CN109039376A - 电力线通信网络中基于用户影响度的关键节点选择方法 - Google Patents
电力线通信网络中基于用户影响度的关键节点选择方法 Download PDFInfo
- Publication number
- CN109039376A CN109039376A CN201810779327.1A CN201810779327A CN109039376A CN 109039376 A CN109039376 A CN 109039376A CN 201810779327 A CN201810779327 A CN 201810779327A CN 109039376 A CN109039376 A CN 109039376A
- Authority
- CN
- China
- Prior art keywords
- node
- user
- uid
- key node
- key
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/54—Systems for transmission via power distribution lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/90—Buffering arrangements
Abstract
本发明公开了电力线通信网络中基于用户影响度(User Influence Degree,简称UID)的关键节点选择方法。本发明的核心思想是基于用户之间的有向请求链接关系,通过将各用户的初始化UID进行不断迭代更新,使拥有更多链接请求的用户获得更高的UID,从而将其选择为关键用户节点。实践证明了此方法具有很好的实用性和易实现性等特点,且与用户实际请求的情况相符合,能够可靠地进行关键用户节点的选择,对构建基于关键节点的边缘缓存网络系统具有重要意义。
Description
技术领域
本发明涉及的是电力线通信网络中一种基于用户影响度的关键节点选择方法,属于电力线通信(Power Line Communication,简称PLC)领域。
背景技术
随着智能电网系统的快速发展,智能传感器设备在智能电网系统中的应用变得越来越广泛。由此造成了智能电网系统中的网络流量呈爆炸式增长,并且预计在未来几年这些网络流量的增长趋势将会持续甚至更加强劲。由于智能电网中大量的数据传输都存在于回程链路,从而造成了很多冗余的数据传输,使包括传输能量损耗和传输可靠性等在内的系统性能受到严重影响。因此,如何有效减少冗余的数据传输,缓解网络流量的阻塞以达到系统性能的提升,是智能电网系统面临的一个巨大挑战。
在此背景下,缓存技术被提出来缓解不断增长的网络流量。缓存技术可以将用户所需的内容存储在诸如小基站和用户设备等缓存节点之中。相比于控制主机站,这些缓存节点离用户更近,因此,将内容缓存在这些节点可以显著得减少回程链路传输,从而减少系统大量传输能量损耗、提高传输的可靠性的。
最近的大量关于缓存技术的研究都是聚焦于无线网络系统,但是,基于无线网络的缓存机制是不容易应用于智能电网系统的。这是由于在智能电网中,许多电气设备不具备无线接口,因而无法接入到无线网络。在这种情况下,电力线通信被提出来应用与智能电网系统中。由于各种电气设备本质上都是通过电力线来连接的,因而能够很方便的接入到PLC网络。此外,考虑到PLC网络是采用分布极其广泛的电力网络作为信息传输媒介,所以PLC网络可以很好的运用于偏远地区的用户。但由于PLC信道中脉冲噪声以及快衰落的影响,在PLC网络进行远距离信号传输是一个挑战。因此,研究者们提出了将缓存技术应用于PLC网络,构建可缓存的PLC系统来提高PLC网络的传输性能。
在构建缓存系统时,一个关键的问题就是如何选择合适的网络节点作为缓存节点来存储用户需求的数据。原则上,这些缓存节点必须要更接近用户,并且被大部分用户所访问。也就是说,缓存节点必须是网络中的一些关键节点。在无线网络系统中,小基站和一些拥有较广泛的社交关系的用户的设备,都可以作为关键节点而被选择,很多相关研究都已给出了无线网络系统中的关键缓存节点的选取方案。然而,如何在PLC网络系统中选择合适缓存节点仍缺乏研究。而无线网络系统中的关键缓存节点的选择方法并不适用于PLC网络系统。
因此,本发明将对电力线通信网络中一种基于用户影响度的关键节点选择方法进行说明。
发明内容
发明目的:考虑目前关于缓存系统中的关键缓存节点的选择方案都是针对于无线网络系统的,本发明为可缓存的电力线通信网络设计了一种基于用户影响度的关键节点选择方法。
通常,PLC接入网是通过安装在电力网络中的变压器单元上的主基站(MasterBase Station,简称MBS)连接到骨干网。室内用户则通过一个从基站(Slaver BaseStation,简称SBS)连接到MBS,从而接入PLC网络。其中SBS通常位于室内的电表单元,因而离室内用户非常近。基于这种网络结构,可以考虑将用户需求的流行内容缓存在SBS上安装的缓存设备中。也就是说,这些SBS可以作为缓存系统中的关键缓存节点。由于每个室内用户都对应一个SBS,为了简化问题,可将每个室内用户和对应的SBS等效为一个用户节点,因此选择关键的SBS作为缓存节点问题就等效为选择关键的用户节点的问题。
技术方案:本发明提出的电力线通信网络中一种基于用户影响度的关键节点选择方法,该方法主要包括以下几个阶段。
第一阶段:
在如上的电力线网络结构中,各用户节点之间可以经由PLC网络相互通信,进而可以相互之间请求内容。这样一来,所有的用户节点之间都可能存在各种有向的请求链接关系。由于PLC网络是一种静态网络结构,具有很好的网络节点位置的稳定性,因此,这些请求链路可以形成一种稳定的有向请求图。而MBS作为网络的主要控制单元,可与每个SBS进行实时通信,所以,MBS能够实时获取各用户的有向请求图信息,并将所有的用户请求链接关系用一个链接矩阵A来数学表示。在本发明提出的电力线通信网络中一种基于用户影响度的关键节点选择方法中,获取用户的有向请求链接关系是执行关键节点正确选取的基础,该方法是根据请求链接关系来计算各个用户节点的影响度。
