，并综合考虑EPON网络结构，建立以下网络规划模型，
1，使用无向图G(E,L)表示EPON网络的拓扑结构，其中E和L分别表示该网络的节点集和链路集，N表示ONU终端数量，K表示待选AP节点总数，M为建设为AP节点的数量；
成本模型：ONU分组规划过程中的建设成本考虑线缆成本和AP站点建设成本，则成本为：
其中，M表示建设AP的数量，c1为AP的建设成本，li,j为表示终端i接入到APj的线缆长度，c2为光纤单位长度的成本，a是指接入AP点的ONU编号；
2，需要构建ONU分组规划模型，规划以最小成本为目标函数，限制条件为网络均衡性、影响业务质量的网络时延和接入容量限制，因此得到ONU分组规划的完整数学模型：
其中，γ0、L0、t0分别为网络均衡度、单个分组负载和网络时延的阈值，可根据不同业务需求及规划要求进行相应的调整，N为规划方案中AP能接入的ONU终端的数量，要求其必须大于实际终端的数量，不允许出现信息孤岛，Li表示ONU分组后一个ONU分组的全部负载，h为一个分组的ONU终端数目，li，l′i，l″i，l″′i分别表示四个不同时间段内每个终端的负载值，γ为负载均衡指数，且γ＝E/log2M，
为接入网络的平均时延，ti为数据包从OLT至第i个ONU终端的时延，N为规划方案中可以访问AP的ONU数目；
S2，针对S1中提出的网络规划模型，设计遗传模拟退火算法进行求解，求解步骤如下；
Step 1，初始化控制参数：种群个体大小sizepop，最大进化次数MAXGEN，交叉概率Pc，变异概率Pm，退火初始温度T0，温度冷却系数k，终止温度Tend；
Step 2，随机初始化c个聚类中心，并生成初始种群Chrom，对每个聚类中心计算目标函数值，以及个体的适应度值f，其中i＝1,2,3，…，sizepop；
Step 3，设置循环计数变量gen＝0；
Step 4，对群体Chrome实施选择、杂交和变异遗传操作，对新产生的个体计算聚类中心，以及每一个个体的适应度值fi’，若fi'>fi，则以新个体替换旧个体；否则以概率P＝exp((fi'-fi)T)接受新个体，舍弃旧个体；
Step 5，若gen<MAXGEN，则gen＝gen+1，转至step(4)，否则，转至stepstep6；
Step 6，若Ti<Tend，则算法成功结束，返回全局最优解；否则，执行降温操作Ti+1＝kTi，转至step3，其中T为当前的冷却温度，Ti为完成一次遗传算法后的冷却温度，k是温度冷却系数，用于控制退火速度，k的数值越大，降火速度越慢，此时搜索到全局最优解的可能性比较高，k的数值越小，降火速度越快，搜索得到局部最优解的可能性比较高；
根据EPON用户的不同需求，将不同的需求和服务质量要求分为四类，分别是优先级最高的服务类，使用CoB0表示；优先级较高的服务类CoB1；优先级处于中等的服务类CoB2，以及优先级最低的服务类CoB3；为确保高优先级业务的运行质量，避免传输竞争，在分组时需确保各组中高优先级业务的比例适当，使用ri表示高优先级业务在组中所占比例，其中ri＝(α·ni0+β·ni1)/(ni0+ni1+ni2+ni3)；通过调整ri的数值完成ONU的分组过程；在连接ONU终端和AP时，为避免信息孤岛，所有ONU必须全部连接到AP，同时一个ONU终端只能连接到一个AP。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711269448.3A CN107911763B (zh) | 2017-12-05 | 2017-12-05 | 一种基于QoS的智能配用电通信网EPON网络规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711269448.3A CN107911763B (zh) | 2017-12-05 | 2017-12-05 | 一种基于QoS的智能配用电通信网EPON网络规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107911763A CN107911763A (zh) | 2018-04-13 |
| CN107911763B true CN107911763B (zh) | 2020-06-23 |
Family
ID=61854086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711269448.3A Active CN107911763B (zh) | 2017-12-05 | 2017-12-05 | 一种基于QoS的智能配用电通信网EPON网络规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107911763B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108769843B (zh) * | 2018-05-31 | 2020-11-10 | 国家电网公司信息通信分公司 | 一种电力光纤入户的epon网络优化方法及系统 |
| CN112465665A (zh) * | 2020-11-17 | 2021-03-09 | 西安热工研究院有限公司 | 改善电厂调频收益的燃气机组电储能系统容量配置的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103384354A (zh) * | 2013-07-04 | 2013-11-06 | 北京邮电大学 | 一种无源光网络光分配网的优化设计方法 |
| CN105007183A (zh) * | 2015-07-10 | 2015-10-28 | 重庆邮电大学 | 一种带有生存性感知的低成本howban无线功能部署方法 |
| CN107360480A (zh) * | 2017-08-07 | 2017-11-17 | 广东电网有限责任公司电力调度控制中心 | 一种基于负载均衡的onu分组规划方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110194854A1 (en) * | 2008-07-30 | 2011-08-11 | Nokia Siemens Networks Oy | Upstream efficiency improvement method for passive optical networks |
-
2017
