CN112672302B - 一种应用于光伏电站无线传感器的分簇与数据感知方法 - Google Patents

Abstract

本发明公开了一种应用于光伏电站无线传感器的分簇与数据感知方法，属于电力物联网信息感知技术领域，以解决基于无线传感网络构建的光伏电站监测系统无法满足大量数据的采集感知和快速精确处理的问题。方法包括建立分簇模型、确定簇内感知数据收集方案两个步骤。本发明建立的模型应用于光伏电站传感器网络拓扑中，可有效解决网络负载能耗问题，且具有容错能力和负载平衡等优势，可以平衡网络负载以及节省能耗，确保光伏电站信息被快速高效感知，在光伏电站实际数据的处理运用中，已验证该方法上述优势的有效性和确切性。

Description

一种应用于光伏电站无线传感器的分簇与数据感知方法

技术领域

本发明属于电力物联网信息感知技术领域，具体涉及一种应用于光伏电站无线传感器的分簇与数据感知方法。

背景技术

目前众多光伏电站监测系统都是基于无线传感网络构建而成的，使得光伏发电系统各环节实现广泛互动，提高光伏发电的调度与运行水平。但由于光伏电站资源和地理环境有限，导致在部署规模和寿命等方面遇到很多难题，极大影响了其数据的采集感知与快速精确地完成大量数据的处理，同时造成了传输信道的堵塞，给信息传输和数据存储技术带来挑战。

压缩感知(CS)是信号处理的新兴理论，颠覆了传统奈奎斯特准则，且CS可将信号感知端的复杂运算转移到解码端，符合WSN资源受限的特点。其具体原理是：当原始信号是稀疏或可压缩的，我们可以以某个线性投影的方式来观测到信号的压缩后表示，然后通过求解一个优化问题便能够以高还原度重建原始信号，在压缩感知理论(CS)体系下的信号编解码流程图参照如图1所示。

将压缩感知应用于无线传感器网络中，可以有效降低网络能耗和平衡网络负载。且比起平面路由结构，分簇层次结构有很多优势，比如容错能力和负载平衡，用一种近似扁平化的方式来减小路由树的深度，对网络节点进行逻辑结构上的分层，同时实现网络动态及快速构建而由于分簇方法的容错能力和负载平衡等优势，将压缩感知方法与分簇相结合可进一步平衡网络负载以及节省能耗。

而作为分簇基础的席尔宾斯基(Sierpinski)集，可以从一维的直线推广到欧式平面以及欧式空间上的规整的几何图形，如正三角形、正方形和正方体等。

常见的，席尔宾斯基垫片构造如图2所示，选取一个等边三角形，将其分割为四个大小相等的等边三角形并挖去中间的一个，对剩下的三个三角形又各分为四个小的等边三角形并挖去中间的一个，如此分下去，得到的图案便构成一个无穷层次的自相似结构。

席尔宾斯基地毯构造如图3所示，将一个正方形等分为九个小正方形并挖去中间的一个，把剩下的八正方形个再依次采用同样的方法处理，如此做下去，得到一个无穷层次的自相似结构。

现有技术中，传统无线传感器网络的分簇方法还存在一定冗余，缺乏层次结构，不能实现能量的高效利用。

如何在众多的席尔宾斯基(Sierpinski)集中选取一个适用于无线传感器网络的几何图形，且能实现期待的容错能力、网络负载平衡、节省能耗等方面的效果，成为困扰本领域技术人员的重要技术问题。

发明内容

本发明的目的在于提供一种应用于光伏电站无线传感器的分簇与数据感知方法，以解决基于无线传感网络构建的光伏电站监测系统无法满足大量数据的采集感知和快速精确处理的问题。

