CN110729783B - 一种在线可充电传感器网络充电调度系统 - Google Patents
一种在线可充电传感器网络充电调度系统 Download PDFInfo
- Publication number
- CN110729783B CN110729783B CN201911009531.6A CN201911009531A CN110729783B CN 110729783 B CN110729783 B CN 110729783B CN 201911009531 A CN201911009531 A CN 201911009531A CN 110729783 B CN110729783 B CN 110729783B
- Authority
- CN
- China
- Prior art keywords
- charging
- node
- charged
- energy
- nodes
- 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
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 230000004083 survival effect Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 3
- 235000003642 hunger Nutrition 0.000 claims description 32
- 230000037351 starvation Effects 0.000 claims description 32
- 238000005265 energy consumption Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 230000004622 sleep time Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种在线可充电无线传感器网络充电调度系统,包括多个无线充电车,维护站;维护站包括服务队列系统和充电服务系统;服务队列系统接收网络中能量匮乏节点发出的充电请求及其剩余能量信息并将充电请求以服务队列的形式存储在服务队列中,根据排队论按能量匮乏节点的最小存活时间将服务队列划分为多个充电服务子队列并导入充电服务系统;充电服务系统根据各能量匮乏节点的位置信息和剩余能量信息进行优先级度量,实时规划合理的充电路径,使用多个无线充电车对各充电服务子队列中的能量匮乏节点按照充电优先级依次进行充电服务。本发明在保证网络长期运行的前提下,提高了充电车的充电效率和能量利用率,减少了节点的充电等待总时间。
Description
技术领域
本发明属于无线可充电传感器网络技术领域,涉及一种基于Maslows能量需求理论的无线可充电传感器网络充电调度系统。
背景技术
无线传感器网络由数百个同构和异构的小型传感器节点组成,可以监控和捕获目标的物理参数,但是传统能量有限的电源成为无线传感器网络发展的瓶颈。为了解决能源的问题,具有能量收集技术的传感网络:无线可充电传感器网络(Wireless RechargeableSensorNetwork,WRSN)应运而生。一个典型的WRSN应该包括以下几个部分:维护站、无线充电车(Wireless Charging Vehicle,WCV)、若干个传感器节点。维护站充当数据收集中心和能量源,给无线充电车提供能量,充电车从维护站出发根据调度策略为节点补充能量,然后返回维护站补充能量开始下一轮的充电任务。
充电车的充电调度方法一直是研究的热门问题,很多学者提出了相关的解决方案,但是大多数的研究都是采用周期充电的方式即每个充电车都有固定的充电时间表,需要对节点的剩余能量和工作状态进行预测。但是在实际运行的WRSN中,事件是随机发生的,传感器节点的能量消耗也是随机的,难以对其剩余能量和工作状态进行预测,因此导致充电的成本非常高昂。
发明内容
本发明要解决的技术问题是提出一种在线可充电传感器网络充电调度系统,该可以实现对无线充电车充电路径的优化,减小传感器节点的充电等待时间。
为了解决上述技术问题,本发明的在线可充电传感器网络充电调度系统包括多个无线充电车,维护站;其特征在于所述的维护站包括服务队列系统和充电服务系统;服务队列系统接收网络中能量匮乏节点,即能量低于设定阈值的传感器节点发出的充电请求及其剩余能量信息,并将各充电请求以服务队列的形式存储在服务队列中,然后根据排队论按能量匮乏节点的最小存活时间将服务队列划分为多个充电服务子队列并将多个充电服务子队列导入充电服务系统;充电服务系统根据各能量匮乏节点的位置信息和剩余能量信息进行优先级度量,实时规划合理的充电路径,使用多个无线充电车对各充电服务子队列中的能量匮乏节点按照充电优先级依次进行充电服务。
所述的服务队列系统根据能量匮乏节点的位置信息计算各能量匮乏节点到一台无线充电车的最短距离。然后计算该无线充电车遍历所有能量匮乏节点时的最短路径Lmin,并计算出预计完成充电的时间TC,将服务队列分为个充电服务子队列;每台无线充电车为一个充电服务子队列对应的多个能量匮乏节点进行充电服务:
Tc=Lmin/vc
