CN110972060B - 一种在电力通信网面向终端接入的边缘控制中心部署方法 - Google Patents
一种在电力通信网面向终端接入的边缘控制中心部署方法 Download PDFInfo
- Publication number
- CN110972060B CN110972060B CN201911283338.1A CN201911283338A CN110972060B CN 110972060 B CN110972060 B CN 110972060B CN 201911283338 A CN201911283338 A CN 201911283338A CN 110972060 B CN110972060 B CN 110972060B
- Authority
- CN
- China
- Prior art keywords
- edge node
- control center
- edge
- class
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004891 communication Methods 0.000 title claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/18—Selecting a network or a communication service
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (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)
Abstract
本发明涉及一种在电力通信网面向终端接入的边缘控制中心部署方法,首先获取待处理的电力通信网的终端设备分布情况数据;然后计算边缘节点的权值和领域半径,进而确定控制中心的个数和初始分布位置;接着将各边缘节点归类给离其最近的初始控制中心,形成初始类族;然后不断地更新控制中心的部署位置,将最终产生的各控制中心与待处理的电力通信网的终端设备节点对应设置,能够使得终端接入密集片区取得更好的信号质量,缓解终端接入密集片区的容量负载。本发明能够使终端系统实现低成本、低时延、高效率、全覆盖的目标。
Description
技术领域
本发明涉及电力系统通信技术领域,特别是一种在电力通信网面向终端接入的边缘控制中心部署方法。
背景技术
在国家电网提出泛在电力物联网的发展中,边缘计算起着非常重要的作用,随着电网的迅速发展,分布式发电、储能、用户微网等复杂、难实时监控管理的情况会越来越严重,利用边缘计算就可以实现优化新能源管理,实时源荷预测和协调控制。
泛在电力物联网的目标是实现电力系统各环节万物互联、人机交互,形成具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。国家电网公司就泛在电力物联网提出了“芯-端-边-网-云”的总体架构,其中的边就指的是通过部署边缘计算装置、分布式数据中心等,提升电网的整体计算能力。
虽然现有方法能够实现终端接入信号的几乎全覆盖,但不能实现控制中心向终端接入的密集区偏移,致使存在控制中心的强信号区接入节点稀缺,而在控制中心的弱信号区接入密度大的问题。
发明内容
有鉴于此,本发明的目的是提出一种在电力通信网面向终端接入的边缘控制中心部署方法,使终端系统能实现低成本、低时延、高效率、全覆盖的目标。
本发明采用以下方案实现:一种在电力通信网面向终端接入的边缘控制中心部署方法,具体包括以下步骤:
步骤S1:获取待处理的电力通信网的终端设备分布情况数据;
步骤S2:计算边缘节点的权值和领域半径,进而确定控制中心的个数和初始分布位置;
步骤S3:将各边缘节点归类给离其最近的初始控制中心,形成初始类族;
步骤S4:在初始类族内计算类族中心,并以其作为新的控制中心的部署位置,再进行一次归类,得到新的类族;在新的类族类内计算各边缘设备节点的领域半径和权值,用密度加权法求取新的控制中心,再归类,重复迭代,直至控制中心不再发生变化或者满足迭代次数为止,得到最终确定的控制中心;
步骤S5:将产生的各控制中心与待处理的电力通信网的终端设备节点对应设置,能够使得终端接入密集片区取得更好的信号质量,缓解终端接入密集片区的容量负载。
进一步地,步骤S1具体为:获取电力终端接入的N个边缘节点的二维坐标矩阵X=(xij)N*2,其中X的行数为N,表示终端接入边缘节点的数量,X的列数为 2,表示节点坐标的维度,第一列表示横坐标x,第2列表示纵坐标y;根据节点的二维坐标矩阵X,计算节点间的欧式距离,生成终端之间的距离矩阵D=(dij) N*N,其中N为边缘节点总数,dij表示边缘节点i和边缘节点j之间的距离。
