CN113259251A - 一种多模融合通信的路由组网方法及装置 - Google Patents

一种多模融合通信的路由组网方法及装置 Download PDF

Info

Publication number
CN113259251A
CN113259251A CN202110669572.9A CN202110669572A CN113259251A CN 113259251 A CN113259251 A CN 113259251A CN 202110669572 A CN202110669572 A CN 202110669572A CN 113259251 A CN113259251 A CN 113259251A
Authority
CN
China
Prior art keywords
node
network
mountain
pheromone
grid
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
Application number
CN202110669572.9A
Other languages
English (en)
Inventor
胡浩莹
孙洁
王晓明
罗宗杰
廖颖欢
占志峰
唐雷鸣
张家福
吴镇
庞秋明
陈学台
叶鹏运
朱秋霖
陈燕丽
陈华春
王英
谢卓均
余光海
黄庆淡
黄崇斌
方德
李德莲
麦成瀚
喻凌立
许超尧
郑小慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhanjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Zhanjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhanjiang Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Zhanjiang Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202110669572.9A priority Critical patent/CN113259251A/zh
Publication of CN113259251A publication Critical patent/CN113259251A/zh
Pending legal-status Critical Current

Links

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
    • H04L45/02—Topology update or discovery
    • H04L45/08—Learning-based routing, e.g. using neural networks or artificial intelligence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/18—Communication route or path selection, e.g. power-based or shortest path routing based on predicted events

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种多模融合通信的路由组网方法及装置，包括：对山区微电网进行物理层适配，包括对山区微电网的电力线通信网络和微功率无线传输网络的适配；对山区微电网的电力线通信网络和微功率无线传输网络进行MAC层融合；采用改进的蚁群算法找到对电力线通信网络和微功率无线传输网络进行融合构成的融合网络的最优路径。本申请相比电力线与无线双模或级联通信网络而言，能对山区微电网业务提供更好的通信服务质量，有利于保障微电网信息感知层面的有效性和可靠性。

