CN111769976B - 一种电力物联网终端故障自适应恢复方法及系统 - Google Patents
一种电力物联网终端故障自适应恢复方法及系统 Download PDFInfo
- Publication number
- CN111769976B CN111769976B CN202010531161.9A CN202010531161A CN111769976B CN 111769976 B CN111769976 B CN 111769976B CN 202010531161 A CN202010531161 A CN 202010531161A CN 111769976 B CN111769976 B CN 111769976B
- Authority
- CN
- China
- Prior art keywords
- terminal
- fault
- recovery
- neighbor
- alternative
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005012 migration Effects 0.000 claims abstract description 42
- 238000013508 migration Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 32
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000007423 decrease Effects 0.000 claims description 11
- 108010003272 Hyaluronate lyase Proteins 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000006855 networking Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
- H04L41/0668—Management of faults, events, alarms or notifications using network fault recovery by dynamic selection of recovery network elements, e.g. replacement by the most appropriate element after failure
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种电力物联网终端故障自适应恢复方法及系统。该方法包括:确定故障终端的待恢复数据业务种类;根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。本发明实施例通过终端故障自适应恢复算法,提高了电力物联感知网络的自适应恢复能力,保证了网络的持续高效运行。
Description
技术领域
本发明涉及电力物联网技术领域,尤其涉及一种电力物联网终端故障自适应恢复方法及系统。
背景技术
随着智能电网的建设发展,电力系统设备开始变得更加智能化和现代化,从而使智能电网与物联网产生融合发展趋势。电力物联感知网络就是一个能够满足电网基础设施和环境识别、互联、感知和控制要求的网络系统。在智能电网高级数据管理、高级计量基础设施、新能源应用、需求侧响应、综合监测等应用的未来演进和发展的过程中,需要实时可靠的电网全互联的双向信息交互和态势感知,需要充分发挥电力大数据分析和智能决策控制的功效,电力物联感知网络正是承载和支撑这些应用的发展方向,具有关键作用和意义。
电力物联网需要部署海量的感知终端全面采集智能电网环境、网络、设备、业务等数据来满足其业务需求。低功耗广域网由于其低功耗、远距离、大量链接的特性,更加适合大规模物联网设备的部署。LoRa(Long Range)作为一种当前火热的LPWAN通信技术,主要采用星型组网方式。感知终端主要为各类传感器节点,负责收集数据,多个感知终端接入同一个网关,再由各个网关汇聚传输数据至后端网络和应用服务器。由于采用多信道自适应数据速率技术,一个完全符合标准的网关可以接入5到20公里内上万个无线传感终端,其效率远远高于传统的点对点轮询的通信模式,也能大幅度降低终端通信功耗。然而目前针对于LoRa网络终端故障的恢复方法还有待提高,主要存在以下问题:
(1)电力物联感知网络终端多部署于室外和野外,部署环境复杂、恶劣、多变,感知终端和通信链路易受外部环境影响,故障频发,导致业务中断,不利于电力物联感知网络的持续有效运营。而人工恢复会消耗大量人力物力,因此一种电力物联网终端故障自适应机制有待提出。
