CN114205247B - 配电物联网的接入方法、装置、计算机设备及存储介质 - Google Patents

配电物联网的接入方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN114205247B
CN114205247B CN202111531519.9A CN202111531519A CN114205247B CN 114205247 B CN114205247 B CN 114205247B CN 202111531519 A CN202111531519 A CN 202111531519A CN 114205247 B CN114205247 B CN 114205247B
Authority
CN
China
Prior art keywords
network
access
attribute
optimal
power distribution
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
Application number
CN202111531519.9A
Other languages
English (en)
Other versions
CN114205247A (zh
Inventor
何小浪
刘克恒
付启刚
钟加勇
何洋
向映红
杨旭
吴明燕
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.)
State Grid Chongqing Electric Power Co Skill Training Center
Original Assignee
State Grid Chongqing Electric Power Co Skill Training Center
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 State Grid Chongqing Electric Power Co Skill Training Center filed Critical State Grid Chongqing Electric Power Co Skill Training Center
Priority to CN202111531519.9A priority Critical patent/CN114205247B/zh
Publication of CN114205247A publication Critical patent/CN114205247A/zh
Application granted granted Critical
Publication of CN114205247B publication Critical patent/CN114205247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • H04L41/14—Network analysis or design
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters

Abstract

本发明提供一种配电物联网的接入方法、装置、计算机设备及存储介质。综合采用AHP层次分析方法和TOPSIS方法，选择多个影响网络接入的网络属性，并构建判断矩阵，计算该矩阵的各网络属性对网络接入影响的权重值，计算测量各网络属性的网络参数数值，并做归一化标准处理，基于TOPSIS方法构建各网络参数的决策矩阵，计算各备选接入网络到正负最优解的平均欧式距离，选择平均欧式距离值最小的作为最优网络接入；并基于规定的通信协议，实现智能终端和决策主站在最优网络下的可靠信息互通；相对于比较单一的网络属性决定最佳网络的连接，本发明综合考虑多种网络属性对网络接入的影响，选择出配电物联网不同业务特征下的最优网络连接，并提高了连接的稳定性。

Description

配电物联网的接入方法、装置、计算机设备及存储介质
技术领域
本发明涉及配电物联网技术领域，尤其涉及一种配电物联网的接入方法、装置、计算机设备及存储介质。
背景技术
随着配电网工程的不断推进，现行配电网已成为电力通信一体的配电物联网，配电智能终端呈现海量化异构化接入配电网中，通过与决策主站可靠的信息交互，为配网稳定运行提供全面有效的数据分析支撑，可实现配电网络态势感知、自主运维、辅助预测等高级服务应用。
智能终端可靠接入是实现配电网稳定运行的重要保障，其与决策主站可靠的信息交互是实现台区线损分析、故障区段定位等应用的可靠支撑。同时，需要注意到，智能终端接入存在一定问题，致使配电物联网终端即插即用技术存在可靠性低下的现象，一是智能终端存在异构性，各智能终端对应的电力业务和通信要求均不同，选择智能终端接入网络需具有一定差异性，现行方法缺少稳定的信息通道支撑。
