CN116032727A - 一种基于区域协作的电力物联网感知层自修复方法 - Google Patents
一种基于区域协作的电力物联网感知层自修复方法 Download PDFInfo
- Publication number
- CN116032727A CN116032727A CN202111239861.1A CN202111239861A CN116032727A CN 116032727 A CN116032727 A CN 116032727A CN 202111239861 A CN202111239861 A CN 202111239861A CN 116032727 A CN116032727 A CN 116032727A
- Authority
- CN
- China
- Prior art keywords
- things
- electric power
- power internet
- new connection
- nodes
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 45
- 230000008439 repair process Effects 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract 1
- 238000011084 recovery Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种基于区域协作的电力物联网感知层自修复方法,方法为基于电力物联网感知层的区域协作实现网络的自修复,从理论层面对电力物联网抗毁性进行分析。具体包括:利用复杂网络理论,建立电力物联网网络;基于Louvain社团划分算法,对网络结构进行划分,分离出网络中进行区域协作的物联节点簇;通过在不同的物联节点簇之间构建新的通信连接,并进行优化,实现对电力物联网感知层结构和功能的恢复。本发明方法能够区别于传统的网络修复概念,利用电力物联网感知层中的区域信息在理论层面研究网络修复方法。
Description
技术领域
本发明涉及一种基于区域协作的电力物联网感知层自修复方法,其能够使电力物联网感知层在受到外界干扰时较快构建少量新的连接恢复网络的结构和功能,增强电力物联网的抗毁性,属于泛在电力物联网领域。
背景技术
随着经济社会的进步、科学技术的发展和两化融合的深入,电力行业在数字化、网络化、智能化方向上日益成熟、完善。泛在电力物联网的概念提出与建设推进,是我国电力事业发展过程中的重要里程碑。泛在电力物联网的建设能够有效地打通电网运行与电力输送各环节的动态监测与互动联系,提升了整体的智能化水平。泛在电力物联网建设,在感知层需要铺设大量的传感设备(如智能电表、温度传感等),还需要其他终端产品用于实现数据采集、边缘计算和通信服务的功能。这些终端产品分别用于最后一公里通信网、客户侧数据采集、线路侧数据采集、台区边缘服务、变电站数据采集、末端移动服务等。
泛在电力物联网背景下,由于海量电力物联节点(如电力终端、用户智能家居、其他能源系统设备等)的接入,泛在电力物联网的数据量和数据类型呈现急剧增长。为服务于泛在电力物联网中诸如智能化运维、实时态势感知、个性化用能服务推荐、电力系统最优运行调度等高级应用场景,实现对海量数据的收集、存储与处理是其中的关键。因此,提升电力物联网面对突发情况的抗毁性是我国电网的重要工作之一。
目前,国内外已有一些学者关注网络修复方法的研究,但是绝大多数方法都可归类为使用全局信息修复和本地信息修复。然而全局修复策略复杂度高且反应慢,本地修复策略修复效果差,都不适合泛在电力物联网感知层实际生产运行要求。综合全局修复和本地修复策略的优势,保证较低复杂度和较好的修复效果是亟需解决的问题。
电力物联网及电力系统在一些外界干扰下是十分脆弱的,少量重要节点失效可能会严重影响整个网络的结构和功能,如2003年8月14日美国北部和加拿大仅因为电力网络中一个节点的失效发生了大规模停电事故,并影响了多个其它现实系统的正常运行。如何电力物联网感知层在面对外界攻击干扰下能够快速恢复较好的结构和功能,有利于增强我国电网的抗毁性,进而维护国家电网及电力系统的稳定运行具有重大战略意义。
发明内容