为了解决以上问题，本发明技术方案为：

一种应用于光伏电站无线传感器的分簇与数据感知方法，该方法为以下步骤：

步骤A、建立分簇模型：

将Sierpinski三角形与六边形蜂窝拓扑相结合建立新的理想分簇模型按如下流程进行：

(1)整个区域呈现正六边形，若干个正三角形组成，一共有N个节点和一个sink节点，n个传感器随机均匀分布在正三角形边形区域内，忽略边缘不规则区域；

(2)所有节点有相同的发送功率与发送频率；

(3)簇头节点分布在三角形正中央，簇内节点负责数据收集，仅可与所在簇头通信；

(4)每一个节点都通过定位技术识别自身地理位置，位置信息用于分布式的实现；

(5)每一个传感器节点周期性地采集监控的物理量，同时汇聚节点周期性地收集和恢复全网的感知数据；

(6)簇头节点拥有测量矩阵的对应列元素；

(7)在数据收集过程中，簇内节点直接和簇头通信，簇头节点之间通过路由的形式向汇聚节点发送数据；

步骤B、确定簇内感知数据收集方案：

环节(1)、在每个簇的内部，传感器网络簇内普通成员节点将采集的数据经过一跳直接发送给这个簇的簇头节点，然后在簇头节点汇聚，簇头节点再将本簇所有节点的感知数据传输至上一层级的簇头节点；

只有当某一层级的簇头收集的数据大于等于测量值个数M的时候，才开始使用压缩感知，进行测量值的收集；

环节(2)所有的节点数据权值系数以及测量值数据均传输至汇聚点，汇聚点获取全网的测量值数据Y；

环节(3)sink端使用压缩感知数据重构算法来解决范数凸优化问题，实现原始数据的重构。

进一步的，步骤A(1)中正三角形的面积用于确定分簇的大小，即确定节点N的大小，该正三角形的面积计算方式如下：

且由于n个传感器是随机均匀分布的，所以簇内所含有的成员节点个数N是和簇的面积大小成正比例关系；

假设正三角形形边长为R，则正三角形形面积为

设节点分布密度为λ，每个簇的节点个数为

进一步的，步骤B的环节(1)中，设h变量为蜂窝分簇的总层数，由于数据量在层级之间传输时是以两倍关系递增的，所以当未使用压缩感知时，第k层每个簇头接收到下一层的数据量为

在第n层时，有：

其中M表示测量值的个数；

则在第n层之前传输数据不使用压缩感知，因为这个时候每个簇头需要传输的数据量还小于测量值的个数M；

在数据传送至第n层之后就开始使用压缩感知，因为此时每个簇头需要传输的数据量已经大于测量值个数M；

所以当1≤i≤n时，第i层传输数据量为

当时h-n＜i≤h，第i层传输数据量为：

进一步的，步骤A(3)中簇头节点的分布位置参照如下方法确定：

首先将整个正六边形域均匀划分为6个正六边形区域；

然后根据分簇的个数进行Sierpinski三角形的分形可进行二级、三级或更高级分形；

计算每个正三角形的中心位置，将距离中心位置一定范围的区域作为中心。

进一步的，步骤A(3)中所述簇头节点的选举方法如下：

遍历中心区域内的节点，将这些节点纳入候选簇头节点集合；

候选节点广播竞选消息并带有自身到中心点距离信息；

所有候选节点接收到其他候选节点的广播信息之后，再和本身至中间点的距离比较，最靠近中心位置的候选节点被选为簇头。

进一步的，步骤A(3)中所述簇内节点的成簇方法如下：

当选为簇头的节点向其通信范围内的节点广播成簇请求信息；

若一个节点收到了多个簇头的请求信息，则最终选择加入最近的邻节点在的簇。

进一步的，步骤A(7)中所述簇头节点之间的路由确定方法如下：

分簇完成后，簇头之间通过广播获得对方的位置信息；

每一层次的簇头节点选择上一层次(离sink节点距离较近的层级)中距离自身最近的簇头节点作为下一跳节点，完成簇间路由的建立；

如果某一簇头节点失效,则重新对候选簇头集合，并进上一步骤簇头的选举。

进一步的，步骤B环节(3)中所述压缩感知数据重构算法为正交匹配追踪算法或者基追踪算法。

本发明的有益效果如下：

(1)本发明针对目前传统无线传感器网络分簇方法中存在冗余、缺乏层次结构，不能实现能量的高效利用的问题，根据蜂窝分簇的结构模型，分析了六边形特殊结构所具有的优势，并将其与席尔宾斯基三角形分形理论相结合，提出一种具有层次化的分形分簇模型，该模型可以缩小路由树的深度，对网络节点进行逻辑结构上的分层，该衡网络开销的同时减少数据传送次数并且具有很好的可扩展性；且在分形分簇模型的基础上，提出新的簇内压缩感知信息的方法，利用关键的压缩感知操作，在层次间路由传输中压缩和优化数据，同时实现网络动态及快速构建，并且降低网络能耗。

(2)六边形分簇由于其结构特点，不仅簇头节点分布均匀，减少了节点冗余度；席尔宾斯基三角形可以得到一个无穷层次的自相似结构，这种结构便于形成级别层次，结构简单，扩展性好，方便解码端进行数据恢复；将席尔宾斯基三角形与六边形蜂窝拓扑相结合，不仅很好地减小了覆盖冗余度，提高节点效率，而且以sink节点为中心形成除节点内、簇头内层次之外的第三级层次，结构清晰；如图5所示，分簇模型还具有良好的可扩展性，根据传感器节点的多少可以通过增加分形级数来进行扩展，操作方便简洁。

(3)六边形分簇的结构便于形成级别层次，可以很方便地标记M是在哪一级开始使用压缩感知的，在解码端使用同样的随机种子方便地获得观测矩阵，结构简单，扩展性好，方便sink节点进行数据恢复。

(4)该模型应用于光伏电站传感器网络拓扑中，可有效解决网络负载能耗问题，且具有容错能力和负载平衡等优势，可以平衡网络负载以及节省能耗，确保光伏电站信息被快速高效感知，在光伏电站实际数据的处理运用中，已验证该方法上述优势的有效性和确切性。

附图说明

图1为压缩感知理论体系下的信号编解码流程图；

图2为席尔宾斯基垫片示意图；

图3为席尔宾斯基地毯示意图；

图4为席尔宾斯基三角形分簇模型示意图；

图5为席尔宾斯基三角形分簇模型结构图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。

实施例

一种应用于光伏电站无线传感器的分簇与数据感知方法，该方法分为以下步骤：

步骤A、建立分簇模型：

将Sierpinski三角形与六边形蜂窝拓扑相结合建立新的理想分簇模型按如下流程进行：

(1)整个区域呈现正六边形，由若干个正三角形组成，一共有N个节点和一个sink节点，N个传感器随机均匀分布在所有正三角形边形区域内，忽略边缘不规则区域。

上述正三角形的面积用于确定分簇的大小，即确定节点N的大小，该正三角形的面积计算方式如下：

假设正三角形形边长为R，则正三角形形面积为

设节点分布密度为λ，每个簇的节点个数为

由于n个传感器是随机均匀分布的，所以簇内所含有的成员节点个数N是和簇的面积大小成正比例关系，即：簇内节点个数＝节点分布密度×簇面积。

(2)所有节点有相同的发送功率与发送频率。

(3)簇头节点分布在正三角形的中心位置，簇内节点负责数据收集，仅可与所在簇头通信。

a.具体簇头节点的分布位置参照如下方法确定：

首先将整个正六边形域均匀划分为6个正六边形区域；

然后根据传感器节点数进行Sierpinski三角形的分形可进行二级、三级或更高级分形；

计算每个正三角形的中心位置，将距离中心位置一定范围的区域作为中心。

b.簇头节点的选举方法如下：

遍历中心区域内的节点，将这些节点纳入候选簇头节点集合；

候选节点广播竞选消息并带有自身到中心点距离信息；

所有候选节点接收到其他候选节点的广播信息之后，再和本身至中间点的距离比较，最靠近中心位置的候选节点被选为簇头。

c.上述簇内节点的成簇方法具体如下：

当选为簇头的节点向其通信范围内的节点广播成簇请求信息；

若一个节点收到了多个簇头的请求信息，则最终选择加入最近的邻节点在的簇。

(4)每一个节点都通过定位技术识别自身地理位置，位置信息用于分布式的实现。

(5)每一个传感器节点周期性地采集监控的物理量，同时汇聚节点周期性地收集和恢复全网的感知数据。

(6)簇头节点拥有测量矩阵的对应列元素。

(7)在数据收集过程中，簇内节点直接和簇头通信，簇头节点之间通过路由的形式向汇聚节点发送数据。

具体的：簇头节点之间的路由确定方法如下：

分簇完成后，簇头之间通过广播获得对方的位置信息；

每一层次的簇头节点选择上一层次(离sink节点距离较近的层级)中距离自身最近的簇头节点作为下一跳节点，完成簇间路由的建立；

如果某一簇头节点失效,则重新对候选簇头集合，并进上一步骤簇头的选举。

步骤B、确定簇内感知数据收集方案：

环节(1)、在每个簇的内部，传感器网络簇内普通成员节点将采集的数据经过一跳直接发送给这个簇的簇头节点，然后在簇头节点汇聚，簇头节点再将本簇所有节点的感知数据传输至上一层级的簇头节点；

只有当某一层级的簇头收集的数据大于等于测量值个数M的时候，才开始使用压缩感知，进行测量值的收集。

具体的：设h变量为Sierpinski三角形的分形层数，由于数据量在层级之间传输时是以四倍关系递增的，所以当未使用压缩感知时，第k层每个簇头接收到下一层的数据量为；

假设在第n层时，有：

其中M表示测量值的个数；

则在第N层之前传输数据不使用压缩感知，因为这个时候每个簇头需要传输的数据量还小于测量值的个数M。

在数据传送至第N层之后就开始使用压缩感知，因为此时每个簇头需要传输的数据量已经大于测量值个数M。

所以当1≤i≤n时，第i层传输数据量为

其中i代表一个变量代表分层的第几层。

当时h-n＜i≤h，第i层传输数据量为：

环节(2)传输的数据量已经大于测量值个数M的簇头使用测量矩阵的对应列元素对数据进行压缩降维为M得到测量数据y₁。

环节(2)所有的节点测量矩阵的对应列元素以及测量值数据均传输至汇聚点，汇聚点获取全网的测量值数据Y＝{y₁,y₂…y_M}。

环节(3)sink端使用压缩感知数据重构算法来解决范数凸优化问题，实现原始数据的重构。

上述压缩感知数据重构算法可选用为正交匹配追踪算法或者基追踪算法。

步骤C、能耗消耗与仿真结果分析：

在上述无线传感器网络数据收集的过程中，传感器节点处理数据时的能量损耗可以忽略，这是由于用压缩感知方法处理数据过程非常的简单，仅仅需要简单进行几次加减以及一次乘法计算即可，而且这些简单少量的数据运算的能耗比数据通信过程的耗能要低得多，相比起来可以忽略不计。

能耗模型如式:

E_Tx＝E_elec×b+ξ_amp×b×d² (6-7)

E_Rx＝E_elec×b (6-8)

上述公式中E_Tx(b,d)表示节点传输b比特的信息至相距d的节点时的通信能量损耗；

E_Rx(b)代表节点收到b比特信息时的通信能耗；

E_elec表示发送或接收1bit数据所消耗的能量；

ξ_amp表示传输放大功率；

此模型适用于一般感知节点之间的通信。

传感器节点遵循均匀独立随机分布，簇头位于簇的中心位置。

假设在第j个簇内包含有m_j个传感器节点，则在每轮压缩感知数据收集过程中，第j个簇内所消耗的平均能量为：

式(6-9)中，

表示的是在第j个簇内，每轮测量值的收集过程中所消耗的能量；

L表示的是网内数据包的长度的比特数；

d_i表示的是一个簇里面第i个传感器节点到它所属簇头的距离；

表示的是第i个传感器节点传输L比特的数据给其所在簇的簇头节点所需要消耗的能量；

E(d_i)则表示第i个节点距离其簇头节点距离的期望值；

从公式中可以看出，前面的

部分是常数量；

每个簇内所消耗的平均能量是由

所决定的，也就是说整个网络中的能耗是由

所决定的。

要求出

首先要得到

的值。

接下再对

在正三角形结构中进行求解，便可得网络总消耗为：

本实施例使用Matlab作为仿真工具。

在仿真过程中，E_elec＝50Nj/bit，ξ_amp＝100pj/bit/m2每个数据包的长度为1024比特；仿真中，能耗单位为焦耳，边长单位为米，生命周期以轮数计。

同时为了方便实验，没有考虑节点计算所消耗的能量，因为数据收集的过程中能量消耗主要集中在数据发送和接收上。

在所有的仿真中，针对一个光伏电站无线传感器网络，其节点均匀随机地分布在面积为113平方米的圆形感知区域内；汇聚节点在感知域的中心位置，坐标设为(0，0)；网络总的节点数量为1300；压缩比设置为15，可以保证所得到的投影值足够用来精确恢复原始数据。

由以上实验数据可以看出，Sierpinski三角形分形簇模型的能量消耗更加小，同时使用压缩感知技术使得整个网络的生命周期更加长，可以更好均衡网络负载，解决无线传感器网络所面临的问题。

Claims (3)