进一步地,步骤S2中,所述计算边缘节点的权值和领域半径具体包括以下步骤:
步骤S21:依据贪心策略不断地自适应计算边缘节点pi的半径,根据距离矩阵,对每个边缘节点取K个近邻点,将边缘节点pi与K个近邻点的距离的和的均值作为该边缘节点pi的邻域半径,从而得出N个边缘节点的邻域半径矩阵ε=(εpi)N×1,其中εpi表示边缘节点pi的邻域半径;εpi的计算公式为:
式中,p(K -i)j表示与点pi距离最小的前K个点之一,d(*)表示点间的欧几里德距离;
步骤S22:计算边缘节点的权值Wpi,并得到N个边缘节点对象的权值矩阵 W=(Wpi)N*1,其中,边缘节点pi的权重Wpi的计算公式为:
式中,m表示边缘节点pi的领域半径内数据节点pj的数量,d(pi,pj)表示边缘节点pi与边缘节点pj之间的欧式距离,R表示坐标矩阵X向量空间的大小,计算公式为:
式中,下标max与min代表数据集相应维度特征的最大值和最小值。
进一步地,步骤S2中,所述确定控制中心的个数和初始分布位置具体包括以下步骤:
步骤S23:根据权值矩阵W=(Wpi)N*1,将权值最大的边缘节点作为第一个控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;此时控制中心的坐标矩阵C=(Xj)1×2;
步骤S24:计算剩余的每个边缘节点的中心点指标,选取中心点指标最大的节点作为预选的控制中心,并进行预分类,生成类族;其中,中心点指标Cp的计算采用下式:
步骤S25:判断预分类后的边缘节点BWP平均指标值与预分类前的边缘节点 BWP平均指标值的变化情况,若BWP平均指标值增加或者不变,则进入步骤S26,否则进入步骤S27;
步骤S26:将步骤S24中预选的控制中心作为控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;判断是否存在可分配的边缘节点,若是,则返回步骤S24,否则进入步骤S27;
步骤S27:结束控制中心的选取,得到一个以上的初始控制中心,及其初始分布位置。
较佳的,BWP平均指标值的计算公式为:
式中,N为边缘节点的总数,b(j,i)、w(j,i)定义如下:
存在n个边缘节点的坐标集S,假设n个边缘节点被划分到k个类中,定义第 j类的节点i的类间距离b(j,i)为该节点到其他每个类中节点的距离的平均值中的最小值,定义第j类的节点i的类内距离w(j,i)为该节点i到j类中其他节点距离的平均值,公式如下:
进一步地,步骤S4具体包括以下步骤:
步骤S41:在初始类族内计算类族的中心,并以其作为新的控制中心的部署位置;
步骤S42:将边缘节点分配给离其最近的控制中心,得到更新后的类族;
步骤S43:计算更新后的类族内每个边缘节点的领域半径,对每个边缘节点,计算其领域半径内边缘节点的个数Wn,并令Wn作为该边缘节点在当前类内的权值;其中,类族内每个边缘节点的领域半径为类族内局部的领域半径,非全局范围内的领域半径;类族内局部的领域半径定义是:在类内,将边缘节点pi与K个近邻点的距离的和的均值作为该边缘节点pi的邻域半径;
步骤S44:根据赋权后的边缘节点,采用密度加权法计算类内的新控制中心;其中,密度加权法计算类内控制中心位置的公式如下:
其中,Xk表示第K个类族内的控制中心的横坐标,xi表示类k内第i个边缘节点的横坐标,wni表示类k内第i个边缘节点的权值,m表示类k内边缘节点的数量。wnk表示类k内i个边缘节点的权值的总和。同理可得K个类族内的控制中心的纵坐标。
步骤S45:若满足预设的迭代次数或者得到的新控制中心没有发生变化则停止控制中心的更新,否则返回步骤S42。
与现有技术相比,本发明有以下有益效果:本发明结合密度与距离两个因素,运用聚类的思想对电力终端接入进行控制中心的部署。并基于此构建电力终端接入的模型,使终端系统能实现低成本、低时延、高效率、全覆盖的目标。
附图说明
图1为本发明实施例的方法流程示意图。
图2为本发明实施例的步骤S2与步骤S3的流程示意图。
图3为本发明实施例的步骤S4的流程示意图。
图4为本发明实施例的福建某市终端接入的实际分布图。
图5为本发明实施例的本实施例对终端接入进行控制中心的部署仿真实验示意图。
图6为本发明实施例的具体部署情况示意图。
图7为本发明实施例的D-K均值算法的控制中心部署结果示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/ 或它们的组合。
如图1所示,本实施例提供了一种在电力通信网面向终端接入的边缘控制中心部署方法,具体包括以下步骤:
步骤S1:获取待处理的电力通信网的终端设备分布情况数据;
步骤S2:计算边缘节点的权值和领域半径,进而确定控制中心的个数和初始分布位置;
步骤S3:将各边缘节点归类给离其最近的初始控制中心,形成初始类族;