在智能终端与决策主站进行信息交互或指令下发等操作之前，实现智能终端和主站之间的可靠通信，可有效支撑配电网稳定可控运行。因此，制定一种合理有效的智能终端即插即用方法可有效提高智能终端并网性能，对配电物联网场景可靠稳定运行是十分有必要的。
发明内容
针对现有发明中存在的不足，本发明提出了一种配电物联网的接入方法、装置、计算机设备及存储介质。
第一方面，本发明提供一种配电物联网的接入方法，其主要步骤包括：
采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络；
基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互。
第二方面，在一个实施例中，本发明提供一种配电物联网的接入装置，包括：
网络属性的权重值确定模块，用于采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
应接入的最优网络选择模块，用于采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络；
以使得能够基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互。
第三方面，在一个实施例中，本发明提供一种计算机设备，包括处理器和存储器，存储器用于存储计算机程序，处理器用于调用并运行存储器中存储的计算机程序，以执行上述任一个实施例中的面向于配电物联网场景下的智能终端即插即用方法。
第四方面，在一个实施例中，本发明提供一种存储介质，存储有计算机程序，处理器用于调用并运行存储器中存储的计算机程序，以执行上述任一个实施例中的面向于配电物联网场景下的智能终端即插即用方法。
本发明的有益效果是：
1、相对于比较单一的网络属性决定最佳网络的连接，本发明采用层次分析方法和TOPSIS综合评价方法，综合考虑多种网络属性对网络接入的影响，选择出配电物联网不同业务特征下的最优网络连接。
2、基于规定的通信协议，实现智能终端和决策主站在最优网络下的可靠信息互通，提高连接的稳定性。
附图说明
图1为本发明所提的最优网络获取的流程图；
图2为本发明所构建的配电物联网层次递阶结构；
图3为本发明所提的智能终端和决策主站信息交互的流程图；
图4为不同方法下的网络平均时延性能对比图；
图5为不同方法下的网络接入阻塞率性能对比图。
具体实施方式
下面结合附图及实施例对本发明中的技术方案进一步说明。
第一个方面，在一个实施例中，如图1所示，本发明提出了一种配电物联网的接入方法，其主要步骤包括：
S1，采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
S2，采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性权重值，计算分析并选择应接入的最优网络；
基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互。
层次分析方法简称AHP，是指将与决策总是有关的元素分解成目标层、属性层、方案层等层次，在此基础之上进行定性和定量分析，求得属性层的各评价指标对上一层次元素的权重值；TOPSIS综合评价方法又称优劣解距离法，其基本原理是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好的结果，其中最优解的各指标值都达到各评价指标的最优值、最劣解的各指标值都达到各评价指标的最差值。
在上述实施例中，采用层次分析方法和TOPSIS综合评价方法，考虑多种不同网络属性对网络接入的影响，选择出配电物联网不同业务特征下的最优网络连接；基于规定的通信协议，实现智能终端和决策主站在最优网络下的可靠信息互通，提高网络连接的稳定性。
在一个实施例中，如图1所示，所述步骤S1包括：
S11，根据不同的配电业务类别，选择相应的网络属性；
S12，基于层次分析法模型建立配电物联网层次递阶结构，如图2所示，其中目标层为最优网络、属性层为选择的网络属性、方案层为配电物联网中被选择的网络；
S13，将属性层包括的多个网络属性对网络接入的影响程度进行两两比较，构造一个最优接入网络的判断矩阵U，如式(1)所示：
式中，n为备选网络属性的个数，uxy表示选取的影响网络接入的第x个网络属性较第y个网络属性的影响程度，由专家进行打分赋予uxy相应的数值，数值越大则代表影响程度越大，并且满足uxy＝1/uyx；
S14，采用特征根法计算得到各个网络属性的权重值；
矩阵U的最大特征根序列λmax所对应的归一化特征向量V＝[v1,v2,v3,...,vj,...vn]T作为影响网络接入的多个网络属性的权重分配向量，其中，vj表示第j个影响网络接入的网络属性在此最优网络方案决策体系中所占的权重值，n表示选取的影响网络接入的网络属性的数量；
S15，采用一致性分析法计算检验判断矩阵的准确性：
根据公式，CI＝(λmax-n)/(n-1)计算一致性指标CI；
根据公式，CR＝CI/RI计算一致性比例CR来衡量判断矩阵偏离完全一致性的程度，其中网络属性的数量n与所对应的RI的具体数值如下表所示：
若一致性比例CR<0.10时，认为判断矩阵U的一致性是可以接受的，否则则返回步骤S13。
在上述实施例中，在相同的配电业务下，采用层次分析方法，由专家对每两个网络属性对网络接入影响的重要程度进行比较，并打分，建立各网络属性对网络接入影响的判断矩阵，对打分的数值不断修改，直至使得判断矩阵满足一致性比例CR<0.10的条件，根据公式计算求出网络属性的权重分配向量V＝[v1,v2,v3,...,vj,...vn]T，其中，vj表示第j个影响网络接入的网络属性在此最优网络方案决策体系中所占的权重值。
在一个实施例中，所述配电业务的类别被分为传输类、采集类和可靠类等；
所述备选网络属性包括：传输速率、误码率、丢包率、传输时延、链路稳定度、吞吐率、抗干扰能力等。
在上述实施例中，根据不同的业务类别，选择相应的网络属性能够降低判断矩阵构建的复杂度，降低计算量。
在一个优选的实施例中，所述判断矩阵采用1-9标度法，其中：
uxy＝1表示选取的影响网络接入的第x个网络属性较第y个网络属性同等重要；
uxy＝3表示选取的影响网络接入的第x个网络属性较第y个网络属性略重要；
uxy＝5表示选取的影响网络接入的第x个网络属性较第y个网络属性明显重要；
uxy＝7表示选取的影响网络接入的第x个网络属性较第y个网络属性强烈重要；
uxy＝9表示选取的影响网络接入的第x个网络属性较第y个网络属性绝对重要；
uxy＝2,4,6,8表示介于以上相邻的两个奇数判断尺度之间。
在上述实施例中，判断矩阵采用1-9标度法，能够提高权重计算的精确性。
在一个优选的实施例中，所述步骤S2之前还包括：
基于不同的配电业务特征，限定智能终端接入网络的候选数量，降低网络接入计算的复杂度。
在上述实施例中，由于不同业务特征下，对接入网络的个别网络属性会有相应的要求，所以排除掉不满足个别网络属性要求的接入网络，能够大幅降低网络接入计算的复杂度。
如图1所示，在一个实施例中，所述步骤S2包括：
S21，将智能终端在相同的配电业务特征下分别测量、计算不同网络下各备选网络属性的网络参数数值；
S22：对测量、计算得到的各网络参数数值进行归一化标准处理，使得所有影响网络
接入的各网络属性的网络参数数值，都是越高越有利于网络接入，具体地，采用倒数化和平方和归一化的方法，如式(2)、(3)所示：
其中，aij表示i个接入网络的的第j个网络属性的网络参数值，kij表示第i个接入网络的的第j个网络属性的归一化标准处理后的网络参数值。
S23，采用归一化标准处理后的网络参数数值，构建一个最优接入网络的决策矩阵K，如式(4)所示：
其中，kij表示第i个接入网络的的第j个网络属性的归一化标准处理后的网络参数值，kmn表示共有m个接入网络，n个备选网络属性；
S24，设定备选接入网络相应网络参数向量K，如式(5)所示：
K＝(k1,k2,…,ki,…,kn) (5)
其中，ki为网络属性i所对应的网络参数。
S25，确定备选网络属性所对应的网络参数的正负最优解属性向量K+和K-，如式(6)所示：
式中，n表示为网络属性总数，为网络属性i对应的正最优解网络参数，
为网络属性i对应的负最优解网络参数，/>
S26，结合S14中所得的权重分配向量V，计算备选接入方案至正负最优解的平均欧氏距离，如式(7)、(8)所示：
式中，vi为网络属性i的敏感度权重值，ε+为距离正最优解的欧氏距离，ε-为距离负最优解的欧氏距离，为距离正负最优解的平均欧氏距离。
S27，计算分析并选择应接入的最优网络：
遍历计算每一个网络的平均欧氏距离 的数值最小的即为应接入的最优网络。
在上述实施例中，对测量、计算得到的网络参数进行归一化标准处理，使得所有影响网络接入的各网络属性的网络参数数值，都是越高越有利于网络接入，并将所有参数量纲化处理，防止个别网络参数由于数值过大而对计算结果造成影响；
采用归一化标准处理后的网络参数数值，构建一个最优接入网络的决策矩阵，并结合层次分析方法中求得的各网络属性权重值，计算每一个备选接入网络至正负最优解的平均欧氏距离，选取平均欧式距离值最小的作为最优网络接入，如图4、图5所示，相较于其他方案所选择的最优网络，本方案的最优网络具有更好的性能。
在一个实施例中，如图3所示，所述步骤S2之后，还包括：
S31：智能终端向决策主站上传设备信息，设备信息包括ID标识信息、终端版本信息、通信信息；
S32：决策主站确认是否存在待接入智能终端的设备信息，若不存在或不一致，更新相应设备信息；