其中vc为无线充电车的移动速度;Ls为充电服务子队列的平均队长;ρ为充电服务强度,ρ<1;μ为无线充电车的服务率;λ为能量匮乏节点发出充电请求的平均时间间隔的倒数;Ws为能量匮乏节点在充电服务子队列中的逗留时间;S0 k中的0代表充电周期为初始周期,k表示时间间隔个数,S0 k代表各个充电间隔的时长之和;
所述的充电服务系统按照下述方法对每个充电服务子队列中各个能量匮乏节点,即待充电节点进行优先级度量:
首先选取初始充电节点,计算初始充电节点周围其他待充电节点的Maslows能量需求矩,并按Maslows能量需求矩的大小将其他待充电节点依次加入到无线充电车的充电优先级队列;完成对初始充电节点的充电任务后,即将该初始充电节点从充电优先级队列中删除,将其余Maslows能量需求矩最高的待充电节点作为次级待充电节点,在为次级待充节点充电的同时选择其周围Maslows能量需求矩大的待充电节点加入充电优先级队列;Maslows能量需求矩计算方法如下:
步骤一、设待充电节点i的能量消耗速率为Pi,根据下述公式计算时间t内该待充电节点i的能量需求度θi:
步骤二、计算充电服务子队列中各待充电节点的Maslows能量需求矩,针对任一待充电节点xl,其Maslows能量需求矩根据以下公式计算:
其中假设xk为无线充电车正在驶向的目标充电节点,xl为目标充电节点xk周围的某一待充电节点,Lkl表示目标充电节点xk和待充电节点xl之间的距离,θk为目标充电节点xk的能量需求度,θl为待充电节点xl的能量需求度。
所述的充电优先级队长恒定为3。
初始充电节点的选取方法如下:
在无线充电车的周围选取Maslows能量需求矩最大的三个待充电节点x1、x2、x3,将这三个待充电节点放入长度为3的充电优先级队列中,并从中选取初始充电节点;初始充电节点的选择应该满足如下三个约束条件:
约束条件一:所选取的初始充电节点在无线充电车遍历三个待充电节点的时间内不会死亡;
约束条件二:3个待充电节点到无线充电车的距离方差应尽可能的小;
约束条件三:当目标充电节点与其他两个待充电节点间的距离大于两个待充电节点间的距离时,无线充电车将该目标充电节点更新为待充电节点,并从两个待充电节点中选择一个作为目标充电节点,该目标充电节点即为初始充电节点。
当两个待充电节点具有相同的能量需求度时,距离当前目标充电节点距离较远的待充电节点具有较高的充电优先级。
当两个待充电节点与当前目标充电节点间的距离相同时,其中能量需求度高的待充电节点具有较高的充电优先级。
本发明提出基于Ek/M/1/3(FCFS)的充电优先级策略,首先选取初始充电节点,计算初始充电节点周围其他待充电节点Maslows能量需求矩,并按Maslows能量需求矩的大小依次加入到WCV的充电优先级队列。WCV完成对初始充电节点的充电任务后,即将该节点从充电优先级队列中删除,然后将能量需求矩最高的节点作为次级待充电节点。WCV在为次级待充节点充电的同时选择周围能量需求矩大的节点加入队列,依次完成节点的充电工作。
有益效果:
(1)通过将服务队列分为若干个充电服务子队列,并为每一个充电服务子队列分配一台无线充电车,可以实现对无线充电车充电路径的优化,减小了能量匮乏节点的充电等待时间。
(2)本发明采取的策略是在线工作的,WCV在工作过程中可以持续接收传感器节点发出的充电请求,本发明提出的充电策略的充电优先级队长恒定为3,因而平均响应时间波动不大,相对于其它的策略具有很大的优越性。
(3)本发明采用的算法是在能量一致的能量匮乏节点中优先选择距离较远的能量匮乏节点作为优先充电节点,可以保证在能量利用率较高的情况下充电服务中所有节点的不死亡。
(4)针对网络中睡眠节点数量这一指标,由于本发明在节点剩余能量相同时优先选择距离较远的节点充电,因而造成节点的睡眠时间较长。但是由于节点在睡眠状态时能耗较低,本发明可以保证在能量耗尽之前为其充电,因此节点仍然不会死亡。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为可充电无线传感器网络拓扑图。
图2位本发明的结构框图。
图3为排队系统位相流图。
图4为Maslows层次能量需求度模型示意图。
图5为节点之间的Maslows能量需求矩模型。
图6为WCV的初始目标选取示意图。
图7为相同的Maslows能量需求度下节点的选择策略模型图。
图8为距离相同节点的选择策略模型图。
图9为平均响应时间比较。
图10为能量利用率比较。
图11为死亡节点数量比较。
图12为平均睡眠时间比较。
具体实施方式
1.总体结构
本发明提供了一种基于Maslows能量需求理论的在线可充电传感器网络充电调度系统,如图1所示,该系统应用于一个包含若干个传感器节点(节点分为能量充足节点11和能量匮乏节点12)、若干辆可移动的无线充电车2(Wireless Charging Vehicle,WCV)以及网络边缘的维护站3(maintenance)组成的可充电无线传感器网络中。随着网络的持续运行,节点的能量逐渐消耗,当网络中某些节点的剩余能量低于能量阈值时,需要对其补充能量,该节点即向维护站发出充电请求。如图2所示,本发明的在线可充电传感器网络充电调度系统包括多个无线充电车,维护站;所述的维护站包括服务队列系统和充电服务系统;服务队列系统将这些充电请求以服务队列的形式存储在服务队列系统中,并根据能量匮乏节点的剩余能量信息对服务队列中的能量匮乏节点进行分类,形成若干充电服务子队列,将这些充电服务子队列导入充电服务系统中;充电服务系统根据能量匮乏节点的剩余能量信息和位置信息,运用Maslows能量需求矩进行优先级的度量,定义无线充电车的初始路线,规划最短路径,确定最终的充电路径完成充电。