步骤S4:在初始类族内计算类族中心,并以其作为新的控制中心的部署位置,再进行一次归类,得到新的类族;在新的类族类内计算各边缘设备节点的领域半径和权值,用密度加权法求取新的控制中心,再归类,重复迭代,直至控制中心不再发生变化或者满足迭代次数为止,得到最终确定的控制中心;
步骤S5:将产生的各控制中心与待处理的电力通信网的终端设备节点对应设置,能够使得终端接入密集片区取得更好的信号质量,缓解终端接入密集片区的容量负载。
在本实施例中,步骤S1具体为:获取电力终端接入的N个边缘节点的二维坐标矩阵X=(xij)N*2,其中X的行数为N,表示终端接入边缘节点的数量,X的列数为2,表示节点坐标的维度,第一列表示横坐标x,第2列表示纵坐标y;根据节点的二维坐标矩阵X,计算节点间的欧式距离,生成终端之间的距离矩阵D=(dij) N*N,其中N为边缘节点总数,dij表示边缘节点i和边缘节点j之间的距离。
在本实施例中,如图2所示,步骤S2中,所述计算边缘节点的权值和领域半径具体包括以下步骤:
步骤S21:依据贪心策略不断地自适应计算边缘节点pi的半径,根据距离矩阵,对每个边缘节点取K个近邻点,将边缘节点pi与K个近邻点的距离的和的均值作为该边缘节点pi的邻域半径,从而得出N个边缘节点的邻域半径矩阵ε=(εpi)N×1,其中εpi表示边缘节点pi的邻域半径;εpi的计算公式为:
式中,p(K -i)j表示与点pi距离最小的前K个点之一,d(*)表示点间的欧几里德距离;
步骤S22:计算边缘节点的权值Wpi,并得到N个边缘节点对象的权值矩阵 W=(Wpi)N*1,其中,边缘节点pi的权重Wpi的计算公式为:
式中,m表示边缘节点pi的领域半径内数据节点pj的数量,d(pi,pj)表示边缘节点pi与边缘节点pj之间的欧式距离,R表示坐标矩阵X向量空间的大小,计算公式为:
式中,下标max与min代表坐标矩阵X相应维度特征的最大值和最小值。
在本实施例中,步骤S2中,所述确定控制中心的个数和初始分布位置具体包括以下步骤:
步骤S23:根据权值矩阵W=(Wpi)N*1,将权值最大的边缘节点作为第一个控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;此时控制中心的坐标矩阵C=(Xj)1×2;
步骤S24:计算剩余的每个边缘节点的中心点指标,选取中心点指标最大的节点作为预选的控制中心,并进行预分类,生成类族;其中,中心点指标Cp的计算采用下式:
步骤S25:判断预分类后的边缘节点BWP平均指标值与预分类前的边缘节点 BWP平均指标值的变化情况,若BWP平均指标值增加或者不变,则进入步骤S26,否则进入步骤S27;
步骤S26:将步骤S24中预选的控制中心作为控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;判断是否存在可分配的边缘节点,若是,则返回步骤S24,否则进入步骤S27;
步骤S27:结束控制中心的选取,得到一个以上的初始控制中心,及其初始分布位置。
较佳的,BWP平均指标值的计算公式为:
式中,N为边缘节点的总数,b(j,i)、w(j,i)定义如下:
存在n个边缘节点的坐标集S,假设n个边缘节点被划分到k个类中,定义第j类的节点i的类间距离b(j,i)为该节点到其他每个类中节点的距离的平均值中的最小值,定义第j类的节点i的类内距离w(j,i)为该节点i到j类中其他节点距离的平均值,公式如下:
在本实施例中,如图3所示,步骤S4具体包括以下步骤:
步骤S41:在初始类族内计算类族的中心,并以其作为新的控制中心的部署位置;
步骤S42:将边缘节点分配给离其最近的控制中心,得到更新后的类族;
步骤S43:计算更新后的类族内每个边缘节点的领域半径,对每个边缘节点,计算其领域半径内边缘节点的个数Wn,并令Wn作为该边缘节点在当前类内的权值;其中,类族内每个边缘节点的领域半径为类族内局部的领域半径,非全局范围内的领域半径;类族内局部的领域半径定义是:在类内,将边缘节点pi与K个近邻点的距离的和的均值作为该边缘节点pi的邻域半径;
步骤S44:根据赋权后的边缘节点,采用密度加权法计算类内的新控制中心;其中,密度加权法计算类内控制中心位置的公式如下:
其中,Xk表示第K个类族内的控制中心的横坐标,xi表示类k内第i个边缘节点的横坐标,Wni表示类k内第i个边缘节点的权值,m表示类k内边缘节点的数量。wnk表示类k内i个边缘节点的权值的总和。同理可得K个类族内的控制中心的纵坐标。
步骤S45:若满足预设的迭代次数或者得到的新控制中心没有发生变化则停止控制中心的更新,否则返回步骤S42。
