CN113572690A - 面向可靠性的用电信息采集业务的数据传输方法 - Google Patents
面向可靠性的用电信息采集业务的数据传输方法 Download PDFInfo
- Publication number
- CN113572690A CN113572690A CN202110658088.6A CN202110658088A CN113572690A CN 113572690 A CN113572690 A CN 113572690A CN 202110658088 A CN202110658088 A CN 202110658088A CN 113572690 A CN113572690 A CN 113572690A
- Authority
- CN
- China
- Prior art keywords
- node
- network
- nodes
- physical network
- reliability
- 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.)
- Granted
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
-
- 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
- H04L45/12—Shortest path evaluation
- H04L45/122—Shortest path evaluation by minimising distances, e.g. by selecting a route with minimum of number of hops
-
- 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
- H04L45/30—Routing of multiclass traffic
-
- 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
- H04L45/48—Routing tree calculation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种面向可靠性的用电信息采集业务的数据传输方法,包括:确定底层物理网络的拓扑结构参数以及计算每一条链路的可靠性参数;确定集中器节点在所述底层物理网络上的节点选择策略;确定在所述底层物理网络上最佳传输路径的路径选择策略;使用基于最小斯坦纳树的传输方法,同时满足所述节点选择策略和所述路径选择策略的要求,在所述底层物理网络上挑选出最佳传输路径。本发明基于最小斯坦纳树确定传输路由,结合了智能电网技术与物联网信息聚合技术,在确定最佳传输路径的同时,确定选取的电力物联网的信息聚合节点,由此对于提升智能电网中海量节点与连接的整体网络的可靠性有着重要意义,可以确保用电信息传输的平稳与可靠。
Description
技术领域
本发明涉及电力通信技术领域,尤其涉及面向可靠性的用电信息采集业务的数据传输方法。
背景技术
智能电网技术是电力技术发展的大势所趋,将在未来的电力能源系统中扮演极为重要的角色。智能电网有着海量节点与连接的特性,给电力系统信息数据传输带来了全新的挑战。针对这一问题,将物联网信息聚合技术应用于智能电网构建信息传输策略是良好的解决方案。这一策略可以实现电力信息传输与处理同时进行,并且对数据信息进行一定程度的数据融合(数据级、特征级、融合级、表示级),从而提取出诸多有价值的信息。将物联网信息聚合技术应用于智能电网之时,需要重点解决的问题有两个:(1)不同的拓扑结构中如何选择最佳的信息聚合结点;(2)终端如何选择适合的最佳传输路径。在智能电网之中,这两个问题分别被具体化为如何选择最佳的网络节点作为集中器节点(对于传输至的电力业务信息进行集中和一定程度的融合)以及为每一个节点确定一条最佳信息上报路径。这两个问题相互耦合,增加了问题解决的难度。在具体应用场景中,根据不同的业务特点,需要优化的目标(最大化网络吞吐量、最大化链路可靠性、最小化时延等等)也不同。
在智能电网之中,每个终端节点需要定时上报收集到的信息,获得较小粒度的信息流,才能使数据流具有较高的价值。信息数据流对于上报路径的带宽与时延的要求不高,却对路径的可靠性要求较高。结合智能电网海量节点和连接的特性,更加需要确保每一个终端节点收集到的信息可靠的传输至集中器节点。然而,当前的研究更多关注的是最小化端到端的时延或者最大化网络的吞吐量,对于优化链路以及整体通信网络的可靠性研究不足,不能很好的适配智能电网中电力信息数据传输的需求。