2.实施方案
2.1服务队列需求模型
假设事件的发生是随机且互相独立的,那么传感器节点因感知周围环境所产生的数据将服从泊松分布,即传感器节点的能量消耗也服从泊松分布。随着网络的运行,传感器节点的剩余能量低于某一阈值时,向维护站发出充电请求。因此,网络中能量匮乏节点的充电请求应服从若干泊松分布之和,即服从k阶爱尔兰分布(k表示能量匮乏节点的个数,即每个充电子队列中的待充电节点数量)。假设无线充电车(WCV)为能量匮乏节点服务时其充电时间服从负指数分布,即该充电服务子队列服从Ek/M/1/∞(FCFS)排队模型,其中Ek为爱尔兰分布,k表示阶数,M为排队论中的队列中的服务单位数量,证明如下。
设{N(x),x≥0}表示网络中发生的感知事件,事件的发生是随机的且相互独立服从泊松分布,那么发生感知事件的时间间隔也是独立的且服从负指数分布。若用T1,T2,T3,...,Tk表示感知事件的发生时刻,那么随机变量Xj=Tj-Tj-1(j=1,2,...,k;T0=0)表示感知事件发生的时间间隔,则Xj服从负指数分布P{Xj>t}=e-λt,(j=1,2,...,k),即Sk=X1+X2+...+Xk。那么,{Sk≥x}与{N(x)≥k}是等效的,因此有:
由式(15)可知,网络中节点发出充电请求的时间间隔服从k阶爱尔兰分布,其中k表示充电请求的能量匮乏节点个数,x表示k个充电请求的时间间隔之和,λ表示k个充电请求的平均时间间隔的倒数,则其概率分布函数表示为:
其概率密度函数为:
充电服务子队列的模型服从Ek/M/1/∞(FCFS)排队模型,根据排队模型需要确定无线充电车的数量。
2.2无线充电车数量的确定
假设传感器节点所发出的充电请求服从k阶爱尔兰分布,其平均间隔时间为且只有一台移动充电车,WCV为待充电节点服务的时间服从参数为μ的负指数分布。将WCV到达系统的间隔时间分成k个相互独立且具有相同负指数分布的位相ti,则平均时间间隔的数学期望为(1≤i≤k)。每个传感器节点必须经过k个位相之后才会发出充电请求,即每个传感器节点只有感知若干事件之后且剩余能量达到一定的阈值才会发出充电请求。假设系统中已经有n个能量匮乏节点待充电,即这n个能量匮乏节点共通过nk个位相。当第n+1个能量匮乏节点进入服务队列前,已通过i-1个位相,且正处于第i个位相,此时系统的总位相为j=nk+i-1。即整个系统可以表述为基于充电请求时间间隔的齐次马尔科夫链{Xk,k≥0}。
假设当前充电服务队列中有n个能量匮乏节点待充电,而在第n+1个能量匮乏节点未发出充电请求前的可能位相是t1,t2,...,tk,因此,充电服务队列中待充电能量匮乏节点节点数的平稳分布为:
当服务队列中状态的瞬间变化增加一个位相,则相应的到达率则为kλ;如果一个能量匮乏节点被充电完毕,相当于状态减少k个位相,而WCV的服务率为μ,其平均服务时间为其排队系统位相流图如图3所示,根据位相流图可得:
定义该排队系统的充电服务强度(λ为能量匮乏节点发出充电请求的平均间隔时间的倒数,WCV的服务率为μ),则pk=k·ρ·p0,当ρ<1时,该排队系统将保持稳定。计算该服务队列的平均队长Ls和排队的平均等候队长Lq。S0 k中的0代表充电周期为初始周期,k表示的是时间间隔个数,S0 k代表充电周期内各个充电间隔的时长之和;指的是第j个待充电节点的充电请求时间间隔的平均值。
而能量匮乏节点在服务队列中的逗留时间Ws以及排队等待时间Wq为:
当网络中能量匮乏节点的数量较多时,服务队列中的能量匮乏节点数量将较大,需要将能量匮乏节点的服务队列分为若干个充电服务子队列,并为每一个充电服务子队列分配一台WCV。
首先定义服务队列的能量匮乏节点表为A,各能量匮乏节点的剩余能量表为N(A),同时一台WCV和各个能量匮乏节点的位置信息已知。服务队列根据WCV和各能量匮乏节点的位置信息计算各能量匮乏节点到WCV的最短距离。经计算,WCV遍历所有能量匮乏节点时的最短路径Lmin所对应的完成充电的时间为TC,Tc等于最短路径Lmin除以WCV的移动速度vc(Tc是充电路径上的时间,因为再计算Ls和Ws时考虑的也是充电间隔的时间)。则服务队列可分为个充电服务子队列,同时为每个充电服务子队列分配一台无线充电车,因而无线充电车的数量为辆。具体实现的伪代码如下:
每个充电服务子队列安排一个WCV后,需要为充电服务子队列建立合适的充电顺序,为此提出了能量需求矩的概念。
2.3能量需求矩
2.3.1 Maslows能量需求理论
首先Maslows层次需求理论主要是用于分析和描述人的需求问题,它形象地将人的需求由下到上划分为生理需求、安全需求、感情需求、尊重需求和自我实现需求等5个阶段。根据Maslows层次需求理论,需求度与资源总量之间并非线性增长关系,即当资源总量较小时,需求度的增长速度较快;而当物质资源总量较大时,需求度增长速度较慢。本文依据Maslows需求理论,为WRSN中的节点构建Maslows能量需求度模型,网络中节点的剩余能量越少,不仅能量补充的优先级越大,而且对能量及时补充的需求度也越大。
2.3.2 Maslows能量需求度
如图4所示,本发明所提出的Maslows层次能量需求度模型,该模型为圆锥体,圆锥的总体积表示传感器节点的总能量。当节点消耗的能量不断增大时,其对能量的需求度也在不断上升,这与节点剩余能量和能量需求度之间的关系一致。
设模型中圆锥的体积为V,高度为H,则圆锥的底面积为S表示为:
假设节点i的能量消耗速率为Pi(由于各节点的能量消耗速率不同,此处Pi取各节点能量消耗速率平均值),根据公式(29)计算时间t内能量需求度θi:
从公式(30)中可以看出,能量需求度的梯度是随着时间而逐渐增大的,呈非线性关系。因而,在建立节点优先级的时候,节点的能量需求度、需求度的梯度以及节点与无线充电车之间的距离都是需要考虑的因素。本发明提出了能量需求矩的概念,以能量需求矩作为衡量节点的充电优先级。
2.3.3 Maslows能量需求矩
图5为本发明所提出的Maslows能量需求矩求解示意图。本发明定义Maslows能量需求矩为某待充电节点的Maslows能量需求度与该待充电节点到WCV距离比值的余弦值。假设两个待充电节点分别为xk和xl,xk为WCV正在驶向的目标充电节点,xl为目标充电节点xk周围的某一待充电节点,Lkl表示目标充电节点xk和待充电节点xl之间的距离,θk为目标充电节点xk的能量需求度,θl为待充电节点xl的能量需求度;待充电节点xl的Maslows能量需求矩可由公式(31)求解。
由能量需求矩确定充电的优先级,进而对充电服务子队列中的待充电节点确定充电顺序。
2.4待充电节点充电顺序的确定
2.4.1初始充电节点的选择
在WCV周围选取Maslows能量需求矩最大的三个待充电节点x1、x2、x3,将这三个待充电节点放入长度为3的充电优先级队列γTj中,其中T为WCV充电目标点选择周期数,j表示充电优先级队列中的待充电节点的序号。因为初始充电节点的选择不能完全取决于待充电节点的能量需求矩的大小,还要避免待充电节点之间间距过大导致充电路径长度的增加,因此初始充电节点的选择应该满足如下三个约束条件:
(1)所选取的充电节点在WCV遍历三个节点的时间内不会死亡;
(2)3个待充电点到WCV的距离方差应尽可能的小。
(3)当目标充电节点与两个待充电节点间的距离大于两个待充电节点间的距离时,WCV应将该目标充电节点更新为待充电节点,并从两个待充电节点中选择一个作为目标充电节点。。
第1个约束条件表明初始化选取的3个待充电节点均需在WCV的充电能力范围内,由于本发明采用在线按需充电策略,所有待充电节点均具有较大的能量需求度,当WCV对所选取的3个待充电节点中的某一个待充电节点完成充电之后,应能保证其他两个待充电节点不会在等待充电过程中死亡。
第2个约束条件限制了所选取的初始3个待充电节点的位置离散性。
第3个约束条件指出所选取的目标充电节点与其他待充电节点间的距离不能太远,当WCV为该目标充电节点完成充电之后,可以减少WCV到后续待充电节点充电的行进路程。
当WCV初始选取的3个待充电节点满足第1个约束条件和第2个约束条件时,即:
min S2(DC1,DC2,DC3)
其中,S2(Dc1,Dc2,Dc3)表示WCV与3个待充电节点之间的距离方差;DC1表示WCV到第1个待充电节点的距离;L12和L23表示第1个待充电节点到第2个待充电节点的距离和第2个待充电节点到第3个待充电节点的距离;vc表示WCV的移动速度;ti表示WCV对第i个待充电节点充电的时间(能量消耗百分比除以充电效率);tD1、tD2和tD3分别表示3个待充电节点的存活时间。
为了实现约束条件3,本发明提出重心偏移角的选取方案。如图6所示。选取的三个待充电节点为x1、x2和x3,O为3个待充电节点的重心位置。其中,ξ1、ξ2和ξ3分别为待充电节点x1、x2和x3的重心偏移角,即为各待充电节点分别与重心O和WCV之间连线的夹角。
在x1、x2和x3组成的三角形中,待充电节点x1和x2之间距离较大,具有较大的离散度,同时,x3与x1及x3与x2之间具有较小的离散度。从这三个待充电节点考虑,在初始时刻的目标充电节点的选取时,通过比较3个待充电节点的角度大小,有∠x2<∠x1<∠x3。WCV将在角度较大的两个待充电节点x1和x3中做出选择。之后比较对应的重心偏移角,满足ξ1>ξ3,因而待充电节点x3具有较高的能量需求度优先级,选取其为WCV初始的目标充电节点。
2.4.2次级充电节点的选择
一般充电服务系统需要通过比较能量需求矩cos(θkl)实现对各待充电节点的充电优先级的排序,待充电节点的能量需求矩较大说明其具有较高的充电优先级,该待充电节点或者能量需求度较大或者距离WCV较远,为保证待充电节点的存活,需要优先为其充电;而能量需求矩cos(θkl)较小则说明其具有较小的充电优先级,说明该待充电节点或者能量需求度较小或者距离WCV较近,不必优先为其充电。WCV选择次级充电节点时应满足的条件如式(33)所示。
min(cosθk1,cosθk2,cosθk3,...,cosθkl) (33)
其中,l为目标充电节点k周围的待充电节点的编号。
当两个待充电节点具有相同的能量需求度时,能量需求矩的求法如图7所示。图中x1为当前WCV的目标充电节点,x2和x3为x1目标充电节点周围的待充电节点且x2和x3的Maslows能量需求度相同,此时x3比x2距离x1更远一些,即L13>L12。由于距离较远的待充电节点x3需要WCV行驶更长的时间才能到达,因此其应具有较高的充电优先级。按Maslows能量需求矩的定义,由于θ13>θ12,则两个待充电节点的能量需求矩满足cosθ12>cosθ13,此时WCV应选择Maslows能量需求矩较小的待充电节点x3作为次级充电节点。
当待充电节点与目标充电节点间的距离相同时,其能量需求矩的求法如图8所示,设x2和x3为距离目标充电节点x1相同的两个待充电节点,即L13=L12。能量需求度高的待充电节点x2能量最先耗尽,因此具有较高的充电优先级,从图8中也可以看出θ13>θ12,能量需求矩cosθ12>cosθ13,因此WCV选择待充电节点x2作为次级充电节点。
为此本发明提出基于Ek/M/1/3(FCFS)的充电优先级策略,首先选取初始充电节点,计算初始充电节点周围其他待充电节点Maslows能量需求矩,并按Maslows能量需求矩的大小依次加入到WCV的充电优先级队列。WCV完成对初始充电节点的充电任务后,即将该节点从充电优先级队列中删除,然后将能量需求矩最高的节点作为次级待充电节点。WCV在为次级待充节点充电的同时选择周围能量需求矩大的节点加入队列,依次完成节点的充电工作。具体实现的伪代码如下:
3、实现效果:
为衡量本发明所提基于Maslows能量需求矩的在线充电算法的性能,我们与NJNP算法和ACO蚁群算法进行了比较。主要针对节点的平均睡眠时间,能量利用率,网络节点的平均响应时间以及死亡节点数量等性能指标进行衡量分析,以评价本充电策略的可行性。
3.1实现环境:
设定的仿真情景为100m×100m的正方形区域,随机部署100个网络传感器节点,传感器节点的能量最大值为100kJ。传感器节点在正常工作模式下,其能量消耗的百分率εwork为0.02%/s,在睡眠模式下,其能量消耗的百分率εsleep为0.004%/s,在网络区域边缘设有维护站。依据本发明所提出的移动充电策略,WCV的数量与充电服务子队列的数量保持一致,即每一个充电服务子队列中都有一台WCV为待充电节点提供充电服务。WCV的运行速度为4m/s,其充电效率αc为0.1%/s,WCV每次需为待充电节点充满电之后才离开该节点,为保证网络的服务质量,正在被充电的节点视为正常工作节点,即节点可以工作与充电同时进行。WCV在行驶过程中的能量消耗速率PC为0.04kJ,节点的充电阈值即当传感器节点的剩余能量低于10%时将向维护站发出充电请求。
3.2平均响应时间
网络中传感器节点的平均响应时间指节点在发出充电请求开始至收到WCV的确认反馈的时间。图9表明,本发明所提策略的平均响应时间比NJNP与ACO的平均响应时间都短,这是由于本发明所提出的充电策略的充电优先级队长恒定为3,因此其平均响应时间波动不大,且相对比较稳定,而对于NJNP和ACO策略来说,由于服务队列长度没有限制,因此其平均响应时间要更长一些。此外,由于NJNP和ACO策略无法保证节点的存活,随着越来越多的节点死亡,其平均响应时间也将越来越短。
3.3能量利用率
充电策略的能量利用率是指WCV为节点补充的能量占其总消耗能量的百分比,反应了WCV的能量利用情况。对于每一辆WCV,如果忽略WCV与节点间建立充电链接的时间,其状态可分为充电状态与行驶状态两种。定义第j个充电服务子队列中的WCV编号为j,设WCV在网络中的t时间内,行驶距离为Lj,则WCV的处于行驶状态的时长为tl=Lj/νc,则WCV处于充电状态的时长为tC=t-tl。由此可得,WCV的能量利用率ηC如式(34)所示。
其中,εwork为节点处于正常工作状态时的能耗速率;tC为WCV处于充电状态的时长;PC为WCV在行驶过程中的能量消耗速率;tl为WCV的行驶时间。
能量利用率对比如图10所示,ACO策略的利用率明显低于其他两种策略,说明单纯只为WCV选择最短充电路径并不能提高WCV的能量利用率。对于NJNP策略和本发明所提策略,WCV对节点充电是基于节点对能量需求的程度,从而获得了较高的能量利用率。在网络运行初期,由于NJNP策略是选择最近邻的节点充电,因此WCV不需要更多的行驶时间,其能量利用率也略高。随着网络的持续运行,NJNP策略会导致一些节点死亡,WCV需要更长的行驶时间,其能量利用率也开始下降。由于本发明所提策略能够最大限度保证节点的生存,因此其能量利用率开始超过NJNP策略。
3.4死亡节点数量
节点在网络中长期有效工作是非常关键的,为此本发明研究了网络中死亡节点数量这一指标,仿真图如图11所示。从图11可以中看出,NJNP策略与ACO策略的网络死亡节点数远高于本发明所提策略的死亡节点数。NJNP策略和ACO策略并不保证节点的生存,随着网络的持续运行,死亡节点数显著增加。本发明所提策略尽量保证节点存活,因此其死亡节点数是最低的。
当网络运行4h时,采用本发明策略没有死亡节点,NJNP策略和ACO策略分别有8个节点和12个节点死亡。网络运行8h后,采用ACO策略的WRSN中死亡节点数达到39个,采用NJNP策略的WRSN中死亡节点达到23个,而本发明所提策略的死亡节点数为5个。存活的节点越多,网络的感知功能越能得到保证,本发明所提策略能够保证节点尽可能存活,充分显示了本策略的优越性。
3.5平均睡眠时间
网络中的节点根据其状态可分为正常工作状态和休眠状态。当节点处于正常工作状态时,即信息传输和能量消耗是正常的;当节点处于休眠状态时,则不进行数据通信工作,节点是可以感知的,能量消耗速度很慢。当网络中节点的剩余能量低于能量阈值时将进入睡眠状态,睡眠状态下的节点虽然可以被感知,但是不能进行数据通信,因此网络中睡眠节点的数量以及节点睡眠时长将会严重影响到网络的服务质量,本发明针对网络节点的平均睡眠时长这一性能进行分析。假设当节点向维护站发出充电请求后即进入睡眠状态,以降低能耗。设网络中第i个节点发出充电请求的时刻分别为{Ti1,Ti2,Ti3,...,Tik},忽略节点与WCV建立充电链接的时间,其中k表示第i个节点发出充电请求的次数,则i节点在第k次发出充电请求后的睡眠时间Tsik等于第k+1次与第k次发出充电请求的时间差减去节点正常工作状态下的工作时间。通过计算可知,节点从满电状态消耗至10%剩余能量的时间Tn为100%-10%/εwork=4500s,因此求得仿真环境中100个节点的平均睡眠时间为:
通过与ACO策略和NJNP策略的对比,其仿真结果如图12所示。ACO策略与NJNP策略下的节点平均睡眠时间相近,且均小于本发明所采用策略的睡眠时间。由于本发明所提策略是保证节点的生存,对于剩余能量相同的充电请求节点,WCV将选择距离较远的节点充电,因此节点的睡眠时间相对较长。但是由于节点在睡眠期间能耗较低,因此只要WCV在节点能量耗尽之前到达节点,仍然可以保证节点不死亡。
4、创新点:
1、为了量化充电任务的优先级,本发明基于Maslows能量分层需求理论提出了Maslows能量需求矩的概念。能量需求矩综合考虑了节点的所处位置和能量需求度,实现无线充电车的最优路径规划。
2、为了更好的处理多个传感器节点批量发出的充电请求,本发明利用了Ek/M/1/∞(FCFS)排队模型构建充电服务子队列,保证无线充电车在充电能力范围内完成节点的充电。
Claims (6)
1.一种在线可充电传感器网络充电调度系统,包括多个无线充电车,维护站;其特征在于所述的维护站包括服务队列系统和充电服务系统;服务队列系统接收网络中能量匮乏节点,即能量低于设定阈值的传感器节点发出的充电请求及其剩余能量信息,并将各充电请求以服务队列的形式存储在服务队列中,然后根据排队论按能量匮乏节点的最小存活时间将服务队列划分为多个充电服务子队列并将多个充电服务子队列导入充电服务系统;充电服务系统根据各能量匮乏节点的位置信息和剩余能量信息进行优先级度量,实时规划合理的充电路径,使用多个无线充电车对各充电服务子队列中的能量匮乏节点按照充电优先级依次进行充电服务;所述的服务队列系统根据能量匮乏节点的位置信息计算各能量匮乏节点到一台无线充电车的最短距离,然后计算该无线充电车遍历所有能量匮乏节点时的最短路径Lmin,并计算出预计完成充电的时间TC,将服务队列分为个充电服务子队列;每台无线充电车为一个充电服务子队列对应的多个能量匮乏节点进行充电服务:
Tc=Lmin/vc
其中vc为无线充电车的移动速度;Ls为充电服务子队列的平均队长;ρ为充电服务强度,ρ<1;μ为无线充电车的服务率;λ为能量匮乏节点发出充电请求的平均时间间隔的倒数;Ws为能量匮乏节点在充电服务子队列中的逗留时间;S0 k中的0代表充电周期为初始周期,k表示时间间隔个数,S0 k代表各个充电间隔的时长之和。
2.根据权利要求1所述的在线可充电传感器网络充电调度系统,其特征在于所述的充电服务系统按照下述方法对每个充电服务子队列中各个能量匮乏节点,即待充电节点进行优先级度量:
首先选取初始充电节点,计算初始充电节点周围其他待充电节点的Maslows能量需求矩,并按Maslows能量需求矩的大小将其他待充电节点依次加入到无线充电车的充电优先级队列;完成对初始充电节点的充电任务后,即将该初始充电节点从充电优先级队列中删除,将其余Maslows能量需求矩最高的待充电节点作为次级待充电节点,在为次级待充节点充电的同时选择其周围Maslows能量需求矩大的待充电节点加入充电优先级队列;Maslows能量需求矩计算方法如下:
步骤一、设待充电节点i的能量消耗速率为Pi,根据下述公式计算时间t内该待充电节点i的能量需求度θi:
步骤二、计算充电服务子队列中各待充电节点的Maslows能量需求矩,针对任一待充电节点xl,其Maslows能量需求矩根据以下公式计算:
其中假设xk为无线充电车正在驶向的目标充电节点,xl为目标充电节点xk周围的某一待充电节点,Lkl表示目标充电节点xk和待充电节点xl之间的距离,θk为目标充电节点xk的能量需求度,θl为待充电节点xl的能量需求度。
3.根据权利要求2所述的在线可充电传感器网络充电调度系统,其特征在于所述的充电优先级队长恒定为3。
4.根据权利要求3所述的在线可充电传感器网络充电调度系统,其特征在于初始充电节点的选取方法如下:
在无线充电车的周围选取Maslows能量需求矩最大的三个待充电节点x1、x2、x3,将这三个待充电节点放入长度为3的充电优先级队列中,并从中选取初始充电节点;初始充电节点的选择应该满足如下三个约束条件:
约束条件一:所选取的初始充电节点在无线充电车遍历三个待充电节点的时间内不会死亡;
约束条件二:3个待充电节点到无线充电车的距离方差应尽可能的小;
约束条件三:当目标充电节点与其他两个待充电节点间的距离大于两个待充电节点间的距离时,无线充电车将该目标充电节点更新为待充电节点,并从两个待充电节点中选择一个作为目标充电节点,该目标充电节点即为初始充电节点。
5.根据权利要求4所述的在线可充电传感器网络充电调度系统,其特征在于当两个待充电节点具有相同的能量需求度时,距离当前目标充电节点距离较远的待充电节点具有较高的充电优先级。
6.根据权利要求4所述的在线可充电传感器网络充电调度系统,其特征在于当两个待充电节点与当前目标充电节点间的距离相同时,其中能量需求度高的待充电节点具有较高的充电优先级。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911009531.6A CN110729783B (zh) | 2019-10-23 | 2019-10-23 | 一种在线可充电传感器网络充电调度系统 |