第二阶段:
基于第一阶段获取的有向请求链接关系,阶段二给出了迭代更新各用户节点UID的方法。首先,定义当前用户节点i的UID为节点i被其他用户节点请求的概率,表示为:p(i)。为了根据有向请求链接关系计算出各个用户节点的最终UID,首先初始化一个UID向量来表示各个用户节点的初始UID,假设为p0=(p(1),p(2),...,p(K))T,其中K为总的节点个数。
本发明提出的电力线通信网络中一种基于用户影响度的关键节点选择方法在迭代更新各节点UID时,规定当前用户节点i的UID取决于节点i的相邻节点的UID,所有的这些相邻节点都存在一条向节点i请求内容的链路。具体来讲,在每次迭代过程中,每个用户节点的UID都会均匀的分配给其相邻节点;此外,当一个用户节点i*不存在向其他节点请求内容的链路时,便设定节点i*的请求链路数为K,也就是说,这时节点i*会以为相同的概率向其他所有的节点请求内容,在此情况下,节点i*的UID也将均匀的分配给所有的用户节点。
为了保证UID迭代更新的过程收敛,本发明方法为迭代算法引入了一个迭代因子ρ。将ρ表示为各节点以链接矩阵A的规律相互请求内容的概率。考虑到各节点内容请求存在不确定性,各节点会以1-ρ的概率违背链接矩阵A的规律进行内容请求,而此时设定该节点的请求方式是以同等可能性向所有的节点进行内容请求。这样一来,可以证明基于迭代因子ρ的UID迭代更新过程是收敛的。尽管如此,为了降低迭代过程的复杂性,本说明方法设定了一个迭代终止条件。具体为:当迭代过程中相邻两次迭代产生的UID向量之差小于一个很小的正数时,可认为迭代已经收敛,UID向量趋向稳定,因而可以终止迭代,产生最终的UID向量。
第三阶段:
根据第二阶段得出的UID向量,便可表示出每个用户节点在网络中的影响程度。显然UID越大的节点拥有越高的影响力,这是由于存在大量的用户节点会向该节点请求内容,使得该节点成为了一个被访问的热点。此时,便可选择该节点作为网络中的一个关键节点。在这个关键节点中安装一个缓存设备进行内容缓存,形成了缓存网络系统中的缓存节点。
然而,考虑到缓存设备安装的成本等问题,并不是所有的用户节点都可以选择为关键节点并安装缓存设备。为此,需要设定一个影响度阈值Γ,并规定所有节点的UID必须大于阈值Γ才能被选择为关键节点。因此,第三阶段主要就完成各用户节点的UID与阈值Γ比较过程。当某个UID大于Γ时,选择对应的用户节点为关键节点,当某个UID小于Γ时,对应的用户节点将不被选为关键节点。直到将所有的节点都比较完毕,并将选择出来的关键节点表示成:ν={v1,v2,…,vM},其中M是选择出的关键节点的个数。至此,本发明公布的电力线通信网络中一种基于用户影响度的关键节点选择方法便实施完毕,从而网络商可在选择出的关键节点中安装相应的缓存设备用户存储流行内容,由此可构建基于电力线通信网络的边缘缓存系统,达到减少不必要的回程传输损耗、提高传输性能。
附图说明
图1关键节点选择方法流程示意图;
图2影响度阈值Γ对关键节点的个数以及相应的能量性能的影响。
具体实施方式
根据以上发明方法的技术方案,可相应给出各阶段的数学描述,进而从数学的角度展示电力线通信网络中一种基于用户影响度的关键节点选择方法的具体实施方式。基本步骤如下:
步骤1:
根据第一阶段MBS实时获取的各用户有向请求链接关系信息,将其抽象为一个有向图模型,并将有向图的链接关系用一个链接矩阵A来数学表示。其中链接矩阵A的元素aij表示为用户节点i向用户节点j分配i节点UID的权重,再根据节点选择方法的第二阶段所描述的均匀分配规则,aij可表示为
其中Φi表示节点i向其他节点的请求链路总数,表示节点i向节点j有一个请求链路,为有向图的边集合,β表示无任何请求链路的节点集合,K为总的用户节点个数。
步骤2:
根据第二阶段所说明的电力线通信网络中一种基于用户影响度的关键节点选择方法中关于用户节点UID的迭代规则,可表达出在每次迭代更新某个用户节点j的UID时的数学关系表达式
其中p(j)表示所求当前节点j的UID,p(i)表示向当前节点j存在请求链路的用户节点i的UID,p(i*)表示无任何请求链路的用户节点i*的UID,其他参数均如公式(1)所示。
再结合公式(1)和公式(2),可以将所有用户节点UID的计算更新过程转化成一个线性方程组的形式
将K个用户节点的UID定义为一个UID向量p=(p(1),p(2),...,p(K))T,于是公式(3)可以写成矩阵形式
p=ATp. (4)
如方法说明第二阶段所述,为了确保公式(4)收敛,引入了迭代因子ρ。同样地,可以将基于迭代因子ρ的UID迭代更新过程表示为
pn+1=RTpn, (5)
其中e一个K维的单位行向量,pn是第n次迭代过程中是UID向量。
这样一来,便可从公式(5)所示的收敛的迭代过程中得出最终稳定的UID向量。但同时为了方法执行更简单,可以将迭代终止条件设置为
||pn+1-pn||1<τ (6)
其中τ是一个很小的正数。公式(6)表示当相邻两次迭代产生的UID向量之差小于τ时,可认为迭代已经收敛,UID向量趋向稳定。
步骤3:
显然,由步骤2可得出最终稳定的UID向量,也即每个用户节点的UID。如此一来便可根据预先设定的影响度阈值Γ,比较选择出UID较高的几个用户节点为关键节点。
具体来讲,当某个UID大于Γ时,选择对应的用户节点为关键节点,当某个UID小于Γ时,对应的用户节点将不被选为关键节点。直到将所有的节点都比较完毕,并将选择出来的关键节点表示成:V={v1,v2,…,vM},其中M是选择出的关键节点的个数。
通过以上三个步骤,便可完整执行本专利公布的电力线通信网络中一种基于用户影响度的关键节点选择方法。
最后,本专利对公布的电力线通信网络中一种基于用户影响度的关键节点选择方法的性能进行了仿真。仿真以电力线通信网络中的回程链路能量损耗的减少量为指标,给出了在不同影响度阈值条件下的能量损耗减少量的对比。为了更全面比较,仿真给出了多种缓存策略在变化的影响度阈值条件下的性能。仿真结果如图2所示。显然,随着Γ的增加,所有缓存策略下所带来的回程链路能量损耗的减少量都会降低。这是因为Γ越大,满足UID大于Γ的用户节点越小,即选择的关键缓存节点M就越少,从而带来能量损耗减少量也必然降低。
Claims (2)
1.电力线通信网络中一种基于用户影响度的关键节点选择方法,其特征在于:以用户之间的请求链接关系作为基础,通过不断地迭代对各个用户节点的用户影响度(UserInfluence Degree,简称UID)进行更新,从而获得选择关键节点的因素。
2.如权利要求1所述的电力线通信网络中一种基于用户影响度的关键节点选择方法,其特征在于:灵活设定关键节点选择的影响度阈值,从而确保关键节点影响度达到实际系统所需要的水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810779327.1A CN109039376A (zh) | 2018-07-16 | 2018-07-16 | 电力线通信网络中基于用户影响度的关键节点选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810779327.1A CN109039376A (zh) | 2018-07-16 | 2018-07-16 | 电力线通信网络中基于用户影响度的关键节点选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109039376A true CN109039376A (zh) | 2018-12-18 |
Family
ID=64643201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810779327.1A Pending CN109039376A (zh) | 2018-07-16 | 2018-07-16 | 电力线通信网络中基于用户影响度的关键节点选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109039376A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013000961A1 (fr) * | 2011-06-30 | 2013-01-03 | Thales | Reseau d'interconnexion d'equipements pour vehicules militaires par courants porteurs en ligne |
CN104579868A (zh) * | 2014-11-28 | 2015-04-29 | 广东电网有限责任公司电力调度控制中心 | 基于节点重要度的电力通信网络构建方法 |
CN107517201A (zh) * | 2017-07-28 | 2017-12-26 | 北京航空航天大学 | 一种基于时序移除的网络脆弱性辨识方法 |
US20180131606A1 (en) * | 2014-02-04 | 2018-05-10 | Fastly, Inc. | Communication path selection for content delivery |
-
2018
- 2018-07-16 CN CN201810779327.1A patent/CN109039376A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013000961A1 (fr) * | 2011-06-30 | 2013-01-03 | Thales | Reseau d'interconnexion d'equipements pour vehicules militaires par courants porteurs en ligne |
US20180131606A1 (en) * | 2014-02-04 | 2018-05-10 | Fastly, Inc. | Communication path selection for content delivery |
CN104579868A (zh) * | 2014-11-28 | 2015-04-29 | 广东电网有限责任公司电力调度控制中心 | 基于节点重要度的电力通信网络构建方法 |
CN107517201A (zh) * | 2017-07-28 | 2017-12-26 | 北京航空航天大学 | 一种基于时序移除的网络脆弱性辨识方法 |
Non-Patent Citations (2)
Title |
---|
曾瑛 等: "基于电网影响因子的电力通信网关键节点识别", 《电力系统保护与控制》 * |
王汪兵 等: "电力通信网关键节点辨识方法研究", 《电力系统保护于控制》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Optimal power flow solution using fuzzy evolutionary and swarm optimization | |
Moradi et al. | A novel method for optimal DG units capacity and location in Microgrids | |
Geem et al. | Parameter-setting-free harmony search algorithm | |
Othman et al. | Optimal placement and sizing of voltage controlled distributed generators in unbalanced distribution networks using supervised firefly algorithm | |
Geem et al. | Optimal design of water distribution networks using parameter-setting-free harmony search for two major parameters | |
Quadri et al. | Multi‐objective approach to maximise loadability of distribution networks by simultaneous reconfiguration and allocation of distributed energy resources | |
Shaheen et al. | An improved sunflower optimization algorithm-based Monte Carlo simulation for efficiency improvement of radial distribution systems considering wind power uncertainty | |
Sgouras et al. | Impact of reverse power flow on the optimal distributed generation placement problem | |
Kola Sampangi et al. | Optimal capacitor allocation in distribution networks for minimization of power loss and overall cost using water cycle algorithm and grey wolf optimizer | |
CN107171339B (zh) | 一种含微网的配电网电压无功优化方法 | |
CN109697018A (zh) | 调整存储节点副本数量的方法和装置 | |
Jalili et al. | Optimal sizing and sitting of distributed generations in power distribution networks using firefly algorithm | |
Akumalla et al. | A modified cuckoo search algorithm for improving voltage profile and to diminish power losses by locating multi-type FACTS devices | |
dos Santos et al. | Methodology of solution for the distribution network reconfiguration problem based on improved harmony search algorithm | |
Amraee et al. | Immune‐based selection of pilot nodes for secondary voltage control | |
Johnson et al. | Security-constrained optimal placement of PMUs using Crow Search Algorithm | |
CN109039376A (zh) | 电力线通信网络中基于用户影响度的关键节点选择方法 | |
Khadanga et al. | A modified local input signal for SSSC-based damping controller design | |
Liu et al. | Distributionally robust co‐optimization of the demand‐side resources and soft open points allocation for the high penetration of renewable energy | |
Garg et al. | In-network caching for hybrid satellite-terrestrial networks using deep reinforcement learning | |
CN112990637A (zh) | 一种应用于配电网的多元协调规划方法 | |
Kavousi‐Fard et al. | A novel multi‐objective self‐adaptive modified θ‐firefly algorithm for optimal operation management of stochastic DFR strategy | |
Zhang et al. | Massive MIMO CSI reconstruction using CNN‐LSTM and attention mechanism | |
Ding et al. | Drazin inverse conditions for positivity and stability of switched descriptor systems | |
CN107248926B (zh) | 一种面向多目标的epon规划方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181218 |