CN115175274A - 面向智能配电的5g异构无线网络接入选择方法 - Google Patents
面向智能配电的5g异构无线网络接入选择方法 Download PDFInfo
- Publication number
- CN115175274A CN115175274A CN202210825410.4A CN202210825410A CN115175274A CN 115175274 A CN115175274 A CN 115175274A CN 202210825410 A CN202210825410 A CN 202210825410A CN 115175274 A CN115175274 A CN 115175274A
- Authority
- CN
- China
- Prior art keywords
- network
- attribute
- fahp
- weight
- 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.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 abstract description 8
- 238000004088 simulation Methods 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/18—Selecting a network or a communication service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了面向智能配电的5G异构无线网络接入选择方法,本发明考虑不同类型业务的不同需求,通过FAHP确定网络属性的主观权值。根据预处理的网络参数采用AEW确定客观权值。最终使用矩估计理论来获得综合权值并选取最优网络。本方法通过FAHP来计算网络属性的主观权重,提高了决策的可靠性,并利用AEW进行再修正,可以显著降低网络属性差异带来的敏感性,本方法通过矩估计理论来获得组合权重从而选取最优网络,可以较好地体现业务需求和网络属性之间的关系,并得到合适的权重系数。本方法能够保证智能配电业务在5G网络中的QoS业务需求。仿真结果证明,本发明相比传统的AHP和FAHP方法可以有效降低网络阻塞率和切换率。
Description
技术领域
本发明涉及一种面向智能配电的5G异构无线网络接入选择方法,属于智能配电网技术领域。
背景技术
作为配电系统的核心组成部分,智能配电网(Smart Distribution Grid,SDG)将信息交互、安全通信和智能计算综合应用于配电和用电的全过程,从而实现安全高效的电力供应链。随着各种先进通信技术在电网中的广泛应用,SDG对服务质量(Quality ofService,QoS)的要求逐渐提高。由于配电终端的用户节点数量多、分布范围广、密度不均匀,难以使用有线通信或者单一的无线通信实现对终端的全覆盖。因此,在SDG中引入异构无线网络(Heterogeneous Wireless Network,HWN)是未来配电通信网的发展趋势,其可以确保电力数据传输的安全可靠。
此外,5G网络系统相比较传统网络需要实现更高的数据速率、更低的时延和海量规模的设备连接。研究表明,5G异构网络有望为多样化的终端业务和应用提供有延迟约束的QoS性能。于是,采用5G HWN的智能配电系统可以进一步改善网络性能并提升用户满意度。然而,随着候选网络和判决因素的数量不断增加,HWN接入选择问题会愈加复杂和困难。因此,需要为SDG在5G异构网络中设计一种合适的接入选择方案,来保障不同配电业务的QoS。
许多现存工作都针对HWN的网络选择问题进行了相应研究,为了获取用户的业务偏好,基于多属性决策的接入方法被广泛应用于HWN。通过对网络属性的重要程度进行量化,普遍使用层次分析法(Analytic Hierarchy Process,AHP)来确定最优网络。通过引入模糊值,模糊层次分析法(FuzzyAHP,FAHP)可以进一步提高AHP的性能。此外,采用多目标选择函数还可以构造一种改进的逼近理想值接入选择算法,其中属性的权重系数可以根据业务进行动态调整。然而,这类传统的多属性决策方法无法考虑用户传输业务的内容,具有较大的主观性,导致无法正确得到HWN环境的网络属性权重。
发明内容
本发明为SDG提出一种新的HWN选择方案来保证配电用户的QoS。为了体现5G网络的特性,构建了智能配电5G异构网络系统,提出了一种基于FAHP和反熵权(Anti-EntropyWeight,AEW)的接入方法,命名为FAHP-AEW。首先,将基于QoS的属性参数进行标准化处理来确保获得准确的业务需求。随后,通过FAHP和AEW分别确定网络属性的主观权重和客观权重。最后,采用矩估计方法获得综合权重,从而选取最优网络。仿真结果显示,提出的方法可以有效改善HWN性能,有着更低的阻塞率和切换率。