针对上述技术不足,本发明的目的提供一种基于区域协作的电力物联网感知层自修复方法,通过将电力物联网网络化建模,在受到攻击后,对网络拓扑结构进行分析得到电力物联网社团结构,构建少量新的连接以恢复网络结构和功能,促进电力物联网的维护和保障。
本发明为实现上述目的所采用的技术方案是:
一种基于区域协作的电力物联网感知层自修复方法,包括以下步骤:
1)构建电力物联网感知层;
2)根据复杂网络,对电力物联网感知层的网络特性进行定义;
3)基于复杂网络社团划分算法对电力物联网感知层进行社团划分并构建各个社团之间的备选新连接集合;
4)将每条备选新连接对电力物联网的平均效率的计算进行近似并排序,选出平均效率最大的作为构建的新连接;
5)多次执行步骤3)和步骤4),直至连边数量达到设定好的构建新连接的数量,完成电力物联网感知层自修复。
所述步骤1),具体为:
将电力物联网感知终端作为感知层节点,若任意2个电力物联网感知终端之间有相互电力运输或者信息交换,则这2个感知层节点之间有1条连边。
所述步骤3)包括以下步骤:
3.1)基于复杂网络社团划分算法对电力物联网感知层进行社团划分;
3.2)选出每个社团中的重要节点,并选出通信能力最强的节点,作为该社团中的通讯节点,若通信能力最强的节点为重要节点中的某一个,则该节点同时作为重要节点和通讯节点;
3.3)对所有不同社团筛选出的重要节点之间构建备选新连接,如果某个社团内的所有重要节点都无法与其他社团构建备选新连接,则用该社团的通讯节点与其他社团的重要节点构建备选新连接;如果仍然超出通讯范围无法构建备选新连接,则用该社团的通讯节点与其他社团的通讯节点构建备选新连接,所述备选新连接的距离不大于该备选新连接两端中的每一个重要节点的通信范围,所有备选新连接构成备选新连接集合。
所述重要节点为所有感知层节点中,度值最大的节点、介数值最大的节点和接近数数值最大的节点。
所述步骤4)包括以下步骤:
4.1)将所有备选新连接分为两类;
4.2)将备选新连接的修复效果近似为评估平均最短路径之和的差值,分别计算每一条备选新连接平均最短路径之和的差值并排序,选取平均最短路径之和差值最大的新连接作为构建的新连接。
对于不同连通片之间的备选新连接,设节点a所在的连通片中节点数目为Na,节点b所在的连通片中节点数目为Nb,节点a和节点b的接近数分别为ca和cb,Duc表示不连通的两个节点间的路径长度,则该不同连通片之间的备选新连接的平均最短路径之和的差值Deltabetw为:
对于一个连通片内的备选新连接,设节点a和节点b之间的最短路径长度为qab,kam和kbm分别表示距离节点a和节点b的最短路径长度为m的节点数量,则一个连通片内的备选新连接的平均最短路径之和的差值Deltains近似为:
一种基于区域协作的电力物联网感知层自修复系统,包括:
模型构建模块,用于构建电力物联网感知层;并根据复杂网络,对电力物联网感知层的网络特性进行定义;
备选新连接集合构建模块,用于基于复杂网络社团划分算法对电力物联网感知层进行社团划分并构建各个社团之间的备选新连接集合;
电力物联网感知层自修复模块,用于将每条备选新连接对电力物联网的平均效率的计算进行近似并排序,选出平均效率最大的作为构建的新连接,完成电力物联网感知层自修复。
所述备选新连接集合构建模块,包括:
社团划分模块,用于基于复杂网络社团划分算法对电力物联网感知层进行社团划分;
节点选择模块,用于选出每个社团中的重要节点,并选出通信能力最强的节点,作为该社团中的通讯节点,若通信能力最强的节点为重要节点中的某一个,则该节点同时作为重要节点和通讯节点;
备选新连接构建模块,用于对所有不同社团筛选出的重要节点或通讯节点之间构建备选新连接,所述备选新连接的距离不大于该备选新连接两端中的每一个重要节点的通信范围,所有备选新连接构成备选新连接集合。
所述电力物联网感知层自修复模块,包括:
备选新连接划分模块,用于将所有备选新连接分为两类;
新连接计算模块,用于将备选新连接的修复效果近似为评估平均最短路径之和的差值,分别计算每一条备选新连接平均最短路径之和的差值并排序,选取平均最短路径之和差值最大的新连接作为构建的新连接。
本发明具有以下有益效果及优点:
1.本发明将复杂网络理论应用于电力物联网感知层自修复问题,为电力物联网领域提供了新的视角。
2.本发明区别于传统的利用全局信息和本地信息的修复方法,通过分析局部信息利用区域协作构建少量新连接恢复网络功能,有助于对电力物联网抗毁性设计和分析。