S33：决策主站基于IEC61850-80-1协议标准，更新IEC104规约通信点表；
S34：决策主站基于IEC104规约，实现智能终端的实时传动确认；
S35：若智能终端更换，决策主站下发备份信息至智能终端。
在上述实施例中，基于规定的通信协议，实现智能终端和决策主站在最优网络下的可靠信息互通，提高了网络连接的稳定性。
第二个方面，在一个实施例中，提出了一种配电物联网的接入装置，其特征在于，包括：
网络属性的权重值确定模块，用于采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
应接入的最优网络选择模块，用于采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络；
以使得能够基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互。
在一个实施例中，网络属性的权重值确定模块包括：
网络属性选择模块，用于根据不同的配电业务类别，选择相应的网络属性；
分析模型建立模块，用于基于层次分析法模型建立配电物联网层次递阶结构，其中目标层为最优网络、属性层为选择的网络属性、方案层为配电物联网中被选择的网络；
判断矩阵构建模块，用于将多个网络属性对网络接入的影响程度进行两两比较，并进行赋值，构造一个最优接入网络的判断矩阵；
网络属性权重计算模块，采用特征根法计算得到各个网络属性的权重值；
准确性检验模块，用于采用一致性分析法计算检验判断矩阵的准确性。
在一个实施例中，应接入的最优网络选择模块包括：
网络参数获取模块，用于将智能终端在相同的配电业务特征下分别测量、计算不同网络下各备选网络属性的网络参数数值；
网络参数处理模块，用于对测量、计算得到的各网络参数数值进行归一化标准处理；
决策矩阵构造模块，用于基于归一化标准处理后的网络参数，来构建一个最优接入网络的决策矩阵；
参数向量设定模块，用于设定备选接入网络相应网络参数向量K；
最优向量确定模块，用于确定备选网络属性所对应的网络参数的正负最优解属性向量K+和K-；
最优网络选择模块，用于结合各个网络属性的权重值和决策矩阵，遍历计算每一个网络的平均欧氏距离，选择平均欧式距离值最小的作为最优网络。
第三个方面，在一个实施例中，提出了一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行上述实施例中任一项所述的方法。
第四个方面，在一个实施例中，提出了一种存储介质，存储有计算机程序，处理器用于调用并运行所述计算机程序，以执行上述实施例中任一项所述的方法。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种配电物联网的接入方法，其主要步骤包括：
S1，采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
S2，采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络；
以使得能够基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互；
所述采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络，其主要步骤包括：
S21，将智能终端在相同的配电业务特征下分别测量、计算不同网络下各备选网络属性的网络参数数值；
S22：对测量、计算得到的各网络参数数值进行归一化标准处理；
S23，采用归一化标准处理后的网络参数数值，构建一个最优接入网络的决策矩阵K，如式(2)所示：
其中，kij表示第i个接入网络的第j个网络属性的归一化标准处理后的网络参数值，kmn表示共有m个接入网络，n个备选网络属性；
S24，设定备选接入网络相应网络参数向量K，如式(3)所示：
K＝(k1,k2,…,ki,…,kn) (3)
其中，ki为网络属性i所对应的网络参数；
S25，确定备选网络属性所对应的网络参数的正负最优解属性向量K+和K-，如式(4)所A示：
式中，n表示为网络属性总数，为网络属性i对应的正最优解网络参数，/>ki -为网络属性i对应的负最优解网络参数，/>
S26，结合S14中所得的权重分配向量V，计算备选接入方案至正负最优解的平均欧氏距离，如式(5)、(6)所示：
式中，vi为网络属性i的敏感度权重值，ε+为距离正最优解的欧氏距离，ε-为距离负最优解的欧氏距离，为距离正负最优解的平均欧氏距离；
S27，计算分析并选择应接入的最优网络：
遍历计算每一个网络的平均欧氏距离 的数值最小的即为应接入的最优网络。
2.如权利要求1所述的一种配电物联网的接入方法，其特征在于，所述采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值，其主要步骤包括：
S11，根据不同的配电业务类别，选择相应的网络属性；
S12，基于层次分析法建立配电物联网层次递阶结构，其中目标层为最优网络、属性层为选择的网络属性、方案层为配电物联网中被选择的网络；
S13，将属性层包括的多个网络属性对网络接入的影响程度进行两两比较，构造一个最优接入网络的判断矩阵U，如式(1)所示：
式中，n为备选网络属性的个数，uxy表示选取的影响网络接入的第x个网络属性较第y个网络属性的影响程度，由专家进行打分赋予uxy相应的数值，数值越大则代表影响程度越大，并且满足uxy＝1/uyx；
S14，采用特征根法计算得到各个网络属性的权重值；
矩阵U的最大特征根序列λmax所对应的归一化特征向量V＝[v1,v2,v3,...,vj,...vn]T作为影响网络接入的多个网络属性的权重分配向量，其中，vj表示第j个影响网络接入的网络属性在此最优网络方案决策体系中所占的权重值，n表示选取的影响网络接入的网络属性的数量；
S15，采用一致性分析法计算检验判断矩阵的准确性：
根据公式，CI＝(λmax-n)/(n-1)计算一致性指标CI；
根据公式，CR＝CI/RI计算一致性比例CR来衡量判断矩阵偏离完全一致性的程度,其中RI的具体数值可以通过查表得到；
若一致性比例CR<0.10时，认为判断矩阵U的一致性是可以接受的，否则返回步骤S13。
3.权利要求2所述的一种配电物联网的接入方法，其特征在于，所述配电业务的类别被分为传输类、采集类和可靠类；
所述备选网络属性包括：传输速率、误码率、丢包率、传输时延、链路稳定度、吞吐率、抗干扰能力。
4.权利要求2所述的一种配电物联网的接入方法，其特征在于，所述判断矩阵采用1-9标度法，其中：
uxy＝1表示选取的影响网络接入的第x个网络属性较第y个网络属性同等重要；
uxy＝3表示选取的影响网络接入的第x个网络属性较第y个网络属性略重要；
uxy＝5表示选取的影响网络接入的第x个网络属性较第y个网络属性明显重要；
uxy＝7表示选取的影响网络接入的第x个网络属性较第y个网络属性强烈重要；
uxy＝9表示选取的影响网络接入的第x个网络属性较第y个网络属性绝对重要；
uxy＝2,4,6,8表示介于以上相邻的两个奇数判断尺度之间。
5.如权利要求1所述的一种配电物联网的接入方法，其特征在于，所述步骤S2之后还包括：
S3，基于不同的配电业务特征，限定智能终端接入网络的候选数量，以降低网络接入计算的复杂度。
6.如权利要求1所述的一种配电物联网的接入方法，其特征在于，在所述步骤S2之后，还包括：
S31：智能终端向决策主站上传设备信息，设备信息包括ID标识信息、终端版本信息、通信信息；
S32：决策主站确认是否存在待接入智能终端的设备信息，若不存在或不一致，更新相应设备信息；
S33：决策主站基于IEC61850-80-1协议标准，更新IEC104规约通信点表；
S34：决策主站基于IEC104规约，实现智能终端的实时传动确认；
S35：若智能终端更换，决策主站下发备份信息至智能终端。
7.一种配电物联网的接入装置，使用如权利要求1-6任一项所述的配电物联网的接入方法，其特征在于，包括：
网络属性的权重值确定模块，用于采用层次分析法，根据不同配电业务对接入网络的要求，确定不同的影响网络接入的网络属性的权重值；
应接入的最优网络选择模块，用于采用TOPSIS综合评价方法，结合层次分析法计算得到的网络属性的权重值，计算分析并选择应接入的最优网络；
以使得能够基于规定的通信协议，实现智能终端与决策主站在最优网络下的可靠信息交互。
8.一种计算机设备，其特征在于，包括处理器和存储器，存储器用于存储计算机程序，处理器用于调用并运行存储器中存储的计算机程序，以执行如权利要求1至6中任一项所述的方法。
9.一种存储介质，存储有计算机程序，其特征在于，处理器用于调用并运行计算机程序，以执行如权利要求1至6中任一项所述的方法。
CN202111531519.9A 2021-12-15 2021-12-15 配电物联网的接入方法、装置、计算机设备及存储介质 Active CN114205247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111531519.9A CN114205247B (zh) 2021-12-15 2021-12-15 配电物联网的接入方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111531519.9A CN114205247B (zh) 2021-12-15 2021-12-15 配电物联网的接入方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN114205247A CN114205247A (zh) 2022-03-18
CN114205247B true CN114205247B (zh) 2024-02-09

Family

ID=80653778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111531519.9A Active CN114205247B (zh) 2021-12-15 2021-12-15 配电物联网的接入方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN114205247B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116647889B (zh) * 2023-05-06 2024-02-02 北京宜通华瑞科技有限公司 应用于物联网智能设备的无线通信网络的切换方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN109286959A (zh) * 2018-11-07 2019-01-29 吉林大学 一种基于层次分析法的异构无线网络垂直切换方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN110944349A (zh) * 2019-11-15 2020-03-31 华南理工大学 基于直觉模糊数和topsis的异构无线网络选择方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN109286959A (zh) * 2018-11-07 2019-01-29 吉林大学 一种基于层次分析法的异构无线网络垂直切换方法
CN110234155A (zh) * 2019-05-22 2019-09-13 吉林大学 一种基于改进topsis的超密集网络接入选择方法
CN110944349A (zh) * 2019-11-15 2020-03-31 华南理工大学 基于直觉模糊数和topsis的异构无线网络选择方法

Also Published As

Publication number Publication date
CN114205247A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
WO2022095620A1 (zh) 一种基于智能电网的异构网络接入选择方法及相关设备
CN114158102B (zh) 面向馈线自动化实时控制的无线异构通信网络切换方法
CN110428191B (zh) 配电网脆弱节点辨识的方法
CN114205247B (zh) 配电物联网的接入方法、装置、计算机设备及存储介质
CN112261429A (zh) 无卡顿智能终端直播应用系统、方法、设备及存储介质
CN113347247A (zh) 云边协同配电物联网业务差异化分流配置方法及系统
CN111598457B (zh) 一种电力无线网络质量的确定方法及装置
CN112990776A (zh) 一种配网设备健康度评价方法
CN114142923A (zh) 光缆故障定位方法、装置、设备及可读介质
Liu et al. Hierarchical agglomerative clustering and LSTM-based load prediction for dynamic spectrum allocation
CN109412885A (zh) 检测方法及装置
CN116562917A (zh) 一种电网售电量预测方法及售电管理系统
CN113408928A (zh) 一种配电自动化终端评价方法及系统
CN114781717A (zh) 网点设备推荐方法、装置、设备和存储介质
CN115134294B (zh) 备用路由确定方法、装置及计算机可读存储介质
CN112070354A (zh) 电网设备运行效率评估方法
CN113537528B (zh) 一种输变电设备状态监测数据的预处理方法及系统
CN116744305B (zh) 一种基于5g数据通信过程安全管控的通信系统
CN115580526B (zh) 一种通信网络故障诊断方法、系统、电子设备及存储介质
CN109816276B (zh) 一种配电网可靠性指标评价方法、装置和设备
CN116938740A (zh) 网络评估方法及装置、电子设备和存储介质
CN116954505A (zh) 一种基于层次分析法的数据云迁移方法和系统
CN114866325A (zh) 电力系统网络攻击的预测方法
CN113938944A (zh) 一种配电网5g通信技术适配性评估方法
CN117495167A (zh) 基于图挖掘的云服务能力评级方法、装置、设备及存储介质

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