本发明采用的技术方案为面向智能配电的5G异构无线网络接入选择方法,该方法包括以下步骤:
步骤1,获取5G HWN配电网系统中每个网络的属性参数。
构建5G智能配电HWN模型,其由5G、LTE-A和WiMax网络组成。在5G HWN模型下,配电终端可以根据业务需求和网络状态,在5G网络环境中选择合适的接入网络以保证业务的QoS。假设SDG的通信节点处于M个无线网络的重叠覆盖区域内,每个无线网络包括N个网络属性。当访问的用户节点数量未达到网络容量限制时,假设网络能够提供稳定的服务。那么,通过平均原始测量值得到第m(1≤m≤M)个候选网络中第n(1≤n≤N)个属性的测量值xmn,其可以表示为:
步骤2,基于QoS的属性参数预处理。
为了综合考虑业务的QoS属性,使用FAHP和AEW分别计算业务偏好的主观权重和网络属性的客观权重。
对于网络属性,采用SDG业务的QoS性能参数作为评价指标。属性参数的归一化预处理需要分类进行,对于效益属性,即测量值越大越好的属性,通过极大值法进行预处理:
而对于成本属性,即测量值越小越好的属性,通过极小值法进行预处理:
步骤3,基于FAHP的主观赋权。
FAHP利用模糊集或模糊数来处理决策准则之间的不确定性和模糊性,对用户偏好及环境变化更为敏感,可以提高决策的可靠性。根据SDG的业务需求,HWN接入选择问题的FAHP层次结构模型包括三层,分别为目标层、准则层和方案层。在准则层,为了与传统通信业务的QoS区分,本方法所考虑的SDG业务的QoS属性基于配电站间的信息交互,包括带宽、时延、抖动、丢包率、成本和能效。
在FAHP,采用三角模糊数TFN来表示成对属性之间的相对重要性,其可以定义为a=(l,f,u),l≤f≤u,其中l、f、u分别代表下限值、最有利值和上限值。通过FAHP方法确定属性主观权重的步骤如下:
步骤3.1,构造模糊一致判决矩阵A为:
其中,aij=(lij,fij,uij)表示第i(1≤i≤N)个网络属性相对于第j(1≤j≤N)个网络属性的相对重要性,且当i≠j时aji=1/aij。
步骤3.2,计算第i个网络属性的综合模糊值Fi=(li,fi,ui)为:
步骤3.3,计算综合模糊值Fj大于Fi的概率V(Fj≥Fi)为:
步骤4,基于AEW的客观赋权。
采用AEW进行再修正。通过AEW方法确定属性客观权重的步骤如下:
步骤4.1,属性参数归一化:
步骤4.2,计算第n个网络属性的反熵:
步骤4.3,计算第n个网络属性的的客观权重:
步骤5,主客观权重的组合赋权。
由于网络属性的性质间存在差异,使用矩估计理论来确定权重系数,分别用α和β表示主观权重和客观权重所占的比重,主客观权重的组合赋权步骤如下:
步骤5.1,应用矩估计理论,计算第n个网络属性的主客观权重系数αn和βn:
步骤5.2,综合考虑主客观因素,计算第n个网络属性的组合赋权:
步骤6,通过加权求和计算第m个无线网络的隶属度Ym:
与现有技术相比,本发明具有以下优点:
(1)本方法构建的5G智能配电HWN模型可以更好地反应5G网络的性能,能够保证智能配电业务在5G网络中的QoS业务需求。
(2)本方法通过FAHP来计算网络属性的主观权重,提高了决策的可靠性,并利用AEW进行再修正,可以显著降低网络属性差异带来的敏感性,
(3)本方法通过矩估计理论来获得组合权重从而选取最优网络,可以较好地体现业务需求和网络属性之间的关系,并得到合适的权重系数。仿真结果证明,本发明相比传统的AHP和FAHP方法可以有效降低网络阻塞率和切换率。
附图说明
图1面向智能配电的5G异构无线接入网系统。
图2基于FAHP-AEW的权重计算流程图。
图3FAHP的层次模型。
图4不同接入选择方案的平均阻塞率对比。
图5不同接入选择方案的平均切换率对比。
图6各个候选网络的选择概率。
具体实施方式
以下结合附图和实施例对本发明进行详细说明。
面向智能配电的5G异构无线网络接入选择方法,该方法包括以下步骤:
步骤1,获取5G HWN配电网系统中每个网络的属性参数。
为了区别于传统的SDG异构网络模型,本发明构建了5G智能配电HWN模型,其由5G、LTE-A和WiMax网络组成,如图1所示。在HWN环境下,用户的需求不是一成不变的,尤其是对于5G网络。在5G HWN模型下,配电终端可以根据业务需求和网络状态,在5G网络环境中选择合适的接入网络以保证业务的QoS。假设SDG的通信节点处于M个无线网络的重叠覆盖区域内,每个无线网络包括N个网络属性。当访问的用户节点数量未达到网络容量限制时,假设网络能够提供稳定的服务。那么,通过平均原始测量值得到第m(1≤m≤M)个候选网络中第n(1≤n≤N)个属性的测量值xmn,其可以表示为:
步骤2,基于QoS的属性参数预处理。
为了综合考虑业务的QoS属性,本发明使用FAHP和AEW分别计算业务偏好的主观权重和网络属性的客观权重。如此,通过结合主客观权重求得综合权重,其详细流程如图2所示。
对于网络属性,采用SDG业务的QoS性能参数作为评价指标。一般的,属性参数的归一化预处理需要分类进行,对于效益属性,即测量值越大越好的属性(如带宽和能效),通过极大值法进行预处理:
而对于成本属性,即测量值越小越好的属性(如时延、抖动、丢包率和成本),通过极小值法进行预处理:
步骤3,基于FAHP的主观赋权。
传统AHP方法不能很好地体现候选网络中各因素的变化趋势与理想方案之间的差异性。FAHP利用模糊集或模糊数来处理决策准则之间的不确定性和模糊性,对用户偏好及环境变化更为敏感,可以提高决策的可靠性。根据SDG的业务需求,HWN接入选择问题的FAHP层次结构模型如图3所示,其中包括三层,分别为目标层、准则层和方案层。确定了层次结构,即确定了属性之间的影响关系,业务的需求决定了决策的准则。在准则层,为了与传统通信业务的QoS区分,本方法所考虑的SDG业务的QoS属性主要基于配电站间的信息交互,包括带宽、时延、抖动、丢包率、成本和能效。
在FAHP,本方法采用三角模糊数(Triangular Fuzzy Numbers,TFN)来表示成对属性之间的相对重要性,其可以定义为a=(l,f,u),l≤f≤u,其中l、f、u分别代表下限值、最有利值和上限值。属性的相对重要性与TFN值之间的对应关系如表1所示。
表1 TFN值的重要程度
通过FAHP方法确定属性主观权重的步骤如下:
步骤3.1,构造模糊一致判决矩阵A为:
其中,aij=(lij,fij,uij)表示第i(1≤i≤N)个网络属性相对于第j(1≤j≤N)个网络属性的相对重要性,且当i≠j时aji=1/aij。
步骤3.2,计算第i个网络属性的综合模糊值Fi=(li,fi,ui)为:
步骤3.3,计算综合模糊值Fj大于Fi的概率V(Fj≥Fi)为:
步骤4,基于AEW的客观赋权。
基于FAHP的主观赋权法可以得到结果普遍认可的方案,但单纯使用FAHP的随意性和主观性过强,无法达到数学方法的准确性。因此,本方法采用AEW进行再修正。与通常使用较多的熵权法相比,AEW对网络属性差异的敏感性大大降低,其克服了极端情况下会出现过小属性权重的问题。对于AEW,反熵的特征与熵相反,即某个属性的无序程度越大,则反熵值越大,从而权重也越大。通过AEW方法确定属性客观权重的步骤如下:
步骤4.1,属性参数归一化:
步骤4.2,计算第n个网络属性的反熵:
步骤4.3,计算第n个网络属性的的客观权重:
步骤5,主客观权重的组合赋权。
由于网络属性的性质间存在差异,因此对应的主客观权重所占的比重不同。传统方法一般采用普通组合加权进行系数赋值,这样不能正确反应主客观权重之间的关系,也就无法体现业务需求对决策的影响。本方法使用矩估计理论来确定权重系数,分别用α和β表示主观权重和客观权重所占的比重,主客观权重的组合赋权步骤如下:
步骤5.1,应用矩估计理论,计算第n个网络属性的主客观权重系数αn和βn:
步骤5.2,综合考虑主客观因素,计算第n个网络属性的组合赋权:
步骤6,通过加权求和计算第m个无线网络的隶属度Ym:
验证基于FAHP-AEW的智能配电5G HWN接入选择方法的有效性。仿真并分析了提出方法与传统的自适应AHP和FAHP方法的网络性能。仿真场景采用图1所示的5G HWN系统。仿真过程中,随机产生各网络的初始业务分布,其中实时性业务和非实时性业务随机生成。假设在无线网络的重叠覆盖区域内配电用户随机分布,其数量从50逐渐增加至150。
图4给出了不同接入选择方案的平均阻塞率。可以看出,当用户数小于90时,由于网络有足够的资源,三种方法的平均阻塞率均为0。随着用户数量的增加,阻塞率逐渐提高。此外,还可以看到提出的FAHP-AEW方法始终拥有最低的平均阻塞率,因为FAHP-AEW考虑了业务需求与网络属性共同对SDG的影响。当用户数为150时,与AHP和FAHP相比,FAHP-AEW的阻塞率可以分别降低20.8%和13.1%。
不同接入选择方案在平均切换率上的对比如图5所示。总体上,随着用户数量的不断增加,三个方法的平均切换率都存在波动性。从图5还可以看出,本文提出的方法相比较FAHP和AHP有着更低的平均切换率,这有助于抑制乒乓效应。由于FAHP-AEW方法采取综合决定权重的方式,从而加强了各个网络属性之间的关联性并减少了不确定的决策结果。