综上所述,针对智能电网的特点和互联网信息聚合技术的关键问题,确定一种可以获得最佳可靠性的用电信息数据传输策略是一个十分迫切的问题。
发明内容
本发明针对上述现有的问题的一个或多个,提出面向可靠性的用电信息采集业务的数据传输方法、寻车方法以及终端。
根据本发明的一个方面,提供一种面向可靠性的用电信息采集业务的数据传输方法,面向可靠性的用电信息采集业务的数据传输方法,其特征在于,所述方法包括:
确定底层物理网络的拓扑结构参数以及并根据确定的拓扑结构参数计算每一条链路的可靠性参数;
确定集中器节点在所述底层物理网络上的节点确定集中器节点在所述底层物理网络上的节点选择策略;
根据获取的每一条链路的可靠性参数确定在所述底层物理网络上最佳传输路径的路径选择策略;
使用基于最小斯坦纳树的传输方法,同时满足所述节点选择策略和所述路径选择策略的要求,在所述底层物理网络上挑选出最佳传输路径。
在某些实施方式中,所述确定底层物理网络的拓扑结构参数,具体包括:
将所述底层物理网络使用带权值的无方向图进行表示G=(V,E,B,w),其中,G代表的是底层物理网络的连通图,V代表的是底层物理网络节点的集合,E代表的是底层物理网络链路的集合,B代表的是底层物理网络上的基站节点,w代表的是n*n的底层物理网络链路的风险值矩阵,n代表底层网络规模,其中,
V包括VT、VA和VC,VT代表的是终端节点的集合,VA代表的是备选集中器节点的集合,VC代表确定的集中器节点的集合,euv代表底层物理网络上节点u到节点v的链路,ruv代表链路euv的风险值参数。
在某些实施方式中,确定计算每一条链路的可靠性参数,具体包括:
计算每一条链路的风险值参数,链路风险值参数代表使用该条链路通信失败的概率。
在某些实施方式中,所述确定集中器节点在底层物理网络上的节点选择策略,具体包括:
确定集中器节点的位置,包括根据集中器节点是用于将收集到的信息进行整合和对初级数据融合的特性,将集中器节点的位置置于底层物理网络的边缘,并且可以直接连接到基站节点上;
确定集中器节点的数量,其中,集中器节点的数量至少一个,并且集中器节点的数量远少于终端节点的数量;
根据确定集中器节点的位置以及确定集中器节点的数量生成对应的节点选择策略。
在某些实施方式中,在底层物理网络上最佳传输路径的路径选择策略需要根据底层物理网络整体的可靠性、网络的结构以及网络传输方法的动态特性确定,具体包括:
确定整体网络的结构,整体网络结构设置为包含所有的终端节点和一个或者多个集中器节点,并且确保每一个终端节点都有一条路径连接到某一个集中器节点上;
确定传输方法的动态特性,包括获取改变的底层物理网络的风险值矩阵w,根据更新后的风险值矩阵,更新整体的通信网络;
根据获取整体网络可靠性参数、确定的整体网络的结构以及确定的传输方法的动态特性生成所述路径选择策略。
在某些实施方式中,使用基于最小斯坦纳树的传输方法,同时满足节点选择策略和路径选择策略的要求,在所述底层物理网络上挑选出最佳传输路径,具体方法包括:
在底层物理网络G中使用最短路径算法计算每一对节点对之间的最短路径和最短路径的长度;
将所有的终端节点和基站节点作为p节点的集合,将所有的备选集中器节点作为s节点的集合;
将p节点集合中的节点两两相连,得到一个闭环权值图GL,闭环权值图GL中节点之间每一条边的权值为底层物理网络G中对应节点之间最短路径的长度;
利用获取的闭环权值图GL,构造一个覆盖所有GL节点的最小生成树TL;
遍历最小生成树TL中每一链路,使用底层物理网络G中对应节点间的最短路径来代替TL中对应链路;
遍历TL中所有节点,将TL中所覆盖的节点全部放入到一个新集合Vout中,Vout中的节点为在底层物理网络G上挑选出的最佳信息聚合节点,即集中器节点;
遍历TL中所有边,将TL中所覆盖的边全部放入到一个新的集合Eout中,Eout中的边为在底层物理网络G上挑选出的最佳信息传输路径使用的链路;
根据挑选出的集中器节点和挑选出的最佳信息传输路径使用的链路确定传输路径。
本发明的有益效果是:
本发明提供的面向可靠性的用电信息采集业务数据传输方法,应用于智能电网中的信息采集类业务,确保智能电网中智能终端的用电信息可靠传输,本发明基于最小斯坦纳树确定传输路由,结合了智能电网技术与物联网信息聚合技术,在确定最佳传输路径的同时,确定选取的电力物联网的信息聚合节点。本发明的方法对于提升智能电网中海量节点与连接的整体网络的可靠性有着重要意义,可以确保用电信息传输的平稳与可靠。