特别的,如图4所示,图4为福建某市终端接入的实际分布图。图5为本实施例对终端接入进行控制中心的部署仿真实验,得到的具体部署情况如图6所示,其中五角星标记的点代表控制中心,黑色圆点“.”表示位于强信号区的接入点,浅灰色小圆圈“o”表示位于中强信号区的接入点,黑色“+”号表示位于弱信号区的接入点,黑色“*”号表示位于无信号区的接入点,大圈表示控制中心的控制半径。其中经过本实施例的方法,最优的部署位置如下表所示:
序号 | 位置 |
1 | (16.2116,6.4048) |
2 | (2.6641,6.8361) |
3 | (6.3286,6.7839) |
4 | (18.7801,8.1601) |
5 | (18.5383,4.4427) |
6 | (11.7316,7.0235) |
本实施例将本实施例的方法与已有的D-K均值算法进行对比。D-K均值算法的控制中心部署结果如图7所示。其最优部署位置如下表所示:
两种算法的优劣性对比如下表所示:
比较项目 | D-K均值算法 | 本发明算法 |
强信号区节点所占的比例 | 19.44% | 18.14% |
中强信号区节点所占的比例 | 52.09% | 52.36% |
弱信号区节点所占的比例 | 28.27% | 29.50% |
无信号区节点所占的比例 | 0.21% | 0% |
控制中心1的容量 | 325 | 322 |
控制中心2的容量 | 265 | 184 |
控制中心3的容量 | 123 | 142 |
控制中心4的容量 | 241 | 244 |
控制中心5的容量 | 342 | 342 |
控制中心6的容量 | 165 | 226 |
控制中心容量的方差 | 7356.3 | 6029.3 |
容量最大值与最小值的差 | 219 | 200 |
由上表可知,在建设相同控制中心数量的前提下,采用本发明算法进行控制中心的部署,可使边缘节点被全覆盖,即无信号区节点的个数为0,DK均值算法未实现全覆盖。并且控制中心容量的方差、容量最大值与最小值的差两个数据表明:本发明的方法在控制中心容量分配较DK均值算法均衡。
经过上述仿真结果可以说明:相对于D-K均值算法,本发明的方法在“链状+ 簇状”的数据应用场景中,取得明显的优势,可实现全覆盖,并能使控制中心的容量更加均衡。
本领域内的技术人员应明白,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。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (2)
1.一种在电力通信网面向终端接入的边缘控制中心部署方法,其特征在于,包括以下步骤:
步骤S1:获取待处理的电力通信网的终端设备分布情况数据;
步骤S2:计算边缘节点的权值和领域半径,进而确定控制中心的个数和初始分布位置;
步骤S3:将各边缘节点归类给离其最近的初始控制中心,形成初始类族;
步骤S4:在初始类族内计算类族中心,并以其作为新的控制中心的部署位置,再进行一次归类,得到新的类族;在新的类族类内计算各边缘设备节点的领域半径和权值,用密度加权法求取新的控制中心,再归类,重复迭代,直至控制中心不再发生变化或者满足迭代次数为止,得到最终确定的控制中心;
步骤S5:将产生的各控制中心与待处理的电力通信网的终端设备节点对应设置,能够使得终端接入密集片区取得更好的信号质量,缓解终端接入密集片区的容量负载;
其中,步骤S2中,所述计算边缘节点的权值和领域半径具体包括以下步骤:
步骤S21:依据贪心策略不断地自适应计算边缘节点pi的半径,根据距离矩阵,对每个边缘节点取K个近邻点,将边缘节点pi与K个近邻点的距离的和的均值作为该边缘节点pi的邻域半径,从而得出N个边缘节点的邻域半径矩阵ε=(εpi)N×1,其中εpi表示边缘节点pi的邻域半径;εpi的计算公式为:
式中,p(K -i)j表示与点pi距离最小的前K个点之一,d(*)表示点间的欧几里德距离;
步骤S22:计算边缘节点的权值,其中,边缘节点pi的权重Wpi的计算公式为:
式中,m表示边缘节点pi的领域半径内数据节点pj的数量,d(pi,pj)表示边缘节点pi与边缘节点pj之间的欧式距离,R表示坐标矩阵X向量空间的大小;
其中,步骤S2中,所述确定控制中心的个数和初始分布位置具体包括以下步骤;
步骤S23:将权值最大的边缘节点作为第一个控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;
步骤S24:计算剩余的每个边缘节点的中心点指标,选取中心点指标最大的节点作为预选的控制中心,并进行预分类,生成类族;其中,中心点指标Cp的计算采用下式:
步骤S25:判断预分类后的边缘节点BWP平均指标值与预分类前的边缘节点BWP平均指标值的变化情况,若BWP平均指标值增加或者不变,则进入步骤S26,否则进入步骤S27;
步骤S26:将步骤S24中预选的控制中心作为控制中心,并使其领域内的边缘节点不参加接下来的控制中心的选取;判断是否存在可分配的边缘节点,若是,则返回步骤S24,否则进入步骤S27;