Description

一种多模融合通信的路由组网方法及装置
技术领域
本申请涉及电力线通信组网技术领域，尤其涉及一种多模融合通信的路由组网方法及装置。
背景技术
目前，山区电网的网架薄弱，系统供电可靠性不足，应用在山区电网中的通信技术比较单一，一些偏远地区可以加入微电网技术，提高山区电网的供电可靠性。所以，加快山区微电网系统的建设，可以减少停电的频率，提高用电管理能力，保证山区微电网的稳定可靠运行。在智能山区微电网中，单一的通信方式已经不能满足智能微电网的多维业务通信需求，有必要将融合通信技术应用在山区微电网中，该融合通信系统结合优化后的组网方案能够迅速准确地反馈山区微电网的故障状态，及时地对故障进行精确定位；同时，也会对事故进行追忆和数据预测，使后台迅速地向故障发生区域安排维修人员，实现故障快速恢复的智能化水平。
发明内容
本申请提供了一种多模融合通信的路由组网方法及装置，使得本方案相比电力线与无线双模或级联通信网络而言，能对山区微电网业务提供更好的通信服务质量，有利于保障微电网信息感知层面的有效性和可靠性。
有鉴于此，本申请第一方面提供了一种多模融合通信的路由组网方法，所述方法包括：
对山区微电网进行物理层适配，包括对所述山区微电网的电力线通信网络和微功率无线传输网络的适配；
对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合；
采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径；
包括：
1031、从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率，所述选择各待选节点的概率与信息素的浓度正相关；
1032、根据概率值选择最优路径，并采用布朗运动对所述信息素进行更新；
1033、重复步骤1031-1032直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
可选的，所述对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合，包括：
信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，所述山区微电网的中心节点与其他子节点通过CSMA／CA 方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。
可选的，步骤1031包括：
从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率的计算公式为：
Figure 738406DEST_PATH_IMAGE002
Figure 686771DEST_PATH_IMAGE004
其中，
Figure 654727DEST_PATH_IMAGE005
为节点
Figure 688542DEST_PATH_IMAGE006
被选择的概率；
Figure 337829DEST_PATH_IMAGE007
为路径
Figure 468596DEST_PATH_IMAGE008
上信息素的浓度；
Figure 545136DEST_PATH_IMAGE009
为路径
Figure 800668DEST_PATH_IMAGE008
上的启发信息；
Figure 315963DEST_PATH_IMAGE010
和
Figure 238920DEST_PATH_IMAGE011
分别为信息素的影响系数和启发信息的影响系数；
Figure 548679DEST_PATH_IMAGE012
为n个待选节点的集合；
Figure 291507DEST_PATH_IMAGE013
为所需链路带宽，
Figure 279667DEST_PATH_IMAGE014
为系数的适应度函数，
Figure 57130DEST_PATH_IMAGE015
为不同约束系数，
Figure 475473DEST_PATH_IMAGE016
为不同粒子群的平均适应度的值。
可选的，所述采用布朗运动对所述信息素进行更新的更新公式为：
Figure 971176DEST_PATH_IMAGE018
其中，
Figure 500378DEST_PATH_IMAGE019
为更新前的信息素向量；
Figure 397927DEST_PATH_IMAGE020
为布朗运动的步长参数；
Figure 49488DEST_PATH_IMAGE021
为长度为
Figure 766908DEST_PATH_IMAGE022
的随机数向量，其中的元素符合标准正态分布；
Figure 162117DEST_PATH_IMAGE023
和
Figure 914173DEST_PATH_IMAGE024
分别为各链路节点；
Figure 677248DEST_PATH_IMAGE025
为链路最大延时；
Figure 944281DEST_PATH_IMAGE026
为本节点时延。
本申请第二方面提供一种多模融合通信的路由组网装置，所述装置包括：
适配单元，用于对山区微电网进行物理层适配，包括对所述山区微电网的电力线通信网络和微功率无线传输网络的适配；
第一融合单元，用于对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合；
第二融合单元，采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径；
第二融合单元具体包括：
概率计算单元，用于从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率，所述选择各待选节点的概率与信息素的浓度正相关；