3.本发明为提高方法的计算效率,引进了多种启发式改进。
附图说明
图1是电力物联网感知层自修复方法流程图;
图2是模型网络示意图;
图3是两类不同备选连接示意图;
图4是备选连边修复效果计算流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
本发明提出了一种基于区域协作的电力物联网感知层自修复方法,通过将电力物联网网络化建模,区别于传统的利用全局信息和本地信息的修复方法,通过分析局部信息,利用区域协作构建少量新连接恢复网络功能。
本发明提供一种有效的基于区域协作的电力物联网感知层自修复方法,促进电力物联网感知层抗毁性设计和分析。
如图1所示,具体包括以下步骤:
步骤一、将电力物联网感知层进行网络化建模,即设定电力物联网感知终端为节点,如果2个资源单元之间有相互电力运输或者信息交换,则这2个节点之间有1条连边。基于以上过程,可以构建一个电力物联网感知层网络,如图4所示。
根据实际电力物联网感知层网络结构,可以构建一个复杂网络,如图2展示了一个模型网络。
步骤二、根据复杂网络中的定义,对电力物联网感知层网络特性进行定义。电力物联网感知层网络被抽象为复杂网络G=(V,E),其中V是电力物联网感知层中物联节点的集合,E是物联节点之间连边的集合,进而设定节点数目N=|V|,连边数目M=|E|。本发明中的网络功能是指电力物联网感知层网路中感知物联节点之间进行信息传递的效率,则可用整体网络的平均效率(average efficiency)衡量网络功能。网络进行修复后的平均效率越高说明其修复效果越好。设E(G)表示网络G的平均效率,N表示网络中现存节点个数,i和j表示两个节点,dij表示两节点之间的最短路径长度,则平均效率可表示为:
电力物联网感知层自修复的目的是通过较少的连边获得较大的E(G)。
例如,对于电力物联网感知层网络而言,网络中的感知终端如传感器、电子标签、测量装置、监测装置、采集终端、定位终端、边缘网关等都可视为节点,这些节点之间存在电力线路或者信息传递等连接则表示该节点对之间有连边。
步骤三、根据步骤二中的设定,建立基于区域协作的电力物联网感知层自修复方法。区别于传统的利用全局信息和本地信息的修复方法,本发明拟利用感知层网络局部信息,并通过区域协作,完成电力物联网感知层修复。首先,对于受到外界攻击或者干扰的电力物联网感知层网络,利用Louvain算法进行社团划分,将网络切分为若干个社团模块。此时,每个社团中节点之间的信息将被共享。然后,对于每个社团,系统对该区域感知层自网络进行分析,选出区域中的重要节点并筛选出这些节点中连接能力较强的节点(如功率较强,辐射范围广),并选出通信能力最强的感知层节点作为通讯节点与其他社团模块进行沟通协作。本发明中,所有新的连接都将构建于不同的社团模块之间。对于所有不同社团模块筛选出的节点之间构建备选新连接。需要注意的是,在构建备选新连接时应考虑到各个节点的通信范围,即当新连接距离不大于该连接端节点的通信范围时才记录其为备选新连接。
在该问题背景下,感知层网络中节点重要性可以从节点的度值、介数值、接近数值等角度进行判断。
步骤四、步骤三后,可以得到一系列的备选新连接,但是这类备选新连接的数目较多,并且计算网络平均效率的计算复杂度较高,使得选取最优的一条新连接时计算时间过长。因此,本步骤将对每条新连接对网络平均效率的计算进行近似,降低该步骤的计算复杂度。该近似过程将使用数学中的均值不等式进行推导,这里使用的均值不等式为调和均值与算术均值之间的不等式:
当该不等式应用到网络平均效率中,则平均效率的下界可利用不等式估算得出:
根据该不等式可知,对于固定的网络,N是一个常数(网络中节点数量),网络中所有节点对的最短路径长度之和可用来计算平均效率的差值,即最短路径长度之和越小,平均效率下限越大。同时,在复杂网络理论中,最短路径长度的传统概念是定义在两个连通的节点之间,所以该发明中需要定义不连通的两个节点之间的平均效率。在平均效率的定义中,如果节点i和j不连通,那么dij=+∞,但是该数值无法用来估算平均效率的差值,因为较大的dij数值将会优先选择连通片之间的新连接,这与本发明的评价指标是不符的。因此,本发明定义了不连通的两个节点之间的最短路径长度为网络中节点的数量。除此之外,对于每一个备选新连接,计算平均效率差值的计算复杂度是O(N2),选择多个新连接将会使得计算时间大幅增加,不适用于实际修复过程中的快速反应。为了简化该步骤中的计算复杂度,网络接近数将被用来平均效率差值估算,接近数定义为:
所有备选新连接将被分为两类分别进行平均效率差值的估算,如图3所示。
对于不同连通片之间的备选新连接,设节点a所在的连通片中节点数目为Na,节点b所在的连通片中节点数目为Nb,节点a和b的接近数分别为ca和cb,Duc表示不连通的两个节点间的路径长度,则可通过计算得到通过这个不同连通片之间的备选新连接使得平均最短路径之和的差值(Deltabetw)为:
对于一个连通片内的备选新连接,设节点a和b之间的最短路径长度为qab,kam表示距离节点a的最短路径长度为m的节点数量,则可将这个一个连通片内的备选新连接使得平均最短路径之和的差值(Deltains)近似为:
根据以上两类备选新连接的计算方法将所有备选新连接按照最短路径之和差值进行排序,选取最短路径之和差值最大的新连接作为该步骤中最后输出的实际构建新连接。
通过此步骤,可以大幅降低计算备选新连边对整个电力物联网感知层结构和功能影响的计算复杂度,从而提高该方法效率。
步骤五、通过步骤三、四,本发明可以得到受到攻击后的电力物联网感知层中最优的一条修复新连接。在此步骤前应该提前设定好该网络整体修复过程需要构建的新连接数量n,如可定义为网络受到攻击后失效的连接数量或者现有连接数量的10%等。对受到攻击后的网络进行n次步骤三、四的过程,每次选取一条最优新连接进行构建。如果在实际修复过程中对计算时间有更严格的要求,可以根据时间限制,从每次的步骤三、四中选取多条最优新连接进行构建。
通过此步骤,我们将最终得到可恢复电力物联网感知层网络结构和功能的新连接。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于区域协作的电力物联网感知层自修复方法,其特征在于,包括以下步骤:
1)构建电力物联网感知层;
2)根据复杂网络,对电力物联网感知层的网络特性进行定义;
3)基于复杂网络社团划分算法对电力物联网感知层进行社团划分并构建各个社团之间的备选新连接集合;
4)将每条备选新连接对电力物联网的平均效率的计算进行近似并排序,选出平均效率最大的作为构建的新连接;
5)多次执行步骤3)和步骤4),直至连边数量达到设定好的构建新连接的数量,完成电力物联网感知层自修复。
2.根据权利要求1所述的一种基于区域协作的电力物联网感知层自修复方法,其特征在于,所述步骤1),具体为:
将电力物联网感知终端作为感知层节点,若任意2个电力物联网感知终端之间有相互电力运输或者信息交换,则这2个感知层节点之间有1条连边。
3.根据权利要求1所述的一种基于区域协作的电力物联网感知层自修复方法,其特征在于,所述步骤3)包括以下步骤:
3.1)基于复杂网络社团划分算法对电力物联网感知层进行社团划分;
3.2)选出每个社团中的重要节点,并选出通信能力最强的节点,作为该社团中的通讯节点,若通信能力最强的节点为重要节点中的某一个,则该节点同时作为重要节点和通讯节点;
3.3)对所有不同社团筛选出的重要节点之间构建备选新连接,如果某个社团内的所有重要节点都无法与其他社团构建备选新连接,则用该社团的通讯节点与其他社团的重要节点构建备选新连接;如果仍然超出通讯范围无法构建备选新连接,则用该社团的通讯节点与其他社团的通讯节点构建备选新连接,所述备选新连接的距离不大于该备选新连接两端中的每一个重要节点的通信范围,所有备选新连接构成备选新连接集合。
4.根据权利要求3所述的一种基于区域协作的电力物联网感知层自修复方法,其特征在于,所述重要节点为所有感知层节点中,度值最大的节点、介数值最大的节点和接近数数值最大的节点。
5.根据权利要求1所述的一种基于区域协作的电力物联网感知层自修复方法,其特征在于,所述步骤4)包括以下步骤:
4.1)将所有备选新连接分为两类;
4.2)将备选新连接的修复效果近似为评估平均最短路径之和的差值,分别计算每一条备选新连接平均最短路径之和的差值并排序,选取平均最短路径之和差值最大的新连接作为构建的新连接。
8.一种基于区域协作的电力物联网感知层自修复系统,其特征在于,包括:
模型构建模块,用于构建电力物联网感知层;并根据复杂网络,对电力物联网感知层的网络特性进行定义;
备选新连接集合构建模块,用于基于复杂网络社团划分算法对电力物联网感知层进行社团划分并构建各个社团之间的备选新连接集合;