步骤S27:结束控制中心的选取,得到一个以上的初始控制中心,及其初始分布位置;
其中,步骤S4具体包括以下步骤:
步骤S41:在初始类族内计算类族的中心,并以其作为新的控制中心的部署位置;
步骤S42:将边缘节点分配给离其最近的控制中心,得到更新后的类族;
步骤S43:计算更新后的类族内每个边缘节点的领域半径,对每个边缘节点,计算其领域半径内边缘节点的个数Wn,并令Wn作为该边缘节点在当前类内的权值;其中,类族内每个边缘节点的领域半径为类族内局部的领域半径;
步骤S44:根据赋权后的边缘节点,采用密度加权法计算类内的新控制中心;
步骤S45:若满足预设的迭代次数或者得到的新控制中心没有发生变化则停止控制中心的更新,否则返回步骤S42。
2.根据权利要求1所述的一种在电力通信网面向终端接入的边缘控制中心部署方法,其特征在于,步骤S1具体为:获取电力终端接入的N个边缘节点的二维坐标矩阵X=(xij)N*2,其中X的行数为N,表示终端接入边缘节点的数量,X的列数为2,表示节点坐标的维度,第一列表示横坐标x,第2列表示纵坐标y;根据节点的二维坐标矩阵X,计算节点间的欧式距离,生成终端之间的距离矩阵D=(dij)N*N,其中N为边缘节点总数,dij表示边缘节点i和边缘节点j之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283338.1A CN110972060B (zh) | 2019-12-13 | 2019-12-13 | 一种在电力通信网面向终端接入的边缘控制中心部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911283338.1A CN110972060B (zh) | 2019-12-13 | 2019-12-13 | 一种在电力通信网面向终端接入的边缘控制中心部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110972060A CN110972060A (zh) | 2020-04-07 |
CN110972060B true CN110972060B (zh) | 2021-04-27 |
Family
ID=70034347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911283338.1A Active CN110972060B (zh) | 2019-12-13 | 2019-12-13 | 一种在电力通信网面向终端接入的边缘控制中心部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110972060B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610994B (zh) * | 2020-05-20 | 2023-10-20 | 山东汇贸电子口岸有限公司 | 一种云数据中心的部署方法、装置、设备及存储介质 |
CN116321297B (zh) * | 2023-03-13 | 2024-01-02 | 广州爱浦路网络技术有限公司 | 基于新一代核心网的计算任务卸载方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011747A (zh) * | 2017-10-30 | 2018-05-08 | 北京邮电大学 | 边缘分层社会关系感知方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150281278A1 (en) * | 2014-03-28 | 2015-10-01 | Southern California Edison | System For Securing Electric Power Grid Operations From Cyber-Attack |
WO2017214210A1 (en) * | 2016-06-06 | 2017-12-14 | Xet | Intelligent grid operating system to manage distributed energy resources in a grid network |
CN110149005A (zh) * | 2019-06-28 | 2019-08-20 | 国网河南省电力公司商丘供电公司 | 一种变电站实时状态分级智能管控系统 |
-
2019
- 2019-12-13 CN CN201911283338.1A patent/CN110972060B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011747A (zh) * | 2017-10-30 | 2018-05-08 | 北京邮电大学 | 边缘分层社会关系感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110972060A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tasoulis et al. | Parallel differential evolution | |
Sato | Inverted PBI in MOEA/D and its impact on the search performance on multi and many-objective optimization | |
Butsch et al. | Districting for arc routing | |
CN110972060B (zh) | 一种在电力通信网面向终端接入的边缘控制中心部署方法 | |
Liu et al. | An evolutionary many-objective optimisation algorithm with adaptive region decomposition | |
CN113240037B (zh) | 目标区域的确定方法、装置、设备及存储介质 | |
Wei et al. | Research on cloud design resources scheduling based on genetic algorithm | |
Benbouzid-SiTayeb et al. | An effective multi-objective hybrid immune algorithm for the frequency assignment problem | |
CN109961129A (zh) | 一种基于改进粒子群的海上静止目标搜寻方案生成方法 | |
CN108764741A (zh) | 用于确定工厂设定区域内的生产设备布局的方法及装置 | |
CN113222472A (zh) | 基于负荷聚类算法的配电网网格优化划分方法及系统 | |
CN110851247A (zh) | 一种带约束云工作流的成本优化调度方法 | |
Jiao et al. | Service deployment of C4ISR based on genetic simulated annealing algorithm | |
CN108289115B (zh) | 一种信息处理方法及系统 | |
Kamiura et al. | MOGADES: Multi-objective genetic algorithm with distributed environment scheme | |
CN113194031A (zh) | 雾无线接入网内结合干扰抑制的用户聚类方法及系统 | |
Lin et al. | Deployment method of power terminal edge control center based on cloud-edge cooperative mode | |
CN110610192B (zh) | 一种频谱空间信道聚类方法 | |
Fu et al. | A self-adaptive differential evolution algorithm for binary CSPs | |
CN105589896B (zh) | 数据挖掘方法及装置 | |
CN110503234A (zh) | 一种物流运输调度的方法、系统及设备 | |
US20240265160A1 (en) | Automatic layout design method, automatic layout design device, and automatic layout design system | |
CN110428089B (zh) | 一种单车场物流运输调度的方法、系统及设备 | |
Ishibuchi et al. | Incorporation of decision maker's preference into evolutionary multiobjective optimization algorithms | |
Xu et al. | hMETIS-based offline road network partitioning |
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 |