更新单元，用于根据概率值选择最优路径，并采用布朗运动对所述信息素进行更新；
迭代单元，用于重复概率计算单元至更新单元的步骤，直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
可选的，所述第一融合单元的对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合的过程具体包括：
信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，所述山区微电网的中心节点与其他子节点通过CSMA／CA 方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。
可选的，所述概率计算单元包括从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率的计算公式为：
Figure 80864DEST_PATH_IMAGE027
Figure 749743DEST_PATH_IMAGE028
其中，
Figure 680790DEST_PATH_IMAGE005
为节点
Figure 435119DEST_PATH_IMAGE006
被选择的概率；
Figure 375394DEST_PATH_IMAGE007
为路径
Figure 836462DEST_PATH_IMAGE008
上信息素的浓度；
Figure 727DEST_PATH_IMAGE009
为路径
Figure 180036DEST_PATH_IMAGE008
上的启发信息；
Figure 658422DEST_PATH_IMAGE010
和
Figure 36313DEST_PATH_IMAGE011
分别为信息素的影响系数和启发信息的影响系数；
Figure 574742DEST_PATH_IMAGE012
为n个待选节点的集合；
Figure 38084DEST_PATH_IMAGE013
为所需链路带宽，
Figure 317231DEST_PATH_IMAGE014
为系数的适应度函数，
Figure 487313DEST_PATH_IMAGE015
为不同约束系数，
Figure 258960DEST_PATH_IMAGE016
为不同粒子群的平均适应度的值。
可选的，所述更新单元包括采用布朗运动对所述信息素进行更新的更新公式为：
Figure 147281DEST_PATH_IMAGE029
其中，
Figure 29787DEST_PATH_IMAGE030
为更新前的信息素向量；
Figure 319954DEST_PATH_IMAGE020
为布朗运动的步长参数；
Figure 200185DEST_PATH_IMAGE021
为长度为
Figure 638120DEST_PATH_IMAGE022
的随机数向量，其中的元素符合标准正态分布；
Figure 261999DEST_PATH_IMAGE023
和
Figure 406672DEST_PATH_IMAGE024
分别为各链路节点；
Figure 520122DEST_PATH_IMAGE025
为链路最大延时；
Figure 383036DEST_PATH_IMAGE026
为本节点时延。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，提供了一种多模融合通信的路由组网方法，包括对山区微电网进行物理层适配，包括对山区微电网的电力线通信网络和微功率无线传输网络的适配；对山区微电网的电力线通信网络和微功率无线传输网络进行MAC层融合；采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径。
本申请通过从两种通信方式的MAC层、 网络层2个方面进行考虑，设计多模融合通信的通信协议、路由组网方案，实现低压电力线与微功率无线通信的深度融合，以保障电力物联网在网络层面通信的高覆盖性和可靠性；通过采用改进的蚂蚁算法对电力线通信网络和微功率无线传输网络进行融合，改善算法易陷入局部最优解的问题。
附图说明
图1为本申请一种多模融合通信的路由组网方法的一个实施例的方法流程图；
图2为本申请一种多模融合通信的路由组网方法的实施例中采用改进的蚁群算法对电力线通信网络和微功率无线传输网络进行融合的方法流程图；
图3为本申请一种多模融合通信的路由组网装置的一个实施例装置结构示意图；
图4为本申请实施例中山区微电网多模融合通信的拓扑结构示意图；
图5为本申请实施例中信标周期的时隙划分示意图。
具体实施方式
山区微电网覆盖了大量的电力设备和传感器节点，这些节点可以通过低压电力线或微功率无线通信方式接入电力网络，由于模拟信号在信道上的衰减等因素，在源节点与目的节点之间的距离超过最大通信距离的情况下，电力线通信网络或微功率无线传输网络的范围都不能保证信号可以得到有效可靠的传输，需要通过建立中继节点的方式进行通信。由图4可知，如果采用单一的通信方式，则中心节点无法建立与所有节点连接的完整通信网络。本申请提出的电力线通信网络或微功率无线传输网络跨层融合方法不但能提高网络的节点接入率，而且相比电力线与无线双模或级联通信网络而言，能对山区微电网业务提供更好的通信服务质量，有利于保障微电网信息感知层面的有效性和可靠性。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
图1为本申请一种多模融合通信的路由组网方法的一个实施例的方法流程图，如图1所示，图1中包括：
101、对山区微电网进行物理层适配，包括对山区微电网的电力线通信网络和微功率无线传输网络的适配；
需要说明的是，本申请中对于山区微电网中的电力线通信网络和微功率无线传输网络，首先需要对其进行物理层的适配。