附图说明
图1为一种面向可靠性的用电信息采集业务的数据传输方法的应用于数据传输系统的框架结构示意图;
图2为一种面向可靠性的用电信息采集业务的数据传输方法的流程图;
图3为一种面向可靠性的用电信息采集业务的数据传输方法的部分实施例的流程图;
图4为一种面向可靠性的用电信息采集业务的数据传输方法的部分实施例的流程图;
图5为一种面向可靠性的用电信息采集业务的数据传输方法的部分实施例的流程图;
图6为一种面向可靠性的用电信息采集业务的数据传输方法的网络结构仿真图;
图7为采用另一种方法的网络结构仿真图;
图8为采用另一种方法的网络结构仿真图;
图9为一种面向可靠性的用电信息采集业务的数据传输方法的部分实施例的流程图。
具体实施方式
下面结合附图对申请技术方案作进一步详细说明。
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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特性可以相互组合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例提供的一种面向可靠性的用电信息采集业务的数据传输系统的原理结构示意图;如图1所示,该系统应用场景为智能电网端到端信息传输网络,该网络由终端节点、本地通信网络、集中器节点以及基站节点构成,它们分别承担系统的不同功能。具体分别承担的功能如下:
终端节点:终端节点完成系统中用电信息采集的功能,终端节点采集用电信息是整个用电信息采集业务的起点,在智能电网之中,终端节点的概念扩展到诸多可以收集信息的物联网节点上,这些终端节点不仅数量上是海量的,分布方式上也具有多种拓扑结构。
本地通信网络:本地通信网络的构建是本发明的核心应用部分,本地通信网络核心的功能是支持每一个终端节点将收集到的用电信息可靠的传输至集中器节点。根据不同策略获得的本地通信网络是不同的,并且需要定时更新来确保本地通信网络可以不受实际物理网络波动情况影响,确保策略的实时性和可靠性。
集中器节点:系统中的集中器节点就是信息聚合节点在智能电网中的具体应用,是根据不同的策略具体确定出来的。集中器节点将各个终端收集到的信息整合和经过较低层次的数据融合(数据级融合)之后通过基站节点送入至远程通信网络中。在本地通信网络的拓扑结构中,集中器节点的数量远少于终端节点的数量,所以多个终端节点将连接到同一个集中器节点之上。
基站节点:基站节点是本地通信网络和远程通信网络的边缘,集中器节点收集和处理过的信息通过基站节点送入到远程通信网络并且进行后续的处理。
图2为本发明实施例提供的一种面向可靠性的用电信息采集业务的数据传输方法的流程图,具体流程步骤包括:
S1.确定系统相关参数,包括确定底层物理网络的拓扑结构参数以及并根据确定的拓扑结构参数计算每一条链路的可靠性参数;
S2.根据确定的拓扑结构参数确定集中器节点的选择策略,包括:根据业务需求和特点,确定集中器节点在底层物理网络上的选择策略;
S3.根据获取的每一条链路的可靠性参数确定最佳传输路径的选择策略,包括:根据业务高可靠性的需求,确定在底层物理网络上最佳传输路径的选择策略;
S4.获得具体的最佳传输路径,使用基于最小斯坦纳树的传输方法,同时满足节点选择策略和路径选择策略的要求,在底层物理网络上挑选出最佳传输路径。
需要说明的是,步骤S1的具体流程如下:
将底层物理网络使用带权值的无方向图进行表示G=(V,E,B,w),其中G代表的是底层物理网络的连通图,V代表的是底层物理网络节点的集合,E代表的是底层物理网络链路的集合,B代表的是底层物理网络上的基站节点,w代表的是n*n(n代表底层网络规模)的底层物理网络链路的风险值矩阵,V由两部分构成,其中VT代表的是终端节点的集合,VA代表的是备选集中器节点的集合,底层物理网络上可以作为集中器的节点,VC代表确定的集中器节点的集合,euv代表底层物理网络上节点u到节点v的链路,ruv代表链路euv的风险值参数;
计算每一条链路的风险值参数,链路的风险值参数代表使用这条链路通信失败的概率。其中,链路风险值参数与节点之间的距离,节点间是否有遮挡以及天气情况等因素有关,链路风险值参数是一个小数,应当小于0.1,即代表链路通信失败的概率低于10%,由此,可根据节点间统计的历史通信成功率计算通信失败概率。
如图3所示,需要说明的是,步骤S2的具体流程如下:
S2.1)确定集中器节点的位置,确定集中器节点的位置的方法包括:因为集中器节点是对收集到的信息进行整合和进行初级数据融合的节点,因此,集中器节点的位置应位于底层物理网络的边缘,并且可以直接连接到基站节点上。
S2.2)确定集中器节点的数量,确定集中器节点的数量的方法包括集中器节点的数量应是至少一个(确保数据传输策略成功应用),并且集中器节点的数量远少于终端节点的数量(集中器节点有较大的容量)。
如图4所示,需要说明的是,步骤S3确定最佳传输路径的选择策略的具体流程如下:
S3.1)确定整体网络可靠性的参数,确定整体网络可靠性的参数的方法为:整体网络的可靠性应当由网络之中的所有链路的风险值共同决定,由此,整体网络的可靠性设置为网络中所有链路的风险值的乘积,使用集合Euse代表网络使用的链路的集合,网络的整体可靠性为Rnet,
S3.2)确定整体网络的结构,确定整体网络的结构的方法包括:整体网络结构中应包含所有的终端节点和一个或者多个集中器节点,并且确保每一个终端节点都有一条路径连接到某一个集中器节点上。
S3.3)确定传输方法的动态特性,由于实际物理网络通信的情况受到多方面因素的影响,是实时波动的。因此,通过改变底层物理网络的风险值矩阵w,来反映出物理网络的波动情况,根据更新后的风险值矩阵应用到对应的网络系统,更新整体的通信网络,从而确保算法的实时性和有效性。
如图5所示,需要说明的是,步骤S4的具体流程如下:
S4.1)在底层物理网络G中使用最短路径算法计算每一对节点对之间的最短路径和最短路径的长度;
S4.2)将所有的终端节点和基站节点作为p节点(最终确定的最小斯坦纳树中必须含有的节点)的集合,将所有的备选集中器节点作为s节点(最终确定的最小斯坦纳树可以额外增加的节点)的集合;
S4.3)将p节点集合中的节点两两相连,得到一个闭环的权值图GL,闭环权值图GL中节点之间每一条边的权值为底层物理网络G中对应节点之间最短路径的长度;
S4.4)利用获取的闭环权值图GL,构造一个覆盖所有GL节点的最小生成树TL,最小生成树TL是指树中各个边的权值之和在所有的生成树之中最小;
S4.5)遍历最小生成树TL中每一链路,使用底层物理网络G中对应节点间的最短路径来代替TL中对应链路;
S4.6)遍历TL中所有节点,将TL中所覆盖的节点全部放入到一个新集合Vout中,Vout中的节点即为该策略在底层物理网络G上挑选出的最佳信息聚合节点,该节点即集中器节点;
S4.7)遍历TL中所有边,将TL中所覆盖的边全部放入到一个新的集合Eout使用的链路;
S4.8)根据挑选出的集中器节点和挑选出的最佳信息传输路径使用的链路确定传输路径。
进一步地,通过仿真及其结果分析说明本发明的性能。
本发明通过仿真验证其性能。为了模拟底层物理网络中的多个终端节点和备选集中器节点,分别使用两个参数不同(lambda1和lambda2)的泊松点过程在固定区域内的撒点来模拟。参数lambda1大于参数lambda2,用来模拟智能电网网络中终端节点数量远大于备选集中器节点数量的情况。
本发明使用Waxman随机模型来生成底层网络的拓扑,用来模拟实际情况中智能电网的网络拓扑。Waxman是典型的随机模型,可以良好的模拟物联网的实际情况,并且可以根据需求灵活的调整节点的度。Waxman模型使用参数α,β分别控制网络中长短边的比例和网络中节点的度的平均值,本发明设参数α,β使得仿真网络拓扑接近实际物联网拓扑情况。
仿真过程使用基于最小斯坦纳树的数据传输方法,并且与另外两种方法(基于最短路径的数据传输方法和基于最小生成树的数据传输方法)进行仿真对比与分析。仿真实验是对于同一个底层网络拓扑分别使用三种方法,获得三种挑选出的最佳信息上报路径与这些路径构成的整体网络。在使用不同的方法之后,对于获得的网络进行可靠性的分析与比较,确定不同方法的性能优劣。
如图6-8所示,分别是使用三种不同的方法挑选出的最佳信息上报路径,如图6所示是使用最短路径算法挑选出的链路集合,如图7所示是使用最小生成树算法挑选出的链路集合,图8所示是使用本申请算法(即图中本案算法)挑选出的链路集合,由图可知,对于同一个底层网络拓扑,三种方法确定的最佳信息上报路径是不同的,路径中使用的链路也是不同的。三种方法中,本申请使用的方法允许使用部分备用集中器节点,其他两种方法需要使用全部的备选集中器节点。由于拓扑生成模型具有随机性,对应于同一组参数,需要多次仿真取平均值从而消除随机性。
图7是使用三种方法仿真的结果,本发明之中由于参数lambda1决定着网络规模,所以将参数lambda1作为自变量,网络的整体可靠性作为因变量,可以看出随着参数lambda(代表了网络规模)的增长,网络的整体可靠性是下降的,这是由于网络中链路的数量增加导致的。
对于基于最短路径的传输方法,网络的可靠性从0.6752下降到0.1781;对于基于最小生成树的传输方法,网络的可靠性从0.5987下降到0.1975;对于基于最小斯坦纳树的传输方法,网络可靠性从0.7137下降到0.2502.
通过比较曲线的数值,以基于最短路径的传输方法作为baseline,基于最小生成树的传输方法性能在-11.2%-10.9%之间变化,本申请的方法性能提升了5.7%-40.5%。并且可以看出,网络规模越大,相较于baseline,其他两种方法性能提升越大。
仿真说明,本发明的方法性能明显高于基于最短路径的传输方法和基于最小生成树的传输方法。特别的是,比较基于最小生成树的传输方法和基于最短路径的传输方法,发现在网络规模较小的时候,基于最小生成树的传输策略性能较差,当网络规模增长之后,基于最小生成树的传输方法性能超过了基于最短路径的传输策略。
上述仿真结果表明,针对电力业务数据传输问题,使用本发明的方法相较于基于最短路径的传输方法和基于最小斯坦纳树的传输方法在可靠性方面有着显著提升,并且提升比例随着网络规模扩大愈发明显。本发明的方法对于提升智能电网中海量节点与连接的整体网络的可靠性有着重要意义,可以确保用电信息传输的平稳与可靠,支持智能电网中海量连接的特性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.面向可靠性的用电信息采集业务的数据传输方法,其特征在于,用电所述方法包括:
确定底层物理网络的拓扑结构参数并根据确定的拓扑结构参数计算每一条链路的可靠性参数;
根据确定的拓扑结构参数确定集中器节点在所述底层物理网络上的节点选择策略;
根据获取的每一条链路的可靠性参数确定在所述底层物理网络上最佳传输路径的路径选择策略;
使用基于最小斯坦纳树的传输方法,同时满足所述节点选择策略和所述路径选择策略的要求,在所述底层物理网络上挑选出最佳传输路径。
2.根据权利要求1所述的面向可靠性的用电信息采集业务的数据传输方法,其特征在于,所述确定底层物理网络的拓扑结构参数,具体包括:
将所述底层物理网络使用带权值的无方向图进行表示G=(V,E,B,w),其中,G代表的是底层物理网络的连通图,V代表的是底层物理网络节点的集合,E代表的是底层物理网络链路的集合,B代表的是底层物理网络上的基站节点,w代表的是n*n的底层物理网络链路的风险值矩阵,n代表底层网络规模,其中,
V包括VT、VA和VC,VT代表的是终端节点的集合,VA代表的是备选集中器节点的集合,VC代表确定的集中器节点的集合,euv代表底层物理网络上节点u到节点v的链路,ruv代表链路euv的风险值参数。
3.根据权利要求1所述的面向可靠性的用电信息采集业务的数据传输方法,其特征在于,确定计算每一条链路的可靠性参数,具体包括:
计算每一条链路的风险值参数,链路风险值参数代表使用该条链路通信失败的概率。
4.根据权利要求1所述的面向可靠性的用电信息采集业务的数据传输方法,其特征在于,所述确定集中器节点在底层物理网络上的节点选择策略,具体包括:
确定集中器节点的位置,包括根据集中器节点是用于将收集到的信息进行整合和对初级数据融合的特性,将集中器节点的位置置于底层物理网络的边缘,并且可以直接连接到基站节点上;
确定集中器节点的数量,其中,集中器节点的数量至少一个,并且集中器节点的数量远少于终端节点的数量;
根据确定集中器节点的位置以及确定集中器节点的数量生成对应的节点选择策略。
5.根据权利要求2所述的面向可靠性的用电信息采集业务的数据传输方法,其特征在于,在底层物理网络上最佳传输路径的路径选择策略需要根据底层物理网络整体的可靠性、网络的结构以及网络传输方法的动态特性确定,具体包括:
确定网络的结构,网络结构设置为包含所有的终端节点和一个或者多个集中器节点,并且确保每一个终端节点都有一条路径连接到某一个集中器节点上;
确定网络传输方法的动态特性,包括获取改变的底层物理网络的风险值矩阵w,根据更新后的风险值矩阵更新整体的通信网络;
根据获取网络可靠性参数、确定的网络的结构以及确定的传输方法的动态特性生成所述路径选择策略。
6.根据权利要求2所述的面向可靠性的用电信息采集业务的数据传输方法,其特征在于,使用基于最小斯坦纳树的传输方法,同时满足节点选择策略和路径选择策略的要求,在所述底层物理网络上挑选出最佳传输路径,具体方法包括:
在底层物理网络G中使用最短路径算法计算每一对节点对之间的最短路径和最短路径的长度;
将所有的终端节点和基站节点作为p节点的集合,将所有的备选集中器节点作为s节点的集合;
将p节点集合中的节点两两相连,得到一个闭环权值图GL,闭环权值图GL中节点之间每一条边的权值为底层物理网络G中对应节点之间最短路径的长度;
利用获取的闭环权值图GL,构造一个覆盖所有GL节点的最小生成树TL;
遍历最小生成树TL中每一链路,使用底层物理网络G中对应节点间的最短路径来代替TL中对应链路;
遍历TL中所有节点,将TL中所覆盖的节点全部放入到一个新集合Vout中,Vout中的节点正是在s节点的集合中挑选出的节点,代表在底层物理网络G上最佳信息聚合节点,即集中器节点;
遍历TL中所有边,将TL中所覆盖的边全部放入到一个新的集合Eout中,Eout中的边为在底层物理网络G上挑选出的最佳信息传输路径使用的链路;
根据挑选出的集中器节点和挑选出的最佳信息传输路径使用的链路确定传输路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658088.6A CN113572690B (zh) | 2021-06-11 | 2021-06-11 | 面向可靠性的用电信息采集业务的数据传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110658088.6A CN113572690B (zh) | 2021-06-11 | 2021-06-11 | 面向可靠性的用电信息采集业务的数据传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113572690A true CN113572690A (zh) | 2021-10-29 |
CN113572690B CN113572690B (zh) | 2023-02-24 |
Family
ID=78162051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110658088.6A Active CN113572690B (zh) | 2021-06-11 | 2021-06-11 | 面向可靠性的用电信息采集业务的数据传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113572690B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110080851A1 (en) * | 2008-04-10 | 2011-04-07 | Alcatel Lucent | Method and apparatus for topology aggregation and routing controller |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
CN105376156A (zh) * | 2015-11-11 | 2016-03-02 | 国家电网公司 | 一种基于多属性决策的电力骨干传输网路由规划方法 |
CN108322925A (zh) * | 2018-01-29 | 2018-07-24 | 东北大学 | 超密度异构融合网络中区分业务类型的传输路径计算方法 |
CN112565272A (zh) * | 2020-12-09 | 2021-03-26 | 中国人民解放军国防科技大学 | 双层网络最小斯坦纳树阻断方法、装置和计算机设备 |
-
2021
- 2021-06-11 CN CN202110658088.6A patent/CN113572690B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110080851A1 (en) * | 2008-04-10 | 2011-04-07 | Alcatel Lucent | Method and apparatus for topology aggregation and routing controller |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
CN105376156A (zh) * | 2015-11-11 | 2016-03-02 | 国家电网公司 | 一种基于多属性决策的电力骨干传输网路由规划方法 |
CN108322925A (zh) * | 2018-01-29 | 2018-07-24 | 东北大学 | 超密度异构融合网络中区分业务类型的传输路径计算方法 |
CN112565272A (zh) * | 2020-12-09 | 2021-03-26 | 中国人民解放军国防科技大学 | 双层网络最小斯坦纳树阻断方法、装置和计算机设备 |
Non-Patent Citations (2)
Title |
---|
包学才等: "可靠性约束下的无线Mesh网络拓扑控制优化方法", 《电子与信息学报》 * |
邱雪松等: "一种面向智能电网数据采集的传感器聚合布局构造算法", 《电子与信息学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113572690B (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vashishth et al. | GMMR: A Gaussian mixture model based unsupervised machine learning approach for optimal routing in opportunistic IoT networks | |
CN105553869B (zh) | 一种电力通信网的风险均衡方法及系统 | |
CN104036324B (zh) | 一种基于遗传算法的通信网络容量可靠性最优设计方法 | |
CN105323166B (zh) | 一种面向云计算的基于网络能效优先的路由方法 | |
CN106685745B (zh) | 一种网络拓扑构建方法及装置 | |
CN114143264B (zh) | 一种SRv6网络下基于强化学习的流量调度方法 | |
CN108540204A (zh) | 用于卫星网络拓扑生成的快速收敛蚁群算法 | |
CN103596191A (zh) | 一种无线传感器网络智能配置系统及其方法 | |
Chen et al. | ALBLP: adaptive load-balancing architecture based on link-state prediction in software-defined networking | |
CN101616074B (zh) | 基于量子进化的组播路由优化方法 | |
CN114884895A (zh) | 一种基于深度强化学习的智能流量调度方法 | |
CN106067074B (zh) | 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法 | |
CN107969008B (zh) | 一种软件定义传感网集中式路由计算方法 | |
CN116418730A (zh) | 一种基于关键节点的分布式可扩展智能路由方法 | |
CN103595652B (zh) | 一种电力通信网络中QoS能效的分级方法 | |
CN113411766B (zh) | 智慧物联网综合感知系统及方法 | |
Peng et al. | Real-time transmission optimization for edge computing in industrial cyber-physical systems | |
CN103944748B (zh) | 基于遗传算法的网络关键节点的自相似流量生成简化方法 | |
CN113572690B (zh) | 面向可靠性的用电信息采集业务的数据传输方法 | |
CN107743302A (zh) | 无线传感器网络中基于压缩感知的速率分配和路由联合优化算法 | |
CN116634504A (zh) | 基于改进nsga-ii算法的无人机组网拓扑关系与带宽分配优化策略 | |
CN114599043A (zh) | 一种基于深度强化学习的空天地一体化网络资源分配方法 | |
CN101741749A (zh) | 基于免疫克隆的多目标组播路由优化方法 | |
CN102882727B (zh) | 一种层次化监测网络的监测区域划分方法 | |
Jiang et al. | Qos-aware routing optimization algorithm using differential search in sdn-based manets |
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 |