CN115002239A - 数据汇聚方法及系统 - Google Patents
数据汇聚方法及系统 Download PDFInfo
- Publication number
- CN115002239A CN115002239A CN202210658363.9A CN202210658363A CN115002239A CN 115002239 A CN115002239 A CN 115002239A CN 202210658363 A CN202210658363 A CN 202210658363A CN 115002239 A CN115002239 A CN 115002239A
- Authority
- CN
- China
- Prior art keywords
- transmission
- vpp
- relay
- success probability
- delay
- 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
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/155—Ground-based stations
-
- 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)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种数据汇聚方法及系统,方法包括:将多个VPP终端通过多个中继传输至VPP数据汇聚中心的传输成功概率最大化作为目标函数;确定目标函数所遵循的目标约束条件;根据目标函数和目标约束条件,确定待求解的优化问题;求解优化问题,确定当传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;根据匹配方案,将多个VPP终端采集到的数据通过多个中继汇聚给VPP数据汇聚中心。所述系统执行所述方法。本发明能够提高多个VPP终端通过多个中继传输至VPP数据汇聚中心的数据(例如电网数据)传输成功概率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种数据汇聚方法及系统。
背景技术
随着小区智能化的需求和“双碳”能源战略的提出,传统的上门入户抄表已不能适应“数字化”和“绿色化”的时代旋律。在这样的背景下,虚拟电厂(Virtual Power Plant,VPP)作为新一代智能控制技术和互动商业模式,通过利用通信、控制和互联网等技术,实现地理位置分散的用电信息采集及协调优化,不仅降低了人工数据采集成本,而且提高了信息采集的实效性和准确性。通信网络是VPP进行用户数据信息采集和传输的重要环节,VPP现有的传输技术主要依赖于有线传输,尽管成熟的有线传输技术提供了高可靠性,然而分布分散的用户电表增加了部署及维护成本。无线传输技术部署灵活,可扩展性强,复杂度低、维护成本低等优点为VPP用户用电信息采集带来了优势,VPP无需新建传输网络和增加电表设备就可获取用户信息。然而,大量VPP终端接入无线通信网络,无疑增加了基站和频谱的压力,进一步增加了网络负荷及频谱资源匮乏。终端直通(Device to Device,D2D)技术对于提高VPP信息采集效率展现出较强的优势,临近终端间通过D2D直接进行数据传输而无需通过基站转发,从而可有效延伸网络覆盖、缓解基站负担、提高传输速率及频谱资源利用率,特别是针对时延敏感型场景。
尽管D2D通信具有高频谱效率和低时延等优势,然而其传输距离的有限性会造成VPP终端和电网控制VPP数据汇聚中心距离较远时传输质量的急速下降。因此,当前多数研究利用多跳中继方式增大D2D的通信范围,实现更广泛和更灵活的部署。然而,在电网中部署固定中继需提前优化中继节点的部署位置来协作电表数据传输,随着VPP终端的不断增加,随之增加的中继节点数量无疑会增加中继部署成本及维护成本。同时,部署的多个VPP终端与多个中继节点之间如何协作以保障数据传输成功概率最大是目前亟需解决的问题。
发明内容
本发明提供的数据汇聚方法及系统,用于解决现有技术中存在的上述问题,能够提高多个VPP终端通过多个中继传输至VPP数据汇聚中心的数据(例如电网数据)传输成功概率。
本发明提供的一种数据汇聚方法,包括:
将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
根据所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端通过多个中继传输至所述VPP数据汇聚中心所需总传输时延的总时延限制,确定所述目标函数所遵循的目标约束条件;
根据所述目标函数和所述目标约束条件,确定待求解的优化问题;
求解所述优化问题,确定当所述传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
根据所述匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给所述VPP数据汇聚中心。
根据本发明提供的一种数据汇聚方法,所述传输成功概率是通过如下方式确定的:
根据所述第一传输时延、所述VPP终端与所述中继之间的第一路径损耗、小尺度预设参数、高斯白噪声、VPP终端的传输功率、VPP终端的传输带宽和VPP终端采集到的数据大小,确定所述VPP终端与所述中继之间的第一传输成功概率;
根据所述中继与所述VPP数据汇聚中心之间的第二传输时延、所述中继VPP数据汇聚中心之间的第二路径损耗、移动中继的传输功率、所述VPP终端的传输带宽、VPP终端采集到的数据大小、所述高斯白噪声和所述小尺度预设参数,确定所述中继与所述VPP数据汇聚中心之间的第二传输成功概率;
根据所述第一传输成功概率和所述第二传输成功概率,确定所述传输成功概率;
其中,所述中继包括所述移动中继和固定中继;
所述第一传输成功概率和所述第二传输成功概率均满足大于等于传输成功概率阈值;
所述第一路径损耗是根据所述VPP终端的物理位置、所述固定中继的物理位置以及衰落系数确定的;
所述第二路径损耗是根据所述移动中继的物理位置、所述VPP终端的物理位置以及所述衰落系数确定的。
根据本发明提供的一种数据汇聚方法,所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延第一时延限制和所述VPP终端传输通过中继至所述VPP数据汇聚中心所需总传输时延的总时延限制是通过如下方式确定的:
根据每个所述VPP终端都选择一个所述中继,以及存在或者不存在未被选择的所述中继,确定所述匹配约束条件;