102、对山区微电网的电力线通信网络和微功率无线传输网络进行MAC层融合；
需要说明的是，本申请依据电力线通信的PRIME协议与无线通信的IEEE802.15.4标准，设计了多模融合通信的MAC层通信协议。为了避免传输冲突以及提高山区微电网业务通信服务质量，保障微电网信息感知层面的有效性和可靠性，通信可靠性，MAC层采用带有冲突避免的载波侦听多路访问CSMA/CA（Carrier Sense Multiple Access withCollision Avoid）时分多址TDMA（Time Division Multiple Access）这2种信道接入技术，多模融合通信将时间划分为若干个信标周期，其具体的时隙划分如图5所示。
具体的，图5中，信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，山区微电网的中心节点与其他子节点通过CSMA／CA方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。同时多模融合通信中低压电力线和微功率无线通信的信标周期具有相同的时隙划分，为多模融合通信的网络层融合提供了基础支撑。
103、采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径；
需要说明的是，本申请采用蚁群算法选择最优的路径，从而实现选择山区微电网中节点通信的最优路径。具体的，本申请采用的是结合布朗运动与局部收敛次数控制的改进蚁群算法。
在一种具体的实施方式中，本申请采用改进的蚁群算法对电力线通信网络和微功率无线传输网络进行融合的步骤如图2所示，图2中包括：
1031、从山区微电网中找出n个待选节点并计算选择各待选节点的概率，选择各待选节点的概率与信息素的浓度正相关；
需要说明的是，假设蚂蚁能感知山区微电网通信链路的服务质量参数，每只蚂蚁从源节点出发，优先选择通信速率较高且时延、误码率较低的通信链路，则从山区微电网中找出n个待选节点并计算选择各待选节点的概率，通过选取概率最大的多个待选节点，从而得到最优的节点通信路径。具体概率计算方法如下：
Figure 559675DEST_PATH_IMAGE032
Figure 886751DEST_PATH_IMAGE033
其中，
Figure 843206DEST_PATH_IMAGE005
为节点
Figure 193416DEST_PATH_IMAGE006
被选择的概率；
Figure 221415DEST_PATH_IMAGE007
为路径
Figure 340681DEST_PATH_IMAGE008
上信息素的浓度；
Figure 795933DEST_PATH_IMAGE009
为路径
Figure 367859DEST_PATH_IMAGE008
上的启发信息；
Figure 871653DEST_PATH_IMAGE010
和
Figure 173321DEST_PATH_IMAGE011
分别为信息素的影响系数和启发信息的影响系数；
Figure 737158DEST_PATH_IMAGE012
为n个待选节点的集合；
Figure 858698DEST_PATH_IMAGE013
为所需链路带宽，
Figure 166182DEST_PATH_IMAGE014
为系数的适应度函数，
Figure 257111DEST_PATH_IMAGE015
为不同约束系数，
Figure 54165DEST_PATH_IMAGE016
为不同粒子群的平均适应度的值。
由公式可知，通信链路上的信息素浓度越大、通信服务质量越好，则待选节点被选择的概率也越大。
1032、根据概率值选择最优路径，并采用布朗运动对信息素进行更新；
需要说明的是，本申请可以通过选取概率最大的多个待选节点，从而得到最优的节点通信路径。由于每只蚂蚁根据当前山区微电网节点与待选节点之间的转移概率，以轮盘赌的方式选择山区微电网节点，直至找到目的节点或者由于其他原因而退出选取。当所有蚂蚁搜索完毕后，以路径代价函数值为标准，统计得出最优路径和次优路径，走过最优路径的蚂蚁释放信息素以加强该路径被选择的概率，具体的信息素更新如下公式所示：
Figure 600684DEST_PATH_IMAGE035
其中，
Figure 508597DEST_PATH_IMAGE036
是一个向量，其包含了最优通信路径所经过节点的信息素；
Figure 456962DEST_PATH_IMAGE037
为信息素变量；
Figure 362601DEST_PATH_IMAGE038
、
Figure DEST_PATH_IMAGE039
分别为信息素的挥发系数、强度系数。经过信息素更新，在通信质量较好的山区微电网通信路径上，其相应的信息素浓度变大。
本申请为了增强改进蚁群算法的性能，根据迭代次数和局部收敛次数对算法的信息素挥发系数进行自适应调节，调节公式如下：
Figure DEST_PATH_IMAGE041
其中，
Figure 396416DEST_PATH_IMAGE042
为迭代次数；
Figure DEST_PATH_IMAGE043
为信息素挥发系数的初始值；
Figure 983386DEST_PATH_IMAGE044
、
Figure DEST_PATH_IMAGE045
分别为信息署挥发系数的最小值、最大值。在算法的迭代前期和后期，信息素挥发系数较小，有利于算法的快速收敛，在迭代中期信息素挥发系数较大，有利于增强算法的全局搜索能力。
可以设蚂蚁所经最优路径为
Figure DEST_PATH_IMAGE046
，其信息素向量为
Figure DEST_PATH_IMAGE047
。对
Figure 726870DEST_PATH_IMAGE047
进行布朗运动信息素更新，有利于改进蚁群算法跳出局部最优解，公式如下：
Figure DEST_PATH_IMAGE049
其中，
Figure 803410DEST_PATH_IMAGE030
为更新前的信息素向量；
Figure 324522DEST_PATH_IMAGE020
为布朗运动的步长参数；
Figure 839817DEST_PATH_IMAGE021
为长度为
Figure 497194DEST_PATH_IMAGE022
的随机数向量，其中的元素符合标准正态分布；
Figure 806953DEST_PATH_IMAGE023
和
Figure 815360DEST_PATH_IMAGE024
分别为各链路节点；
Figure 806450DEST_PATH_IMAGE025
为链路最大延时；
Figure 646230DEST_PATH_IMAGE026
为本节点时延。
1033、重复步骤1031-1032直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
需要说明的是，完成以上步骤后，清空蚂蚁经过的山区微电网节点禁忌表，本次迭代过程结束，经过多次迭代可以得出源节点到目的节点的最优通信路径。中心节点对其他所有节点实施上述路径搜索方法，建立各节点与中心节点之间的最优通信路径，完成对山区微电网多模融合通信的组网过程及网络动态维护，即在网络层实现山区微电网低压电力线与微功率无线通信的融合。
本申请还提供了一种多模融合通信的路由组网装置的一个实施例的装置结构图，如图3所示，图3中包括：
适配单元201，用于对山区微电网进行物理层适配，包括对山区微电网的电力线通信网络和微功率无线传输网络的适配；
第一融合单元202，用于对山区微电网的电力线通信网络和微功率无线传输网络进行MAC层融合；
第二融合单元203，采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径。
在一种具体的实施方式中，第一融合单元202的对山区微电网的电力线通信网络和微功率无线传输网络进行MAC层融合的过程具体包括：
信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，所述山区微电网的中心节点与其他子节点通过CSMA／CA 方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。
在一种具体的实施方式中，第二融合单元203具体包括：
概率计算单元，用于从山区微电网中找出n个待选节点并计算选择各待选节点的概率，选择各待选节点的概率与信息素的浓度正相关；
更新单元，用于根据概率值选择最优路径，并采用布朗运动对信息素进行更新；
迭代单元，用于重复概率计算单元至更新单元的步骤，直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
概率计算单元包括从山区微电网中找出n个待选节点并计算选择各待选节点的概率的计算公式为：
Figure DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE051
其中，
Figure 2256DEST_PATH_IMAGE005
为节点
Figure 495030DEST_PATH_IMAGE006
被选择的概率；
Figure 24231DEST_PATH_IMAGE007
为路径
Figure 718517DEST_PATH_IMAGE008
上信息素的浓度；
Figure 573341DEST_PATH_IMAGE009
为路径
Figure 290761DEST_PATH_IMAGE008
上的启发信息；
Figure 685971DEST_PATH_IMAGE010
和
Figure 438026DEST_PATH_IMAGE011
分别为信息素的影响系数和启发信息的影响系数；
Figure 198171DEST_PATH_IMAGE012
为n个待选节点的集合；
Figure 465205DEST_PATH_IMAGE013
为所需链路带宽，
Figure 601788DEST_PATH_IMAGE014
为系数的适应度函数，
Figure 270667DEST_PATH_IMAGE015
为不同约束系数，
Figure 201714DEST_PATH_IMAGE016
为不同粒子群的平均适应度的值。
更新单元包括采用布朗运动对信息素进行更新的更新公式为：
Figure DEST_PATH_IMAGE053
其中，
Figure 884937DEST_PATH_IMAGE019
为更新前的信息素向量；
Figure 559632DEST_PATH_IMAGE020
为布朗运动的步长参数；
Figure 20700DEST_PATH_IMAGE021
为长度为
Figure 450545DEST_PATH_IMAGE022
的随机数向量，其中的元素符合标准正态分布；
Figure 629853DEST_PATH_IMAGE023
和
Figure 842660DEST_PATH_IMAGE024
分别为各链路节点；
Figure 486131DEST_PATH_IMAGE025
为链路最大延时；
Figure 758980DEST_PATH_IMAGE026
为本节点时延。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个（项）”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b或c中的至少一项（个），可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (8)

1.一种多模融合通信的路由组网方法，其特征在于，包括：
对山区微电网进行物理层适配，包括对所述山区微电网的电力线通信网络和微功率无线传输网络的适配；
对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合；
采用改进的蚁群算法找到所述电力线通信网络和所述微功率无线传输网络构成的融合网络的最优路径，包括：
1031、从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率，所述选择各待选节点的概率与信息素的浓度正相关；
1032、根据概率值选择最优路径，并采用布朗运动对所述信息素进行更新；
1033、重复步骤1031-1032直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
2.根据权利要求1所述的多模融合通信的路由组网方法，其特征在于，所述对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合，包括：
信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，所述山区微电网的中心节点与其他子节点通过CSMA／CA 方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。
3.根据权利要求1所述的多模融合通信的路由组网方法，其特征在于，步骤1031包括：
从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率的计算公式为：
Figure 499690DEST_PATH_IMAGE001
Figure 661068DEST_PATH_IMAGE002
其中，
Figure 434989DEST_PATH_IMAGE003
为节点
Figure 300177DEST_PATH_IMAGE004
被选择的概率；
Figure 501351DEST_PATH_IMAGE005
为路径
Figure 147096DEST_PATH_IMAGE006
上信息素的浓度；
Figure 459129DEST_PATH_IMAGE007
为路径
Figure 444402DEST_PATH_IMAGE006
上的启发信息；
Figure 816478DEST_PATH_IMAGE008
和
Figure 949519DEST_PATH_IMAGE009
分别为信息素的影响系数和启发信息的影响系数；
Figure 2926DEST_PATH_IMAGE010
为n个待选节点的集合；
Figure 905023DEST_PATH_IMAGE011
为n个待选节点的集合；
Figure 462648DEST_PATH_IMAGE012
为系数的适应度函数，
Figure 755089DEST_PATH_IMAGE013
为不同约束系数，
Figure 674503DEST_PATH_IMAGE014
为不同粒子群的平均适应度的值。
4.根据权利要求1所述的多模融合通信的路由组网方法，其特征在于，所述采用布朗运动对所述信息素进行更新的更新公式为：
Figure 431107DEST_PATH_IMAGE015
其中，
Figure 144985DEST_PATH_IMAGE016
为更新前的信息素向量；
Figure 190301DEST_PATH_IMAGE017
为布朗运动的步长参数；
Figure 647827DEST_PATH_IMAGE018
为长度为
Figure 258937DEST_PATH_IMAGE019
的随机数向量，其中的元素符合标准正态分布；
Figure 346979DEST_PATH_IMAGE020
和
Figure 676329DEST_PATH_IMAGE021
分别为各链路节点；
Figure 937546DEST_PATH_IMAGE022
为链路最大延时；
Figure 340846DEST_PATH_IMAGE023
为本节点时延；
Figure 665035DEST_PATH_IMAGE024
为迭代次数。
5.一种多模融合通信的路由组网装置，其特征在于，包括：
适配单元，用于对山区微电网进行物理层适配，包括对所述山区微电网的电力线通信网络和微功率无线传输网络的适配；
第一融合单元，用于对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合；
第二融合单元，采用改进的蚁群算法找到对所述电力线通信网络和所述微功率无线传输网络进行融合构成的融合网络的最优路径；
第二融合单元具体包括：
概率计算单元，用于从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率，所述选择各待选节点的概率与信息素的浓度正相关；
更新单元，用于根据概率值选择最优路径，并采用布朗运动对所述信息素进行更新；
迭代单元，用于重复概率计算单元至更新单元的步骤，直到蚁群算法收敛，得到优化后的源节点到目的节点的最优路径。
6.根据权利要求5所述的多模融合通信的路由组网装置，其特征在于，所述第一融合单元的对所述山区微电网的所述电力线通信网络和所述微功率无线传输网络进行MAC层融合的过程具体包括：
信标帧从信标周期的起始位置开始发送，通过发送组网信标实现各节点之间网络时间与信息的同步；在信标周期的竞争接入时隙，所述山区微电网的中心节点与其他子节点通过CSMA／CA 方式接入信道，完成多模融合通信组网以及数据传输；在信标周期的非竞争接入时隙，节点通过TDMA方式接入信道，传输具有选择优先级的业务；在绑定CSMA／CA时隙中，各节点通过竞争的方式接入信道。
7.根据权利要求5所述的多模融合通信的路由组网装置，其特征在于，所述概率计算单元包括从所述山区微电网中找出n个待选节点并计算选择各待选节点的概率的计算公式为：
Figure 481682DEST_PATH_IMAGE025
Figure 281010DEST_PATH_IMAGE026
其中，
Figure 804396DEST_PATH_IMAGE003
为节点
Figure 296557DEST_PATH_IMAGE004
被选择的概率；
Figure 334920DEST_PATH_IMAGE005
为路径
Figure 875623DEST_PATH_IMAGE006
上信息素的浓度；
Figure 581411DEST_PATH_IMAGE007
为路径
Figure 978894DEST_PATH_IMAGE006
上的启发信息；
Figure 707815DEST_PATH_IMAGE008
和
Figure 848947DEST_PATH_IMAGE009
分别为信息素的影响系数和启发信息的影响系数；
Figure 412171DEST_PATH_IMAGE010
为n个待选节点的集合；
Figure 918239DEST_PATH_IMAGE011
为所需链路带宽，
Figure 196773DEST_PATH_IMAGE012
为系数的适应度函数，
Figure 141595DEST_PATH_IMAGE013
为不同约束系数，
Figure 494079DEST_PATH_IMAGE014
为不同粒子群的平均适应度的值。
8.根据权利要求5所述的多模融合通信的路由组网装置，其特征在于，所述更新单元包括采用布朗运动对所述信息素进行更新的更新公式为：
Figure 498944DEST_PATH_IMAGE027
其中，
Figure 999196DEST_PATH_IMAGE028
为更新前的信息素向量；
Figure 482130DEST_PATH_IMAGE029
为布朗运动的步长参数；
Figure 954699DEST_PATH_IMAGE030
为长度为
Figure 864887DEST_PATH_IMAGE031
的随机数向量，其中的元素符合标准正态分布；
Figure 852434DEST_PATH_IMAGE020
和
Figure 76742DEST_PATH_IMAGE021
分别为各链路节点；
Figure 469065DEST_PATH_IMAGE022
为链路最大延时；
Figure 815733DEST_PATH_IMAGE023
为本节点时延；
Figure 228259DEST_PATH_IMAGE024
为迭代次数。
CN202110669572.9A 2021-06-17 2021-06-17 一种多模融合通信的路由组网方法及装置 Pending CN113259251A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110669572.9A CN113259251A (zh) 2021-06-17 2021-06-17 一种多模融合通信的路由组网方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110669572.9A CN113259251A (zh) 2021-06-17 2021-06-17 一种多模融合通信的路由组网方法及装置

Publications (1)

Publication Number Publication Date
CN113259251A true CN113259251A (zh) 2021-08-13

Family

ID=77188279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110669572.9A Pending CN113259251A (zh) 2021-06-17 2021-06-17 一种多模融合通信的路由组网方法及装置

Country Status (1)

Country Link
CN (1) CN113259251A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114143248A (zh) * 2021-12-09 2022-03-04 国网重庆市电力公司营销服务中心 基于双模通信的异构通信方法、装置、计算机和可读介质
CN114374721A (zh) * 2022-01-14 2022-04-19 重庆大学 一种面向电力物联网的电力线与无线通信融合方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985531A (zh) * 2017-06-01 2018-12-11 中国科学院深圳先进技术研究院 一种多模异构电力大数据融合分析管理系统及方法
CN111556549A (zh) * 2020-06-21 2020-08-18 安徽理工大学 一种融合膜计算和蚁群算法的配电网WSNs路由方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985531A (zh) * 2017-06-01 2018-12-11 中国科学院深圳先进技术研究院 一种多模异构电力大数据融合分析管理系统及方法
CN111556549A (zh) * 2020-06-21 2020-08-18 安徽理工大学 一种融合膜计算和蚁群算法的配电网WSNs路由方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
史建超等: ""面向电力物联网信息感知的低压电力线与微功率无线通信融合方法"", 《电力自动化设备》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114143248A (zh) * 2021-12-09 2022-03-04 国网重庆市电力公司营销服务中心 基于双模通信的异构通信方法、装置、计算机和可读介质
CN114374721A (zh) * 2022-01-14 2022-04-19 重庆大学 一种面向电力物联网的电力线与无线通信融合方法及系统

Similar Documents

Publication Publication Date Title
CN103703844B (zh) 用于覆盖独立单播调度的动态公共广播调度参数
CN106100720B (zh) Leo/meo卫星网络的路由快速收敛优化方法
CN113259251A (zh) 一种多模融合通信的路由组网方法及装置
DE112005002759T5 (de) System und Verfahren zum Erkunden von Routen in einem drahtlosen Netz
CN111835633B (zh) 一种easymesh组网中的选路防回环方法与装置
CN107018545B (zh) 一种应用于无线通信系统中的自组网方法
CN105791169A (zh) 软件定义网络中交换机转发控制、转发方法及相关设备
CN107404526A (zh) 基于sdn的p2p遥感数据网络自适应分发系统及方法
CN111884935B (zh) 应用于天地一体化网络的精简协议栈路由和邻居发现方法
CN105284150B (zh) 业务分流方法、控制网元、网关路由器及用户面实体
CN109788444A (zh) 应用于高密度多跳网络中的节点组网方法
CN110445720B (zh) 路由表更新方法、装置、飞行器及存储介质
CN109150713A (zh) 基于bgp+源终端和目的终端之间的路由方法及路由监测方法
CN108924825A (zh) 一种面向SDWSNs的高能效信任管理与可信路由方法
CN105553841B (zh) 一种能有效防止信令风暴的高效分布式智能路由方法
CN106533503B (zh) 一种电力线网络通信的方法及装置
Li et al. Information fusion method of power internet of things based on low-voltage power line and micro-power wireless communication
CN113891329A (zh) 一种基于无人机多跳转发的频谱监测方法和系统
Sadeghianpour et al. Joint channel assignment and routing in multiradio multichannel wireless mesh networks with directional antennas
CN105072639B (zh) 一种基于传感器网络的认知无线电体系架构
CN107241268A (zh) 基于星基ads‑b报文卫星网络的局部多径路由方法和装置
Kortebi et al. Performance evaluation of inter-mac green path selection protocol
CN107635235A (zh) 一种多频段配用电无线自组织网多射频和信道分配方法
CN106357345B (zh) 一种基于Mesh结构的量子通信网络的路由方法
CN107517483A (zh) 一种密集部署的无线异构网络的中继分配方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210813

RJ01 Rejection of invention patent application after publication