1.一种应用于光伏电站无线传感器的分簇与数据感知方法，其特征在于：该方法为以下步骤：

步骤A、建立分簇模型：

将Sierpinski三角形与六边形蜂窝拓扑相结合建立新的理想分簇模型按如下流程进行：

(1)整个区域呈现正六边形，若干个正三角形组成，一共有N个节点和一个sink节点，n个传感器随机均匀分布在正三角形边形区域内，忽略边缘不规则区域；

上述正三角形的面积用于确定分簇的大小，即确定节点N的大小，该正三角形的面积计算方式如下：

假设正三角形边长为R，则正三角形形面积为

设节点分布密度为λ，每个簇的节点个数为

且由于n个传感器是随机均匀分布的，所以簇内所含有的成员节点个数N是和簇的面积大小成正比例关系；即：簇内节点个数＝节点分布密度×簇面积；

(2)所有节点有相同的发送功率与发送频率；

(3)簇头节点分布在三角形正中央，簇内节点负责数据收集，仅可与所在簇头通信；

a.具体簇头节点的分布位置参照如下方法确定：

首先将整个正六边形域均匀划分为6个正六边形区域；

然后根据传感器节点数进行Sierpinski三角形的分形可进行二级、三级或更高级分形；

计算每个正三角形的中心位置，将距离中心位置一定范围的区域作为中心；

b.簇头节点的选举方法如下：

遍历中心区域内的节点，将这些节点纳入候选簇头节点集合；

候选节点广播竞选消息并带有自身到中心点距离信息；

所有候选节点接收到其他候选节点的广播信息之后，再和本身至中间点的距离比较，最靠近中心位置的候选节点被选为簇头；

c.上述簇内节点的成簇方法具体如下：

当选为簇头的节点向其通信范围内的节点广播成簇请求信息；

若一个节点收到了多个簇头的请求信息，则最终选择加入最近的邻节点在的簇；

(4)每一个节点都通过定位技术识别自身地理位置，位置信息用于分布式的实现；

(5)每一个传感器节点周期性地采集监控的物理量，同时汇聚节点周期性地收集和恢复全网的感知数据；

(6)簇头节点拥有测量矩阵的对应列元素；

(7)在数据收集过程中，簇内节点直接和簇头通信，簇头节点之间通过路由的形式向汇聚节点发送数据；

步骤B、确定簇内感知数据收集方案：

环节(1)、在每个簇的内部，传感器网络簇内普通成员节点将采集的数据经过一跳直接发送给这个簇的簇头节点，然后在簇头节点汇聚，簇头节点再将本簇所有节点的感知数据传输至上一层级的簇头节点；

只有当某一层级的簇头收集的数据大于等于测量值个数M的时候，才开始使用压缩感知，进行测量值的收集；

具体的，设h变量为蜂窝分簇的总层数，由于数据量在层级之间传输时是以两倍关系递增的，所以当未使用压缩感知时，第k层每个簇头接收到下一层的数据量为

在第n层时，有：

其中M表示测量值的个数；

则在第n层之前传输数据不使用压缩感知，因为这个时候每个簇头需要传输的数据量还小于测量值的个数M；

在数据传送至第n层之后就开始使用压缩感知，因为此时每个簇头需要传输的数据量已经大于测量值个数M；

所以当1≤i≤n时，第i层传输数据量为

当时h-n＜i≤h，第i层传输数据量为：

环节(2)所有的节点数据权值系数以及测量值数据均传输至汇聚点，汇聚点获取全网的测量值数据Y；

环节(3)sink端使用压缩感知数据重构算法来解决范数凸优化问题，实现原始数据的重构。

2.如权利要求1所述的一种应用于光伏电站无线传感器的分簇与数据感知方法，其特征在于：步骤A(7)中所述簇头节点之间的路由确定方法如下：

分簇完成后，簇头之间通过广播获得对方的位置信息；

每一层次的簇头节点选择上一层次，选择同时满足以下两个条件的簇头节点作为下一跳节点，完成簇间路由的建立，该条件为：离sink节点最近的层级中同时距离自身最近；

如果某一簇头节点失效,则重新对候选簇头集合，并进上一步骤簇头的选举。

3.如权利要求1所述的一种应用于光伏电站无线传感器的分簇与数据感知方法，其特征在于：步骤B环节(3)中所述压缩感知数据重构算法为正交匹配追踪算法或者基追踪算法。

Images