(2)目前的研究主要依托于传统传感器的故障处理方法,对具备低功耗广域网自身特性的故障处理技术方面研究较少。针对终端故障主要依据传感数据故障、通信故障、组件故障等分类,采用数据相关性恢复、邻居终端协作恢复传感任务、启动备用终端等方式,但甚少与基于低功耗广域网的电力物联感知网络技术特点相结合,故障恢复处理精确度和效果存在不足。
发明内容
本发明实施例提供一种电力物联网终端故障自适应恢复方法及系统,用以解决现有技术中针对电力物联网终端的故障恢复不具备有效恢复的缺陷。
第一方面,本发明实施例提供一种电力物联网终端故障自适应恢复方法,包括:
确定故障终端的待恢复数据业务种类;
根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;
基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;
基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
进一步地,所述确定故障终端的待恢复数据业务种类,具体包括:
获取所述故障终端的故障类型;
由所述故障类型确定所述待恢复数据业务种类。
进一步地,所述根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合,具体包括:
计算所述若干邻居终端的若干终端可信度;
基于终端所需能量值、终端传感器种类占比、终端通信模组繁忙程度值和终端数据传输速率增加百分比,计算若干备选邻居终端恢复优先级;
基于所述若干终端可信度、所述若干备选邻居终端恢复优先级和所述预设可信度下限,建立终端选择优化模型;
设定终端节点在若干自组网服务范围之间边缘处的若干扩频因子,基于若干扩频因子、预设信号带宽和预设编码率得到终端节点在所述若干自组网服务范围之间边缘处的若干自适应速率;
基于所述若干自适应速率对所述终端选择优化模型中的归一化系数进行调整,获得所述备选邻居终端或所述备选邻居终端集合。
进一步地,所述计算所述若干邻居终端的若干终端可信度,具体包括:
获取当前时刻具有预设数量的第一均值和第一方差,以及前一时刻具有所述预设数量的第二均值和第二方差;
将所述第一均值和所述第二均值之差的绝对值与预设均值变化门限作比较,以及将所述第一方差和所述第二方差之差的绝对值与预设方差门限作比较,结合任一终端可信度与预设增减幅度之和,得到任一终端可信度的取值范围;
综合所有终端可信度的取值范围,得到所述若干终端可信度。
进一步地,所述基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案,具体包括:
动态调整所述归一化系数,计算在不同归一化系数下的故障恢复率,直到计算出的新故障恢复率小于旧故障恢复率或达到最大迭代次数时计算停止;
分别计算所述终端所需能量值、所述终端传感器种类占比、所述终端通信模组繁忙程度值和所述终端数据传输速率增加百分比在终端故障整体恢复中的占比代价大小;
基于所述故障恢复率和所述占比代价大小,得到所述最优故障恢复方案。
进一步地,所述基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务,具体包括:
若单个邻居终端进行数据业务恢复时,由LoRa网关直接分配所述故障终端的数据任务;
若邻居终端集合进行数据业务恢复时,由所述LoRa网关将不同的数据任务分配给所述邻居终端集合中的不同终端。
进一步地,所述基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务,还包括:
若由待激活的睡眠终端执行所述数据业务迁移任务,由所述LoRa网关使用OTAA作为终端入网方式;
若被选中的终端节点发生故障或能量不足,由所述LoRa网关通知服务器任务分配失败,由所述服务器重新指派正常终端执行故障恢复或使用次优方案进行数据业务迁移。
第二方面,本发明实施例提供一种电力物联网终端故障自适应恢复系统,包括:
确定模块,用于确定故障终端的待恢复数据业务种类;
选择模块,用于根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;
处理模块,用于基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;
迁移模块,用于基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
第三方面,本发明实施例提供一种电子设备,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述电力物联网终端故障自适应恢复方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现任一项所述电力物联网终端故障自适应恢复方法的步骤。
本发明实施例提供的电力物联网终端故障自适应恢复方法及系统,通过终端故障自适应恢复算法,提高了电力物联感知网络的自适应恢复能力,保证了网络的持续高效运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电力物联网终端故障自适应恢复方法流程图;
图2为本发明实施例提供的相同扩频因子区域内的网络模型图;
图3为本发明实施例提供的扩频因子改变边界处的网络模型图;
图4为本发明实施例提供的任务迁移协商流程图;
图5为本发明实施例提供的相同速率下不同初始化系数的故障恢复率示意图;
图6为本发明实施例提供的速率改变边界处不同初始化系数的故障恢复率示意图;
图7为本发明实施例提供的三种算法在故障恢复率和额外恢复代价的比较示意图
图8为本发明实施例提供的一种电力物联网终端故障自适应恢复系统结构图;
图9为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施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所有其他实施例,都属于本发明保护的范围。
针对当前电力物联网故障频发,仅靠传统传感器的故障处理方法,缺乏与LoRa网络的特点的结合,在终端故障恢复率、恢复故障终端所需付出的网络通信代价,以及恢复功能后的网络的质量方面都有待提高,本发明实施例通过故障检测技术,提出一种电力物联网终端故障自适应恢复算法。
图1为本发明实施例提供的一种电力物联网终端故障自适应恢复方法流程图,如图1所示,包括:
S1,确定故障终端的待恢复数据业务种类;
S2,根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;
S3,基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;
S4,基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
具体地,根据故障的终端类型确定待恢复的数据业务种类,再由待恢复的数据业务种类计算得到故障终端的多个邻居终端中哪些是符合条件的备选邻居终端或由多个备选邻居终端组成的备选邻居终端集合,进一步进行调整得到故障恢复备选方案集合,并通过终端自适应恢复算法在备选方案集合中选出最优故障恢复方案,最后由网关和服务器根据任务迁移协商机制完成故障终端的数据业务迁移任务。
本发明实施例通过终端故障自适应恢复算法,提高了电力物联感知网络的自适应恢复能力,保证了网络的持续高效运行。
基于上述实施例,该方法中步骤S1具体包括:
获取所述故障终端的故障类型;
由所述故障类型确定所述待恢复数据业务种类。
具体地,在电力物联网中,感知终端故障类型主要分为两类:传感器模块故障和通信模组等其他部件故障。传感器模块故障默认终端通信模组及其他部件正常,仅为该传感器模块负责的业务数据采集缺失或异常,基于感知终端多传感器模块组合的特性,仅需要确定该故障传感器模块支撑的数据业务类别,针对该类数据业务进行恢复。通信模组等其他部件故障,则认为该终端无法履行数据感知功能,需要对终端所有传感器模块支撑的数据业务进行恢复。
传感器模块故障可通过该终端的部分数据缺失或数据异常来判定,数据缺失可通过固定时间周期内的数据统计方法来发现,数据异常则可通过历史数据对比分析来发现。通信模组等其他部件故障,可由网关在某段时间内缺失该终端数据并上报,由网络服务器确定是否同一时段内均无该终端数据上报来发现。
本发明实施例通过对故障终端的类型进行具体划分,根据类型进一步获取需恢复的业务类型,并提供了详细的故障判定条件。
基于上述任一实施例,该方法中步骤S2具体包括:
计算所述若干邻居终端的若干终端可信度;
基于终端所需能量值、终端传感器种类占比、终端通信模组繁忙程度值和终端数据传输速率增加百分比,计算若干备选邻居终端恢复优先级;
基于所述若干终端可信度、所述若干备选邻居终端恢复优先级和所述预设可信度下限,建立终端选择优化模型;
设定终端节点在若干自组网服务范围之间边缘处的若干扩频因子,基于若干扩频因子、预设信号带宽和预设编码率得到终端节点在所述若干自组网服务范围之间边缘处的若干自适应速率;
基于所述若干自适应速率对所述终端选择优化模型中的归一化系数进行调整,获得所述备选邻居终端或所述备选邻居终端集合。
其中,所述计算所述若干邻居终端的若干终端可信度,具体包括:
获取当前时刻具有预设数量的第一均值和第一方差,以及前一时刻具有所述预设数量的第二均值和第二方差;
将所述第一均值和所述第二均值之差的绝对值与预设均值变化门限作比较,以及将所述第一方差和所述第二方差之差的绝对值与预设方差门限作比较,结合任一终端可信度与预设增减幅度之和,得到任一终端可信度的取值范围;
综合所有终端可信度的取值范围,得到所述若干终端可信度。
具体地,在确定需要恢复的故障传感器支撑的数据业务种类后,需从该故障终端的健康邻居终端中选择合适的终端或终端集合,用以迁移当前故障终端的数据任务。根据需要恢复的传感器数据业务种类,分为两种情况:(1)恢复单类传感器:单个终端传感器模块故障,只需单个终端进行恢复;(2)恢复多类传感器:终端多个传感器或通信模组故障,需要恢复所有任务的单个终端或终端集合进行恢复。根据备选终端数量进行分类:(1)单个终端节点:单个节点主要用于恢复单类传感模块故障,同时也可以恢复多类传感器模块故障。需要考虑的是单类节点恢复多类故障,可能导致该节点的能耗和负载加重。(2)终端集合:终端集合只负责多类传感器模块恢复工作。
本发明实施例从备选终端数量的角度出发,对备选集合的邻居终端或终端集合进行比较,选择最优方案。故障恢复中的首要任务是选择恢复终端的备选集。在保障终端能够恢复的情况下,同时兼顾备选终端divicej的可信度θj来筛选备用终端集,并设θ0为备选终端可信度的下限。
终端divicej可信度计算方法如下:
和分别为当前时刻的最近k个数据的均值和方差,和分别为前一时刻最近k个数据的均值和方差。s,e分别为方差和均值变化的门限,判断前后时刻的方差和均值变化对可信度值的增减影响,为增减的幅度。设置所有终端初始可信度均为1,依据公式(1)进行多次迭代计算,可完成终端divicej的可信度θj值计算。
可以理解的是,在同一速率下,组网模型如图2所示,由被监测点和大量终端设备组成。其中,圆形区域内的终端负责监测位于圆心位置的被监测点。每个自组网中包含被监测点T,传感器终端节点S,传感器节点包括:正常工作节点、故障节点、睡眠节点。网络中的虚线表示网络中终端节点之间的邻居关系。由于终端均处在同一速率范围内,恢复终端选择时不考虑时延带来的影响,只需考虑能耗、传感器占比和通信繁忙程度等因素。
图2展示的模型中的网络终端节点的扩频因子相同,考虑LoRa的自适应速率机制,在边界处的终端节点可以提高速率来降低通信的时延,但同时为终端带来了额外能耗,因此权衡两者之间的利弊也作为优化模型中的关键因素进行判定,模型如图3所示。
恢复终端时需要考虑邻居终端divicej的信息:终端divicej需要的能量ei,j,终端divicej传感器种类占比Mj,终端divicej的通信模组繁忙程度Tj,终端数据传输速率增加的百分比Pj。通过这些信息,计算备选邻居终端的恢复优先级ωj,构造选择优化模型如下:
ei,j=λ5×disi,j+λ6×ewake+λ7×espeed (4)
λ5表示通过距离计算能量消耗的系数,λ6当终端或终端集合中有需要唤醒的终端时为1,不需要唤醒时为0,λ7当存在边界处节点并且需要改变速率时为1,不需要改变时为0。
LoRaWAN主要使用了125kHz信号带宽,本文也使用这个带宽。通过下面的公式(5)得到表示数据速率和扩频因子之间的关系函数。其中,SF是扩频因子,BW表示信号带宽,CR表示编码率。
扩频因子SF具体为:
其中,dis代表覆盖距离,单位为km。
对于上述优化选择模型,固定的归一化系数会导致模型泛化能力不足,因此本发明实施例的主要问题是计算最适合当前网络的归一化系数,选择最优的故障恢复方案,维持电力物联感知网络高效可持续使用。
基于上述任一实施例,该方法中步骤S3具体包括:
动态调整所述归一化系数,计算在不同归一化系数下的故障恢复率,直到计算出的新故障恢复率小于旧故障恢复率或达到最大迭代次数时计算停止;
分别计算所述终端所需能量值、所述终端传感器种类占比、所述终端通信模组繁忙程度值和所述终端数据传输速率增加百分比在终端故障整体恢复中的占比代价大小;
基于所述故障恢复率和所述占比代价大小,得到所述最优故障恢复方案。
具体地,为了找到能够恢复故障终端数据任务的最优恢复方案,恢复过程分为两个阶段,第一阶段动态调整系数直到当前网络最优,第二阶段进行故障恢复。首先,通过故障终端divicei的信息以及邻居终端divicej的信息找出高于可信度下限的备选方案集合plani。根据恢复故障终端对网络中各项资源使用的代价大小,动态的改变归一化系数的不同占比,并计算不同系数下的网络终端故障恢复率大小,直到新故障恢复率rnew小于旧的故障恢复率rPr或者达到最大迭代次数停止迭代。
终端集合各个变量不同于单个终端可以直接得出,终端集合Sdevicei的能耗等于集合中所有节点能耗之和:
终端集合Sdevicei的传感器种类占比、通信模组繁忙程度、时延减少程度等于集合中所有终端的均值:
计算出各个变量的值之后可以得出当前备选集中变量的整体情况以及哪些变量在故障恢复中的代价占比较大。
E=Ee+(1-Em)+ET+(1-EP) (11)
此处,给代价占比较大的变量赋予较高的归一化系数,可以保证最优恢复方案有着较小的能耗、较大的传感器种类占比、较小的通信模组繁忙程度和较低的时延。由此可以朝着这个方向动态的改变变量的加权归一化系数以逼近最符合当前备选集的系数。
不同的优先级策略适用于不同的网络,主站通过上传的网络信息数据进行实验和决策,相较于固定的优先级,本发明实施例能够选择出最优的备选终端来恢复网络的正常运行并且达到最高的故障恢复率,保证网络的可持续试用。
基于上述任一实施例,该方法步骤S4具体包括:
若单个邻居终端进行数据业务恢复时,由LoRa网关直接分配所述故障终端的数据任务;
若邻居终端集合进行数据业务恢复时,由所述LoRa网关将不同的数据任务分配给所述邻居终端集合中的不同终端。
其中,该方法步骤S4还包括:
若由待激活的睡眠终端执行所述数据业务迁移任务,由所述LoRa网关使用OTAA作为终端入网方式;
若被选中的终端节点发生故障或能量不足,由所述LoRa网关通知服务器任务分配失败,由所述服务器重新指派正常终端执行故障恢复或使用次优方案进行数据业务迁移。
具体地,本发明实施例提出的任务迁移协商机制主要目的是通过LoRa网关为自组网中故障节点的邻居终端自适应地指派任务,将故障终端的数据任务成功的迁移到邻居终端或终端集合上去,进而恢复整个网络的功能,如图4所示。
当终端的传感模块或通信模组出现故障时,LoRa网关通过对终端上传数据进行分析发现异常并向服务器上报终端故障信息,服务器通过对备选邻居终端进行分析,通过算法选出最优结果,并将恢复方案发送到LoRa网关,再由LoRa网关将任务迁移指令下发给备选终端或终端集合。单个邻居终端进行恢复时,LoRa直接分配故障终端数据任务,邻居终端集合进行恢复时,LoRa将不同的数据任务分派给集合中的不同终端,保证任务正确恢复。
当需要激活睡眠终端来替代执行任务的时候,LoRa通常使用OTAA作为终端入网方式。OTAA(Over the Air Activation)即为空中激活方式,终端申请加网后,发出加网命令,服务器确认无误后会给终端做加网回复,分配网络地址DevAddr,双方利用加网回复中的相关信息以及AppKey,产生会话密钥NwkSKey和AppSKey,用来对数据进行加密和校验,用此方式来激活睡眠终端加入网络,代替网络中的故障终端。当终端需要提速时,LoRa网关对终端下达速度更该指令,修改节点的变频因子从而达到修改数据速率的目的。
LoRa网关根据终端的实时状态进行协商,当被选中的终端因突发故障或能量不足等情况不足以支撑恢复任务时,将情况反馈给LoRa网关,LoRa网关通知服务器任务分配失败,此时服务器需重新指派正常终端进行故障恢复或直接使用次优方案进行任务迁移,确保数据任务的及时回复和网络整体均衡。
图5和图6分别展示了相同速率和速率改变边界处不同初始化系数情况下的故障恢复率。随着网络中故障终端数量增加故障恢复率逐渐降低,可以看出不同的初始化系数对最终的结果有一定的影响。
通过对图6的分析,TFSR算法选取最优初始化系数与GA和DPSO算法进行比较。图7展示了TFSR算法、GA和DPSO算法在故障恢复率和额外恢复代价方面的比较,可以看出随着故障终端个数的增加,故障恢复率逐渐下降,TFSR保持着最高的故障恢复率和较低的额外恢复代价,TFSR算法在维持网络正常运行的前提下,同时减少了对网络资源的消耗,而GA和DPSO算法的表现并没有TFSR算法好。
图8为本发明实施例提供的一种电力物联网终端故障自适应恢复系统结构图,如图8所示,包括:确定模块81、选择模块82、处理模块83和迁移模块84;其中:
确定模块81用于确定故障终端的待恢复数据业务种类;选择模块82用于根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;处理模块83用于基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;迁移模块84用于基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
本发明实施例提供的系统用于执行上述对应的方法,其具体的实施方式与方法的实施方式一致,涉及的算法流程与对应的方法算法流程相同,此处不再赘述。
本发明实施例通过终端故障自适应恢复算法,提高了电力物联感知网络的自适应恢复能力,保证了网络的持续高效运行。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行如下方法:确定故障终端的待恢复数据业务种类;根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:确定故障终端的待恢复数据业务种类;根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种电力物联网终端故障自适应恢复方法,其特征在于,包括:
确定故障终端的待恢复数据业务种类;
根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;具体包括:
计算所述若干邻居终端的若干终端可信度;终端可信度的计算方法如下:
基于终端所需能量值、终端传感器种类占比、终端通信模组繁忙程度值和终端数据传输速率增加百分比,计算若干备选邻居终端恢复优先级;基于所述若干终端可信度、所述若干备选邻居终端恢复优先级和所述预设可信度下限,建立终端选择优化模型;所述终端选择优化模型的计算方法如下:
ωj为备选邻居终端的恢复优先级,ei,j为终端divicej需要的能量,Mj为终端divicej传感器种类占比,Tj为终端divicej的通信模组繁忙程度,Pj为终端数据传输速率增加的百分比;
ei,j=λ5×disi,j+λ6×ewake+λ7×espeed;
λ5表示通过距离计算能量消耗的系数;λ6当终端或终端集合中有需要唤醒的终端时为1,不需要唤醒时为0;λ7当存在边界处节点并且需要改变速率时为1,不需要改变时为0;
设定终端节点在若干自组网服务范围之间边缘处的若干扩频因子,基于若干扩频因子、预设信号带宽和预设编码率得到终端节点在所述若干自组网服务范围之间边缘处的若干自适应速率;其计算公式为:
其中,SF是扩频因子,BW表示信号带宽,CR表示编码率;
扩频因子SF具体为:
基于所述若干自适应速率对所述终端选择优化模型中的归一化系数进行调整,获得所述备选邻居终端或所述备选邻居终端集合;
基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;具体包括:
动态调整所述归一化系数,计算在不同归一化系数下的故障恢复率,直到计算出的新故障恢复率小于旧故障恢复率或达到最大迭代次数时计算停止;
分别计算所述终端所需能量值、所述终端传感器种类占比、所述终端通信模组繁忙程度值和所述终端数据传输速率增加百分比在终端故障整体恢复中的占比代价大小;其计算公式为:
E=Ee+(1-Em)+ET+(1-EP);
基于所述故障恢复率和所述占比代价大小,得到所述最优故障恢复方案;其计算公式为:
基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
2.根据权利要求1所述的电力物联网终端故障自适应恢复方法,其特征在于,所述确定故障终端的待恢复数据业务种类,具体包括:
获取所述故障终端的故障类型;
由所述故障类型确定所述待恢复数据业务种类。
3.根据权利要求1所述的电力物联网终端故障自适应恢复方法,其特征在于,所述计算所述若干邻居终端的若干终端可信度,具体包括:
获取当前时刻具有预设数量的第一均值和第一方差,以及前一时刻具有所述预设数量的第二均值和第二方差;
将所述第一均值和所述第二均值之差的绝对值与预设均值变化门限作比较,以及将所述第一方差和所述第二方差之差的绝对值与预设方差门限作比较,结合任一终端可信度与预设增减幅度之和,得到任一终端可信度的取值范围;
综合所有终端可信度的取值范围,得到所述若干终端可信度。
4.根据权利要求1所述的电力物联网终端故障自适应恢复方法,其特征在于,所述基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务,具体包括:
若单个邻居终端进行数据业务恢复时,由LoRa网关直接分配所述故障终端的数据任务;
若邻居终端集合进行数据业务恢复时,由所述LoRa网关将不同的数据任务分配给所述邻居终端集合中的不同终端。
5.根据权利要求4所述的电力物联网终端故障自适应恢复方法,其特征在于,所述基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务,还包括:
若由待激活的睡眠终端执行所述数据业务迁移任务,由所述LoRa网关使用OTAA作为终端入网方式;
若被选中的终端节点发生故障或能量不足,由所述LoRa网关通知服务器任务分配失败,由所述服务器重新指派正常终端执行故障恢复或使用次优方案进行数据业务迁移。
6.一种电力物联网终端故障自适应恢复系统,其特征在于,包括:
确定模块,用于确定故障终端的待恢复数据业务种类;
选择模块,用于根据所述待恢复数据业务种类在所述故障终端的若干邻居终端中选择高于预设可信度下限的备选邻居终端或备选邻居终端集合;具体包括:
计算所述若干邻居终端的若干终端可信度;终端可信度的计算方法如下:
基于终端所需能量值、终端传感器种类占比、终端通信模组繁忙程度值和终端数据传输速率增加百分比,计算若干备选邻居终端恢复优先级;基于所述若干终端可信度、所述若干备选邻居终端恢复优先级和所述预设可信度下限,建立终端选择优化模型;所述终端选择优化模型的计算方法如下:
ωj为备选邻居终端的恢复优先级,ei,j为终端divicej需要的能量,Mj为终端divicej传感器种类占比,Tj为终端divicej的通信模组繁忙程度,Pj为终端数据传输速率增加的百分比;
ei,j=λ5×disi,j+λ6×ewake+λ7×espeed;
λ5表示通过距离计算能量消耗的系数;λ6当终端或终端集合中有需要唤醒的终端时为1,不需要唤醒时为0;λ7当存在边界处节点并且需要改变速率时为1,不需要改变时为0;
设定终端节点在若干自组网服务范围之间边缘处的若干扩频因子,基于若干扩频因子、预设信号带宽和预设编码率得到终端节点在所述若干自组网服务范围之间边缘处的若干自适应速率;其计算公式为:
其中,SF是扩频因子,BW表示信号带宽,CR表示编码率;
扩频因子SF具体为:
基于所述若干自适应速率对所述终端选择优化模型中的归一化系数进行调整,获得所述备选邻居终端或所述备选邻居终端集合;
处理模块,用于基于所述备选邻居终端或备选邻居终端集合生成故障恢复备选方案集合,通过终端自适应恢复算法从所述故障恢复备选方案集合中选出最优故障恢复方案;具体包括:动态调整所述归一化系数,计算在不同归一化系数下的故障恢复率,直到计算出的新故障恢复率小于旧故障恢复率或达到最大迭代次数时计算停止;分别计算所述终端所需能量值、所述终端传感器种类占比、所述终端通信模组繁忙程度值和所述终端数据传输速率增加百分比在终端故障整体恢复中的占比代价大小;其计算公式为:
E=Ee+(1-Em)+ET+(1-EP);
基于所述故障恢复率和所述占比代价大小,得到所述最优故障恢复方案;其计算公式为:
迁移模块,用于基于所述最优故障恢复方案,根据任务迁移协商机制完成所述故障终端的数据业务迁移任务。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述电力物联网终端故障自适应恢复方法的步骤。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述电力物联网终端故障自适应恢复方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010531161.9A CN111769976B (zh) | 2020-06-11 | 2020-06-11 | 一种电力物联网终端故障自适应恢复方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010531161.9A CN111769976B (zh) | 2020-06-11 | 2020-06-11 | 一种电力物联网终端故障自适应恢复方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111769976A CN111769976A (zh) | 2020-10-13 |
CN111769976B true CN111769976B (zh) | 2021-09-21 |
Family
ID=72720644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010531161.9A Active CN111769976B (zh) | 2020-06-11 | 2020-06-11 | 一种电力物联网终端故障自适应恢复方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111769976B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711158A (zh) * | 2012-04-26 | 2012-10-03 | 无锡赛睿科技有限公司 | 无线传感器网络的定向诊断方法和装置 |
CN103701627B (zh) * | 2012-09-27 | 2017-08-11 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台故障检测方法、装置及解决方法、装置 |
CN104298557A (zh) * | 2014-06-05 | 2015-01-21 | 中国人民解放军信息工程大学 | 一种soa动态负载迁移方法与系统 |
CN104270286B (zh) * | 2014-09-19 | 2018-10-16 | 北京邮电大学 | 一种sdn网络节点故障定位方法 |
CN107171819B (zh) * | 2016-03-07 | 2020-02-14 | 北京华为数字技术有限公司 | 一种网络故障诊断方法及装置 |
CN105915388B (zh) * | 2016-05-31 | 2019-06-04 | 广东电网有限责任公司电力调度控制中心 | 一种基于分布式网络的传感器故障检测方法及系统 |
KR101965937B1 (ko) * | 2016-11-17 | 2019-08-13 | 두산중공업 주식회사 | 이상 신호 복원 장치 및 방법 |
CN106982144B (zh) * | 2017-04-19 | 2019-12-20 | 华北电力大学(保定) | 一种电力通信网故障恢复方法 |
CN109714788A (zh) * | 2019-02-28 | 2019-05-03 | 福建师范大学 | 在线容错和邻居协作的传感器节点故障诊断算法 |
CN110503338B (zh) * | 2019-08-26 | 2022-07-15 | 江苏方天电力技术有限公司 | 一种泛在电力物联网监测方法 |
CN110879917A (zh) * | 2019-11-08 | 2020-03-13 | 北京交通大学 | 一种基于迁移学习的电力系统暂态稳定自适应评估方法 |
-
2020
- 2020-06-11 CN CN202010531161.9A patent/CN111769976B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111769976A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200280186A1 (en) | Establishing Communication and Power Sharing Links Between Components of a Distributed Energy System | |
US11758415B2 (en) | Method and apparatus of sharing information related to status | |
CN103580902B (zh) | 一种计算机信息系统及其动态容灾方法 | |
CN101964732B (zh) | 计算丢包率的方法及装置、控制网络传输的方法及装置 | |
CN107276839B (zh) | 一种云平台的自监控方法和系统 | |
CN111526057B (zh) | 一种基于业务类型的网络切片可靠性映射方法 | |
CN111831445B (zh) | 边缘服务器优化部署方法 | |
CN108494788A (zh) | 数据的传输方法、数据传输装置及计算机可读存储介质 | |
Hezaveh et al. | A fault-tolerant and energy-aware mechanism for cluster-based routing algorithm of WSNs | |
CN103957251A (zh) | 一种实现服务器负载均衡的方法及系统 | |
CN110535704B (zh) | 一种基于灰色马尔可夫算法的sdn多控制器故障检测算法 | |
CN111769976B (zh) | 一种电力物联网终端故障自适应恢复方法及系统 | |
CN117014313B (zh) | 一种面向边缘云平台的设备数据实时分析方法及系统 | |
CN110035278A (zh) | 数字视频监控方法、系统及其监控设备、监控中心 | |
CN116886576A (zh) | 一种多控存储集群通信超时控制方法、装置、设备及介质 | |
CN116545842A (zh) | 一种通信故障网络重构方法、系统、电子设备及存储介质 | |
CN114389726B (zh) | 一种基于边缘设备的智能组网方法、系统及存储介质 | |
US20210234795A1 (en) | Systems & methods for detecting communication link breaks | |
CN107872824B (zh) | 一种无线业务处理方法、装置、设备及存储介质 | |
CN107231655B (zh) | 一种减轻无线控制器负载的方法及系统 | |
CN115460217B (zh) | 一种基于强化学习的云服务高可用决策方法 | |
CN104837171A (zh) | 一种基于容错的多源异构无线传感网拓扑控制方法 | |
WO2024040976A1 (zh) | 网络设备的能耗控制方法及装置 | |
CN110794791A (zh) | 卷烟厂制造执行系统与制丝集控系统的数据传输方法 | |
Chai et al. | Self-Adaptive Fault Recovery Mechanism Based on Task Migration Negotiation. |
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 |