根据所述第一传输时延小于等于所述VPP终端与移动中继之间的最大通信时延,确定所述第一时延限制;
根据所述总传输时延小于等于所述VPP终端与所述VPP数据汇聚中心之间的总传输时间阈值,确定所述总时延限制。
根据本发明提供的一种数据汇聚方法,求解所述优化问题,包括:
根据所述优化问题,确定优化传输时延子问题和优化中继选择求解子问题;
基于模拟退火算法,求解所述优化传输时延子问题;
基于KM匹配算法,求解所述优化中继选择求解子问题。
根据本发明提供的一种数据汇聚方法,所述根据所述优化问题,确定优化传输时延子问题和优化中继选择求解子问题,包括:
将所述总传输时延阈值收束为等式,并根据所述第一传输时延和所述总传输时延阈值更新所述第二传输时延;
根据更新后的第二传输时延,更新所述第二传输成功概率;
根据更新后的第二传输成功概率和所述第一传输成功概率,确定所述优化传输时延子问题的第一目标函数;
根据所述第一目标函数和所述第一目标函数所遵循的第一约束条件,确定所述优化传输时延子问题;
将所述目标函数作为所述优化中继选择求解子问题的第二目标函数;
根据所述第二目标函数和所述匹配约束条件,确定所述优化中继选择求解子问题;
其中,所述第一约束条件包括所述第一传输时延小于等于所述最大通信时延以及所述第一传输时延小于等于总传输时间阈值。
根据本发明提供的一种数据汇聚方法,基于模拟退火算法,求解所述优化传输时延子问题,包括:
确定所述模拟退火算法的最低温度、最高温度、变化温度和第一传输时延初始值;
在满足所述第一约束条件范围内,随机确定第一传输时延目标值,若所述第一传输时延目标值对应的传输成功概率大于第一传输时延初始值对应的传输成功概率,则将所述第一传输时延初始值替换为所述第一传输时延目标值,并将所述最低温度替换为所述最低温度与所述变化温度的和;
若替换后的最低温度小于所述最高温度,则在满足所述第一约束条件范围内,对所述第一传输时延目标值进行更新,直至替换后的最低温度大于等于最高温度时,停止更新;
根据替换后的第一传输时延初始值,确定最优第一传输时延;
根据所述最优第一传输时延,确定传输成功概率的最大值。
根据本发明提供的一种数据汇聚方法,所述基于KM匹配算法,求解所述优化中继选择求解子问题,包括:
根据移动中继和固定中继的物理位置、移动中继剩余电量、VPP终端的物理位置以及所述VPP终端的传输功率,计算每个所述VPP终端与中继协作时,所述数据传输至所述VPP数据汇聚中心的传输成功概率;
以VPP终端为行向量,中继为列向量,根据所述传输成功概率构建传输成功概率矩阵;
根据所述KM匹配算法,将所述传输成功概率矩阵作为输入,获得使平均传输成功概率最大化的所述匹配方案;
其中,所述移动中继的传输功率是根据所述移动中继剩余电量确定的。
本发明还提供一种数据汇聚系统,包括:第一确定模块、第二确定模块、第三确定模块、第四确定模块以及数据汇聚模块;
所述第一确定模块,用于将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
所述第二确定模块,用于根据所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端通过多个中继传输至所述VPP数据汇聚中心所需总传输时延的总时延阈值,确定所述目标函数所遵循的目标约束条件;
所述第三确定模块,用于根据所述目标函数和所述目标约束条件,确定待求解的优化问题;
所述第四确定模块,用于求解所述优化问题,确定当所述传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
所述数据汇聚模块,用于根据所述匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给所述VPP数据汇聚中心。
本发明还提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现如上述任一种所述数据汇聚方法。
本发明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如上述任一种所述数据汇聚方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述数据汇聚方法。
本发明提供的数据汇聚方法及系统,能够提高多个VPP终端通过多个中继传输至VPP数据汇聚中心的数据(例如电网数据)传输成功概率。
附图说明
为了更清楚地说明本发明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一简单地介绍,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是本发明提供的数据汇聚方法的流程示意图;
图2是本发明提供的VPP终端数据汇聚场景示意图;
图3是本发明提供的协作节点选择示意图;
图4是本发明提供的移动中继的传输功率对传输成功概率的影响示意图;
图5是本发明提供的第一传输时延对传输成功概率的影响示意图;
图6是本发明提供的KM匹配算法与其他匹配算法的对比示意图;
图7是本发明提供的传输成功概率阈值对传输成功概率的影响示意图;
图8是本发明提供的数据汇聚系统的结构示意图;
图9是本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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作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。
本发明提供的数据汇聚方法,可以适用于时延敏感型VPP场景,重点研究了VPP中面向用户通过VPP终端将数据上传的电动汽车协作传输决策方法。首先,提出利用D2D通信的方式提高传输效率。其次,提出利用电动汽车作为移动中继节点,提高电网数据传输成功概率,并且针对多VPP终端和多中继的选择问题,提出一种基于KM匹配的算法以实现数据传输成功概率最大的目标,具体实现如下:
图1是本发明提供的数据汇聚方法的流程示意图,如图1所示,方法包括:
步骤100、将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
步骤200、根据VPP终端与中继之间的匹配约束条件、VPP终端传输至中继所需第一传输时延的第一时延限制和VPP终端通过多个中继传输至VPP数据汇聚中心所需总传输时延的总时延限制,确定目标函数所遵循的目标约束条件;
步骤300、根据目标函数和所述目标约束条件,确定待求解的优化问题;
步骤400、求解优化问题,确定当传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