图6给出了在不同方法下的候选网络选择概率。可以看到,在所有方案中都是5G网络被用户选择的概率最高,因为5G网络有着更加优异的QoS性能。对于AHP和FAHP,5G网络的选择概率远高于LTE-A和WiMax网络的选择概率。这样的结果容易造成5G网络负载过重及网络性能的下降,以及LTE-A和WiMax的网络资源浪费。相反,FAHP-AEW可以合理分配网络资源来均衡负载,这提升了HWN的整体性能。
Claims (2)
1.面向智能配电的5G异构无线网络接入选择方法,其特征在于:该方法包括以下步骤:
步骤1,获取5G HWN配电网系统中每个网络的属性参数;
构建5G智能配电HWN模型,其由5G、LTE-A和WiMax网络组成;在5G HWN模型下,配电终端可以根据业务需求和网络状态,在5G网络环境中选择合适的接入网络以保证业务的QoS;假设SDG的通信节点处于M个无线网络的重叠覆盖区域内,每个无线网络包括N个网络属性;当访问的用户节点数量未达到网络容量限制时,假设网络能够提供稳定的服务;那么,通过平均原始测量值得到第m(1≤m≤M)个候选网络中第n(1≤n≤N)个属性的测量值xmn,其可以表示为:
步骤2,基于QoS的属性参数预处理;
为了综合考虑业务的QoS属性,使用FAHP和AEW分别计算业务偏好的主观权重和网络属性的客观权重;
对于网络属性,采用SDG业务的QoS性能参数作为评价指标;属性参数的归一化预处理需要分类进行,对于效益属性,即测量值越大越好的属性,通过极大值法进行预处理:
而对于成本属性,即测量值越小越好的属性,通过极小值法进行预处理:
步骤3,基于FAHP的主观赋权;
FAHP利用模糊集或模糊数来处理决策准则之间的不确定性和模糊性,对用户偏好及环境变化更为敏感,提高决策的可靠性;根据SDG的业务需求,HWN接入选择问题的FAHP层次结构模型,包括三层,分别为目标层、准则层和方案层;本方法所考虑的SDG业务的QoS属性基于配电站间的信息交互,包括带宽、时延、抖动、丢包率、成本和能效;
在FAHP,采用三角模糊数TFN来表示成对属性之间的相对重要性,其定义为a=(l,f,u),l≤f≤u,其中l、f、u分别代表下限值、最有利值和上限值;
步骤4,基于AEW的客观赋权;
采用AEW进行再修正;通过AEW方法确定属性客观权重的步骤如下:
步骤4.1,属性参数归一化:
步骤4.2,计算第n个网络属性的反熵:
步骤4.3,计算第n个网络属性的的客观权重:
步骤5,主客观权重的组合赋权;
由于网络属性的性质间存在差异,使用矩估计理论来确定权重系数,分别用α和β表示主观权重和客观权重所占的比重,主客观权重的组合赋权步骤如下:
步骤5.1,应用矩估计理论,计算第n个网络属性的主客观权重系数αn和βn:
步骤5.2,综合考虑主客观因素,计算第n个网络属性的组合赋权:
步骤6,通过加权求和计算第m个无线网络的隶属度Ym:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825410.4A CN115175274A (zh) | 2022-07-13 | 2022-07-13 | 面向智能配电的5g异构无线网络接入选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210825410.4A CN115175274A (zh) | 2022-07-13 | 2022-07-13 | 面向智能配电的5g异构无线网络接入选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115175274A true CN115175274A (zh) | 2022-10-11 |
Family
ID=83493327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210825410.4A Pending CN115175274A (zh) | 2022-07-13 | 2022-07-13 | 面向智能配电的5g异构无线网络接入选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115175274A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104185248A (zh) * | 2014-02-19 | 2014-12-03 | 上海物联网有限公司 | 一种基于分级的异构网联合接入控制方法 |
CN104301969A (zh) * | 2014-08-07 | 2015-01-21 | 重庆大学 | 一种异构多认知无线网络共存环境中的网络选择方法 |
CN104837184A (zh) * | 2015-05-03 | 2015-08-12 | 南京邮电大学 | 一种基于区间三角模糊数的异构无线网络选择方法 |
CN107071841A (zh) * | 2017-03-02 | 2017-08-18 | 重庆邮电大学 | 异构网络中基于动态权重优化的垂直切换方法 |
CN110175789A (zh) * | 2019-05-31 | 2019-08-27 | 国网山东省电力公司经济技术研究院 | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
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 |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及系统 |
CN112672366A (zh) * | 2020-12-10 | 2021-04-16 | 重庆邮电大学 | 异构无线网络中基于个性化消费偏好的垂直切换系统 |
CN113115411A (zh) * | 2021-03-31 | 2021-07-13 | 华南理工大学 | 一种基于协同理论的异构无线网络选择方法 |
US20210352545A1 (en) * | 2018-08-10 | 2021-11-11 | Beijing University Of Posts And Telecommunications | Method and apparatus for handover between heterogeneous networks |
CN114298598A (zh) * | 2021-12-31 | 2022-04-08 | 国网河南省电力公司南阳供电公司 | 城市高可靠性中压配电网接线模式综合评估方法 |
WO2022095620A1 (zh) * | 2020-11-04 | 2022-05-12 | 北京中电飞华通信有限公司 | 一种基于智能电网的异构网络接入选择方法及相关设备 |
-
2022
- 2022-07-13 CN CN202210825410.4A patent/CN115175274A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104185248A (zh) * | 2014-02-19 | 2014-12-03 | 上海物联网有限公司 | 一种基于分级的异构网联合接入控制方法 |
CN104301969A (zh) * | 2014-08-07 | 2015-01-21 | 重庆大学 | 一种异构多认知无线网络共存环境中的网络选择方法 |
CN104837184A (zh) * | 2015-05-03 | 2015-08-12 | 南京邮电大学 | 一种基于区间三角模糊数的异构无线网络选择方法 |
CN107071841A (zh) * | 2017-03-02 | 2017-08-18 | 重庆邮电大学 | 异构网络中基于动态权重优化的垂直切换方法 |
US20210352545A1 (en) * | 2018-08-10 | 2021-11-11 | Beijing University Of Posts And Telecommunications | Method and apparatus for handover between heterogeneous networks |
CN110175789A (zh) * | 2019-05-31 | 2019-08-27 | 国网山东省电力公司经济技术研究院 | 基于模糊层次和critic法的配电网诊断评估指标权重赋权方法 |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
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 |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及系统 |
WO2022095620A1 (zh) * | 2020-11-04 | 2022-05-12 | 北京中电飞华通信有限公司 | 一种基于智能电网的异构网络接入选择方法及相关设备 |
CN112672366A (zh) * | 2020-12-10 | 2021-04-16 | 重庆邮电大学 | 异构无线网络中基于个性化消费偏好的垂直切换系统 |
CN113115411A (zh) * | 2021-03-31 | 2021-07-13 | 华南理工大学 | 一种基于协同理论的异构无线网络选择方法 |
CN114298598A (zh) * | 2021-12-31 | 2022-04-08 | 国网河南省电力公司南阳供电公司 | 城市高可靠性中压配电网接线模式综合评估方法 |
Non-Patent Citations (1)
Title |
---|
陈思帆: "5G异构网络中业务驱动的网络接入选择研究", 《中国硕士学位论文全文数据库》,信息科技辑 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109286959B (zh) | 一种基于层次分析法的异构无线网络垂直切换方法 | |
CN109947545B (zh) | 一种基于用户移动性的任务卸载及迁移的决策方法 | |
CN108419274B (zh) | 一种基于效用函数的异构无线网络选择方法 | |
CN111654342B (zh) | 基于有先验知识强化学习的动态频谱接入方法 | |
CN107734512B (zh) | 一种基于灰度关联层次分析的网络选择方法 | |
CN111866954B (zh) | 一种基于联邦学习的用户选择和资源分配方法 | |
JP4977762B2 (ja) | カーネルを使用した動的ネットワーク選択 | |
Zhu et al. | Adaptive multi-access algorithm for multi-service edge users in 5G ultra-dense heterogeneous networks | |
CN108901058A (zh) | 一种物联网节点接入通道优化选择方法 | |
CN108307412B (zh) | 用户为中心的基于分组博弈的超密集网络干扰管理方法 | |
KR20090065328A (ko) | 이동통신 네트워크에서의 핸드오버 방법 및 장치 | |
Tong et al. | Communication and computation resource allocation for end-to-end slicing in mobile networks | |
Ma et al. | Heterogeneous network selection algorithm for novel 5G services based on evolutionary game | |
CN110072197B (zh) | 一种应急通信传输信道优选智能切换选择方法 | |
Zhou et al. | A network selection scheme based on the analytic hierarchy process for marine internet | |
CN115175274A (zh) | 面向智能配电的5g异构无线网络接入选择方法 | |
Karoui et al. | A novel distributed context-aware radio access technology selection scheme for C-ITS networks | |
CN114615705B (zh) | 一种基于5g网络下单用户资源分配策略方法 | |
CN112867101B (zh) | 一种基于灰度综合评价值的公安异构无线专网选择方法 | |
Fontana et al. | SMASH: a SMArt Slicing Heterogeneous 5G network selection algorithm | |
Sumith et al. | Enhanced model for spectrum handoff in cognitive radio networks | |
Hirayama et al. | Feedback Control for QoS-Aware Radio Resource Allocation in Adaptive RAN | |
Guo et al. | A QoS‐Guaranteed Cell Selection Strategy for Heterogeneous Cellular Systems | |
CN111723978A (zh) | 一种基于虚拟映射适应多种电力业务差异性需求的指标评价方法 | |
Mallick et al. | A seamless vertical handoff algorithm in 4g 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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221011 |