- 2017-12-05 CN CN201711269448.3A patent/CN107911763B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103384354A (zh) * | 2013-07-04 | 2013-11-06 | 北京邮电大学 | 一种无源光网络光分配网的优化设计方法 |
| CN105007183A (zh) * | 2015-07-10 | 2015-10-28 | 重庆邮电大学 | 一种带有生存性感知的低成本howban无线功能部署方法 |
| CN107360480A (zh) * | 2017-08-07 | 2017-11-17 | 广东电网有限责任公司电力调度控制中心 | 一种基于负载均衡的onu分组规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《遗传模拟退火算法在无线网络规划中的应用》;王秀芳, 吕佳;《东北石油大学学报》;20080229;第1、3节，图1-3 * |
| WenChen He;SiYa Xu;Feng Qi;ShuYang Li;BoTao Yu;Kang Su.《A planning method of grouping ONUs based on load balancing》.《2017 16th International Conference on Optical Communications and Networks (ICOCN)》.2017, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107911763A (zh) | 2018-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qiu et al. | A lifetime-enhanced data collecting scheme for the internet of things | |
| CN112467722A (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| CN107318058B (zh) | 基于成本最优和负载均衡的配电通信网中onu部署方法 | |
| CN107210607A (zh) | 用于提供能量服务的方法和系统 | |
| CN106027288A (zh) | 一种配电线路信息监测业务通信流量预测方法 | |
| Liu et al. | Robust data collection for energy-harvesting wireless sensor networks | |
| CN108769843B (zh) | 一种电力光纤入户的epon网络优化方法及系统 | |
| Mi et al. | Software-defined green 5G system for big data | |
| CN107911763B (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
| CN105207910A (zh) | 一种基于粒子群优化的电力通信网路由优化方法 | |
| CN103595652B (zh) | 一种电力通信网络中QoS能效的分级方法 | |
| CN109995656A (zh) | 面向自动需求响应业务的资源分配方法、装置和存储介质 | |
| CN109685279A (zh) | 一种基于拓扑降解的复杂配电网pqm优化方法 | |
| CN113473580A (zh) | 异构网络中基于深度学习的用户关联联合功率分配策略 | |
| Yujie et al. | An effective controller placement algorithm based on clustering in SDN | |
| CN116316589A (zh) | 一种考虑源荷不确定性的配网分布式光伏承载力评估方法 | |
| CN109889573B (zh) | 混合云中基于ngsa多目标的副本放置方法 | |
| CN107248926B (zh) | 一种面向多目标的epon规划方法 | |
| CN113542115B (zh) | 基于sdn电力通信网络的数据路径确定方法、装置及系统 | |
| CN106789731B (zh) | 基于能源互联网业务重要度的队列调度方法 | |
| CN113947321A (zh) | 一种分布式信息能源网络拓扑结构构建方法和系统 | |
| Liu et al. | A planning method of clustering ONUs based on reliability | |
| Guan et al. | Multidimensional resource fragmentation-aware virtual network embedding for IoT applications in MEC networks | |
| CN105959960B (zh) | 一种基于进化多目标优化匹配的频谱决策方法 | |
| Lu et al. | SDN routing optimization based on improved Reinforcement learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Wencui Inventor after: Luo Zhen Inventor after: Dong Kaili Inventor after: Guo Shaoyong Inventor after: Dong Gangsong Inventor after: Jin Yi Inventor after: Zhang Yong Inventor after: Wang Chunying Inventor after: Wu Lijie Inventor after: An Zhiyuan Inventor after: Shu Xinjian Inventor before: Li Wencui Inventor before: Zhang Yong Inventor before: Wang Chunying Inventor before: Wu Lijie Inventor before: An Zhiyuan Inventor before: Shu Xinjian Inventor before: Luo Zhen Inventor before: Dong Kaili |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |