CN109635885A - 一种改进aloha算法优化的山地变电站信号并行识别方法 - Google Patents
一种改进aloha算法优化的山地变电站信号并行识别方法 Download PDFInfo
- Publication number
- CN109635885A CN109635885A CN201811288908.1A CN201811288908A CN109635885A CN 109635885 A CN109635885 A CN 109635885A CN 201811288908 A CN201811288908 A CN 201811288908A CN 109635885 A CN109635885 A CN 109635885A
- Authority
- CN
- China
- Prior art keywords
- frame length
- value
- mountainous region
- discrimination
- monitoring signals
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012880 independent component analysis Methods 0.000 abstract description 2
- 230000007423 decrease Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mobile Radio Communication Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种改进ALOHA算法优化的山地变电站信号并行识别方法,属于物联网技术领域。本发明通过标签分组,能够将总标签数量按照合理的公式分组,使识别率能够随着的增大相对稳定,解决了动态帧时隙算法中识别率随着增大出现急剧下降的弊端;在山地变电站的监测信号量突然增多时,8个阅读器天线通过对监测信号的独立分量分析提取出独立分量之后,能够实现同一时隙多个监测信号的并行识别,提高识别的效率,由动态帧时隙的36.8%提升到最高95%以上。
Description
技术领域
本发明涉及一种改进ALOHA算法优化的山地变电站信号并行识别方法,属于物联网技术领域。
背景技术
随着物联网技术和智能电网的飞速发展,物联网技术在变电站中的应用给变电站安全监测提供了新的方案和思路。在很多未实现智能化的变电站中,报警系统,消防系统,等辅助监测系统都是独立分开的,容易出现对事故发生的处理不及时;在设备巡视方面还是以人工巡检为主,巡视的质量人为因素较大。且工作人员需要对巡视的数据进行分析才能处理,而现场巡视人员往往不具备这样的能力。在北美,许多早期变电站采用的还是传统的集中RTU来实现对变电站的监控,该模式属于变电站自动化的初级模式。无论是在欧洲还是在我国,新建的变电站大部分采用的是分布分散式机构,具有信息共享、稳定性强以及扩展性好的优点。国内这几年也一直在不断的向实现变电站智能化,无人化发展。在变电站辅助监测系统中引入物联网技术,依靠物联网构建的庞大的感知终端设备群采集各类数据信息,通过网络传输给上层应用,智能化分析和处理,将会大大提升变电站处理一些问题的效率,减少人力和物力,提升变电站智能化水平。
对于山地变电站来说,变电站中很多设备是在室外工作,由于自然条件比如气候、飞禽、地势等的影响,要保证变电站的正常运行及安全工作,及时获得准确可靠的信息显得十分关键。因此需要加强对工作区域的实时监测。运用物联网RFID技术进行信号监测时会出现信息碰撞问题而导致不能准确及时监测到设备异常信息,而错过最佳处理上报时机造成严重后果。
发明内容
本发明提供了一种改进ALOHA算法优化的山地变电站信号并行识别方法,以用于解决传统帧时隙算法中识别率低和随着待识别监测信号数n增大出现急剧下降,导致信息不能及时被识别、处理而产生的变电站安全隐患的弊端。
本发明的技术方案是:一种改进ALOHA算法优化的山地变电站信号并行识别方法,所述方法步骤如下:
A、在山地变电站中配置RFID无线系统,该系统包括阅读器和电子标签;
B、带8个天线的阅读器根据改进的ALOHA算法实时采集电子标签送来的载波信号,具体过程为:
B1、判断电子标签发送的待识别监测信号数n是否大于m:
如果大于,则根据1≤n-m(r-1)≤m公式,确认分组数r;其中,r取正整数;
否则,分组数r=1;
B2、从r=1开始,每个分组下在指定的帧长N内,每个时隙下并行传输k个监测信号,共计每个分组下传输m个电子标签发送的信号,直到分组结束,n个待识别监测信号数全部识别;
其中,m表示帧长N取不同值是一个分组下传输的标签数最大值;1≤k≤8。
所述m取值根据识别率公式计算得到,具体为:
从帧长N的取值8、16、32、64、128、256中选取相邻的两个作为N1、N2参与公式得出各相邻帧长的识别率交点对应的标签数量:
①帧长N=8,m取值=41;
②帧长N=16,m取值=82;
③帧长N=32,m取值=163;
④帧长N=64,m取值=326;
⑤帧长N=128,m取值=651;
⑥帧长N=256,m取值=1301。
本发明的有益效果是:本发明通过标签分组,能够将总标签数量n按照合理的公式分组,使识别率S能够随着n的增大相对稳定,解决了动态帧时隙算法中识别率S随着n增大出现急剧下降的弊端;在山地变电站的监测信号量突然增多时,8个阅读器天线通过对监测信号的独立分量分析提取出独立分量之后,能够实现同一时隙多个监测信号的并行识别,提高识别的效率,由动态帧时隙的36.8%提升到最高95%以上。
附图说明
图1为本发明的绘制S-n曲线的流程图;
图2为本发明实施例1中的识别率公式仿真图;
图3为本发明实施例2中的识别率公式仿真图。
具体实施方式
实施例1:如图1-2所示,一种改进ALOHA算法优化的山地变电站信号并行识别方法,所述方法步骤如下:
A、在山地变电站中配置RFID无线系统,该系统包括阅读器和电子标签;
B、带8个天线的阅读器根据改进的ALOHA算法实时采集电子标签送来的载波信号,具体过程为:
B1、电子标签发送的待识别监测信号数1300不大于1301,分组数r=1;
B2、该分组下在指定的帧长N=256内,每个时隙下并行传输k个监测信号,共计该分组下传输1301个电子标签发送的信号;绘制S-n曲线图,如图2所示(根据流程图1,即输入n=1300,判断是否n>1301,跳到否;执行识别率公式绘制S-n曲线图)。此时监测信号数从1到1300执行算法流程后,不用继续分组就已经算完1300个监测信号。此时的仿真图如图2可以看到识别率最高能达到95%以上,并且随着n的增大,识别率S不会出现急剧下降的情况,而是相对平稳的重复一段相对高识别率的曲线变化。
所述m取值根据识别率公式计算得到,具体为:
从帧长N的取值8、16、32、64、128、256中选取相邻的两个作为N1、N2参与公式得出各相邻帧长的识别率交点对应的标签数量:
帧长N=256,m取值=1301。
仿真结果表明:本发明算法能更好的适应当山地变电站因各类外界或内在因素影响到电站的稳定安全运行时,能够提高对各类影响因素监测信号的成功识别率,经过分组并行识别后从动态帧时隙ALOHA算法的36.8%提升到最高95%以上,并且随着监测信号量的增大,识别率S不会出现急剧下降的现象,而是重复一个相对平稳且较高的曲线。因此能够有力保证变电站监测信号被及时识别、处理,大大降低了山地变电站工作环境的安全隐患指数,保证了变电站及工作人员的安全。
实施例2:如图1、3所示,一种改进ALOHA算法优化的山地变电站信号并行识别方法,所述方法步骤如下:
A、在山地变电站中配置RFID无线系统,该系统包括阅读器和电子标签;
B、带8个天线的阅读器根据改进的ALOHA算法实时采集电子标签送来的载波信号,具体过程为:
B1、电子标签发送的待识别监测信号数4000大于1301,则根据1≤4000-1301(r-1)≤1301公式,确认分组数r=4;
B2、从r=1开始,每个分组下在指定的帧长N=256内,每个时隙下并行传输k个监测信号,共计每个分组下传输1301个电子标签发送的信号,直到分组结束,4000个待识别监测信号数全部识别;绘制四次连续的S-n曲线图,如图3所示,即过程如下:
1)输入n=4000,判断是否n>1301,跳到是;
2)根据分组公式1≤4000-1301(r-1)≤1301,得到r=4,分为4组;
3)第一组开始执行吞吐率公式此时1≤n≤1301;
4)设置变量f=1,此时n的区间为1301f+1≤n≤1301(f+1),即1302≤n≤2602,第二组开始执行吞吐率公式判断是否f>r-2,即1>2,跳到否,令f=f+1,即f=2;
5)f=2,此时n的区间为1301f+1≤n≤1301(f+1),即2603≤n≤3903,第三组开始执行吞吐率公式判断是否f>r-2,即2>2,跳到否,令f=f+1,即f=3;
6)f=3,此时n的区间为1301f+1≤n≤1301(f+1),即3904≤n≤5204,第四组开始执行吞吐率公式判断是否f>r-2,即3>2,跳到是,绘制四次连续的S-n曲线图。
此时监测信号数从1到1301执行识别率公式S后,1302~2602又重新开始执行识别率公式S……以此循环下去,直到算完4000个监测信号。此时的仿真图如图3可以看到识别率最高能达到95%以上,并且随着n的增大,识别率S不会出现急剧下降的情况,而是相对平稳的重复一段相对高识别率的曲线变化。
所述m取值根据识别率公式计算得到,具体为:
从帧长N的取值8、16、32、64、128、256中选取相邻的两个作为N1、N2参与公式得出各相邻帧长的识别率交点对应的标签数量:
帧长N=256,m取值=1301。
仿真结果表明:本发明算法能更好的适应当山地变电站因各类外界或内在因素影响到电站的稳定安全运行时,能够提高对各类影响因素监测信号的成功识别率,经过分组并行识别后从动态帧时隙ALOHA算法的36.8%提升到最高95%以上,并且随着监测信号量的增大,识别率S不会出现急剧下降的现象,而是重复一个相对平稳且较高的曲线。因此能够有力保证变电站监测信号被及时识别、处理,大大降低了山地变电站工作环境的安全隐患指数,保证了变电站及工作人员的安全。
本发明的工作原理是:
1、对变电站需要实时监测的各类信息元素进行罗列后,贴上电子标签,对所监测的信息进行实时采集传输,设备的运行环境中有RFID适配器,每个网络节点上装有阅读器。
2、令阅读器的天线数为8,当某个时隙的标签数k满足1≤k≤8时,该时隙的标签可用上述原理识别,同一时隙中多个独立的标签信号之间的碰撞就变成了可识别的多标签时隙。因此,当待测标签数量为n时,碰撞时隙可重新定义为:向阅读器返回信号的标签数多于阅读器天线数的时隙,即在一个时隙中,多于8个的标签信号才会发生碰撞。
若S代表识别率,N为帧长,k为某个时隙的标签数,n为标签数量。本发明的改进算法中,一个时隙最多能并行识别8个标签数,n个标签中有k(1≤k≤8)个标签被成功识别的概率也符合概率论中的二项式分布,因此识别率公式S可由动态帧时隙ALOHA算法的识别率公式改进,将k=1,2,3,4,5,6,7,8这几种情况的概率求和,得:
3、当N取不同值时,随着n的增加,识别率S先增加到最大值97.3%,之后开始下降趋于零,失去了识别功能。不同的N值在达到最高识别率时对应了不同的标签数量。由于N的取值有8、16、32、64、128、256(国际标准规定时隙ALOHA算法的帧长只能取8~256的2的整数次幂),令N1、N2为相邻帧长,带入公式S中,令S1=S2,即:
求出各相邻帧长的识别率交点对应的标签数量,结果如下表:
帧长N | 8 | 16 | 32 | 64 | 128 | 256 |
标签数n | 1~41 | 42~82 | 83~163 | 164~326 | 327~651 | 652~1301 |
当n>1301时,即使此时取N=256,识别率S也会逐渐下降直到趋于零,为了防止本算法失去识别功能,因此当n>1301时有必要对标签数n进行重新分组。
4、当N=8时,识别率公式为得到标签数量n和分组数r的关系表:
分组数r | 1 | 2 | 3 | 4 | 5 |
标签数量n | 1~41 | 42~82 | 83~123 | 124~164 | 165~205 |
当N=16时,识别率公式为得到标签数量n和分组数r的关系表:
分组数r | 1 | 2 | 3 | 4 | 5 |
标签数量n | 1~82 | 83~164 | 165~246 | 245~326 | 327~408 |
当N=32时,识别率公式为得到标签数量n和分组数r的关系表:
分组数r | 1 | 2 | 3 | 4 | 5 |
标签数量n | 1~163 | 164~326 | 327~489 | 490~652 | 653~815 |
当N取64、128时以此推论。
为了尽可能少的分组,取N=256,最终识别率公式为:
此时得到标签数量n和分组数r的关系表,如下表:
分组数r | 1 | 2 | 3 | 4 | 5 |
标签数量n | 1~1301 | 1302~2602 | 2603~3903 | 3904~5204 | 5205~6505 |
由表得到n和r的关系式:1≤4000-1301(r-1)≤1301,假设标签数量n=2000时,只有r=2时,式1≤4000-1301(r-1)≤1301才成立,因此分为2组,n=1301为临界值,每组都按照公式S计算得到最终的识别率。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (2)
1.一种改进ALOHA算法优化的山地变电站信号并行识别方法,其特征在于:所述方法步骤如下:
A、在山地变电站中配置RFID无线系统,该系统包括阅读器和电子标签;
B、带8个天线的阅读器根据改进的ALOHA算法实时采集电子标签送来的载波信号,具体过程为:
B1、判断电子标签发送的待识别监测信号数n是否大于m:
如果大于,则根据1≤n-m(r-1)≤m公式,确认分组数r;其中,r取正整数;
否则,分组数r=1;
B2、从r=1开始,每个分组下在指定的帧长N内,每个时隙下并行传输k个监测信号,共计每个分组下传输m个电子标签发送的信号,直到分组结束,n个待识别监测信号数全部识别;
其中,m表示帧长N取不同值是一个分组下传输的标签数最大值;1≤k≤8。
2.根据权利要求1所述的改进ALOHA算法优化的山地变电站信号并行识别方法,其特征在于:所述m取值根据识别率公式计算得到,具体为:
从帧长N的取值8、16、32、64、128、256中选取相邻的两个作为N1、N2参与公式得出各相邻帧长的识别率交点对应的标签数量:
①帧长N=8,m取值=41;
②帧长N=16,m取值=82;
③帧长N=32,m取值=163;
④帧长N=64,m取值=326;
⑤帧长N=128,m取值=651;
⑥帧长N=256,m取值=1301。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288908.1A CN109635885B (zh) | 2018-10-31 | 2018-10-31 | 一种改进aloha算法优化的山地变电站信号并行识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288908.1A CN109635885B (zh) | 2018-10-31 | 2018-10-31 | 一种改进aloha算法优化的山地变电站信号并行识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635885A true CN109635885A (zh) | 2019-04-16 |
CN109635885B CN109635885B (zh) | 2021-08-06 |
Family
ID=66066939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811288908.1A Active CN109635885B (zh) | 2018-10-31 | 2018-10-31 | 一种改进aloha算法优化的山地变电站信号并行识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635885B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093571A1 (en) * | 2011-10-18 | 2013-04-18 | Tae Jin Lee | Anti-collision system and method for reducing the collision of data transmitted by rfid tags |
CN103324969A (zh) * | 2013-07-04 | 2013-09-25 | 厦门信达物联科技有限公司 | 一种多天线同时工作的rfid读写器及其识别射频数据信号的方法 |
CN104657693A (zh) * | 2015-02-26 | 2015-05-27 | 江西理工大学 | 一种基于分组自适应分配时隙的rfid防碰撞方法 |
CN107038398A (zh) * | 2017-04-28 | 2017-08-11 | 中国石油大学(华东) | 匿名多组射频识别系统的丢失标签非确定性并行检测方法 |
CN108052855A (zh) * | 2018-01-08 | 2018-05-18 | 广西大学 | 适用于rfid系统的新型q值防碰撞算法 |
-
2018
- 2018-10-31 CN CN201811288908.1A patent/CN109635885B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130093571A1 (en) * | 2011-10-18 | 2013-04-18 | Tae Jin Lee | Anti-collision system and method for reducing the collision of data transmitted by rfid tags |
CN103324969A (zh) * | 2013-07-04 | 2013-09-25 | 厦门信达物联科技有限公司 | 一种多天线同时工作的rfid读写器及其识别射频数据信号的方法 |
CN104657693A (zh) * | 2015-02-26 | 2015-05-27 | 江西理工大学 | 一种基于分组自适应分配时隙的rfid防碰撞方法 |
CN107038398A (zh) * | 2017-04-28 | 2017-08-11 | 中国石油大学(华东) | 匿名多组射频识别系统的丢失标签非确定性并行检测方法 |
CN108052855A (zh) * | 2018-01-08 | 2018-05-18 | 广西大学 | 适用于rfid系统的新型q值防碰撞算法 |
Non-Patent Citations (3)
Title |
---|
FENG ZHENG,THOMAS KAISER: "Adaptive Aloha anti-collision algorithms for RFID systems", 《EURASIP JOURNAL ON EMBEDDED SYSTEMS》 * |
张小红,金允钢: "基于帧时隙的欠定盲分离RFID防碰撞算法研究", 《系统仿真学报》 * |
徐海峰,姜晖,刘振: "一种新的RFID混合防碰撞算法", 《计算机工程与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109635885B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985632A (zh) | 一种基于孤立森林算法的用电数据异常检测模型 | |
CN202009267U (zh) | 智能变电站设备状态一体化监测与分析系统 | |
CN106022645A (zh) | 非侵入式在线实时电力负荷识别方法及识别系统 | |
CN103499753B (zh) | 快速识别高压直流输电系统暂态故障的智能系统 | |
US11296505B2 (en) | Method for analyzing correlation between different line loss actions | |
CN106250934B (zh) | 一种缺陷数据的分类方法及装置 | |
CN104270779A (zh) | 一种无线网络故障原因预处理方法及无线网络故障工单派发系统 | |
CN102539911A (zh) | 物联网架构下的电能智能计量系统 | |
CN103544652B (zh) | 电网行业分类负荷自动统计方法及系统 | |
CN108197817A (zh) | 一种基于大数据的非侵入式负荷暂态监测的方法 | |
CN103812577A (zh) | 非正常无线电信号的自动识别系统及其方法 | |
CN111182076A (zh) | 云边协同的智能电网监测系统及其资源分配和调度方法 | |
CN103760901A (zh) | 一种基于关联规则分类器的轨道交通故障识别方法 | |
CN105574165A (zh) | 一种基于聚类的电网运行监控信息辨识分类方法 | |
CN106971254A (zh) | 一种业务监控系统及方法 | |
CN103729804A (zh) | 一种应对电能质量预警的在线决策支持方法 | |
CN110119545A (zh) | 一种基于栈式自编码器的非侵入式电力负荷识别方法 | |
CN113496440B (zh) | 一种用户异常用电检测方法及系统 | |
CN212785420U (zh) | 一种基于云边协同和5g网络的无人机巡检系统 | |
CN109067000A (zh) | 一种配用电智能负荷监控系统 | |
CN105897488A (zh) | 一种无线电信号数据的可视化方法 | |
CN109635885A (zh) | 一种改进aloha算法优化的山地变电站信号并行识别方法 | |
CN107885156A (zh) | 用于精益监测电站设备的智能前端多媒体信息采集系统 | |
CN114154733A (zh) | 一种光伏发电功率预测系统 | |
Liu et al. | Intelligent station area recognition technology based on NB-IoT and SVM |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |