CN116245260B - 基于变电站资源部署5g基站的优化方法 - Google Patents
基于变电站资源部署5g基站的优化方法 Download PDFInfo
- Publication number
- CN116245260B CN116245260B CN202310530546.7A CN202310530546A CN116245260B CN 116245260 B CN116245260 B CN 116245260B CN 202310530546 A CN202310530546 A CN 202310530546A CN 116245260 B CN116245260 B CN 116245260B
- Authority
- CN
- China
- Prior art keywords
- data
- recursion
- substation
- coefficient
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 29
- 239000000428 dust Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于变电站资源部署5G基站的优化方法，涉及基站部署的技术领域，通过对采集的资源数据进行内涵统一处理，形成不同类型数据之间的体系均衡，相较于现有技术，避免了信息提取过程中影响因子造成提取不准确的问题，而后本发明建立损失模型，通过获取的偏心值配合提取模型完成每一项统一数据项的信息提取，建立递推模型后获取第一递归系数及第二递归系数，通过第二递归系数及标准第二递归系数之间的状态点欧氏距离差值阈值判断第二递归系数是否符合递推常态，完成完整性检验，提高了递推过程的准确性，进一步提高了基站布局的适应性。
Description
技术领域
本发明涉及基站部署的技术领域，尤其涉及基于变电站资源部署5G基站的优化方法。
背景技术
随着5G网络的发展，供电公司逐步向铁塔公司和运营商开放电力杆塔、变电站等电力基础设施，用于部署5G基站，助力5G网络快速建设。
在现有的共享模式下，运营商将5G设备、数据中心部署于变电站内，一方面，供电公司可提供可靠而不间断的电源保障和专业的代维服务，有效提升5G网络服务质量；另一方面，相较于搭建在商业楼宇等转供电主体建筑上的5G设备，共享变电站等电力基础设施在电价上可享受直供电电价，降低了各类5G网络设备的运行成本。
故此，如何基于现有变电站资源快速、准确地部署5G基站成为算力中心。现有公开了相应的部署算法，如发明专利申请公开号：CN113011681A——一种基于变电站资源部署5G基站的优化方法及系统，此项算法通过提取信息提取后递推遍历，筛选出最优部署位置，但在采用相应算法进行试验时，发现此种方法一方面建立的提取模型受到的影响因子过多，影响因子相互之间没有形成体系均衡，在算力过程中难免出现偏度过大的问题，另一方面，递推筛选过程中也没有通过完整性算法进行第一递推至第二递推的过程验证，所得出的第二递归系数的准确性难以实时保证，基于此，在初始步骤时对相应算法进行根本性改正，以求基于现有变电站资源快速、准确地部署出5G基站。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有5G基站部署方式存在的问题，提出了本发明。
因此，本发明解决的技术问题是：解决现有基于变电站资源部署5G基站的方式一方面建立的提取模型受到的影响因子过多，影响因子相互之间没有形成体系均衡，在算力过程中难免出现偏度过大的问题，另一方面，递推筛选过程中也没有通过完整性算法进行第一递推至第二递推的过程验证，所得出的第二递归系数的准确性难以实时保证的问题。
为解决上述技术问题，本发明提供如下技术方案：基于变电站资源部署5G基站的优化方法，包括如下步骤：采集变电站资源数据，以csv格式存入处理云端，对所述资源数据进行数据预处理，获取资源数据集；建立损失模型，将所述资源数据集纳入所述损失模型中，获取当前资源数据集的偏心值；建立特征提取模型，依据所述偏心值对所述资源数据集中每一项数据进行提取特征信息；基于所提取的特征信息数值建立递推模型，获取第一递归系数及第二递归系数；基于所述第一递归系数获取标准第二递归系数；获取所述第二递归系数及所述标准第二递归系数之间的状态点欧氏距离差值，通过级别定义的差值阈值判断所述第二递归系数是否符合递推常态；逐步完成对后续递推状态的完整性构图，基于完整性构图实现5G基站的布局；其中，对所述资源数据进行数据预处理具体包括：获取变电站环境数据，通过以下公式获取环境内涵统一因子，依据所述环境内涵统一因子实现环境数据端的各数据特征统一：
其中，π为环境内涵统一因子、α为水位数据、β为站内流通日均电流量数据、γ为粉尘密度数据、δ大为最高温度数据、δ小为最低温度数据、k大为最大湿度数据、k小为最小湿度数据、x及dx为积分运算；
则，所述变电站环境数据统一成：最高温度πδ大、最低温度πδ小、最大湿度πk大、最小湿度πk小、站内流通日均电流量πβ、水位πα和粉尘密度πγ；
获取变电站属性数据，通过以下公式获取属性内涵统一因子，依据所述属性内涵统一因子实现属性数据端的特征统一：
其中，η为属性内涵统一因子、μ为额定电流数据、θ为额定电压数据、τ为额定负载数据、L为位置距离数据、ω为建筑结构力学性能值数据，x及dx为积分运算；
则，所述变电站属性数据统一成：额定电流ημ、额定电压ηθ、额定负载ητ、位置距离ηL及建筑结构力学性能值ηω；
其中，所述资源数据集具体包括内涵统一后的所述变电站环境数据及所述变电站属性数据；
其中，构建的所述损失模型具体为：
其中，ρ为偏心值，π/3为调整性函数输出值；
其中，建立所述特征提取模型时的提取参考量为：
其中，ρ为偏心值；
构建的所述特征提取模型具体为：
其中，Vi为提取的特征信息；Xi为第i个数据；ρ为偏心值；m为提取期望值，定义为㏑2；Xj为非线性函数，且所述非线性函数为Xj=tan(1.5Xi)；
其中，建立的递推模型目标函数为：
式中，D表示最优位置，L为位置距离数据，ρ为偏心值，S1表示第一递归系数，S2表示第二递归系数；
其中，基于所述第一递归系数获取所述标准第二递归系数具体为：
其中，S2 标为标准第二递归系数，ρ为偏心值，S1表示第一递归系数，ρdρ为基础积分运算；
其中，通过以下公式获取第二递归系数及标准第二递归系数之间的状态点欧氏距离差值：
；其中，点S2 标表示为（Xm，Ym，Zm）及点S2表示为（Xn，Yn，Zn），欧氏距离差值表示为Dmn；
同时，当第二递归系数不符合递推常态时，通过如下公式逐步对第二递归系数进行缩放，直至符合递推要求：
。
作为本发明所述的基于变电站资源部署5G基站的优化方法的一种优选方案，其中：所述资源数据包括变电站环境数据和变电站属性数据；所述变电站环境数据选取影响基站传输信号及布局建设的数据，包括温度、湿度、站内流通日均电流量、水位和粉尘密度，其中，温度数据包括最高温度及最低温度，湿度数据包括最大湿度及最小湿度；所述变电站属性数据包括承接运载的边缘数据中心系统的位置距离、额定电流、额定电压、额定负载和建筑结构力学性能值。
作为本发明所述的基于变电站资源部署5G基站的优化方法的一种优选方案，其中：所述差值阈值定义为0.671*ln（ρ）。
本发明的有益效果：本发明提供基于变电站资源部署5G基站的优化方法，通过对采集的资源数据进行内涵统一处理，形成不同类型数据之间的体系均衡，相较于现有技术，避免了信息提取过程中影响因子造成提取不准确的问题，而后本发明建立损失模型，通过获取的偏心值配合提取模型完成每一项统一数据项的信息提取，建立递推模型后获取第一递归系数及第二递归系数，通过第二递归系数及标准第二递归系数之间的状态点欧氏距离差值阈值判断第二递归系数是否符合递推常态，完成完整性检验，提高了递推过程的准确性，进一步提高了基站布局的适应性，解决了现有基于变电站资源部署5G基站的方式一方面建立的提取模型受到的影响因子过多，影响因子相互之间没有形成体系均衡，在算力过程中难免出现偏度过大的问题，另一方面，递推筛选过程中也没有通过完整性算法进行第一递推至第二递推的过程验证，所得出的第二递归系数的准确性难以实时保证的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明提供的基于变电站资源部署5G基站的优化方法的整体方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
现有变电站资源快速、准确地部署5G基站的算法通过提取信息提取后递推遍历，筛选出最优部署位置，但在采用相应算法进行试验时，发现此种方法一方面建立的提取模型受到的影响因子过多，影响因子相互之间没有形成体系均衡，在算力过程中难免出现偏度过大的问题，另一方面，递推筛选过程中也没有通过完整性算法进行第一递推至第二递推的过程验证，所得出的第二递归系数的准确性难以实时保证。
故此，请参阅图1，本发明提供基于变电站资源部署5G基站的优化方法，包括如下步骤：
采集变电站资源数据，以csv格式存入处理云端，对资源数据进行数据预处理，获取资源数据集；
需要说明的是，数据采集过程及数据处理过程均为现有技术的直接运用，在此不做多余赘述。
建立损失模型，将资源数据集纳入损失模型中，获取当前资源数据集的偏心值；
建立特征提取模型，依据偏心值对资源数据集中每一项数据进行提取特征信息；
基于所提取的特征信息数值建立递推模型，获取第一递归系数及第二递归系数；
基于第一递归系数获取标准第二递归系数；
获取第二递归系数及标准第二递归系数之间的状态点欧氏距离差值，通过级别定义的差值阈值判断第二递归系数是否符合递推常态；
逐步完成对后续递推状态的完整性构图，基于完整性构图实现5G基站的布局。
具体的，资源数据包括变电站环境数据和变电站属性数据；
变电站环境数据选取影响基站传输信号及布局建设的数据，包括温度、湿度、站内流通日均电流量、水位和粉尘密度，其中，温度数据包括最高温度及最低温度，湿度数据包括最大湿度及最小湿度；
变电站属性数据包括承接运载的边缘数据中心系统的位置距离、额定电流、额定电压、额定负载和建筑结构力学性能值。
进一步的，对资源数据进行数据预处理具体包括：
获取变电站环境数据，通过以下公式获取环境内涵统一因子，依据环境内涵统一因子实现环境数据端的各数据特征统一：
其中，π为环境内涵统一因子、α为水位数据、β为站内流通日均电流量数据、γ为粉尘密度数据、δ大为最高温度数据、δ小为最低温度数据、k大为最大湿度数据、k小为最小湿度数据、x及dx为积分运算；
则，变电站环境数据统一成：最高温度πδ大、最低温度πδ小、最大湿度πk大、最小湿度πk小、站内流通日均电流量πβ、水位πα和粉尘密度πγ；
获取变电站属性数据，通过以下公式获取属性内涵统一因子，依据属性内涵统一因子实现属性数据端的特征统一：
其中，η为属性内涵统一因子、μ为额定电流数据、θ为额定电压数据、τ为额定负载数据、L为位置距离数据、ω为建筑结构力学性能值数据，x及dx为积分运算；
则，变电站属性数据统一成：额定电流ημ、额定电压ηθ、额定负载ητ、位置距离ηL及建筑结构力学性能值ηω；
其中，资源数据集具体包括内涵统一后的变电站环境数据及变电站属性数据。
更进一步的，构建的损失模型具体为：
其中，ρ为偏心值，π/3为调整性函数输出值。
具体的，建立特征提取模型时的提取参考量为：
其中，ρ为偏心值；
构建的特征提取模型具体为：
其中，Vi为提取的特征信息；Xi为第i个数据；ρ为偏心值；m为提取期望值，定义为㏑2；Xj为非线性函数，且非线性函数为Xj=tan(1.5Xi)。
建立的递推模型目标函数为：
式中，D表示最优位置，L为位置距离数据，ρ为偏心值，S1表示第一递归系数，S2表示第二递归系数。
额外的，改进现有中的递推公式，获取第一递归系数过程为：
获取第一初始递归系数Cm，其表达式为：
式中，ρ为偏心值，M为正整数；
将Cm在m为0至M之间累计求和即获得第一递归系数S1＝C0+C1+C2+ ...+CM。
进一步地，第二递归系数的计算过程为：
获取第二初始递归系数Km，其表达式为：
式中，ρ为偏心值，M为正整数；
根据第一初始递归系数Cm和第二初始递归系数Km计算第二递归系数S2，得到S2＝-K0(C0+C1+C2+ ...+CM)-K1(C1+C2+ ...+CM)- ...-KM-1CM。
更进一步的，基于第一递归系数获取标准第二递归系数具体为：
需要明确是，此处的标准第二递归系数的获取过程中排除m=0的情况，暂不做考虑；
其中，S2 标为标准第二递归系数，ρ为偏心值，S1表示第一递归系数，ρdρ为基础积分运算。
获取第二递归系数及标准第二递归系数之间的状态点欧氏距离差值具体为：
其中，点S2 标（Xm，Ym，Zm）及S2（Xn，Yn，Zn），欧氏距离为Dmn，计算公式如下:
；需要明确的是，此处的欧式距离参照更多的还是体现在距离的差值方向上，在此不对三维及二维算力做出规定。
具体的，差值阈值定义为0.671*ln（ρ）。
定义，当第二递归系数不符合符合递推常态时，通过如下公式逐步对第二递归系数进行缩放，直至符合递推要求：
逐步完成对后续递推状态的完整性构图，通过上述获取符合条件的递推结果，依据结果显示的位置信息获取最优位置，实现5G基站的布局。
为了验证本发明提供的基于变电站资源部署5G基站的优化方法的技术效果，本实施例采用现有方案——一种基于变电站资源部署5G基站的优化方法、传统技术与本发明方法进行对比测试。
测试环境：网络使用频段：2515MHz——2675MHz，无人机型号：大疆M210(中国移动哈勃一号5G版)，手机终端型号：华为Mate20，分别利用相关操作进行基站方位部署测试并获得测试结果数据。
开启自动化测试设备并运用MATLB软件编程实现本方法的仿真测试，同时，根据实验结果得到仿真数据。每种方法各测试50组数据，计算获得每组基站最佳位置数据，与仿真模拟输入的实际位置信息进行对比计算误差，结果如下表1所示。
由上表可明确看出，本发明在提高提取准确性及完整性判别方向上具备优良效果。
本发明提供基于变电站资源部署5G基站的优化方法，通过对采集的资源数据进行内涵统一处理，形成不同类型数据之间的体系均衡，相较于现有技术，避免了信息提取过程中影响因子造成提取不准确的问题，而后本发明建立损失模型，通过获取的偏心值配合提取模型完成每一项统一数据项的信息提取，建立递推模型后获取第一递归系数及第二递归系数，通过第二递归系数及标准第二递归系数之间的状态点欧氏距离差值阈值判断第二递归系数是否符合递推常态，完成完整性检验，提高了递推过程的准确性，进一步提高了基站布局的适应性，解决了现有基于变电站资源部署5G基站的方式一方面建立的提取模型受到的影响因子过多，影响因子相互之间没有形成体系均衡，在算力过程中难免出现偏度过大的问题，另一方面，递推筛选过程中也没有通过完整性算法进行第一递推至第二递推的过程验证，所得出的第二递归系数的准确性难以实时保证的问题。
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精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.基于变电站资源部署5G基站的优化方法，其特征在于，包括如下步骤：
采集变电站资源数据，以csv格式存入处理云端，对所述资源数据进行数据预处理，获取资源数据集；
建立损失模型，将所述资源数据集纳入所述损失模型中，获取当前资源数据集的偏心值；
建立特征提取模型，依据所述偏心值对所述资源数据集中每一项数据进行提取特征信息；
基于所提取的特征信息数值建立递推模型，获取第一递归系数及第二递归系数；
基于所述第一递归系数获取标准第二递归系数；
获取所述第二递归系数及所述标准第二递归系数之间的状态点欧氏距离差值，通过级别定义的差值阈值判断所述第二递归系数是否符合递推常态；
逐步完成对后续递推状态的完整性构图，基于完整性构图实现5G基站的布局；
其中，对所述资源数据进行数据预处理具体包括：
获取变电站环境数据，通过以下公式获取环境内涵统一因子，依据所述环境内涵统一因子实现环境数据端的各数据特征统一：
其中，π为环境内涵统一因子、α为水位数据、β为站内流通日均电流量数据、γ为粉尘密度数据、δ大为最高温度数据、δ小为最低温度数据、k大为最大湿度数据、k小为最小湿度数据、x及dx为积分运算；
则，所述变电站环境数据统一成：最高温度πδ大、最低温度πδ小、最大湿度πk大、最小湿度πk小、站内流通日均电流量πβ、水位πα和粉尘密度πγ；
获取变电站属性数据，通过以下公式获取属性内涵统一因子，依据所述属性内涵统一因子实现属性数据端的特征统一：
其中，η为属性内涵统一因子、μ为额定电流数据、θ为额定电压数据、τ为额定负载数据、L为位置距离数据、ω为建筑结构力学性能值数据，x及dx为积分运算；
则，所述变电站属性数据统一成：额定电流ημ、额定电压ηθ、额定负载ητ、位置距离ηL及建筑结构力学性能值ηω；
其中，所述资源数据集具体包括内涵统一后的所述变电站环境数据及所述变电站属性数据；
其中，构建的所述损失模型具体为：
其中，ρ为偏心值，π/3为调整性函数输出值；
其中，建立所述特征提取模型时的提取参考量为：
其中，ρ为偏心值；
构建的所述特征提取模型具体为：
其中，Vi为提取的特征信息；Xi为第i个数据；ρ为偏心值；m为提取期望值，定义为㏑2；Xj为非线性函数，且所述非线性函数为Xj=tan(1.5Xi)；
其中，建立的递推模型目标函数为：
式中，D表示最优位置，L为位置距离数据，ρ为偏心值，S1表示第一递归系数，S2表示第二递归系数；
其中，基于所述第一递归系数获取所述标准第二递归系数具体为：
其中，S2 标为标准第二递归系数，ρ为偏心值，S1表示第一递归系数，ρdρ为基础积分运算；
其中，通过以下公式获取第二递归系数及标准第二递归系数之间的状态点欧氏距离差值：
；其中，点S2 标表示为（Xm，Ym，Zm）及点S2表示为（Xn，Yn，Zn），欧氏距离差值表示为Dmn；
同时，当第二递归系数不符合递推常态时，通过如下公式逐步对第二递归系数进行缩放，直至符合递推要求：
。
2.根据权利要求1所述的基于变电站资源部署5G基站的优化方法，其特征在于：所述资源数据包括变电站环境数据和变电站属性数据；
所述变电站环境数据选取影响基站传输信号及布局建设的数据，包括温度、湿度、站内流通日均电流量、水位和粉尘密度，其中，温度数据包括最高温度及最低温度，湿度数据包括最大湿度及最小湿度；
所述变电站属性数据包括承接运载的边缘数据中心系统的位置距离、额定电流、额定电压、额定负载和建筑结构力学性能值。
3.根据权利要求2所述的基于变电站资源部署5G基站的优化方法，其特征在于：所述差值阈值定义为0.671*ln（ρ）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310530546.7A CN116245260B (zh) | 2023-05-12 | 2023-05-12 | 基于变电站资源部署5g基站的优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310530546.7A CN116245260B (zh) | 2023-05-12 | 2023-05-12 | 基于变电站资源部署5g基站的优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116245260A CN116245260A (zh) | 2023-06-09 |
| CN116245260B true CN116245260B (zh) | 2023-08-08 |
Family
ID=86633515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310530546.7A Active CN116245260B (zh) | 2023-05-12 | 2023-05-12 | 基于变电站资源部署5g基站的优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116245260B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116669054B (zh) * | 2023-07-31 | 2023-12-12 | 国网湖北省电力有限公司 | 一种5g基站优化规划方法及存储介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101879526A (zh) * | 2009-04-11 | 2010-11-10 | 牛满科 | 基于单辊分解法偏心特征提取的轧机支撑辊偏心补偿方法 |
| CN104049755A (zh) * | 2014-06-18 | 2014-09-17 | 中国科学院自动化研究所 | 信息处理方法及装置 |
| CN110855004A (zh) * | 2019-11-28 | 2020-02-28 | 国网天津市电力公司 | 基于多站融合的智慧站一体化监控系统 |
| CN112243249A (zh) * | 2019-07-19 | 2021-01-19 | 大唐移动通信设备有限公司 | 5g nsa组网下lte新入网锚点小区参数配置方法和装置 |
| CN113011681A (zh) * | 2021-04-23 | 2021-06-22 | 广东电网有限责任公司江门供电局 | 一种基于变电站资源部署5g基站的优化方法及系统 |
| CN113449019A (zh) * | 2021-08-30 | 2021-09-28 | 帕特思科技咨询(杭州)有限公司 | 一种产业资源综合数字化平台搭建方法 |
| CN113688490A (zh) * | 2021-08-26 | 2021-11-23 | 中国联合网络通信集团有限公司 | 网络共建共享处理方法、装置、设备及存储介质 |
| CN113837202A (zh) * | 2021-09-06 | 2021-12-24 | 广州极飞科技股份有限公司 | 特征点的提取方法、图像的重建方法及装置 |
| CN114118083A (zh) * | 2021-12-02 | 2022-03-01 | 帕特思科技咨询(杭州)有限公司 | 一种产业资源信息匹配优化方法 |
| CN114821148A (zh) * | 2022-03-03 | 2022-07-29 | 中海华瑞智能科技(天津)有限公司 | 一种基于多模态特征融合的零样本学习分类方法及设备 |
| CN115052325A (zh) * | 2022-06-07 | 2022-09-13 | 华北电力大学（保定） | 适用于变电站业务的多频异构无线通信网络接入选择算法 |
| CN115062854A (zh) * | 2022-06-24 | 2022-09-16 | 帕特思科技咨询(杭州)有限公司 | 一种企业创新信息匹配项目的动态预估方法 |
| CN115270003A (zh) * | 2022-09-27 | 2022-11-01 | 创域智能(常熟)网联科技有限公司 | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 |
| CN115329245A (zh) * | 2022-07-22 | 2022-11-11 | 三峡大学 | 一种变电站内5g天线最优位置的选址方法 |
| CN115472235A (zh) * | 2022-09-19 | 2022-12-13 | 山东德礼科技发展有限公司 | 石油化工工艺流程模拟仿真方法及设计优化方法 |
| CN116049454A (zh) * | 2022-11-01 | 2023-05-02 | 齐鲁空天信息研究院 | 一种基于多源异构数据的智能搜索方法及系统 |
| CN116074317A (zh) * | 2023-02-20 | 2023-05-05 | 王春辉 | 一种基于大数据的业务资源共享方法及服务器 |
-
2023
- 2023-05-12 CN CN202310530546.7A patent/CN116245260B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101879526A (zh) * | 2009-04-11 | 2010-11-10 | 牛满科 | 基于单辊分解法偏心特征提取的轧机支撑辊偏心补偿方法 |
| CN104049755A (zh) * | 2014-06-18 | 2014-09-17 | 中国科学院自动化研究所 | 信息处理方法及装置 |
| CN112243249A (zh) * | 2019-07-19 | 2021-01-19 | 大唐移动通信设备有限公司 | 5g nsa组网下lte新入网锚点小区参数配置方法和装置 |
| CN110855004A (zh) * | 2019-11-28 | 2020-02-28 | 国网天津市电力公司 | 基于多站融合的智慧站一体化监控系统 |
| CN113011681A (zh) * | 2021-04-23 | 2021-06-22 | 广东电网有限责任公司江门供电局 | 一种基于变电站资源部署5g基站的优化方法及系统 |
| CN113688490A (zh) * | 2021-08-26 | 2021-11-23 | 中国联合网络通信集团有限公司 | 网络共建共享处理方法、装置、设备及存储介质 |
| CN113449019A (zh) * | 2021-08-30 | 2021-09-28 | 帕特思科技咨询(杭州)有限公司 | 一种产业资源综合数字化平台搭建方法 |
| CN113837202A (zh) * | 2021-09-06 | 2021-12-24 | 广州极飞科技股份有限公司 | 特征点的提取方法、图像的重建方法及装置 |
| CN114118083A (zh) * | 2021-12-02 | 2022-03-01 | 帕特思科技咨询(杭州)有限公司 | 一种产业资源信息匹配优化方法 |
| CN114821148A (zh) * | 2022-03-03 | 2022-07-29 | 中海华瑞智能科技(天津)有限公司 | 一种基于多模态特征融合的零样本学习分类方法及设备 |
| CN115052325A (zh) * | 2022-06-07 | 2022-09-13 | 华北电力大学（保定） | 适用于变电站业务的多频异构无线通信网络接入选择算法 |
| CN115062854A (zh) * | 2022-06-24 | 2022-09-16 | 帕特思科技咨询(杭州)有限公司 | 一种企业创新信息匹配项目的动态预估方法 |
| CN115329245A (zh) * | 2022-07-22 | 2022-11-11 | 三峡大学 | 一种变电站内5g天线最优位置的选址方法 |
| CN115472235A (zh) * | 2022-09-19 | 2022-12-13 | 山东德礼科技发展有限公司 | 石油化工工艺流程模拟仿真方法及设计优化方法 |
| CN115270003A (zh) * | 2022-09-27 | 2022-11-01 | 创域智能(常熟)网联科技有限公司 | 一种基于物联网平台行为数据挖掘的信息推荐方法及系统 |
| CN116049454A (zh) * | 2022-11-01 | 2023-05-02 | 齐鲁空天信息研究院 | 一种基于多源异构数据的智能搜索方法及系统 |
| CN116074317A (zh) * | 2023-02-20 | 2023-05-05 | 王春辉 | 一种基于大数据的业务资源共享方法及服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 基于LCD － ＲQA 的滚动轴承故障诊断与健康评估;周博，等;《测试与应用》(第5期);第35-42页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116245260A (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116245260B (zh) | 基于变电站资源部署5g基站的优化方法 | |
| CN113159488B (zh) | 一种低压台区拓扑辨识方法 | |
| CN112198375B (zh) | 单相用户的相位识别方法、装置、设备和存储介质 | |
| CN110601173B (zh) | 基于边缘计算的配网拓扑识别方法及装置 | |
| CN113176458B (zh) | 一种针对数据不完整的低压台区相户关系识别方法 | |
| CN115224694A (zh) | 分布式电源配电网电压协调控制方法、系统及电子设备 | |
| CN113011681A (zh) | 一种基于变电站资源部署5g基站的优化方法及系统 | |
| CN111951125A (zh) | 一种基于大数据分析的台区异常户变关系识别方法 | |
| CN112865090B (zh) | 一种基于生物体免疫机制的智能配电网故障恢复方法 | |
| CN112072708B (zh) | 一种提升电力系统风电消纳水平的方法 | |
| CN117555887A (zh) | 一种多源异构分布式光伏数据处理方法和装置、电子设备 | |
| CN107565549A (zh) | 一种基于同步相量量测的电力系统网络拓扑分析方法 | |
| CN116506273A (zh) | 新型mpsk调制信号识别分类方法 | |
| CN107425519B (zh) | 含分布式电源的三相配电网最大供电能力计算方法 | |
| CN106339567B (zh) | 一种基于系统阻抗的风电场闪变传递计算方法及其装置 | |
| CN113347384B (zh) | 一种基于时序表征学习的视频会议流量预测方法及系统 | |
| CN108271183B (zh) | 一种基于原始测量报告的邻区优化方法及装置 | |
| CN114910745A (zh) | 一种基于图卷积神经网络的配电网单相接地故障定位方法 | |
| Bassi et al. | Smart Meter Data and Operating Envelopes in LV Networks: A Model-Free Approach | |
| CN114355110A (zh) | 一种基于卷积神经网络的故障电流模式识别方法 | |
| CN112241403A (zh) | 一种典型场景的电能质量数据清洗方法及系统 | |
| CN114184890A (zh) | 一种多间隔录波数据传输方法、系统、装置及存储介质 | |
| CN113469419A (zh) | 一种商业楼宇用电量预测方法及系统 | |
| CN113555962A (zh) | 一种变电站自动化系统信息快速捕捉智能补全的方法 | |
| CN111610371A (zh) | 一种台区阻抗的实时计算方法 |
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 |