步骤500、根据匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给VPP数据汇聚中心。
需要说明的是,上述方法的执行主体可以是计算机设备。
可选地,在VPP中,云端服务器通过采集VPP终端数据并对其进一步分析和处理以提供多元化的业务服务,在此过程中,通过边缘汇聚节点对数据进行汇聚和处理,可有效降低云端服务器计算压力并缓解传输带宽压力。图2展现了VPP终端数据汇聚场景,如图2所示,VPP数据汇聚中心作为区域数据汇聚节点,附近的VPP终端将其用电数据传输到VPP数据汇聚中心完成数据汇聚。为VPP终端与VPP数据汇聚中心距离较远或信道状态不佳时可能导致的数据传输失败,本发明通过中继节点协作传输的方式帮助VPP终端传输数据,数据传输过程分为两个阶段:首先,VPP终端将数据传输到中继节点,包括传统固定中继和作为移动中继的电动汽车;其次,中继节点将数据传输到VPP数据汇聚中心以完成数据汇聚。
将多个VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数,并根据VPP终端与中继之间的匹配约束条件、VPP终端传输至中继所需第一传输时延的第一时延限制和VPP终端通过多个中继传输至VPP数据汇聚中心所需总传输时延的第二时延约束条件,确定目标函数所遵循的目标约束条件。
对目标函数和目标约束条件进行问题建模,得到待求解的优化问题,并通过求解该优化问题,找到当多个VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案。
根据上述得到的匹配方案,将每个VPP终端采集到的数据(如电网数据)通过所匹配的中继汇聚给VPP数据汇聚中心。
本发明提供的数据汇聚方法,能够提高多个VPP终端通过多个中继传输至VPP数据汇聚中心的数据(例如电网数据)传输成功概率。
进一步地,在一个实施例中,步骤100中的传输成功概率是通过如下方式确定的:
步骤1001、根据第一传输时延、VPP终端与所述中继之间的第一路径损耗、小尺度预设参数、高斯白噪声、VPP终端的传输功率、VPP终端的传输带宽和VPP终端采集到的数据大小,确定VPP终端与中继之间的第一传输成功概率;
步骤1002、根据中继与VPP数据汇聚中心之间的第二传输时延、中继VPP数据汇聚中心之间的第二路径损耗、移动中继的传输功率、VPP终端的传输带宽、VPP终端采集到的数据大小、高斯白噪声和小尺度预设参数,确定中继与VPP数据汇聚中心之间的第二传输成功概率;
步骤1003、根据第一传输成功概率和所述第二传输成功概率,确定所述传输成功概率;
其中,中继包括所述移动中继和固定中继;
第一传输成功概率和第二传输成功概率均满足大于等于传输成功概率阈值;
第一路径损耗是根据VPP终端的物理位置、固定中继的物理位置以及衰落系数确定的;
第二路径损耗是根据移动中继的物理位置、VPP终端的物理位置以及衰落系数确定的。
可选地,随着道路车辆的增长、电动汽车的普及和车联网技术的发展,电动汽车作为VPP中的特殊主体,可同时扮演分布式能源、算力中心和移动智能终端的角色,因此可充分发挥其存储、通信、计算及移动能量,作为移动中继节点与电网终端协作数据传输。考虑到电动汽车的以上优势,电动汽车可作为VPP终端与VPP数据汇聚中心之间的移动中继,弥补固定中继不足的缺陷,提高电网数据传输成功率。
参见图2,假设VPP终端数据汇聚场景包含一个VPP数据汇聚中心、由M个VPP终端设备组成的终端集合以及由N个中继节点组成的中继集合其中包括N1个移动中继(电动汽车)和N2个固定中继且满足N=N1+N2及M<N。节点特性给出如下:首先,VPP数据汇聚中心,VPP终端以及中继节点的位置分别用二维坐标表示为(xs,ys),(xm,ym)和(xn,yn);中继节点的速度表示为vn≥0,具体地,对于移动中继n∈{1,…,N1},vn>0,对于固定节点n∈{N1+1,...,N},vn=0;此外,电动汽车的剩余电量表示为Cn,其大小会影响其协作意愿,具体地,当电量充足时,电动汽车更愿意用发射功率进行数据传输以提高传输速率,当电量不足时会降低其发射以降低能耗,甚至不参与协作;最后,当VPP终端m将中继节点n作为中继节点时,用qm,n=1表示,否则qm,n=0。
考虑VPP终端m和中继n的信道增益gm,n以及中继n到VPP数据汇聚中心的信道增益gn受小尺度衰落和大尺度衰落共同影响,其中小尺度衰落服从参数为λ指数分布,即
其中u(x)表示单位越阶函数。
大尺度衰落建模为衰落系数为α的路径损耗(即第二路径损耗),则VPP终端m和中继n之间的第一路径损耗表示为dm,n -α,其中dm,n为m和n之间的距离,即:
类似地,中继n到VPP数据汇聚中心的路径损耗(即第二路径损耗)表示为dn -α,其中dn为中继节点n到VPP数据汇聚中心之间的距离,即:
信道噪声干扰为高斯白噪声(Additive white Gaussian noise,AWGN),服从满足零均值和方差σ2的独立高斯分布。
在数据传输过程中,不同信道状态会影响传输质量,基于统计信息建模的传输成功概率给出了一种量化传输质量的模型,是数据传输的一个重要指标,当传输成功概率大于阈值时,认为传输成功。在本发明中,数据通过两跳传输,即传输过程分为两个阶段,VPP终端到中继阶段和中继到VPP数据汇聚中心阶段,任何一个阶段传输失败都会导致整个传输过程失败。
根据香农公式,VPP终端m到和中继节点n之间的传输速率Rm,n表示为:
其中B和Pm分别表示VPP终端m的传输带宽和传输功率。
根据公式(4)可以将上式转化为:
由于信道增益gm,n受小尺度衰落和大尺度衰落共同影响,因此可进一步得到:
此外,为了成功传输数据,传输成功概率应该满足条件:
考虑到电动汽车的移动性,当电动汽车驶出VPP终端最大通信范围时通信会中断。VPP终端可以分布在道路两边,电动汽车的物理位置和行驶方向不同,会导致电动汽车驶向和驶离两种情况,这些都会影响VPP终端和电动汽车之间的最大通信时间。以VPP终端在电动汽车上方,电动汽车向左行驶为例,当电动汽车移动速度为vn,VPP终端最大通信距离为dmax时,两者之间的最大通信时延表示为:
如前所述,移动中继电动汽车受电池余量会影响其参与协作传输的意愿,例如当电动汽车剩余电量不足时,参与协作传输的意愿降低,当电动汽车电量充足时,愿意利用更大功率进行传输,即电动汽车的剩余电量Cn会影响其对传输功率Pn的选择。因此,将电动汽车传输功率分为3个等级电动汽车根据自身剩余电量选择对应的发送功率,并且当剩余电量小于阈值Cmin时,不再参与协作传输。
可得中继n到VPP数据汇聚中心的传输成功概率(即第二传输成功概率)为:
其中表示中继n到VPP数据汇聚中心的传输时延(即第二传输时延),表示中继n到VPP数据汇聚中心的路径损耗(即第二路径损耗),其中表示中继n第一阶段移动结束后与VPP数据汇聚中心间的距离,(x'n,y'n)表示第一阶段移动结束后的位置坐标(假设纵坐标不变),根据电动汽车移动方向不同横坐标表示为考虑到数据具有时效性,VPP终端需要在时间允许的范围内将数据上传到VPP数据汇聚中心,即两个阶段的传输时延之和必须小于总传输时间阈值(即总传输时间阈值),并且电动汽车n到VPP数据汇聚中心的传输成功概率需要满足系统允许的最小传输成功概率阈值限制,即
本发明提供的数据汇聚方法,将电动汽车可作为VPP终端与VPP数据汇聚中心之间的移动中继,弥补固定中继不足的缺陷,提高电网数据传输成功率。
进一步地,在一个实施例中,步骤200中的VPP终端与中继之间的匹配约束条件、VPP终端传输至中继所需第一传输时延的第一时延限制和VPP终端传输通过多个中继至VPP数据汇聚中心所需总传输时延的总时延限制是通过如下方式确定的:
步骤2001、根据每个VPP终端都选择一个中继,以及存在或者不存在未被选择的中继,确定匹配约束条件;
步骤2002、根据第一传输时延小于等于VPP终端与移动中继之间的最大通信时延,确定第一时延限制;
步骤2003、根据总传输时延小于等于VPP终端与VPP数据汇聚中心之间的总传输时间阈值,确定总时延限制。
以最大化传输成功概率为目标,优化问题P1建模如下:
其中,匹配约束条件(11a)表示VPP终端一定可以选择到一个中继节点,但不是所有的中继节点一定能被选择(即存在或者不存在未被选择的中继);第一时延限制(11b)表示第一阶段的第一传输时延小于等于最大通信时延;总时延限制(11c)表示整个传输过程的总传输时延小于等于总传输时间阈值。
本发明提供的数据汇聚方法,VPP终端将电动汽车作为移动中继节点,通过D2D通信将数据传输到电动汽车,然后电动汽车再将数据传输到VPP数据汇聚中心,在此过程中,考虑到传输中断的可能性,通过数学计算传输成功概率,并在总时延允许的范围内,给出两阶段分配最佳的传输时延使得单次传输成功概率最大,提高了数据传输成功概率。
进一步地,在一个实施例中,步骤400中的求解优化问题,可以具体包括:
步骤4001、根据优化问题,确定优化传输时延子问题和优化中继选择求解子问题;
步骤4002、基于模拟退火算法,求解优化传输时延子问题;
步骤4003、基于KM匹配算法,求解优化中继选择求解子问题。
进一步地,在一个实施例中,步骤4001可以具体包括:
步骤40011、将总时延限制收束为等式,并根据第一传输时延和总传输时间阈值更新所述第二传输时延;
步骤40012、根据更新后的第二传输时延,更新第二传输成功概率;
步骤40013、根据更新后的第二传输成功概率和第一传输成功概率,确定优化传输时延子问题的第一目标函数;
步骤40014、根据第一目标函数和所述第一目标函数所遵循的第一约束条件,确定优化传输时延子问题;
步骤40015、将目标函数中作为优化中继选择求解子问题的第二目标函数;
步骤40016、根据第二目标函数和匹配约束条件,确定优化中继选择求解子问题;
其中,第一约束条件包括第一传输时延小于等于最大通信时延以及第一传输时延小于等于总传输时间阈值。
可选地,同时对优化问题中的所有变量进行求解是困难的,为方便计算,将整个优化问题P1拆分成两个子问题P1-1和P1-2,分别优化时延分配和中继节点选择。1)时延分配:一个VPP终端m通过一个中继n到VPP数据汇聚中心时的传输成功概率为在时延约束下,对两个阶段时延和进行优化,使得VPP终端m的传输成功概率最大;2)中继选择:多个VPP终端与多个中继之间存在多种选择qm,n,为了使场景中所有VPP终端的总传输成功概率最大,需要综合考虑所有VPP终端协作中继的选择。
将公式(10)转化为:
那么,优化传输时延子问题P1-1可表示为:
将优化中继对象选择求解问题P1-2,目标函数设定为最大化平均传输成功概率以保证VPP终端数据上传成功,表示如下:
s.t.(11a)。
本发明提供的数据汇聚方法,将优化问题进行拆分,能够降低计算的复杂度。
进一步地,在一个实施例中,步骤4002可以具体包括:
步骤40021、确定模拟退火算法的最低温度、最高温度、变化温度和第一传输时延初始值;
步骤40022、在满足第一约束条件范围内,随机确定第一传输时延目标值,若第一传输时延目标值对应的传输成功概率大于第一传输时延初始值对应的传输成功概率,则将第一传输时延初始值替换为第一传输时延目标值,并将最低温度替换为最低温度与变化温度的和;
步骤40023、若替换后的最低温度小于最高温度,则在满足第一约束条件范围内,对第一传输时延目标值进行更新,直至替换后的最低温度大于等于最高温度时,停止更新;
步骤40024、根据替换后的第一传输时延初始值,确定最优第一传输时延;
步骤40025、根据最优第一传输时延,确定传输成功概率的最大值。
进一步地,在一个实施例中,步骤4003可以具体包括:
步骤40031、根据移动中继和固定中继的物理位置、移动中继剩余电量、VPP终端的物理位置以及VPP终端的传输功率,计算每个VPP终端与中继协作时,数据传输至VPP数据汇聚中心的传输成功概率;
步骤40032、以VPP终端为行向量,中继为列向量,根据传输成功概率构建传输成功概率矩阵;
步骤40033、根据KM匹配算法,将传输成功概率矩阵作为输入,获得使平均传输成功概率最大化的匹配方案;
其中,移动中继的传输功率是根据移动中继剩余电量确定的。
可选地,针对优化传输时延子问题P1-1,本发明通过模拟退火算法对其进行求解。模拟退火算法基于迭代求解策略的一种随机寻优算法,其有一定概率跳出当前最优解重新寻找最优解,即解决局部最优问题。下面给出了基于模拟退火的时延优化,具体步骤如下:
第一步,确定最低温度Tmin、最高温度Tmax、变化温度ΔT和初始化时间t0(即第一传输时延初始值);
第二步,在满足第一约束条件的范围内,随机取值t'(即第一传输时延目标值),如果第一传输时延目标值对应的传输成功概率大于第一传输时延初始值对应的传输成功概率,即那么将第一传输时延初始值替换为第一传输时延目标值(即t0=t'),然后Tmin=Tmin+ΔT。
如图3所示,直观地,每个VPP终端可以选择最优中继协作节点以最大化数据传输概率,但是个体的最优不能代表系统整体性能最优,因此需要对协作对象进行协调,使得系统平均传输成功概率最大化。最大匹配算法在解决多用户协作场景中的配对问题时表现出了良好的性能,因此我们将中继选择问题转换成匹配问题,根据之前得到的不同中继的传输成功概率,通过KM匹配算法实现一对一最优配对。