AU2020100816A AU2020100816A4 (en) | 2019-10-23 | 2020-05-22 | Online rechargeable sensor network charging scheduling system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911009531.6A CN110729783B (zh) | 2019-10-23 | 2019-10-23 | 一种在线可充电传感器网络充电调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110729783A CN110729783A (zh) | 2020-01-24 |
CN110729783B true CN110729783B (zh) | 2023-05-02 |
Family
ID=69222846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911009531.6A Active CN110729783B (zh) | 2019-10-23 | 2019-10-23 | 一种在线可充电传感器网络充电调度系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110729783B (zh) |
AU (1) | AU2020100816A4 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112519626B (zh) * | 2020-11-24 | 2023-11-21 | 西安西科阳光电子有限公司 | 一种移动储能充电车用充电方法 |
CN112578813B (zh) * | 2020-12-10 | 2022-07-19 | 东南大学 | 一种无线传感器网络中无人机辅助充电的方法 |
CN112803550B (zh) * | 2021-03-02 | 2022-08-30 | 南京邮电大学 | 基于多重阈值的最大化无线充电车利用率的方法及系统 |
CN113179457B (zh) * | 2021-03-09 | 2022-06-14 | 杭州电子科技大学 | 无线可充电传感网络中的路过时空部分充电方法 |
CN113659670B (zh) * | 2021-08-11 | 2023-07-07 | 南京邮电大学 | 一种基于区域划分的无线传感器网络充电方法 |
CN114915049A (zh) * | 2022-03-31 | 2022-08-16 | 南京邮电大学 | 一种定向无线充电器鲁棒多覆盖放置方法 |
CN115276765B (zh) * | 2022-07-18 | 2023-06-06 | 南京信息工程大学 | 一种面向业务优先级的atdm卫星通信调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104953643A (zh) * | 2015-05-12 | 2015-09-30 | 合肥工业大学 | 一种多充电节点的无线传感器网络充电方法 |
CN107657374A (zh) * | 2017-09-25 | 2018-02-02 | 中南大学 | 一种基于能耗和距离动态变化的按需充电调度方法 |
CN109982452A (zh) * | 2019-03-18 | 2019-07-05 | 华南理工大学 | 一种基于拟阵的无线可充电传感器网络充电调度方法 |
CN110300418A (zh) * | 2019-06-05 | 2019-10-01 | 云南电网有限责任公司丽江供电局 | 一种无线可充电传感器网络中按需充电的时空调度算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10211662B2 (en) * | 2014-08-15 | 2019-02-19 | Analog Devices Global | Wireless charging platform using environment based beamforming for wireless sensor network |
-
2019
- 2019-10-23 CN CN201911009531.6A patent/CN110729783B/zh active Active
-
2020
- 2020-05-22 AU AU2020100816A patent/AU2020100816A4/en not_active Ceased
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104953643A (zh) * | 2015-05-12 | 2015-09-30 | 合肥工业大学 | 一种多充电节点的无线传感器网络充电方法 |
CN107657374A (zh) * | 2017-09-25 | 2018-02-02 | 中南大学 | 一种基于能耗和距离动态变化的按需充电调度方法 |
