CN110909991A - 一种面向光缆纤芯远程智能调度业务的快速估计装置及方法 - Google Patents

Abstract

本发明属于电力调度系统设备技术领域，尤其涉及一种面向光缆纤芯远程智能调度业务的快速估计装置及方法。本发明包括智能光网络的IP网络交换机装置，还包括面向光缆纤芯远程智能调度业务的快速估计算法模块。面向光缆纤芯远程智能调度业务的快速估计算法模块为可编程芯片，用于实现基于业务流量最小化的面向光缆纤芯远程智能调度业务的快速估计，用户界面通过运行该程序，完成面向光缆纤芯远程智能调度业务的快速估计；将模块估计的业务流量矩阵用于光纤通信数据链路规划及业务流量调度，通过安全通道，发送到智能光网络的IP网络交换机中，实现智能光网络的规划及管理。本发明可以实现快速的对业务的流量矩阵进行准确估计并跟踪其动态，快速的估计和获取智能光网络中的业务对智能光网络的规划及管理的具有非常重要的意义。

Description

一种面向光缆纤芯远程智能调度业务的快速估计装置及方法

技术领域

本发明属于电力调度系统设备技术领域，尤其涉及一种面向光缆纤芯远程智能调度业务的快速估计装置及方法。

背景技术

智能光网络是电力调度系统的重要基础设施之一，支撑着电网公司运营和管理的正常通信以及保障着国家电网的安全稳定的运行。然而，随着国家电网建设的不断完善，智能光网络的尺度呈指数级增长，为了对智能光网络进行设计和规划，国家电力公司及其智能光网络设计研究单位需要知道数据业务流量在网络中是如何传输的，而业务流量矩阵又恰好反映了智能光网络中所有源和目的地之间的数据流动情况，因此，针对该领域技术的研发工作，成为本领域技术人员不断开发的新课题。

发明内容

针对上述现有技术中存在的不足之处，本发明提出了一种面向光缆纤芯远程智能调度业务的快速估计装置及方法。本发明装置能够快速的估计面向光缆纤芯远程智能调度业务的快速估计，可以实现快速的对业务的流量矩阵进行准确估计并跟踪其动态。

基于上述发明目的，本发明是通过以下技术方案来实现的：

一种面向光缆纤芯远程智能调度业务的快速估计装置，包括智能光网络的IP网络交换机装置，还包括面向光缆纤芯远程智能调度业务的快速估计算法模块。

所述面向光缆纤芯远程智能调度业务的快速估计算法模块为可编程芯片，实现基于业务流量最小化的面向光缆纤芯远程智能调度业务的快速估计，用户界面通过运行该程序，完成面向光缆纤芯远程智能调度业务的快速估计；将模块估计的业务流量矩阵用于光纤通信数据链路规划及业务流量调度，通过安全通道，发送到智能光网络的IP网络交换机中，以实现智能光网络的规划及管理。

一种面向光缆纤芯远程智能调度业务的快速估计方法，包括以下步骤：

步骤1、向面向光缆纤芯远程智能调度业务的快速估计装置中输入电力网络业务流量参数；

步骤2、根据步骤1中输入的路由矩阵A，通过矩阵运算计算出路由矩阵A的广义逆矩阵A⁺；

步骤3、在得到路由矩阵A后引入分辨率矩阵R，验证流量矩阵估计值和真实值间的误差精度；

步骤4、在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与业务流量矩阵x中相对应的U个成分分量X_U相一致，在实际测量的业务流量矩阵中得到相对应的业务流量矩阵初始化值x₀；

步骤5、建立基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型；

步骤6、利用步骤4中得到的业务流量矩阵初始化值x₀，采用单纯形法求解步骤5中的面向光缆纤芯远程智能调度业务流量矩阵模型，其输出估计的面向光缆纤芯远程智能调度业务流量矩阵

所述电力网络业务流量参数包括业务路由矩阵A和链路负载矩阵y，以及测量得到的业务流量矩阵x，业务流量矩阵

是需要进行估计的对象。

步骤1中所述的路由矩阵和链路负载矩阵之间存在以下关系：

y＝Ax (3)

其中，x为业务流量矩阵，给定路由矩阵A＝[A_ij]，其中i,j分别表示源节点和目的节点，A_ij表示每个源节点和目的节点对的连接状态；如果源节点i到目的节点j之间是连通的，则A_ij＝1；如果不连通，就用A_ij＝0表示；路由矩阵A表明任意源-目的节点对之间是否存在连接的矩阵；通过建路由矩阵A和测量链路负载矩阵y，对电力网络的业务流量矩阵进行估计。

步骤2中所述的路由矩阵A以及计算出的广义逆矩阵A⁺，计算分辨率矩阵R＝A⁺A。

步骤3中所述验证流量矩阵估计值和真实值间的误差精度，其表示方法是：

R＝A⁺A (1)。

步骤3中所述分辨率矩阵R是用来反映计值与真实值之间的差异，分辨率矩阵R存在以下特性：

(1)分比率矩阵中的每一行的元素以对角线开始，在两个相反的方向上快速减小；

(2)分辨率矩阵对角线上的元素越接近于1，估计值更接近于真实值；否则，它们之间有较大的差异；

(3)分辨率矩阵R表示估计值与真值之间的精确度，不与业务流量矩阵x和链路负载矩阵y的值相关，并且仅与先验信息和推断方法相关。

步骤4中所述在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与相应的业务流量矩阵x中相对应的U个成分分量X_U相一致，A_V表示路由矩阵A中除去A_U的剩余部分，X_V为业务流量矩阵x中除去X_U的剩余部分，将等式(1)分解为：

其中，V＝N-U。

步骤5中智能光网络业务流量矩阵估计模型为面向光缆纤芯远程智能调度业务流量矩阵估计模型；

所述基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型，具体为：

其中，minf(x)为目标函数，{x_i}(i＝1,2,...N)表示业务流量矩阵x的分量，y＝Ax与x_i≥0,i＝1,2,...,N为目标函数的约束条件。

本发明具有以下优点及有益效果：

本发明估计装置采用IP网络协议，对通过交换机中的数据业务进行测量，并根据测量结果利用单纯形法快速的对业务流量矩阵进行准确估计。本发明利用业务流量矩阵和链路负载之间的关系，并引入约束条件，采用适当的目标函数进行迭代优化；通过引入分辨率矩阵，并结合其属性在迭代过程获得了良好的网络层析先验结果；接着采用单纯形法快速的对智能光网络中的业务进行估计。该发明可以实现快速的对业务的流量矩阵进行准确估计并跟踪其动态，快速的估计和获取智能光网络中的业务对智能光网络的规划及管理的具有非常重要的意义。

附图说明

下面将结合本发明实施例中的附图，对本发明实例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。

图1为本发明面向光缆纤芯远程智能调度业务的快速估计装置结构示意图；

图2为本发明面向光缆纤芯远程智能调度业务的快速估计装置原理图。

具体实施方式

本发明是一种面向光缆纤芯远程智能调度业务的快速估计装置，如图1所示，图1为本发明面向光缆纤芯远程智能调度业务的快速估计装置结构示意图。本发明面向光缆纤芯远程智能调度业务的快速估计装置采用IP网络协议。在IP网络的交换机中，通过采集网络业务流量信息作为原始数据，然后利用这些信息并对网络中的业务流量矩阵进行估计。

本发明的技术原理如图2所示，本发明面向光缆纤芯远程智能调度业务的快速估计装置原理图。本发明是在原有智能光网络的IP网络交换机装置中，加入面向光缆纤芯远程智能调度业务的快速估计算法模块，以此来实现对业务流量矩阵的估计。该模块为一个可编程芯片，实现基于业务流量最小化的面向光缆纤芯远程智能调度业务的快速估计，用户界面通过运行该程序，完成面向光缆纤芯远程智能调度业务的快速估计，然后将模块估计的业务流量矩阵用于光纤通信数据链路规划及业务流量调度，接着通过安全通道，发送到智能光网络的IP网络交换机中，以实现智能光网络的规划及管理。

利用一种面向光缆纤芯远程智能调度业务的快速估计装置进行估计的方法，包括以下步骤：

步骤1、向面向光缆纤芯远程智能调度业务的快速估计装置中输入电力网络业务流量参数；所述电力网络业务流量参数包括业务路由矩阵A和链路负载矩阵y，以及测量得到的业务流量矩阵x，业务流量矩阵

是需要进行估计的对象。

在真实的智能光网络中的数据传输一般存于在多个源点-目的节点对之间。当智能光网络的规模扩大时，智能光网络的业务流量矩阵维度也随之增大，因此为了不失一般性，假设网络中有n个节点和l个链路，因此智能光网络的就会存在N＝n²个源-目的节点对。业务流量矩阵x表示为x＝(x₁,x₂,...,x_N)^T，链路负载矩阵y表示为y＝(y₁,y₂,...,y_l)，由于每个源-目的节点对之间的业务流量都是非负的，因此业务流量矩阵x中的每一个元素都满足x_i≥0。

步骤1中所述的路由矩阵和链路负载矩阵之间存在以下关系：

y＝Ax (3)

其中，x为业务流量矩阵。给定路由矩阵A＝[A_ij]，其中i,j分别表示源节点和目的节点，A_ij表示每个源节点和目的节点对的连接状态。如果源节点i到目的节点j之间是连通的，则A_ij＝1；如果不连通，就用A_ij＝0表示。因此，路由矩阵A就是表明任意源-目的节点对之间是否存在连接的矩阵。由公式中的(1)可知，通过建路由矩阵A和测量链路负载矩阵y，我们可以对电力网络的业务流量矩阵进行估计。

步骤2、根据步骤1中输入的路由矩阵A，通过矩阵运算计算出路由矩阵A的广义逆矩阵A⁺；

步骤3、为了能够更加准确的估计业务流量矩阵，在得到路由矩阵A后引入分辨率矩阵R，验证流量矩阵估计值和真实值间的误差精度，其表示方法是：

R＝A⁺A (1)

根据步骤2中的路由矩阵A以及计算出的广义逆矩阵A⁺，计算分辨率矩阵R＝A⁺A。

步骤3中所述的分辨率矩阵R是用来反映计值与真实值之间的差异。

分辨率矩阵R存在以下特性：

(1)分比率矩阵中的每一行的元素以对角线开始，在两个相反的方向上快速减小；

(2)分辨率矩阵对角线上的元素越接近于1，这表明估计值更接近于真实值；否则，它们之间有较大的差异；

(3)分辨率矩阵R是用来表示估计值与真值之间的精确度，它不与业务流量矩阵x和链路负载矩阵y的值相关，并且仅与先验信息和推断方法相关。

步骤4、在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与业务流量矩阵x中相对应的U个成分分量X_U相一致，在实际测量的业务流量矩阵中得到相对应的业务流量矩阵初始化值x₀。

步骤4中所述的在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与相应的业务流量矩阵x中相对应的U个成分分量X_U相一致，A_V表示路由矩阵A中除去A_U的剩余部分，X_V为业务流量矩阵x中除去X_U的剩余部分，因此，将等式(1)分解为

其中，V＝N-U。

步骤5、建立基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型；

所述智能光网络业务流量矩阵估计模型可以为面向光缆纤芯远程智能调度业务流量矩阵估计模型。

所述的基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型，具体为：

其中，minf(x)为目标函数，{x_i}(i＝1,2,...N)表示业务流量矩阵x的分量，y＝Ax与x_i≥0,i＝1,2,...,N为目标函数的约束条件。

步骤6、利用步骤4中得到的业务流量矩阵初始化值x₀，采用单纯形法求解步骤5中的面向光缆纤芯远程智能调度业务流量矩阵模型，其输出估计的面向光缆纤芯远程智能调度业务流量矩阵

本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围，包括权利要求，被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种面向光缆纤芯远程智能调度业务的快速估计装置，包括智能光网络的IP网络交换机装置，其特征是：还包括面向光缆纤芯远程智能调度业务的快速估计算法模块。

2.根据权利要求1所述的一种面向光缆纤芯远程智能调度业务的快速估计装置，其特征是：所述面向光缆纤芯远程智能调度业务的快速估计算法模块为可编程芯片，实现基于业务流量最小化的面向光缆纤芯远程智能调度业务的快速估计，用户界面通过运行该程序，完成面向光缆纤芯远程智能调度业务的快速估计；将模块估计的业务流量矩阵用于光纤通信数据链路规划及业务流量调度，通过安全通道，发送到智能光网络的IP网络交换机中，以实现智能光网络的规划及管理。

3.一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：包括以下步骤：

步骤1、向面向光缆纤芯远程智能调度业务的快速估计装置中输入电力网络业务流量参数；

步骤2、根据步骤1中输入的路由矩阵A，通过矩阵运算计算出路由矩阵A的广义逆矩阵A⁺；

步骤3、在得到路由矩阵A后引入分辨率矩阵R，验证流量矩阵估计值和真实值间的误差精度；

步骤4、在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与业务流量矩阵x中相对应的U个成分分量X_U相一致，在实际测量的业务流量矩阵中得到相对应的业务流量矩阵初始化值x₀；

步骤5、建立基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型；

步骤6、利用步骤4中得到的业务流量矩阵初始化值x₀，采用单纯形法求解步骤5中的面向光缆纤芯远程智能调度业务流量矩阵模型，其输出估计的面向光缆纤芯远程智能调度业务流量矩阵

4.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：所述电力网络业务流量参数包括业务路由矩阵A和链路负载矩阵y，以及测量得到的业务流量矩阵x，业务流量矩阵

是需要进行估计的对象。

5.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤1中所述的路由矩阵和链路负载矩阵之间存在以下关系：

y＝Ax (3)

其中，x为业务流量矩阵，给定路由矩阵A＝[A_ij]，其中i,j分别表示源节点和目的节点，A_ij表示每个源节点和目的节点对的连接状态；如果源节点i到目的节点j之间是连通的，则A_ij＝1；如果不连通，就用A_ij＝0表示；路由矩阵A表明任意源-目的节点对之间是否存在连接的矩阵；通过建路由矩阵A和测量链路负载矩阵y，对电力网络的业务流量矩阵进行估计。

6.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤2中所述的路由矩阵A以及计算出的广义逆矩阵A⁺，计算分辨率矩阵R＝A⁺A。

7.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤3中所述验证流量矩阵估计值和真实值间的误差精度，其表示方法是：

R＝A⁺A (1)。

8.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤3中所述分辨率矩阵R是用来反映计值与真实值之间的差异，分辨率矩阵R存在以下特性：

(1)分比率矩阵中的每一行的元素以对角线开始，在两个相反的方向上快速减小；

(2)分辨率矩阵对角线上的元素越接近于1，估计值更接近于真实值；否则，它们之间有较大的差异；

(3)分辨率矩阵R表示估计值与真值之间的精确度，不与业务流量矩阵x和链路负载矩阵y的值相关，并且仅与先验信息和推断方法相关。

9.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤4中所述在分辨率矩阵R中的对角线和行方向上进行搜索，选出路由矩阵A中的U列最大化线性独立子集A_U，并且与相应的业务流量矩阵x中相对应的U个成分分量X_U相一致，A_V表示路由矩阵A中除去A_U的剩余部分，X_V为业务流量矩阵x中除去X_U的剩余部分，将等式(1)分解为：

其中，V＝N-U。

10.根据权利要求3所述的一种面向光缆纤芯远程智能调度业务的快速估计方法，其特征是：步骤5中智能光网络业务流量矩阵估计模型为面向光缆纤芯远程智能调度业务流量矩阵估计模型；

所述基于业务流量最小化的面向光缆纤芯远程智能调度业务流量矩阵估计模型，具体为：

其中，minf(x)为目标函数，{x_i}(i＝1,2,...N)表示业务流量矩阵x的分量，y＝Ax与x_i≥0,i＝1,2,...,N为目标函数的约束条件。

Images