VPP终端每隔一段时间就需要向VPP数据汇聚中心发送用电信息,发送时间可以被基站获知,车辆在移动过程中不断与基站进行信息交互,使得基站知道车辆的位置以及电量等信息,因此基站可获取全局信息。在某一时刻,VPP终端需要进行数据上报,基站依据当前车辆的物理位置和电量信息以及固定终端的位置信息,为VPP终端选择合适的中继协作节点进行数据传输,然后为其分配传输所需的频谱资源。因此,该问题可被转化为一个多VPP终端与多中继节点间的匹配问题,即二维匹配问题。需要说明的是,VPP终端与电动汽车匹配成功的前提是电动汽车在其通信范围内,若VPP终端未找到合适的中继协作节点,则需要由基站协作传输。
本发明将应用KM匹配算法,实现VPP终端与电动汽车以及固定中继之间的有效配对,并最大化平均传输成功概率。具体步骤如下:
步骤一:依据电动汽车的物理位置、固定中继的物理位置、车辆剩余电量以及VPP终端的物理位置和VPP终端的传输功率等信息,计算每个VPP终端与中继节点协作时,数据上传到VPP数据汇聚中心的传输成功概率;
步骤二:以VPP终端为行向量,中继节点为列向量,根据步骤一计算得到的传输成功概率,构建传输成功概率矩阵;
步骤三:利用KM匹配算法,将传输成功概率矩阵作为输入,获得使系统平均传输成功概率最大的匹配方案。
通过如下仿真验证本发明所提出的数据汇聚方法的合理性和可行性,参数设置如表1所示:
表1
图4展示了传输功率Pn对传输成功概率的影响,其中三条曲线分别代表Z=40、Z=45及Z=50时的传输成功概率。由图可知,当传输时间和传输距离固定时,随着传输功率Pn的增大,传输成功概率增大,并且当Pn足够大时,渐渐趋于平缓。导致这一现象的原因是Pn主要影响电动汽车到VPP数据汇聚中心的传输成功概率而不影响VPP终端到电动汽车的传输成功概率,所以只增大Pn会增大传输成功概率,但增长会趋于一个极限。在场景中,假设电动汽车的剩余电量越多传输功率越大,电动汽车自身的状态会影响传输成功概率,符合本专利的预期结果。同时,对比三条曲线可知,传输数据Z越大,传输成功概率越小。原因是随着传输数据的增大,为增加传输成功需要更多的传输时间和更大的传输功率。
图5展示了第一传输时延对传输成功概率的影响,其中三条曲线分别代表Z=40、Z=45及Z=50时的传输成功概率。由图可知,随着第一传输时延的增大,传输成功概率先增大后减小。根据可知,当极小时(如所示),VPP终端无法成功传输数据,因此到中继的传输成功概率随着的增大,随之增大,中继到VPP数据汇聚中心的传输成功概率减小;当极大时(如所示),会导致第二阶段的电动汽车到VPP数据汇聚中心的传输时间过小,使得因此需要找到最合适的使得传输成功概率最大。
图6对比了不同匹配算法和不同电动汽车数目对系统平均传输成功概率的影响,其中三条曲线分别是KM(Kuhn and Munkres)匹配算法、HK(Hopcroft-Karp)匹配算法及贪婪匹配算法对传输成功概率的影响。如图6所示,首先可以看出随着电动汽车数目的增加,系统平均传输成功概率增大,因为VPP终端的可选择对象增多,使其有更大的概率选择到更合适的中继协作节点。其次,对比三种匹配算法,KM匹配算法的效果最好,贪婪算法次之,HK算法最差对于贪婪算法而言,首先所有VPP终端根据传输成功概率对中继节点排序,然后从第一个VPP终端开始选择排序靠前的中继节点,当一个中继节点被选择后,后面的VPP终端不再选择,所以贪婪匹配算法得到的不是全局最优解。HK算法是最大匹配保证的是最大化匹配对数,不考虑权值关系,所以效果最差。只有KM匹配算法是以系统总传输成功概率最大为目标,因此获得了较优的系统性能。图6还展示了对比不同算法的运行时间,由于电动汽车的数目增加导致匹配节点的增多,运行时间也随之增大。由于KM匹配算法时寻找全局最优解,所以KM匹配算法运行时间最大,贪婪算法和HK算法运行时间相差不大且均低于KM匹配算法运行时间。综合地,虽然KM匹配算法运行时间最长,但是其性能最好,所以本发明选择KM匹配算法来进行中继选择。
图7展示了不同传输成功概率阈值对系统平均传输成功概率的影响,其中三条曲线分别代表电动汽车数目N=10、N=15及N=20时的传输成功概率。如图7所示,当传输成功概率阈值增大时,系统平均传输成功概率减小。原因是当增大时,会有更多中继节点的传输被判定失败,导致VPP终端的可选择中继对象减少,从而使得系统平均传输成功概率减小。
本发明提供的数据汇聚方法,考虑到多VPP终端和多中继节点之间存在多种合作的可能性,本发明将VPP终端与中继节点之间的协作建模为一个二维匹配问题,并通过KM匹配算法实现系统平均传输成功概率最大化,提高数据传输成功概率。
下面对本发明提供的数据汇聚系统进行描述,下文描述的数据汇聚系统与上文描述的数据汇聚方法可相互对应参照。
图8是本发明提供的数据汇聚系统的结构示意图,如图8所示,包括:
第一确定模块810、第二确定模块811、第三确定模块812、第四确定模块813以及数据汇聚模块814;
所述第一确定模块840,用于将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
所述第二确定模块811,用于根据所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端通过所选中继传输至所述VPP数据汇聚中心所需总传输时延的总时延限制,确定所述目标函数所遵循的目标约束条件;
所述第三确定模块812,用于根据所述目标函数和所述目标约束条件,确定待求解的优化问题;
所述第四确定模块813,用于求解所述优化问题,确定当所述传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
所述数据汇聚模块814,用于根据所述匹配方案,将多个VPP终端采集到的数据通过所匹配的中继汇聚给所述VPP数据汇聚中心。
本发明提供的数据汇聚系统,能够提高多个VPP终端通过多个中继传输至VPP数据汇聚中心的数据(例如电网数据)传输成功概率。
图9是本发明提供的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(communication interface)911、存储器(memory)912和总线(bus)913,其中,处理器910,通信接口911,存储器912通过总线913完成相互间的通信。处理器910可以调用存储器912中的逻辑指令,以执行如下方法:
将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
根据VPP终端与中继之间的匹配约束条件、VPP终端传输至所述中继所需第一传输时延的第一时延限制和VPP终端通过多个中继传输至VPP数据汇聚中心所需总传输时延的总时延限制,确定目标函数所遵循的目标约束条件;
根据目标函数和目标约束条件,确定待求解的优化问题;
求解优化问题,确定当传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
根据匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给VPP数据汇聚中心。
此外,上述的存储器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电源屏(可以是个人计算机,服务器,或者网络电源屏等)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。
进一步地,本发明公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的数据汇聚方法,例如包括:
将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
根据VPP终端与中继之间的匹配约束条件、VPP终端传输至所述中继所需第一传输时延的第一时延限制和VPP终端通过多个中继传输至VPP数据汇聚中心所需总传输时延的总时延限制,确定目标函数所遵循的目标约束条件;
根据目标函数和目标约束条件,确定待求解的优化问题;
求解优化问题,确定当传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
根据匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给VPP数据汇聚中心。
另一方面,本发明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数据汇聚方法,例如包括:
将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的传输成功概率最大化作为目标函数;
根据VPP终端与中继之间的匹配约束条件、VPP终端传输至所述中继所需第一传输时延的第一时延限制和VPP终端通过多个中继传输至VPP数据汇聚中心所需总传输时延的总时延限制,确定目标函数所遵循的目标约束条件;
根据目标函数和目标约束条件,确定待求解的优化问题;
求解优化问题,确定当传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
根据匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给VPP数据汇聚中心。
以上所描述的系统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电源屏(可以是个人计算机,服务器,或者网络电源屏等)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 (10)
1.一种数据汇聚方法,其特征在于,包括:
将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
根据所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端通过多个中继传输至所述VPP数据汇聚中心所需总传输时延的总时延限制,确定所述目标函数所遵循的目标约束条件;
根据所述目标函数和所述目标约束条件,确定待求解的优化问题;
求解所述优化问题,确定当所述传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
根据所述匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给所述VPP数据汇聚中心。
2.根据权利要求1所述的数据汇聚方法,其特征在于,所述传输成功概率是通过如下方式确定的:
根据所述第一传输时延、所述VPP终端与所述中继之间的第一路径损耗、小尺度预设参数、高斯白噪声、VPP终端的传输功率、VPP终端的传输带宽和VPP终端采集到的数据大小,确定所述VPP终端与所述中继之间的第一传输成功概率;
根据所述中继与所述VPP数据汇聚中心之间的第二传输时延、所述中继VPP数据汇聚中心之间的第二路径损耗、移动中继的传输功率、所述VPP终端的传输带宽、VPP终端采集到的数据大小、所述高斯白噪声和所述小尺度预设参数,确定所述中继与所述VPP数据汇聚中心之间的第二传输成功概率;
根据所述第一传输成功概率和所述第二传输成功概率,确定所述传输成功概率;
其中,所述中继包括所述移动中继和固定中继;
所述第一传输成功概率和所述第二传输成功概率均满足大于等于传输成功概率阈值;
所述第一路径损耗是根据所述VPP终端的物理位置、所述固定中继的物理位置以及衰落系数确定的;
所述第二路径损耗是根据所述移动中继的物理位置、所述VPP终端的物理位置以及所述衰落系数确定的。
3.根据权利要求2所述的数据汇聚方法,其特征在于,所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端传输通过中继至所述VPP数据汇聚中心所需总传输时延的总时延限制是通过如下方式确定的:
根据每个所述VPP终端都选择一个所述中继,以及存在或者不存在未被选择的所述中继,确定所述匹配约束条件;
根据所述第一传输时延小于等于所述VPP终端与移动中继之间的最大通信时延,确定所述第一时延限制;
根据所述总传输时延小于等于所述VPP终端与所述VPP数据汇聚中心之间的总传输时间阈值,确定所述总时延限制。
4.根据权利要求3所述的数据汇聚方法,其特征在于,所述求解所述优化问题,包括:
根据所述优化问题,确定优化传输时延子问题和优化中继选择求解子问题;
基于模拟退火算法,求解所述优化传输时延子问题;
基于KM匹配算法,求解所述优化中继选择求解子问题。
5.根据权利要求4所述的数据汇聚方法,其特征在于,所述根据所述优化问题,确定优化传输时延子问题和优化中继选择求解子问题,包括:
将所述总时延限制收束为等式,并根据所述第一传输时延和所述总传输时间阈值更新所述第二传输时延;
根据更新后的第二传输时延,更新所述第二传输成功概率;
根据更新后的第二传输成功概率和所述第一传输成功概率,确定所述优化传输时延子问题的第一目标函数;
根据所述第一目标函数和所述第一目标函数所遵循的第一约束条件,确定所述优化传输时延子问题;
将所述目标函数作为所述优化中继选择求解子问题的第二目标函数;
根据所述第二目标函数和所述匹配约束条件,确定所述优化中继选择求解子问题;
其中,所述第一约束条件包括所述第一传输时延小于等于所述最大通信时延以及所述第一传输时延小于等于总传输时间阈值。
6.根据权利要求4所述的数据汇聚方法,其特征在于,所述基于模拟退火算法,求解所述优化传输时延子问题,包括:
确定所述模拟退火算法的最低温度、最高温度、变化温度和第一传输时延初始值;
在满足所述第一约束条件范围内,随机确定第一传输时延目标值,若所述第一传输时延目标值对应的传输成功概率大于第一传输时延初始值对应的传输成功概率,则将所述第一传输时延初始值替换为所述第一传输时延目标值,并将所述最低温度替换为所述最低温度与所述变化温度的和;
若替换后的最低温度小于所述最高温度,则在满足所述第一约束条件范围内,对所述第一传输时延目标值进行更新,直至替换后的最低温度大于等于最高温度时,停止更新;
根据替换后的第一传输时延初始值,确定最优第一传输时延;
根据所述最优第一传输时延,确定传输成功概率的最大值。
7.根据权利要求4所述的数据汇聚方法,其特征在于,所述基于KM匹配算法,求解所述优化中继选择求解子问题,包括:
根据移动中继和固定中继的物理位置、移动中继剩余电量、VPP终端的物理位置以及所述VPP终端的传输功率,计算每个所述VPP终端与中继协作时,所述数据传输至所述VPP数据汇聚中心的传输成功概率;
以VPP终端为行向量,中继为列向量,根据所述传输成功概率构建传输成功概率矩阵;
根据所述KM匹配算法,将所述传输成功概率矩阵作为输入,获得使平均传输成功概率最大化的所述匹配方案;
其中,所述移动中继的传输功率是根据所述移动中继剩余电量确定的。
8.一种数据汇聚系统,其特征在于,包括:第一确定模块、第二确定模块、第三确定模块、第四确定模块以及数据汇聚模块;
所述第一确定模块,用于将多个虚拟电厂VPP终端通过多个中继传输至VPP数据汇聚中心的平均传输成功概率最大化作为目标函数;
所述第二确定模块,用于根据所述VPP终端与所述中继之间的匹配约束条件、所述VPP终端传输至所述中继所需第一传输时延的第一时延限制和所述VPP终端通过多个中继传输至所述VPP数据汇聚中心所需总传输时延的总时延限制,确定所述目标函数所遵循的目标约束条件;
所述第三确定模块,用于根据所述目标函数和所述目标约束条件,确定待求解的优化问题;
所述第四确定模块,用于求解所述优化问题,确定当所述传输成功概率取得最大值时,多个VPP终端与多个中继之间的匹配方案;
所述数据汇聚模块,用于根据所述匹配方案,将每个VPP终端采集到的数据通过所匹配的中继汇聚给所述VPP数据汇聚中心。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述数据汇聚方法。
10.一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7任一项所述数据汇聚方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210658363.9A CN115002239B (zh) | 2022-06-10 | 2022-06-10 | 数据汇聚方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210658363.9A CN115002239B (zh) | 2022-06-10 | 2022-06-10 | 数据汇聚方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115002239A true CN115002239A (zh) | 2022-09-02 |
CN115002239B CN115002239B (zh) | 2023-08-11 |
Family
ID=83032499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210658363.9A Active CN115002239B (zh) | 2022-06-10 | 2022-06-10 | 数据汇聚方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115002239B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472924A (zh) * | 2003-07-11 | 2004-02-04 | �廪��ѧ | 基于路径延时概率分布的选路方法 |
CN103298097A (zh) * | 2013-06-04 | 2013-09-11 | 北京邮电大学 | 一种双向中继网络中联合中继选择和功率分配方法 |
US20150195184A1 (en) * | 2014-01-06 | 2015-07-09 | Cisco Technology, Inc. | Learning machine-based granular segment/path characteristic probing technique |
CN106788620A (zh) * | 2016-12-02 | 2017-05-31 | 哈尔滨工程大学 | 一种最小化中断概率的分布式中继选择及用户功率分配方法 |
WO2018119673A1 (zh) * | 2016-12-27 | 2018-07-05 | 深圳先进技术研究院 | 中继携能通信系统及其传输速率优化方法和装置 |
JP2018137558A (ja) * | 2017-02-21 | 2018-08-30 | 国立大学法人信州大学 | 信号送信方法及び受信信号検出方法 |
CN111182076A (zh) * | 2020-01-02 | 2020-05-19 | 合肥工业大学 | 云边协同的智能电网监测系统及其资源分配和调度方法 |
CN111988806A (zh) * | 2020-09-01 | 2020-11-24 | 重庆邮电大学 | 一种基于全双工中继的移动边缘计算网络资源分配方法 |
CN113872661A (zh) * | 2021-06-07 | 2021-12-31 | 北京邮电大学 | 面向接入用户分级服务的无人机网络三维部署方法及系统 |
-
2022
- 2022-06-10 CN CN202210658363.9A patent/CN115002239B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472924A (zh) * | 2003-07-11 | 2004-02-04 | �廪��ѧ | 基于路径延时概率分布的选路方法 |
CN103298097A (zh) * | 2013-06-04 | 2013-09-11 | 北京邮电大学 | 一种双向中继网络中联合中继选择和功率分配方法 |
US20150195184A1 (en) * | 2014-01-06 | 2015-07-09 | Cisco Technology, Inc. | Learning machine-based granular segment/path characteristic probing technique |
CN106788620A (zh) * | 2016-12-02 | 2017-05-31 | 哈尔滨工程大学 | 一种最小化中断概率的分布式中继选择及用户功率分配方法 |
WO2018119673A1 (zh) * | 2016-12-27 | 2018-07-05 | 深圳先进技术研究院 | 中继携能通信系统及其传输速率优化方法和装置 |
JP2018137558A (ja) * | 2017-02-21 | 2018-08-30 | 国立大学法人信州大学 | 信号送信方法及び受信信号検出方法 |
CN111182076A (zh) * | 2020-01-02 | 2020-05-19 | 合肥工业大学 | 云边协同的智能电网监测系统及其资源分配和调度方法 |
CN111988806A (zh) * | 2020-09-01 | 2020-11-24 | 重庆邮电大学 | 一种基于全双工中继的移动边缘计算网络资源分配方法 |
CN113872661A (zh) * | 2021-06-07 | 2021-12-31 | 北京邮电大学 | 面向接入用户分级服务的无人机网络三维部署方法及系统 |
Non-Patent Citations (3)
Title |
---|
何紫璇等: "基于太赫兹通信的高空飞机编队组网研究", 《北京邮电大学学报》 * |
李彬: "支撑虚拟电厂互动的信息通信关键技术研究展望", 《电网技术》 * |
霍龙;: "基于比例速率保证的信道误差OFDMA中继系统资源分配", 电讯技术, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN115002239B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A reinforcement learning method for joint mode selection and power adaptation in the V2V communication network in 5G | |
CN110035410A (zh) | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 | |
CN109682380A (zh) | 一种通信无人机路径优化方法及设备 | |
CN103096415B (zh) | 一种面向认知无线Mesh网络的路由优化装置及方法 | |
CN108307444B (zh) | 基于优化粒子群算法的无线传感网无人机系统通信方法 | |
CN112020103A (zh) | 一种移动边缘云中的内容缓存部署方法 | |
CN107135469B (zh) | 一种分布式用户接入方法 | |
CN107318058B (zh) | 基于成本最优和负载均衡的配电通信网中onu部署方法 | |
CN103262593A (zh) | 确定无线通信系统的核心网络配置的设备和方法 | |
Qi et al. | CDS-based topology control in FANETs via power and position optimization | |
CN114650567B (zh) | 一种无人机辅助v2i网络任务卸载方法 | |
Zeng et al. | An MDP-based wireless energy harvesting decision strategy for mobile device in edge computing | |
CN116113025A (zh) | 一种无人机协能通信网络中轨迹设计和功率分配方法 | |
CN109272167B (zh) | 一种基于uudn和q神经网络的绿色能量合作方法 | |
Peng et al. | An improved energy-aware routing protocol using multiobjective particular swarm optimization algorithm | |
CN104853425A (zh) | 一种用于异构网络上行链路的功率控制方法 | |
CN114143814A (zh) | 一种基于异构边缘云架构的多任务卸载方法及系统 | |
Zhao et al. | Social-aware energy-efficient data dissemination with D2D communications | |
Ma et al. | Socially aware distributed caching in device-to-device communication networks | |
CN115002239A (zh) | 数据汇聚方法及系统 | |
Radenkovic et al. | Energy-aware opportunistic charging and energy distribution for sustainable vehicular edge and fog networks | |
Prakash et al. | [Retracted] Mixed Linear Programming for Charging Vehicle Scheduling in Large‐Scale Rechargeable WSNs | |
Maia et al. | A bayesian game based optimization strategy proposal for routing in energy constrained DTNs | |
CN115987375A (zh) | 融合网络的电力设备关联与资源优化方法、系统及介质 | |
Garmani et al. | Joint beacon power and beacon rate control based on game theoretic approach in vehicular ad hoc networks |
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 |