电力物联网感知层自修复模块,用于将每条备选新连接对电力物联网的平均效率的计算进行近似并排序,选出平均效率最大的作为构建的新连接,完成电力物联网感知层自修复。
9.根据权利要求8所述的一种基于区域协作的电力物联网感知层自修复系统,其特征在于,所述备选新连接集合构建模块,包括:
社团划分模块,用于基于复杂网络社团划分算法对电力物联网感知层进行社团划分;
节点选择模块,用于选出每个社团中的重要节点,并选出通信能力最强的节点,作为该社团中的通讯节点,若通信能力最强的节点为重要节点中的某一个,则该节点同时作为重要节点和通讯节点;
备选新连接构建模块,用于对所有不同社团筛选出的重要节点或通讯节点之间构建备选新连接,所述备选新连接的距离不大于该备选新连接两端中的每一个重要节点的通信范围,所有备选新连接构成备选新连接集合。
10.根据权利要求8所述的一种基于区域协作的电力物联网感知层自修复系统,其特征在于,所述电力物联网感知层自修复模块,包括:
备选新连接划分模块,用于将所有备选新连接分为两类;
新连接计算模块,用于将备选新连接的修复效果近似为评估平均最短路径之和的差值,分别计算每一条备选新连接平均最短路径之和的差值并排序,选取平均最短路径之和差值最大的新连接作为构建的新连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239861.1A CN116032727B (zh) | 2021-10-25 | 2021-10-25 | 一种基于区域协作的电力物联网感知层自修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111239861.1A CN116032727B (zh) | 2021-10-25 | 2021-10-25 | 一种基于区域协作的电力物联网感知层自修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116032727A true CN116032727A (zh) | 2023-04-28 |
CN116032727B CN116032727B (zh) | 2024-04-09 |
Family
ID=86074746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111239861.1A Active CN116032727B (zh) | 2021-10-25 | 2021-10-25 | 一种基于区域协作的电力物联网感知层自修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116032727B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110784537A (zh) * | 2019-10-28 | 2020-02-11 | 国网上海市电力公司 | 一种用于电力物联网感知层设备的实时物联感知方法 |
CN111131028A (zh) * | 2019-10-16 | 2020-05-08 | 河南工程学院 | 基于度约束最小生成树的域间路由恢复方法 |
CN111767547A (zh) * | 2020-06-24 | 2020-10-13 | 北京理工大学 | 一种基于复杂网络社团的软件漏洞检测方法 |
CN113411691A (zh) * | 2021-06-18 | 2021-09-17 | 东北电力大学 | 一种电力光纤网社团划分方法 |
-
2021
- 2021-10-25 CN CN202111239861.1A patent/CN116032727B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111131028A (zh) * | 2019-10-16 | 2020-05-08 | 河南工程学院 | 基于度约束最小生成树的域间路由恢复方法 |
CN110784537A (zh) * | 2019-10-28 | 2020-02-11 | 国网上海市电力公司 | 一种用于电力物联网感知层设备的实时物联感知方法 |
CN111767547A (zh) * | 2020-06-24 | 2020-10-13 | 北京理工大学 | 一种基于复杂网络社团的软件漏洞检测方法 |
CN113411691A (zh) * | 2021-06-18 | 2021-09-17 | 东北电力大学 | 一种电力光纤网社团划分方法 |
Non-Patent Citations (2)
Title |
---|
MO YANG, PENG YU, WEIWEI MIU等: "Deep Reinforcement Learning based Green Resource Allocation Mechanism in Edge Computing driven Power Internet of Things", 《2020 INTERNATIONAL WIRELESS COMMUNICATIONS AND MOBILE COMPUTING (IWCMC)》, 27 July 2020 (2020-07-27), pages 388 - 393 * |
李世豪;缪巍巍;曾锃等: "面向电力物联的边缘计算框架设计初探", 《电力信息与通信技术》, 25 December 2020 (2020-12-25), pages 51 - 57 * |
Also Published As
Publication number | Publication date |
---|---|
CN116032727B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107231255B (zh) | 一种复杂系统的能控性对相继故障的鲁棒性建模方法 | |
CN103699606A (zh) | 一种基于顶点切割与社区聚集的大规模图划分方法 | |
CN112615365B (zh) | 一种智能电网脆弱性关键点识别方法及装置 | |
CN104466959A (zh) | 电力系统关键线路辨识方法和系统 | |
CN112398946A (zh) | 源网荷储调度控制系统及配置方法 | |
CN113098711A (zh) | 一种基于云边协同的配电物联网cps管控方法及系统 | |
CN110224427B (zh) | 一种基于微电网能量控制策略的信息物理系统建模方法 | |
CN112395289B (zh) | 一种分布式光伏数据分层存储方法和系统 | |
CN107944705A (zh) | 一种基于模块度划分通信社团的全端可靠性计算方法 | |
CN113515514A (zh) | 基于云边协同的多级边缘计算体系架构及其实现方法 | |
CN102802163B (zh) | 一种基于混合整数规划的无线传感网拓扑构建方法 | |
CN105117849B (zh) | 基于电气LeaderRank算法的电网节点重要度评估方法 | |
Ali et al. | Leach robust routing approach applying machine learning | |
CN107453926B (zh) | 一种电力通信网站点通信带宽估算方法及装置 | |
CN116032727B (zh) | 一种基于区域协作的电力物联网感知层自修复方法 | |
CN115906605A (zh) | 一种分布式信息能源系统多智能体模型构建方法及应用 | |
CN116760015A (zh) | 一种基于高维图注意力网络的大电网暂态功角稳定评估方法 | |
CN112529419B (zh) | 一种基于相关性分析的电网数据透明应用方法及系统 | |
CN111697620B (zh) | 一种可预测功率的分布式组网光伏并网微逆变发电系统 | |
CN114205214A (zh) | 一种电力通信网络故障识别方法、装置、设备及存储介质 | |
CN110908800B (zh) | 边云协同环境中基于调度熵的调度优化方法 | |
CN112799829A (zh) | 一种知识驱动的网络资源编排方法 | |
CN111884862A (zh) | 储能电站二次系统的性能优化方法 | |
CN114793200A (zh) | 一种基于电力物联网网络结构的重要物联节点识别方法 | |
CN113572690B (zh) | 面向可靠性的用电信息采集业务的数据传输方法 |
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 |