CN111226254A - 网络地图的可靠性 - Google Patents
网络地图的可靠性 Download PDFInfo
- Publication number
- CN111226254A CN111226254A CN201880057423.3A CN201880057423A CN111226254A CN 111226254 A CN111226254 A CN 111226254A CN 201880057423 A CN201880057423 A CN 201880057423A CN 111226254 A CN111226254 A CN 111226254A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- consuming
- link
- vertices
- 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
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000004891 communication Methods 0.000 claims abstract description 48
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- MKXZASYAUGDDCJ-NJAFHUGGSA-N dextromethorphan Chemical compound C([C@@H]12)CCC[C@]11CCN(C)[C@H]2CC2=CC=C(OC)C=C21 MKXZASYAUGDDCJ-NJAFHUGGSA-N 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 22
- 238000001514 detection method Methods 0.000 description 13
- 238000005192 partition Methods 0.000 description 12
- 238000012937 correction Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 208000003476 primary myelofibrosis Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000012571 Ficus glomerata Nutrition 0.000 description 1
- 244000153665 Ficus glomerata Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
-
- 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
- G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种用于构造配电网的地图(100)的方法,所述方法包括:a)在至少一个观测周期期间并且对于每一对消费节点,对对应链路形成通信路线的一部分的次数进行计数;b)构造图形,在所述图形中,依据所计数的数目而分配两个节点之间的每个边的权重;c)通过应用算法将所述图形的顶点分割成组,所述算法被设计成使得:‑其间的边的权重大的两个顶点和/或共享大量共同相邻者的两个顶点倾向于分类在同一个组中;然而‑分类在不同组中的两个顶点倾向于展现低或零链路权重和/或拥有很少的共同相邻者。
Description
技术领域
本发明起源于映射物理网络,尤其是配电网,的领域。
背景技术
配电网的管理需要执行许多任务,具体来说,在发生事故时快速地响应以修复设施,将新节点连接到现有网格、对网格执行实时功率平衡以便限制局部超负荷的风险,以及在预期未来需求和约束时计划用于改进网格的操作。常规上,地理信息系统(GIS)是一种类型的可供网格管理器用来执行此类任务的工具。此类GIS通常含有配电网的地图。所述地图含有被组织成尽可能最如实地表示物理网格以及构成所述物理网格的设施的数据。实际上,每当需要时或对网格采取措施时,就必须手动地输入和更新GIS的数据。人为错误会导致GIS相对于网格的物理现实的不准确度和不一致性。因此,物理分配网格和与其相关的信息之间的每个差异都可能会导致低效或达不到预期目标的事件和操作。
经常,偶然地会检测到此类错误。例如,现场的操作员注意到地图和信号中的错误。修复此类错误常常需要第二操作员行进,以精确地标识错误、表征错误并最终校正错误。使GIS数据保持最新是复杂、成本高且低效的。很少会去实施数据验证。对于一些电网,数据并非由计算机登记和组织。GIS是不存在的且尚待创建。
此外,众多GIS具有未被标准化并因此彼此不直接兼容的结构。在部门中的几个人必须合作的情形中,交换信息是复杂的。
发明内容
本发明旨在改进所述情形。
提出一种由计算机实施的方法,所述方法用于构造配电网的地图,所述配电网包括包含多个输出的至少一个源节点和各自由单个输出供电的多个消费节点。对于每一对节点,对应着将所述两个节点彼此连接的一个链路。所述消费节点中的每个消费节点能够凭借通过所述配电网的至少一个通信路线与所述源节点通信。每个路线由以下形成:
-单个链路,所述单个链路将所述源节点直接连接到所述消费节点;或
-一系列链路,所述一系列链路通过形成中继节点的至少一个其它消费节点将所述源节点间接连接到所述消费节点。
所述方法包括:
a)在至少一个观测周期期间并且对于每一对消费节点,对对应链路形成所述源节点和消费节点之间的通信路线的一部分的次数进行计数;
b)构建图形,在所述图形中,每个顶点对应于消费节点,并且取决于连接所述对应一对消费节点的所述链路形成在所述源节点和消费节点之间建立的通信路线的一部分的次数而分配两个顶点之间的每个边的权重;
c)通过应用算法将所述图形的所述顶点分割成组,所述算法被布置成使得:
-其间的边的权重大的两个顶点和/或共享大量共同相邻者的两个顶点倾向于分类在单个组中;然而
-分类在不同组中的两个顶点倾向于具有低或零链路权重和/或具有很少的共同相邻者。
此类过程用于通过创建新地图或甚至通过验证和/或校正现有地图而使地图构造自动化。可以预防性地检测大多数错误,而无需等待由派到现场的操作员进行的可能检测。通过快速地检测错误,可以快速地校正最简单的错误并且可以提前计划更复杂的错误的校正。所标识的错误可以在损害网格管理之前被校正。在大多数情况下,错误本身的校正可以是自动化的,或可以至少在不需要操作员参与现场的情况下被实施。所述方法可以例如借助于网格中的现有通信装置来实施。在这种情况下,不需要安装专用设备。例如,在法国部署以“Linky”为品牌名称的通信仪表。此类仪表包括能够实施所述方法的通信模块,其中每个仪表对应于消费节点,有时被称为“交付点”(DP)。
根据另一个方面,提出一种系统,所述系统包括至少一个集中器和至少一个处理单元,其中所述处理单元包含能够存储配电网的至少一个地图的存储器。所述配电网包括包含多个输出的至少一个源节点和各自由单个输出供电的多个消费节点。对于每一对节点,对应着将所述两个节点彼此连接的一个链路。所述消费节点中的每个消费节点能够凭借通过所述配电网的至少一个通信路线与所述源节点通信。每个路线由以下形成:
-单个链路,所述单个链路将所述源节点直接连接到所述消费节点;或
-一系列链路,所述一系列链路通过形成中继节点的至少一个其它消费节点将所述源节点间接连接到所述消费节点。
所述集中器被布置成用于:
a)在至少一个观测周期期间并且对于每一对消费节点,对所述对应链路形成源节点和消费节点之间的通信路线的一部分的次数进行计数;
所述处理单元被布置成用于接收计数数据,以及
b)构建图形,在所述图形中,每个顶点对应于消费节点,并且取决于连接所述对应一对消费节点的所述链路形成在所述源节点和消费节点之间建立的通信路线的一部分的次数而分配两个顶点之间的每个边的权重;
c)通过应用算法将所述图形的所述顶点分割成组,所述算法被布置成使得:
-其间的边的权重大的两个顶点和/或共享大量共同相邻者的两个顶点倾向于分类在单个组中;然而
-分类在不同组中的两个顶点倾向于具有低或零链路权重和/或具有很少的共同相邻者。
根据另一个方面,提出一种计算机程序,所述计算机程序能够在用于构造地图的方法中使用,例如在本发明中所定义的方法中使用。根据另一个方面,提出一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质上记录有程序,所述程序包括用于实施本发明中所提出的方法中的一种方法的指令。
可以任选地实施以下特征。这些特征可以彼此独立地或彼此组合地实施:
-取决于所述对应链路形成每个源节点和消费节点对之间的恒定数目个路线中的路线的一部分的次数而分配权重。以此方式,可以改进所述观测周期的代表性,包含:通过在所述观测周期期间相比于在典型功能周期期间建立更多的通信路线,一些消费节点是否比其它消费节点更活跃。
-在计数结束时,进行中间随机采样操作并且基于所得样本进行分割操作;一连串采样、图形构造和分割操作是迭代循环的主题。以此方式,减少了测量偏差。
-由所述配电网上的电力线载波根据分布式架构建立节点之间的通信。因而不需要存在专用通信网络。可以在几乎没有设备修改的情况下使具备通信模块的配电网兼容。
-所述方法进一步包括:
d)根据预先存在的地图比较由于将消费节点分配到输出而产生的所述组的组成物;
e)通过所述比较推断所述地图的准确度或至少一个错误的存在;
f)在推断至少一个错误的情况下,基于所述所得组的所述组成物校正所述地图。
以此方式,可以验证、校正和/或更新现有地图。分割成组可以与现有地图中已经含有的其它数据组合和交叉。
-所述分割包含划分算法和聚合算法、通过密度验证的优化算法或此类算法的组合的实施。此类算法可以在很大程度上通过自动化来实施,同时使得有可能实现地图信息的高可靠性。
附图说明
在阅读以下详细描述并分析附图后,就将明白本发明的其它特征、细节和优点,在附图上:
-图1是来自要验证/校正的地图的数据的部分表示;
-图2和3各自示出根据本发明的一种方法的至少一部分的实施例的功能图;
-图4和5各自示出在根据本发明的方法期间制备的图形;
-图6、7和8示出根据本发明的方法的细节;
-图9示出根据所述方法实施的分区;
-图10、11和12各自示出根据本发明的实施例的一部分;
-图13示出根据本发明的实施例的一部分;以及
-图14和15示出在根据本发明的方法期间获得的图形。
具体实施方式
以下附图和描述主要含有某种种类的要素。因此,它们不仅可以用于较佳地理解本发明,而且在适当时还促成本发明的定义。
在其余部分中,术语地图指定表示网络设备的相互组织的一组数据,例如地理和/或连接数据。图1的地图或邻域布局是来自一个地图的数据的一部分的样本视觉表示。此类表示的目的本质上是使理解较容易。网络地图可以包括除了邻域布局上所示出的数据之外的其它数据,尤其是非严格地理的数据,例如与每个节点相关联的标称功率、与存在的敷设电缆相关的特征,或甚至是每件设备的技术特征。
在图1的示例中,地图100包括:三个源节点1,每个源节点1包括多个输出3或线路;以及消费节点5。在此处所描述的示例中,源节点1对应于位于中压传输网络(或A型高压HVA)和下游低压(LV)分配网络之间的变压器。例如,源节点1中的每个源节点包括介于1和10个之间的线路。一般来说,每个线路在邻域或街道中延伸,从而为位于那里的消费节点5供电。作为示例而选择的低压(LV)网络具有树状结构。树状结构的顶点对应于源节点1,此处为HVA/LV变电站,它向一组输出3供电。每个输出3凭借由一连串区段构成的线路本身而延伸。消费节点5沿着区段形成分布式分支点。
消费节点5大致上对应于“交付点”(PL)。每个消费节点5在低压LV分配网格和通常为专用的次级电网之间形成接口。实际上,消费节点5由设备具体化,所述设备包含出于计费目的而专门用于考虑次级网格的电消耗的仪表。引申开来,消费节点5可以被称为仪表。
地图100使每个源节点1和每个消费节点5与例如邮政地址的地理位置和/或用户/变电站标识符相关联。若干消费节点5可以与共享用户标识符和/或共享地理位置相关联。分别与标识符相关联的若干节点1、5可以进一步与例如用于多住所单元或密集区域的共同地理位置相关联。
对于例如住宅或企业的家庭用途,一个单相供电仪表通常是足够的。对于一些用途,尤其是工业用途,可能需要三相电流电源。在此处所描述的示例中,根据法国的用法,每个输出(或线路)是三相的。本申请人观测到,由电力线载波(PLC)在单个输出的两个不同相之间进行数据传输仍然是可能的。作为变体,线路可以是单相的。
地图100进一步包括消费节点5和输出3之间的关联。此后一种类型的关联是对于管理网格中的电力分配特有有用的信息。
因此,根据图1所示出的地图100:
-由十字形表示的消费节点5与输出3A相关联;
-由正方形表示的消费节点5与输出3B相关联;
-由空心圆表示的消费节点5与输出3C相关联;
-由三角形表示的消费节点5与输出3D相关联;
-由警告锥表示的节点登记在地图100中,但不与任何输出相关联;以及
-由惊叹号表示的节点根本未登记在地图100中。
理论上,地图100中含有的关联应对应于现场中的物理现实。每个消费节点5应由在地图100中与其相关联的供电节点1的输出3供电。同样,地图100含有错误并且一些信息丢失。
在与实际情形相比有意过分简单化的本背景中,错误和丢失的信息是已知的并被标识。此外,敷设电缆在地图上的视觉表示允许本能地发现一些错误和其校正。实际上,在没有针对性搜索的情况下以及在没有计算机工具辅助的情况下,数据的数量和数据的复杂性使此类检测繁重,甚至是不可能的。
在图1的示例中并且根据地图100,消费节点51由输出3A供电(由十字形表示)。其涉及错误:消费节点51实际上由输出3E供电。
在图1的示例中并且根据地图100,消费节点52(由警告锥表示)未被供电,这可以对应于例如已被安装但尚未被连接的仪表。因此,操作员必须先验地在现场验证连接,以将相关数据输入在地图100中。
在图1的示例中并且根据地图100,消费节点53(由正方形表示)由输出3B供电。其涉及错误:消费节点53实际上由输出3C供电。
在图1的示例中并且根据地图100,消费节点54不存在(因为未被登记;由惊叹号表示)。其涉及错误:消费节点54存在并由输出3中的一个输出供电。
用于错误检测/校正的第一已知方法由以下组成:比较消费节点5的理论输出3与地理上在第一节点附近的消费节点5的理论输出3。这假定用于比较的数据是可用、可靠、完整且精确的。这些假设很少得到满足。具体来说,此类方法在密集区域或已经历尚未转录在地图100中的许多变化的区域中不会提供证明结果。
对于消费节点51、52和54,附接到源节点1是不正确或丢失的。对于消费节点53,附接到源节点1是正确的,但附接到输出3是不正确的。此最后种类的错误可以被认为较难以检测和校正。例如,基于节点的地理位置的分析不会使得有可能可靠地确定所述节点被供电所通过的输出3。
消费节点5中的每个消费节点包括能够通过配电网与其它通信模块通信的通信模块或通信接口。例如,智能仪表或AMM(代表“自动化仪表管理(Automated MeterManagement)”)仪表能够与集中器交换数据。集中器通常布置在源节点1附近。集中器从若干AMM收集数据。
在此处所描述的示例中,集中器又例如通过移动电话网络将信息发送到共同远程处理单元。因此,数据处理单元包括处理器,所述处理器与存储器在操作上耦合以至少部分地实施本发明中所定义的方法。作为变体,数据处理的至少一部分可以由集中器实施和/或由集中器附近的设备在本地实施。例如,可以由集中器完成计数操作,并且随后将与计数相关的数据发送到处理单元。
在一些情况下,分析和比较由各个消费节点5记录的电压变化会使得有可能标识对应性,并因此确定哪些消费节点5连接到共同源3。然而,在消费节点5上测量到的电压变化可以由于对应专用网络和/或由同一个输出3供电的其它专用网络上的活动而产生。因此,此类分析的可靠性低。此外,所述分析要求同时针对所有消费节点5进行频繁测量。此外,这涉及与每个消费节点相关联的精确的陈旧消耗测量的长期存储。此类数据存储和处理可以用于推断关于每个消费者的使用的精确信息。通常不希望通过技术手段使专用数据的此类使用较容易。换句话说,此类数据的自动化收集可以容易从预期用途(GIS内容的验证)中转移以供使用,这会损害个人信息的机密性和保护。一些标准和法规倾向于限制设置可以出于此目的而容易转移的计算机系统。
在所开发的AMM当中,一些AMM包括由电力线载波(PLC)操作的通信模块。因此,数据由电网本身交换,而不需要在源节点1和消费节点5之间提供专用通信网络。通信网络物理上使用有线电网。
在一些情况下,使用网状通信技术:消费节点5能够与相邻消费节点5通信。例如,部署在法国的“Linky”仪表配备有以“G3”协议操作的PLC模块。G3协议特别适于电网的特征,并尤其是使得有可能创建分散型(或分布式)通信网络。因此,最远离源节点1的消费节点5,或终端节点,可以与用作中继器/路由器的一些其它消费节点5或交换节点有效地交换数据。换句话说,将信息在相邻者之间从一个消费节点5发送到相邻消费节点5,一直发送到源节点1。以此方式,可以克服PLC信号在长距离内的不可避免的衰减。此外,这允许通信路线的自动适配:两个节点可以依据情形并且尤其是依据设备的可用性而通过不同路线彼此通信数次。
优选地在连接到一个共享输出3的消费节点5之间建立消费节点5之间的通信路线。
在其余部分中,将源节点1连接到终端消费节点5的路线被称为“通信路线”。所述路线被参考为9i,j,其中索引i标识源节点1并且索引j标识消费节点5。对于一对源节点1和终端消费节点5,可以存在若干不同路线9i,j。每个路线9由以下形成:
-单个链路7i,j(或连接),单个链路7i,j(或连接)将源节点1直接连接到消费节点5;或
-一系列链路7i,x、7x,y、7y,z、7z,j,一系列链路7i,x、7x,y、7y,z、7z,j通过形成中继节点的至少一个其它消费节点5x、5y、5z将源节点1间接连接到消费节点5。在本背景中,由不同链路7连接同一个节点对i、j的两个路线9i,j彼此区别开。
链路7x,y被定义为路线9和将第一节点(源节点1或消费节点5)连接到第二节点(源节点1或消费节点5)的路径的子集。在网络中,对于每一对节点x、y,对应着将节点x、y彼此连接的一个链路7x,y。每个链路7x,y由电网的一连串一个或多个区段构成。实际上,由电网的不同区段构成的两个链路7x,y可以用于在第一节点x和第二节点y之间发送数据。在本背景中,不考虑这些差异,并且不区别由网络的不同区段建立的两个链路7x,y。换句话说,考虑到,对于每一对节点x、y存在单个链路7x,y。链路7x,y可以连接彼此物理上远离的两个节点,包含在第一两个节点之间是否存在其它节点。例如,路线9i,j可以包括链路7x,y,链路7x,y至少部分地叠加在物理网络上,使得在一个电缆区段上,数据对于单个路线9i,j可以在两个相反方向上传递。
在所述方法的第一部分中,制备图形。图形表示在建立通信路线9i,j时使用的链路7x,y。
在来自所述方法的第一部分的操作201中,对每个链路7x,y、7x,z、7y,z形成源节点1i和终端消费节点5j之间的通信路线9i,j的一部分的次数进行计数。在观测时间内并且针对每一对消费节点x、y;y、z;x、z实施操作201,即计数。
在用于所述方法的第一部分的操作202中,构建图形,在图形中,每个顶点对应于消费节点5x、5y、5z,并且取决于连接一对消费节点5x、5y;5x、5z;5y、5z的链路7x,y、7y,z、7x,z形成在源节点1和终端消费节点5之间建立的通信路线9的次数而分配两个顶点之间的每个边的权重px,y、py,z、px,z。
观测和计数时间越长,则所得图形表示所建立的通信路线9i,j的种类越多并且处理所必要的计算机资源越多。
在第一实施例中,考虑前一操作201的所有(计数)结果而实施操作202。所得图形被视为“完整的”。因此,操作202不具有采样。所述方法的其余部分可以用此单个完整图形来实施。在这种情况下,适当的是选择观测长度和周期,以便依据可用计算机资源限制要处理的数据量,同时保证观测的代表性。
在第二操作中,仅考虑在操作201中的所监测的通信路线9的一部分而实施操作202。换句话说,提取一组通信路线9i,j并且在计数结束时仅保留来自对应链路7x,y的计数。为了改进图形的代表性,采样优选地是随机的。以此方式,可以后验地选择要处理以构造图形的数据量。采样还可以是时间的:在不同时间范围内完成若干计数。所得图形被视为“被采样”。所述方法的其余部分可以用在采样之后获得的若干图形来实施。
为了改进图形的代表性,并且独立于先前两个实施例,例如通过采样使对链路7x,y进行计数所针对的每个终端消费节点j的路线9i,j数目尽可能最均匀且优选地相等。换句话说,对于每个终端消费节点5j,在操作201期间监测的路线数目优选地相同。
在所得图形中,两个节点x、y之间的链路7x,y的使用频率越高,则将两个节点x、y联合的连接强度越大。图4示出此处基于根据PLC G3协议的通信路线的所得图形的表示的样本。中心节点对应于测试网络(在图1上示出为三角形)的单个源节点1。源节点1与大多数消费节点5密切相关。这是通过源节点1在树状网络的中心处的特定定位来解释。在此处所描述的示例中,在图形的构造期间忽略源节点1。图5中示出从图4中消除源节点1的结果。这可以在操作201期间通过有效地消除对应于源节点1的顶点或通过不对x或y对应于源节点1所针对的链路7x,y进行计数来完成。
在一些情形中,消费节点5可以具有仅具有源节点1的链路。这通常对应于地理上在源节点1附近的节点的情况。对应的所建立的通信路线9都由直接在源节点1i和所述终端消费节点5j之间的单个链路7i,j构成,而消费节点5不形成中继器。在这种情况下,在消除源节点1的顶点之后将此类消费节点5的顶点隔离(不连接到其它顶点)。此类节点无法被局部化。因此,也从图形中消除对应顶点。
可以用以下矩阵G的形式表示所得图形,其中索引1对应于源节点1并因此不存在,并且索引2至N分别对应于N-1个消费节点5中的每个消费节点,不包括被隔离的节点:
在所述方法的第二部分中,通过将图形的顶点分割而将消费节点5分布成组。通过应用组检测算法来实施分割,所述组检测算法被布置成倾向于以下两个目标:
-其间的边的权重px,y大的两个顶点和/或共享大量共同相邻者的两个顶点属于单个组;然而
-属于不同组的两个顶点具有低或零链路权重并具有很少的共同相邻者。换句话说,所述算法被布置成限定组或社区,其中单个组的节点5彼此紧密连接,并且组间连接微弱或不存在。每个节点5被分配给单个组。
下文描述算法的示例。算法可以分类成三种类型:
-划分算法,其检测组间链路并消除组间链路以强调组;
-聚合算法,其将具有相似性的节点或节点组收集到共同组中;
-通过密度验证的优化算法:将目标函数最大化以基于密度标准限定节点组。
在所述方法的第一示例中,所述方法的第二部分包括聚合算法的实施。第二部分例如应用于通过根据第二实施例实施所述方法的第一部分获得的多个被采样图形。聚合算法包括例如Louvain算法。由图2中的流程图示出第一采样方法。
组检测算法应用于多个样本图形。通过随机地选择在一个月内观测到的并且对链路7进行计数所针对的通信路线9而获得每个样本图形。
选择用于每个终端节点5j的相同数目个路线9以对链路7进行计数。以此方式,终端节点5j的处理是公平的并且观测基础保持为尽可能多样化。如果一些终端节点5比其它终端节点更活跃,则不会产生代表性偏差(针对每个终端节点5所建立的路线的不均匀性不会产生影响)。符合此类标准可以与再采样或“启动”相比较以进行统计推断。为了监测对链路7进行计数而选择的路线9的数目本身是超参数:通过利用此数目,有可能选择图形的代表性以及所必要的处理资源(计算机)。
通过Louvain算法进行的分割是基于度量的最大化,所述度量估计所实现的分区的质量,被称为“模块性”。分区的模块性测量组内部的链路比例和在等效图形中但随机定义的相同数量之间的差,其中没有预期组结构。如下定义分区P={c1,…,ck}的模块性Q:
其中pi,j是与节点i和j之间的链路相关联的权重;
δ(ci,cj)=1,当且仅当ci=cj时。
对于在不同组的两个节点之间不存在链路(或具有零权重的边),但在同一个组的两个节点之间存在至少一个链路的图形和分区,模块性Q为正。对于在同一个组的两个节点之间不存在链路,但在不同组的两个节点之间存在至少一个链路的图形和分区,模块性Q为负。当图形中的弧(或边)随机地分布时,模块性Q倾向于零。在此处所描述的示例中,考虑到,如果模块性Q大于或等于0.3,则图形分区有效(相关)。此类阈值的选择是基于文献,并尤其是基于以下文档:M.E.J.Newman的用于检测网络中的社区结构的快速算法(Fastalgorithm for detecting community structure in networks),物理评论E 69,066133(2004年)。作为变体,选择各种阈值。
图6中示出Louvain算法应用于图形的一个示例。可以用以下方式分解Louvain算法的应用。
在初始状态下(在图6的左下方示出,摘自M.E.J.Newman和M.Girvan的寻找和评估网络中的社区结构(Finding and evaluating community structure in networks),物理评论E 69,026113(2004年),在纽曼和格文(2004年)),组数目等于图形的节点/顶点数目。每个节点随机地分类在组中。
接下来,在第一子操作中,对于每个节点i,通过从此节点i的组中移除此节点i并将所述节点放入节点j的组中而估计所得模块性Q改进。当且仅当模块性Q改进为正时,才将节点i移动到所述改进为最大值的组中。随后“重新分配”节点i。只要改进了分区的模块性Q,就可以重复估计-重新分配系列。产生了具有优化模块性Q的图形(在图6的顶部示出)。
接下来,在第二子操作中,将具有优化模块性Q的图形变换成组的图形(在图6的中心处的底部示出):
-将各自表示单个组的一个节点的顶点合并成表示所述组的单个顶点,以便获得每个顶点现在表示组的图形。
-将属于两个不同组的两个节点之间的边合并成现在连接对应于所述两个组的两个顶点的一个边。这样,每个边现在表示组间连接。在此合并期间,通过对每个合并边的权重进行求和而获得两个组-顶点之间的每个边的权重。
-将组内部(在单个组的节点之间)的边变换成循环,其中权重等于内部边的权重的总和。
只要Louvain算法用于增加模块性Q,就从组中的节点的随机分类中重复Louvain算法的应用。在图6的右下方示出第二次迭代的结果。
所述算法的应用在组合优化的意义上形成启发法。所得分区(由所得图形示出)取决于分区的初始化(随机)。因此,所得分区可以在所述算法的两次连续执行之间变化。因此,优选地在各个样本图形上多次重复所述算法的应用,以便改进结果的稳定性。
所述方法的第二部分可以包括相似性矩阵M的构造。
相似性矩阵M是正方形并具有等于图形的顶点数目的维度,这意指地图100的消费节点5的数目,从所述数目中减去未连接到图形的其余部分的节点的数目,如上文所描述。由于图形未定向,故相似性矩阵M是对称的。相似性矩阵M由迭代循环构造,如图2所示出并在下文详细地描述。
在操作301中,将相似性矩阵M初始化为零。将迭代it计数器初始化为1。
随后,例如根据上文所描述的Louvain方法,在一次迭代中实施用于检测随机构造的图形上的组的算法。
将在当前迭代it中完成的组检测的结果存储在矩阵M中。在操作302中,为随机构建的图形构造组检测矩阵Dit。矩阵Dit的维度与相似性矩阵M的维度相同。例如,矩阵Dit采取矩形矩阵的形式,其中每行和每列对应于一个节点。当对应于行-列交点的节点属于共同组时,每项具有值“1”,否则具有值“0”。并且在操作303中,将矩阵Dit与矩阵M相加。换句话说,在对图形的组检测算法的每次迭代中,将对应次数矩阵Dit与相似性矩阵M相加。
在构造之后,使用相似性矩阵M来估计两个消费节点5属于共同组的概率。
在操作303之后,检查是否达到用于停止迭代的标准。此处,停止标准具有要使用的迭代次数it_max的形式。如果不是这种情况,则将迭代计数器递增1,并且随后在新的随机构建的图形上再次迭代操作302和303。
在操作305中,在循环结束时,将矩阵M归一化。矩阵M的归一化包括除以上文完成的迭代次数(M/it_max)。
归一化的相似性矩阵M可以被视为图形的邻接矩阵,其中链路的权重对应于两个节点属于单个组的概率。
在本背景中,属于同一个组的两个节点可以被视为电链接到源节点1的同一个馈电器3,而不仅电链接到同一个源节点1。
通过将例如Louvain算法的组检测算法应用于归一化的相似性矩阵M,可以任选地通过附加操作306获得最终分割。因此,每个消费节点5放入一个组中,所述组表示由通信链路以及由变电站的馈电器处的单个电连接高度地连接的节点结构。
在所述方法的第二示例中,所述方法的第二部分包括划分算法的实施。此第二部分例如应用于通过所述方法的第一部分获得的单个完整图形。划分算法包括例如用于计算介数中心度(betweenness centrality)的算法,例如Girvan-Newman(或“边介数(edgebetweenness)”)的算法。由图3中的流程图示出第二采样方法。
在初始操作401中,制备根据所述方法的第一部分获得的图形,此处为单个完整图形。
随后,在操作402中,使用用于检测完整图上的组的算法,例如稍后将描述的Girvan-Newman算法,以便获得节点成为组的分区。
随后,使用分区的校正操作403:通过将最近邻算法(下文详细地描述)应用于每个节点以确定消费节点5的组中的最可能的成员来校正图形的每个分区。接下来,通过连通度(conductance)测量节点成为组的重新分组的相关性(操作404)。在操作405中,将具有最佳连接性的组的节点从路线的图形中分离。
在如此简化的图形上重复循环:通过应用组检测算法(操作402的重复)将其余节点再次切割成组。当达到停止标准时,或当仅剩余一个单个组时,停止迭代。
现在将详细地描述Girvan-Newman(“边介数”)算法的示例。
代替确定对于组的结构必不可少的中心链路,“边介数”划分算法预期检测将节点组彼此连接的链路。以此方式,代替通过添加与一组非连接节点的紧密链接来构造组,通过连续地消除组间链路来揭露所述组。图7示出具有最大介数度量的链路Bi,j的标识。
为了标识组间链路,意指那些链路对应于高介数中心度,若干方法是已知的:
-最短路径介数:确定图形的两个节点之间的最短路径并对采取每个链路的次数进行计数;
-随机游走介数:在两个节点之间建立随机路径,对采取每个链路的次数进行计数,并且为图形的每一对节点添加此数目;
-电流-流动介数:计算两个节点之间的电流的绝对值,在图形的所有源节点和汇节点对内进行求和。
在M.E.J.Newman和M.Girvan的寻找和评估网络中的社区结构(Finding andevaluating community structure in networks),物理评论E 69,026113(2004年)中,可以用以下方式定义划分算法(“边介数”):
i.计算图形中的所有链路的介数中心度评分;
ii.寻找具有最高评分的链路并将其从网络中消除;
iii.重新计算所有其余链路的介数中心度;
iv.只要可以消除高介数链路,而不使在先前迭代中确定的组降级,或只要满足模块性函数的最大化标准,就重复步骤ii。
图8是通过连续地消除粗体链路标识的组的示例;此处存在四个组。图9示出可以在实施划分算法之后获得的树状图(或簇树)。分支的末端(图9的底部)表示图形的节点。树表示沿着树下降的路径切割成越来越小的组的连接网络。虚线指示节点到四个社区中的分布以及选定组的数目。
现在将描述最近邻算法。在通过消除最小连通度组来简化图形之后,在从每个节点的最近相邻者(或大多数相似节点)标识组之后将所述每个节点重新分配到最可能的组。
此算法包括以下操作:
-对于每个节点:
i.标识相邻节点(与至少一个链路共享的节点);
ii.对于每个相邻节点,计算共同相邻者的级别(参看下文);
iii.为节点分配最接近相邻者的组。
两个节点之间的相似性是由杰卡德指数测量,例如在陆林远(Linyuan Lu)和周涛(Tao Zhou)的复杂网络中的链路预测:调查(Link prediction in complex network Linkprediction in complex network:A survey),物理学A 390(2011年)中定义:
其中Γ(X)和Γ(Y)分别是节点X和Y的相邻者的集合。
分子表示节点X和Y所共有的相邻者的列表。分母表示所有其相邻者的完整列表。索引S测量共同相邻者的级别并包含在0和1之间。级别越高,则两个节点X和Y属于单个组的概率越大。
图10示出具有三个共同相邻者的两个节点u和v的示例。图11示出两个节点的初始分配(由箭头标识)是不正确的图形。最近邻算法的实施方案用于将这两个节点重新分配到其最近相邻者的组。图12示出节点的初始分配(由箭头标识)似乎不正确的图形。此处,当且仅当多于一半的相邻节点属于单个组时,才选择将节点重新分配到组。因此,此处使用最近邻算法会导致将节点分配给初始组,即使多于一半的相邻节点被分配给两个其它组也如此。
通过将边介数算法(操作402)连续地应用于属于最不密集组的节点,可以改进来自上述操作的分割。换句话说,操作401本身可以是迭代循环。通过测量连通度确定属于最相关组的节点,这意指离开社区的链路占所述组中的节点的链路总量的分数。连通度越低,则所述组中的节点与其它组的节点共享关系越少。
以下是组i的连通度Φ的公式:
其中Cs是在所述组外部延伸(朝向来自其它组的节点)的链路数目,并且
ms是至少一个末端是组i的节点的链路数目。
图13示出用于组检测的一连串迭代。在第一迭代中,标记为3的组具有最低连通度。因此,从图形中消除组3的链路中的节点。在第二迭代中,组2具有最低连通度。因此,又从图形中消除组2的节点和链路。在最后一代N结束时,连续地标识和消除10个组。四个节点保持不与其它节点连接,并因此被视为隔离。
图14示出本申请人对根据PLC G3协议以60个消费节点5创建的通信路线进行测试的结果。左侧部分示出在所述方法的第一部分结束时的所得图形(观测阶段和图形构造)。右侧部分示出在应用组检测算法之后获得的结果:标识三个组并且三个组分别具有连通度0.06、0.13和0.13。
图15示出为节点建立的图形(其中组的初始分配对应于现有GIS(在图的左侧)的制图数据)与在根据所述方法校正和重新分配组之后的同一个图形的比较。在此示例中,GIS包括关于将节点(或仪表)分配到源节点1的各个馈电器3(此处为低压变电站)的数据。在左侧部分中,用于分别表示消费节点5的三个不同形状指示馈电器3,每个节点5被认为根据来自GIS的信息连接到所述馈电器3。
在本申请人进行的试验中,在现场完成验证以确定地标识可能的错误:
-在GIS中不正确地登记为连接到对应于“三角形”标志的馈电器3的七个节点实际上连接到对应于“正方形”标志的馈电器3;以及
-在GIS中不正确地登记为连接到对应于“三角形”标志的馈电器3的七个节点实际上连接到对应于“圆形”标志的馈电器3。
如图的左侧部分所示出,所述方法允许基于对在节点的网络中建立的通信路线的观测来标识分配是不正确的节点5。除了检测错误本身之外,所述方法还用于确定如何校正错误。换句话说,有可能为每个不正确参考的消费节点5标识正确的馈电器3分配。
在其测试期间,本申请人将所述方法应用于81个源节点1和7698个消费节点5。以下是所研究的情况的分布:
-39个源节点1连接到少于50个消费节点5;
-19个源节点1连接到多于50个消费节点5以及少于100个消费节点5;
-23个源节点1连接到多于100个消费节点5;以及
-所研究的78%的源节点1包括介于2和6个之间的馈电器3。
不正确或丢失的结果似乎本质上取决于每组的消费节点5的数目以及每节点1的馈电器数目。实际上,每馈电器的消费节点5的数目越小,则组检测算法的误差裕度增加越多。
对于这些测试,现场验证用于清除任何疑问并检测在所述方法的应用的结果处的任何错误。达到了96%的确认或有效校正率。对于4%的消费节点3,所述方法不能够标识所分配的馈电器或不正确标识和分配的馈电器。
在先前示例中,意指分割成节点组的方法的结果用于验证并任选地校正预先存在的地图。在变体中,现有地图含有极少的可靠信息,或甚至完全不存在可靠信息。可以实施此类方法来创建此类地图,而无需从预先存在的地图开始。此处应理解,地图的“构造”意指从无开始创建地图,或者通过验证和/或校正预先存在的地图来创建地图。
仅作为示例,本发明不限于上述方法和系统示例,但本发明涵盖本领域普通技术人员可以在所寻求的保护范围内考虑的所有变体。
Claims (9)
1.一种由计算机实施的方法,所述方法被提出以用于构造配电网的地图(100),所述配电网包括包含多个输出(3)的至少一个源节点(1)和各自由单个输出(3)供电的多个消费节点(5),其中对于每一对节点(5x、5y),对应着将两个节点(5x、5y)彼此连接的一个链路(7x,y),
其中消费节点(5j)中的每个消费节点能够凭借通过所述配电网的至少一个通信路线(9i,j)与所述源节点(1i)通信,
每个路线(9i,j)由以下形成:
-单个链路(7i,j),所述单个链路(7i,j)将所述源节点(1i)直接连接到所述消费节点(5j);或
-一系列链路(7i,x、7x,y、7y,z、7z,j),所述一系列链路(7i,x、7x,y、7y,z、7z,j)通过形成中继节点的至少一个其它消费节点(5x、5y、5z)将所述源节点(1i)间接连接到所述消费节点(5j),所述方法包括:
a)在至少一个观测周期期间并且对于每一对消费节点(5x、5y;5x、5z;5x、5j;5y、5z;5y、5j;5z、5j),对对应链路(7x,y、7x,z、7x,j、7y,z、7y,j、7z,j)形成源节点(1i)和消费节点(5j)之间的通信路线(9i,j)的一部分的次数进行计数(201);
b)构建(202)图形,在所述图形中,每个顶点对应于消费节点(5x、5y、5z、5j),并且取决于连接一对消费节点(5x、5y;5x、5z;5y、5z)的链路(7x,y、7x,z、7x,j、7y,z、7y,j、7z,j)形成在源节点(1)和终端消费节点(5)之间建立的通信路线(9)的一部分的次数而分配两个顶点之间的每个边的权重(px,y、px,z、px,j、py,z、py,j、pz,j);
c)通过应用算法将所述图形的顶点分割成组,所述算法被布置成使得:
-其间的边的权重(p)大的两个顶点和/或共享大量共同相邻者的两个顶点倾向于分类在单个组中;然而
-分类在不同组中的两个顶点倾向于具有低或零链路权重(p)和/或具有很少的共同相邻者。
2.根据权利要求1所述的方法,其特征在于,取决于对应链路(7)形成每个源节点(1i)和消费节点(5j)对之间的恒定数目个路线(9i,j)中的路线(9)的一部分的次数而分配权重(p)。
3.根据前述权利要求中任一项所述的方法,其特征在于,在计数结束时,进行中间随机采样操作并且基于所得样本进行分割操作;一连串采样、图形构造和分割操作是迭代循环的主题。
4.根据前述权利要求中任一项所述的方法,其特征在于,由所述配电网上的电力线载波根据分布式架构建立节点(1、5)之间的通信。
5.根据前述权利要求中任一项所述的方法,所述方法进一步包括:
d)根据预先存在的地图(100)比较由于将消费节点(5)分配到输出(3)而产生的所述组的组成物;
e)通过所述比较推断所述地图(100)的准确度或至少一个错误的存在;
f)在推断至少一个错误的情况下,基于所述所得组的所述组成物校正所述地图(100)。
6.根据前述权利要求中任一项所述的方法,其特征在于,所述分割包含划分算法和聚合算法、通过密度验证的优化算法或此类算法的组合的实施。
7.一种系统,所述系统包括至少一个集中器和至少一个处理单元,其中所述处理单元包含能够存储配电网的至少一个地图(100)的存储器,所述配电网包括包含多个输出(3)的至少一个源节点(1)和各自由单个输出(3)供电的多个消费节点(5),其中对于每一对节点(5x、5y),对应着将两个节点(5x、5y)彼此连接的一个链路(7x,y),
其中消费节点(5j)中的每个消费节点能够凭借通过所述配电网的至少一个通信路线(9i,j)与所述源节点(1i)通信,
每个路线(9i,j)由以下形成:
-单个链路(7i,j),所述单个链路(7i,j)将所述源节点(1i)直接连接到所述消费节点(5j);或
-一系列链路(7i,x、7x,y、7y,z、7z,j),所述一系列链路(7i,x、7x,y、7y,z、7z,j)通过形成中继节点的至少一个其它消费节点(5x、5y、5z)将所述源节点(1i)间接连接到所述消费节点(5j),
其中所述集中器被布置成用于:
a)收集并向所述处理单元发送来自在至少一个观测周期期间对对应于每一对消费节点(5x、5y;5x、5z;5x、5j;5y、5z;5y、5j;5z、5j)的每个链路(7x,y、7x,z、7x,j、7y,z、7y,j、7z,j)形成源节点(1i)和消费节点(5j)之间的通信路线(9i,j)的一部分的次数进行计数的数据,
其中所述处理单元被布置成用于接收计数数据,以及
b)构建(202)图形,在所述图形中,每个顶点对应于消费节点(5x、5y、5z、5j),并且取决于连接一对消费节点(5x、5y;5x、5z;5y、5z)的链路(7x,y、7x,z、7x,j、7y,z、7y,j、7z,j)形成在源节点(1)和终端消费节点(5)之间建立的通信路线(9)的一部分的次数而分配两个顶点之间的每个边的权重(px,y、px,z、px,j、py,z、py,j、pz,j),
c)通过应用算法将所述图形的所述顶点分割成组,所述算法被布置成使得:
-其间的边的权重(p)大的两个顶点和/或共享大量共同相邻者的两个顶点倾向于分类在单个组中;然而
-分类在不同组中的两个顶点倾向于具有低或零链路权重(p)和/或具有很少的共同相邻者。
8.一种计算机程序,所述计算机程序包括指令,所述指令用于在此程序由处理器执行时实施根据权利要求1至6中任一项所述的方法。
9.一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质上记录有程序,所述程序包括用于实施根据权利要求1至6中任一项所述的方法的指令。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1756528A FR3068811A1 (fr) | 2017-07-10 | 2017-07-10 | Fiabilite de cartographies de reseaux |
FR1756528 | 2017-07-10 | ||
PCT/EP2018/068358 WO2019011800A1 (fr) | 2017-07-10 | 2018-07-06 | Fiabilité de cartographies de réseaux |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111226254A true CN111226254A (zh) | 2020-06-02 |
Family
ID=61223943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880057423.3A Pending CN111226254A (zh) | 2017-07-10 | 2018-07-06 | 网络地图的可靠性 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3652699B1 (zh) |
CN (1) | CN111226254A (zh) |
FR (1) | FR3068811A1 (zh) |
SG (1) | SG11202000272WA (zh) |
WO (1) | WO2019011800A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268965A (zh) * | 2021-12-21 | 2022-04-01 | 中国科学院数学与系统科学研究院 | 一种基于深度学习的移动通信网络覆盖率计算方法及装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI842197B (zh) * | 2022-11-14 | 2024-05-11 | 國立陽明交通大學 | 運輸網路系統的可靠度評估方法及其裝置 |
CN116600361B (zh) * | 2023-07-19 | 2023-09-22 | 深圳市城市公共安全技术研究院有限公司 | 无人机组网配置方法、设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742795A (en) * | 1994-12-02 | 1998-04-21 | Abb Patent Gmbh | Method of initializing and updating a network model |
CN1480867A (zh) * | 2002-10-16 | 2004-03-10 | 黄珏华 | 一种电子地图的制作方法和显示方法 |
CN102461069A (zh) * | 2009-04-16 | 2012-05-16 | 埃尔科姆国际有限公司 | 建模设备和方法 |
CN102820984A (zh) * | 2011-01-29 | 2012-12-12 | 特克特朗尼克公司 | 自动网络拓扑结构检测和建模 |
US20130067113A1 (en) * | 2010-05-20 | 2013-03-14 | Bull Sas | Method of optimizing routing in a cluster comprising static communication links and computer program implementing that method |
CN103069871A (zh) * | 2010-07-08 | 2013-04-24 | 苹果公司 | 移动无线设备中网络拥塞期间无线电资源的重建信令 |
CN104881710A (zh) * | 2015-05-11 | 2015-09-02 | 浙江大学 | 一种基于车辆自组网的城市快递配送方法 |
-
2017
- 2017-07-10 FR FR1756528A patent/FR3068811A1/fr active Pending
-
2018
- 2018-07-06 EP EP18735587.0A patent/EP3652699B1/fr active Active
- 2018-07-06 WO PCT/EP2018/068358 patent/WO2019011800A1/fr unknown
- 2018-07-06 CN CN201880057423.3A patent/CN111226254A/zh active Pending
- 2018-07-06 SG SG11202000272WA patent/SG11202000272WA/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5742795A (en) * | 1994-12-02 | 1998-04-21 | Abb Patent Gmbh | Method of initializing and updating a network model |
CN1480867A (zh) * | 2002-10-16 | 2004-03-10 | 黄珏华 | 一种电子地图的制作方法和显示方法 |
CN102461069A (zh) * | 2009-04-16 | 2012-05-16 | 埃尔科姆国际有限公司 | 建模设备和方法 |
US20130067113A1 (en) * | 2010-05-20 | 2013-03-14 | Bull Sas | Method of optimizing routing in a cluster comprising static communication links and computer program implementing that method |
CN103069871A (zh) * | 2010-07-08 | 2013-04-24 | 苹果公司 | 移动无线设备中网络拥塞期间无线电资源的重建信令 |
CN102820984A (zh) * | 2011-01-29 | 2012-12-12 | 特克特朗尼克公司 | 自动网络拓扑结构检测和建模 |
CN104881710A (zh) * | 2015-05-11 | 2015-09-02 | 浙江大学 | 一种基于车辆自组网的城市快递配送方法 |
Non-Patent Citations (3)
Title |
---|
刘芹 等;: "线路在线监测的自组织自愈无线传感器网络方案" * |
戚佳金 等;: "低压电力线通信网络特性模型与组网算法" * |
章坚民 等;: "基于新型力导算法的省级输电网均匀接线图自动布局" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114268965A (zh) * | 2021-12-21 | 2022-04-01 | 中国科学院数学与系统科学研究院 | 一种基于深度学习的移动通信网络覆盖率计算方法及装置 |
CN114268965B (zh) * | 2021-12-21 | 2023-09-08 | 中国科学院数学与系统科学研究院 | 一种基于深度学习的移动通信网络覆盖率计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
SG11202000272WA (en) | 2020-02-27 |
EP3652699B1 (fr) | 2022-08-03 |
EP3652699A1 (fr) | 2020-05-20 |
WO2019011800A1 (fr) | 2019-01-17 |
FR3068811A1 (fr) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9973406B2 (en) | Systems and methods for mapping and analyzing networks | |
CN111226254A (zh) | 网络地图的可靠性 | |
CN101715203B (zh) | 一种自动定位故障点的方法和设备 | |
CN111999692B (zh) | 一种多表误差的校准方法和装置 | |
CN112418532A (zh) | 输电线路的巡检路径规划方法、装置、设备及存储介质 | |
CN114519514B (zh) | 一种低压台区合理线损值测算方法、系统及计算机设备 | |
CN107808217A (zh) | 一种基于北斗定位与客流量的公交换乘优化方法 | |
CN112184282A (zh) | 影院选址模型建立方法、影院选址方法及影院选址平台 | |
EP3449267B1 (en) | A method for identifying the phases of a multi-phase distribution grid | |
CN111999691A (zh) | 一种计量传感器装置的误差校准方法和误差校准装置 | |
CN111313399A (zh) | 一种区域用电网络拓扑关系确认方法、装置和系统 | |
da Silva et al. | Combining k-means method and complex network analysis to evaluate city mobility | |
CN112581306B (zh) | 一种基于穷举的区域网络拓扑关系确认方法、装置和系统 | |
CN114638554B (zh) | 营销业务健康指数评价联控方法及系统 | |
CN111623243A (zh) | 一种区域油管网网络拓扑关系确认方法、装置和系统 | |
CN111626459B (zh) | 一种区域充电网络拓扑关系确认方法、装置和系统 | |
CN113076995B (zh) | 一种用于输电线路的多期激光点云数据处理方法及系统 | |
CN117828796B (zh) | 一种基于存在合理性评价的城市电网拓扑补全方法 | |
US20240213778A1 (en) | Systems and methods for automated correction of gis data for loads and distributed energy resources in secondary distribution networks | |
Sundsgaard et al. | Exploring Data Collection and Fusion of Medium Voltage Cable Failures-A Danish Case Study | |
CN113410840B (zh) | 一种基于子图同构的电网故障建模方法及系统 | |
CN118244191B (zh) | 一种不间断供电的电力采集计量系统 | |
CN118037129B (zh) | 一种用于综合交通枢纽城市发展水平的评测方法及系统 | |
CN111626460B (zh) | 一种区域用水网络拓扑关系确认方法、装置和系统 | |
CN118396156A (zh) | 一种广域公共交通优化方法及系统 |
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: 20200602 |