CN109982452A (zh) * | 2019-03-18 | 2019-07-05 | 华南理工大学 | 一种基于拟阵的无线可充电传感器网络充电调度方法 |
CN110300418A (zh) * | 2019-06-05 | 2019-10-01 | 云南电网有限责任公司丽江供电局 | 一种无线可充电传感器网络中按需充电的时空调度算法 |
Non-Patent Citations (3)
Title |
---|
Chi Lin等.mTS: Temporal-and Spatial-Collaborative Charging for Wireless Rechargeable Sensor Networks with Multiple Vehicles.《IEEE INFOCOM 2018 - IEEE Conference on Computer Communications》.2018,全文. * |
徐新黎等.能量受限的多移动设备无线充电路径规划方法.小型微型计算机系统.2018,(第04期),全文. * |
王志远.WRSN中多车实时协同充电调度研究.《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》.2019,第11-33页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110729783A (zh) | 2020-01-24 |
AU2020100816A4 (en) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110729783B (zh) | 一种在线可充电传感器网络充电调度系统 | |
CN107835499B (zh) | 一种WSNs中基于分簇和能量中继的移动充电方法 | |
Lin et al. | TADP: Enabling temporal and distantial priority scheduling for on-demand charging architecture in wireless rechargeable sensor networks | |
CN107657374B (zh) | 一种基于能耗和距离动态变化的按需充电调度方法 | |
WO2022242579A1 (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
CN108448731B (zh) | 一种协作式无线传感网能量补充方法及其无线传感网 | |
Zhao et al. | A framework of joint mobile energy replenishment and data gathering in wireless rechargeable sensor networks | |
CN110300418B (zh) | 一种无线可充电传感器网络中按需充电的时空调度算法 | |
CN112738752B (zh) | 一种基于强化学习的wrsn多移动充电器优化调度方法 | |
Feng et al. | Efficient mobile energy replenishment scheme based on hybrid mode for wireless rechargeable sensor networks | |
CN111787500B (zh) | 一种基于能量优先的移动充电车辆多目标充电调度方法 | |
CN112235744A (zh) | Wrsn中联合在线和离线调度的能量补给方法 | |
CN107623901B (zh) | 一种WRSNs中联合数据收集及能量补给方法 | |
CN114938372B (zh) | 一种基于联邦学习的微网群请求动态迁移调度方法及装置 | |
Zhu et al. | Efficient actuator failure avoidance mobile charging for wireless sensor and actuator networks | |
CN104955107A (zh) | 一种无线传感网络占空比自适应调整方法 | |
CN106096793A (zh) | 基于拥塞感知的周期性优化的电动汽车充电决策方法 | |
CN117499940A (zh) | 一种基于深度强化学习的WRSN目标k覆盖充电调度方法 | |
CN110662175B (zh) | 一种基于无线可充电传感器网络的移动车速度控制方法 | |
CN117134380A (zh) | 一种基于云边协同分布式储能分层级优化运行方法及系统 | |
CN116470549A (zh) | 考虑电动汽车随机转移特性的充储电站群调度方法 | |
CN113837452B (zh) | 一种面向水下无线传感器网络的移动充电路径规划方法 | |
CN112803550B (zh) | 基于多重阈值的最大化无线充电车利用率的方法及系统 | |
CN115190560A (zh) | 基于簇的自适应充电路径优化方法 | |
CN112578813B (zh) | 一种无线传感器网络中无人机辅助充电的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |