CN117610879A - 一种基于人工智能的城市配电网通信设施规划方法及系统 - Google Patents
一种基于人工智能的城市配电网通信设施规划方法及系统 Download PDFInfo
- Publication number
- CN117610879A CN117610879A CN202311737539.0A CN202311737539A CN117610879A CN 117610879 A CN117610879 A CN 117610879A CN 202311737539 A CN202311737539 A CN 202311737539A CN 117610879 A CN117610879 A CN 117610879A
- Authority
- CN
- China
- Prior art keywords
- planned
- planning
- communication facility
- sub
- area
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 402
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009826 distribution Methods 0.000 title claims abstract description 55
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000005265 energy consumption Methods 0.000 claims description 96
- 230000006399 behavior Effects 0.000 claims description 32
- 230000002776 aggregation Effects 0.000 claims description 30
- 238000004220 aggregation Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000009792 diffusion process Methods 0.000 claims description 5
- 238000012097 association analysis method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000007704 transition Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Biodiversity & Conservation Biology (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于人工智能的城市配电网通信设施规划方法及系统。该一种基于人工智能的城市配电网通信设施规划方法,包括以下步骤:待规划子区域获取;规划类型获取;初始化规划结果获取;通信设施规划结果获取;新增用户通信设施规划。本发明通过获取指定城市待规划目标区域的各待规划子区域,然后根据获取的各待规划子区域的规划类型规划各待规划子区域中的通信设施以获取对应的初始化规划结果,再结合计算的初始化规划结果中各通信子站点的工作参数指数进行修正得通信设施规划结果,最后获取通信设施规划危险位置进行规避,并对预设新增用户进行通信设施规划,提高了通信设施规划准确性,解决了现有技术中存在通信设施规划准确性低的问题。
Description
技术领域
本发明涉及配电网通信技术领域,尤其涉及一种基于人工智能的城市配电网通信设施规划方法及系统。
背景技术
智慧城市可以实时关联整个城市的信息并对其实现跨领域的整合协调,通过信息技术应用,提供人性化、智慧型城市服务,提高城市管理水平,使城市管理和城市发展变得更加互联化、智能化、物联化,能够实现市民服务需求的智能响应,大幅度提升市民居住环境和生活质量。发展智慧城市,通信系统是重要支撑,它是所有智能系统内部及系统间交流的桥梁,是各智慧系统高效运行的有力保障。城市配电网直接面向广大电力用户,是供电企业与电力用户联系的纽带。要实现人工智能的城市配电网,必须建立双向、高速、集成、可靠的通信系统,以实现城市配电网通讯设施的智能规划。
现有的城市配电网通信设施规划方法需要借助大量的数据以及专业人员的经验进行。
例如公开号为:CN115940418A的发明专利公开申请的一种基于人工智能的配电网数据处理方法及系统,包括:首先采用人工智能网关采集服务设备,对配电网中运行电能的各设备运行状态数据进行实时采集、存储,汇聚到采集配电网数据模块中;将采集配电网的数据信号,经过5G通信协议端口传输技术,传输到数据预处理模块的处理器中,进行数据信号的转换。
例如公开号为:CN111581760A的发明专利公开申请的一种配电网通信结构优化方法,包括:基于智能电子设备与主站服务器协调控制方案,对信息-物理融合的配电网进行信息系统的通信失效分析;结合故障处理过程,分析信息系统故障对物理系统的故障影响;根据通信失效分析结果及故障影响分析结果构建配电网可靠性评估模型;基于所述配电网可靠性评估模型对配电网进行可靠性评估,根据可靠性评估结果选取配电网通信结构。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中,城市配电网通信设施的规划未充分考虑其后期的运行能耗值,而运行能耗值与网络的结构、拓扑、传输方式、通信设施布设等因素密切相关,存在通信设施规划准确性低的问题。
发明内容
本申请实施例通过提供一种基于人工智能的城市配电网通信设施规划方法及系统,解决了现有技术中通信设施规划准确性低的问题,实现了通信设施规划准确性的提高。
本申请实施例提供了一种基于人工智能的城市配电网通信设施规划方法,包括以下步骤:S1,获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;S2,获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;S3,根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;S4,通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设施规划危险位置信息进行规避;S5,获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
进一步的,所述指定城市中的待规划子区域的具体获取过程如下:S11,获取训练好的基于深度学习网络的场景识别模型,并将获取的指定城市中待规划目标区域的地图资源数据信息输入到场景识别模型中进行编码学习,得到指定城市中待规划目标区域的地图资源数据信息中各场景类型的识别结果,根据各场景类型的识别结果提取出对应的各预设场景类型;S12,再根据指定城市中待规划目标区域的地图资源数据信息,通过建模软件绘制指定城市中待规划目标区域的待规划初始图纸,并获取各预设场景类型在指定城市中待规划目标区域的待规划初始图纸中对应的各区域位置;S13,将获取的各区域位置从指定城市中待规划目标区域的待规划初始图纸中剔除得到对应的待规划图纸,并重新对待规划图纸进行区域划分,生成指定城市中待规划目标区域的待规划子区域。
进一步的,所述指定城市中的待规划子区域的规划类型包括第一规划类型和第二规划类型,具体获取过程如下:S21,判断指定城市中的待规划子区域是否被规划:若待规划子区域未被规划过,则分类为第一规划子区域,并执行S22,否则分类为第二规划子区域,并执行S23;S22,获取该待规划子区域对应的通信设施规划数据信息,根据通信设施规划数据信息生成第一规划类型;S23,获取待规划子区域对应的历史通信设施规划数据信息,根据历史通信设施规划数据信息生成第二规划类型。
进一步的,所述各待规划子区域的初始化规划结果的具体获取过程如下:S31,判断获取的指定城市的各待规划子区域的规划类型是否为第一规划类型:如果是,则执行S32,否则执行S33;S32,初始化预设数量的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息以对通信设施规划的预设路径进行筛选,得到对应的通信设施规划的候选路径,并根据对应的地图资源数据信息获取通信子站点的预设位置信息;S33,获取该待规划子区域的历史通信设施规划数据信息得到对应的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息,进行识别后得到获取对应的通信设施规划的路径信息,并获取该待规划子区域中各指定用户请求的通信设施规划数据信息;S34,根据获取的各项数据信息,结合粒子群算法生成该待规划子区域的预设数量的通讯设施规划路线,计算该待规划子区域的各通讯设施规划路线的预估能耗值,并再次判断该待规划子区域的规划类型是否为第一规划类型,如果是,则执行S35,否则执行S36;S35,统计该待规划子区域的各通讯设施规划路线的预估能耗值得到对应的总预估能耗值,再结合该待规划子区域的参考能耗值阈值ΔECi通过第一能耗值指数公式计算第i个待规划子区域的第一能耗值指数OEIi,并对初始化的通信设施信息汇聚节点进行调整,直至第一能耗值指数为1,得到对应的初始化规划结果并输出,所述第一能耗值指数公式为其中e为自然常数,α为各通讯设施规划路线的总预估能耗值的修正因子,i为第一规划类型的待规划子区域的编号,ij为通信设施规划路线的编号,i=1,2,...,I,I为第一规划类型的待规划子区域的总个数,ij=i1,i2,...,iJ,iJ为第i个第一规划类型的待规划子区域的通信设施规划路线的总数量;S36,统计该待规划子区域的各通讯设施规划路线的预估能耗值/>通过第二能耗值指数公式计算第m个待规划子区域的第mn个通讯设施规划路线的第二能耗值指数/>所述第二能耗值指数公式为将第二能耗值指数为1的通讯设施规划路径的路径信息作为该待规划子区域的初始化规划结果并输出,其中m为第二规划类型的待规划子区域的编号,mn为对应的通信设施规划路线的编号,m=1,2,...,M,M为第二规划类型的待规划子区域的总个数,mn=m1,m2,...,mN,mN为第m个第二规划类型的待规划子区域的通信设施规划路线的总数量。
进一步的,所述预设数量的通信设施信息汇聚节点的初始化具体如下:步骤一,获取待规划子区域中各预设地图资源数据信息所在的位置,通过遥感技术获取预设时间段内对应的人流量数据,并将获取的人流量数据存储于预设的区块链中;步骤二,将预设的区块链中存储的人流量数据输入到基于长短期记忆算法构建的用户行为偏好模型中,获取预设时间段内第i个待规划子区域中各预设地图资源数据信息所在的位置的用户行为偏好程度数据结合预设用户行为偏好程度数据ΔUBi通过行为偏好程度分数公式计算第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数所述行为偏好程度分数公式为/>其中γ为用户行为偏好程度数据的修正因子,ih=i1,i2,...,iH,iH为第i个待规划子区域的预设地图资源数据信息的总个数;步骤三,获取第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数/>为0对应的预设地图资源数据信息,该预设地图资源数据信息所在的位置为该待规划子区域的通信设施信息汇聚节点。
进一步的,所述该待规划子区域的各通讯设施规划路线的预估能耗值的具体计算过程如下:步骤一,获取该待规划子区域的各通信设施规划路线上的通信设施在各预设温度下单位时间耗能数据,并将获取的数据存储到构建的耗能信息数据库中;步骤二,获取该待规划子区域的各通讯设施规划路线,并通过对各通讯设施规划路线的预设范围区域进行热气管道检索,得到对应的各热气管道规划路径图;步骤三,对得到的各热气管道规划路径图进行热扩散预演,获取热气管道在预设范围之内的预估温度空间分布数据,并根据预估温度空间分布数据得到对应的通讯设施规划路线的温度信息;步骤四,将得到的各通讯设施规划路线的温度信息输入到耗能信息数据库中进行数据匹配,获取第一单位时间预估耗能数据信息,并获取各预设时段中的通信设施埋设位置的温度信息;步骤五,根据各预设时段中的通信设施埋设位置的温度信息以及耗能信息数据库获取第二单位时间预估耗能数据信息,统计第一单位时间预估耗能数据信息和第二单位时间预估耗能数据信息,得到该待规划子区域的各通讯设施规划路线的预估能耗值。
进一步的,所述指定城市的各待规划子区域的通信设施规划结果的具体获取过程如下:S41,获取第t个待规划子区域的初始化规划结果中第ts个通信设施信息汇聚节点的用户个数通信子站点个数/>信号强度数据/>数据传输速率数据/>和信号覆盖范围数据/>结合参考信号强度数据ΔXSt、数据传输速率数据ΔTRt和信号覆盖范围数据ΔSCt通过工作参数公式计算出对应的初始化规划结果中通信设施信息汇聚节点的通信子站点的平均工作参数数据/>所述工作参数公式为
其中t=1,2,...,T,T为指定城市中待规划目标区域的待规划子区域的总个数,且T=M+I,ts=t1,t2,...,tS,tS为第t个待规划子区域的通信设施信息汇聚节点的总个数,和/>分别为通过客观赋权法确定的平均用户密度、信号强度数据偏差、数据传输速率数据偏差和信号覆盖范围数据偏差的权重因子,β、χ、δ和ε分别为平均用户密度、信号强度数据、数据传输速率数据和信号覆盖范围数据的修正因子;S42,结合通信设施规划的预设工作参数数据ΔAWPt,通过工作参数指数公式计算第t个待规划子区域的第tS个通信设施信息汇聚节点的通信子站点的工作参数指数/>所述工作参数指数公式为S43,判断计算的第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数是否为不小于1的整数:若第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数为不小于1的整数,则将对应的初始化规划结果作为最终的规划结果进行输出;否则重新选取新的通信设施信息汇聚节点来规划新的通信设施规划的路径信息,直至对应的工作参数指数为不小于1的整数,得到对应待规划区域最终的通信设施规划结果。
进一步的,所述各待规划子区域的通信设施规划危险位置信息的具体获取过程如下:步骤一,获取各待规划子区域中各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息;步骤二,通过灰色关联分析法分析所述各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息之间的关联程度信息;步骤三,获取关联程度信息大于预设关联程度的用户所在位置信息,生成危险位置信息,并获取该位置信息处在预设时间段内的施工工程情况,当该位置信息处在预设时间段内存在施工工程信息时,则将对应位置信息作为危险位置信息进行输出。
进一步的,所述各预设新增用户进行通信设施规划的具体过程如下:S51,获取指定城市中待规划目标区域的预设新增用户数量NU以及待规划目标区域所在的地理位置信息,并根据地理位置信息检索对应的通信设施规划结果;S52,基于检索的通信设施规划结果获取对应的通信基站可容纳的剩余用户个数数据ΔNU,通过用户数量偏差指数公式计算待规划目标区域的新增用户数量偏差指数UB,所述用户数量偏差指数公式为其中γ为通信基站可容纳的剩余用户个数数据的修正因子;S53,计算出待规划目标区域所在的地理位置信息与对应的通信设施规划结果中规划的各通信基站所在地理位置之间的距离值并进行从小到大的排序,根据获取的距离优先级排序结果对预设新增用户进行通信设施规划,并判断待规划目标区域的新增用户数量偏差指数是否小于1:如果不是,执行S54;S54,计算预设新增用户数量中剩余的待规划的预设新增用户数量,并根据剩余待规划的预设新增用户数量增加新的通信基站。
本申请实施例提供了一种一种基于人工智能的城市配电网通信设施规划系统,所述一种基于人工智能的城市配电网通信设施规划系统包括待规划子区域获取模块、规划类型获取模块、初始化规划结果获取模块、通信设施规划结果获取模块和新增用户通信设施规划模块:其中,所述待规划子区域获取模块用于获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;所述规划类型获取模块用于获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;所述初始化规划结果获取模块用于根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;所述通信设施规划结果获取模块用于通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设置规划危险位置信息进行规避;所述新增用户通信设施规划模块用于获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、通过获取的指定城市中待规划目标区域的地图资源数据信息,并结合基于深度学习网络的场景识别模型和建模软件得到对应的各待规划子区域,然后获取各待规划子区域的通信设施规划数据信息得到对应的规划类型,接着根据规划类型的不同对各待规划子区域中的通信设施进行初始化规划获取对应的初始化规划结果,再结合计算的初始化规划结果中各通信子站点的工作参数指数对初始化规划结果进行修正,得到通信设施规划结果,最后获取通信设施规划危险位置进行规避,并对预设新增用户进行通信设施规划,从而实现了通信设施的准确规划,进而实现了通信设施规划准确性的提高,有效解决了现有技术中通信设施规划准确性低的问题。
2、通过获取第一规划类型的待规划子区域中各预设地图资源数据信息所在的位置,然后通过遥感技术获取预设时间段内对应的人流量数据,并结合长短期记忆算法构建的用户行为偏好模型得到各预设地图资源数据信息所在的位置的用户行为偏好程度数据和预设用户行为偏好程度数据得到对应的用户行为偏好程度分数,接着根据计算的用户行为偏好程度分数得到第一规划类型的各待规划子区域的通信设施信息汇聚节点,最后结合参考能耗值阈值和总预估能耗值计算第一能耗值指数,并根据第一能耗值指数对通信设施信息汇聚结点进行调整得到对应的初始化规划结果,从而实现了合理的初始化规划第一规划类型的待规划子区域的通信设施,进而实现了第一规划类型的待规划子区域通信设施规划准确性的提高。
3、通过获取待规划子区域的初始化规划结果中各通信设施信息汇聚结点的用户个数、通信子站点个数、信号强度数据、数据传输速率数据和信号覆盖范围数据,并结合对应的参考数据计算各通信设施信息汇聚节点的通信子站点的平均工作参数,然后结合通信设施规划的预设工作参数数据,计算对应的工作参数指数,接着对于计算的工作参数指数小于1的待规划子区域,重新选择通信设施信息汇聚节点直至对应的工作参数指数不小于1,得到待规划子区域的通信设施规划结果,再结合灰色关联分析法获取各待规划子区域的通信设施规划危险位置,最后根据结合待规划子区域的预设新增用户数量计算的对应的新增用户数量偏差指数来进行预设新增用户的通信设施规划,从而实现了城市配电网通信设施的全面规划,进而实现了更全面的进行通信设施规划。
附图说明
图1为本申请实施例提供的一种基于人工智能的城市配电网通信设施规划方法流程图;
图2为本申请实施例提供的待规划子区域的各通讯设施规划路线的预估能耗值的计算流程图;
图3为本申请实施例提供的一种基于人工智能的城市配电网通信设施规划系统的结构示意图。
具体实施方式
本申请实施例通过提供一种基于人工智能的城市配电网通信设施规划方法及系统,解决了现有技术中通信设施规划准确性低的问题,通过获取指定城市中待规划目标区域的地图资源数据信息,并结合基于深度学习网络的场景识别模型和建模软件进行区域划分获取待规划子区域,然后获取待规划子区域的通信设施规划数据信息,根据待规划子区域是否被规划进行规划类型划分获取对应的规划类型,接着根据待规划子区域的规划类型结合对应的各地图资源数据信息进行初始化规划,获取各规划子区域的初始化规划结果,再结合各待规划子区域的初始化规划结果中各通信设施信息汇聚节点的用户个数、通信子站点个数、信号轻度数据、数据传输速率数据和信号覆盖范围数据计算对应通信设施信息汇聚节点的通信子站点的平均工作参数数据,并根据进一步得到对应的工作参数指数对初始化规划结果进行修正,得到通信设施规划结果,最后结合灰色关联分析法得到的通信设施规划危险位置以对规避危险,并对预设新增用户进行通信设施规划,实现了通信设施规划准确性的提高。
本申请实施例中的技术方案为解决上述通信设施规划准确性低的问题,总体思路如下:
通过获取的指定城市中待规划目标区域的地图资源数据信息得到对应的各待规划子区域,然后获取各待规划子区域的通信设施规划数据信息得到对应的规划类型,接着根据规划类型对各待规划子区域中的通信设施进行初始化规划获取对应的初始化规划结果,再结合计算的初始化规划结果中各通信子站点的工作参数指数对初始化规划结果进行修正,得到通信设施规划结果,最后获取通信设施规划危险位置进行规避,并对预设新增用户进行通信设施规划,达到了提高通信设施规划准确性的效果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示,为本申请实施例提供的一种基于人工智能的城市配电网通信设施规划方法流程图,该方法应用于一种基于人工智能的城市配电网通信设施规划系统中,该方法包括以下步骤:S1,待规划子区域获取:获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;S2,规划类型获取:获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;S3,初始化规划结果获取:根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;S4,通信设施规划结果获取:通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设施规划危险位置信息进行规避;S5,新增用户通信设施规划:获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
在本实施例中,地图资源数据信息是指如天然公园、河道、人行道、相关楼宇等地图资源数据;通信设施规划数据信息通常指的是有关通信基础设施和网络的规划、设计、部署和维护方面的数据和信息,这些数据和信息对于建设和运营通信网络至关重要,能够帮助通信运营商、网络工程师和政府机构做出明智的决策,确保网络的可靠性、性能和覆盖范围;实现了更准确的规划通信设施。
进一步的,指定城市中的待规划子区域的具体获取过程如下:S11,获取训练好的基于深度学习网络的场景识别模型,并将获取的指定城市中待规划目标区域的地图资源数据信息输入到场景识别模型中进行编码学习,得到指定城市中待规划目标区域的地图资源数据信息中各场景类型的识别结果,根据各场景类型的识别结果提取出对应的各预设场景类型;S12,再根据指定城市中待规划目标区域的地图资源数据信息,通过建模软件绘制指定城市中待规划目标区域的待规划初始图纸,并获取各预设场景类型在指定城市中待规划目标区域的待规划初始图纸中对应的各区域位置;S13,将获取的各区域位置从指定城市中待规划目标区域的待规划初始图纸中剔除得到对应的待规划图纸,并重新对待规划图纸进行区域划分,生成指定城市中待规划目标区域的待规划子区域。
在本实施例中,深度学习网络可以是卷积神经网络、循环神经网络等算法,其中该深度学习网络的第一层为输入,最后一层为输出,并在中间设置有设有多个隐藏层,它能够计算出一系列事件间相似转变的变化,每层神经元的活动是下一层的非线性函数;预设场景类型为主要干道、天然公园、河道、行政区域分界道路等,通过筛选出该类场景信息,能够有效减少跨越大型边界的光缆铺设施工,实现了通信设施故障修复难度的降低。
进一步的,指定城市中的待规划子区域的规划类型包括第一规划类型和第二规划类型,具体获取过程如下:S21,判断指定城市中的待规划子区域是否被规划:若待规划子区域未被规划过,则分类为第一规划子区域,并执行S22,否则分类为第二规划子区域,并执行S23;S22,获取该待规划子区域对应的通信设施规划数据信息,根据通信设施规划数据信息生成第一规划类型;S23,获取待规划子区域对应的历史通信设施规划数据信息,根据历史通信设施规划数据信息生成第二规划类型。
在本实施例中,在待规划子区域中很可能存在曾经或者已经规划过通信设施的区域以及未规划过任何通信设施的区域,其中在曾经或者已经规划过通信设施的区域为已规划过的规划类型,记为第二规划类型,未规划过任何通信设施的区域为未规划过的规划类型,记为第一规划类型;实现了待规划区域的更精确划分。
进一步的,各待规划子区域的初始化规划结果的具体获取过程如下:S31,判断获取的指定城市的各待规划子区域的规划类型是否为第一规划类型:如果是,则执行S32,否则执行S33;S32,初始化预设数量的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息以对通信设施规划的预设路径进行筛选,得到对应的通信设施规划的候选路径,并根据对应的地图资源数据信息获取通信子站点的预设位置信息;S33,获取该待规划子区域的历史通信设施规划数据信息得到对应的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息,进行识别后得到获取对应的通信设施规划的路径信息,并获取该待规划子区域中各指定用户请求的通信设施规划数据信息;S34,根据获取的各项数据信息,结合粒子群算法生成该待规划子区域的预设数量的通讯设施规划路线,计算该待规划子区域的各通讯设施规划路线的预估能耗值,并再次判断该待规划子区域的规划类型是否为第一规划类型,如果是,则执行S35,否则执行S36;S35,统计该待规划子区域的各通讯设施规划路线的预估能耗值得到对应的总预估能耗值,再结合该待规划子区域的参考能耗值阈值ΔECi通过第一能耗值指数公式计算第i个待规划子区域的第一能耗值指数OEIi,并对初始化的通信设施信息汇聚节点进行调整,直至第一能耗值指数为1,得到对应的初始化规划结果并输出,第一能耗值指数公式为/>其中e为自然常数,α为各通讯设施规划路线的总预估能耗值的修正因子,i为第一规划类型的待规划子区域的编号,ij为通信设施规划路线的编号,i=1,2,...,I,I为第一规划类型的待规划子区域的总个数,ij=i1,i2,...,iJ,iJ为第i个第一规划类型的待规划子区域的通信设施规划路线的总数量;S36,统计该待规划子区域的各通讯设施规划路线的预估能耗值通过第二能耗值指数公式计算第m个待规划子区域的第mn个通讯设施规划路线的第二能耗值指数/>第二能耗值指数公式为/>将第二能耗值指数为1的通讯设施规划路径的路径信息作为该待规划子区域的初始化规划结果并输出,其中m为第二规划类型的待规划子区域的编号,mn为对应的通信设施规划路线的编号,m=1,2,...,M,M为第二规划类型的待规划子区域的总个数,mn=m1,m2,...,mN,mN为第m个第二规划类型的待规划子区域的通信设施规划路线的总数量。
在本实施例中,由于汇聚节点汇聚了很多通信设施如通信电缆等,通信设施信息汇聚节点的选择位置不同就会导致不同的通讯设施规划路线,因此,通过对通信设施信息汇聚节点进行调整,直至通讯设施规划路线的总预估能耗值低于能耗值阈值信息;对于第一规划类型的待规划子区域而言,当总预估能耗值低于参考能耗值阈值时,对应的第一能耗值指数为1;对于第二规划类型的待规划子区域而言,选取最小预估能耗值的通信设施规划的路径信息作为初始化规划结果输出,对应的第二能耗值指数为1;对于第二规划类型的待规划子区域而言,考虑到经济型原则,往往仅仅只需要考虑增加的通信子站点的位置,而增加的通信子站点的位置与现有的通信设施信息汇聚节点密切相关;由于用户的需求不同,各待规划子区域中可能存在一个或者多个通信设施信息汇聚节点;实现了通信设施规划合理性的提高。
进一步的,预设数量的通信设施信息汇聚节点的初始化具体如下:步骤一,获取待规划子区域中各预设地图资源数据信息所在的位置,通过遥感技术获取预设时间段内对应的人流量数据,并将获取的人流量数据存储于预设的区块链中;步骤二,将预设的区块链中存储的人流量数据输入到基于长短期记忆算法构建的用户行为偏好模型中,获取预设时间段内第i个待规划子区域中各预设地图资源数据信息所在的位置的用户行为偏好程度数据结合预设用户行为偏好程度数据ΔUBi通过行为偏好程度分数公式计算第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数/>行为偏好程度分数公式为/>其中γ为用户行为偏好程度数据的修正因子,ih=i1,i2,...,iH,iH为第i个待规划子区域的预设地图资源数据信息的总个数;步骤三,获取第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数/>为0对应的预设地图资源数据信息,该预设地图资源数据信息所在的位置为该待规划子区域的通信设施信息汇聚节点。
在本实施例中,通信设施信息汇聚节点为区域内配自站点通信通道的汇聚站点,一般要求其通往设计的接入变电站有直连光缆通道或仅一次跳接点。同时该节点应为条件较好的公共开闭所、总所,且尽量保证为地上站点;站点环境较好、面积较大,能为后续运维、施工提供足够的便利,为设备、光配安装提供足够空间;尽量选取人流较少的位置点作为通信设施信息汇聚节点,这样就能减少通信设施维护时对居民的干扰而且维护方便;其中,预定地图资源数据信息主要为在子区域中的人行道,但亦可以是其他的场景类型,并不仅仅只限于人行道;长短期记忆算法(Long Short Term Memory,LSTM)是一种特殊的递归神经网络算法,可以利用时间序列对输入进行分析;实现了通信设施干扰性的降低。
进一步的,如图2所示,为本申请实施例提供的待规划子区域的各通讯设施规划路线的预估能耗值的计算流程图,该待规划子区域的各通讯设施规划路线的预估能耗值的具体计算过程如下:步骤一,获取该待规划子区域的各通信设施规划路线上的通信设施在各预设温度下单位时间耗能数据,并将获取的数据存储到构建的耗能信息数据库中;步骤二,获取该待规划子区域的各通讯设施规划路线,并通过对各通讯设施规划路线的预设范围区域进行热气管道检索,得到对应的各热气管道规划路径图;步骤三,对得到的各热气管道规划路径图进行热扩散预演,获取热气管道在预设范围之内的预估温度空间分布数据,并根据预估温度空间分布数据得到对应的通讯设施规划路线的温度信息;步骤四,将得到的各通讯设施规划路线的温度信息输入到耗能信息数据库中进行数据匹配,获取第一单位时间预估耗能数据信息,并获取各预设时段中的通信设施埋设位置的温度信息;步骤五,根据各预设时段中的通信设施埋设位置的温度信息以及耗能信息数据库获取第二单位时间预估耗能数据信息,统计第一单位时间预估耗能数据信息和第二单位时间预估耗能数据信息,得到该待规划子区域的各通讯设施规划路线的预估能耗值。
在本实施例中,由于温度对通信设施的单位时间之内的能耗值影响较大,一般而言,在北方在地下中埋设有热气管道,而热气管道能够影响周围的土壤温度,这样就会进一步影响了通讯设施规划路线的能耗值;可通过热扩散模拟软件对热气管道的规划路径图进行热扩散模拟预演;实现了通讯设施规划路线规划准确性的提高。
进一步的,指定城市的各待规划子区域的通信设施规划结果的具体获取过程如下:S41,获取第t个待规划子区域的初始化规划结果中第ts个通信设施信息汇聚节点的用户个数通信子站点个数/>信号强度数据/>数据传输速率数据/>和信号覆盖范围数据/>结合参考信号强度数据ΔXSt、数据传输速率数据ΔTRt和信号覆盖范围数据ΔSCt通过工作参数公式计算出对应的初始化规划结果中通信设施信息汇聚节点的通信子站点的平均工作参数数据/>工作参数公式为其中t=1,2,...,T,T为指定城市中待规划目标区域的待规划子区域的总个数,且T=M+I,ts=t1,t2,...,tS,tS为第t个待规划子区域的通信设施信息汇聚节点的总个数,/>和/>分别为通过客观赋权法确定的平均用户密度、信号强度数据偏差、数据传输速率数据偏差和信号覆盖范围数据偏差的权重因子,β、χ、δ和ε分别为平均用户密度、信号强度数据、数据传输速率数据和信号覆盖范围数据的修正因子;S42,结合通信设施规划的预设工作参数数据ΔAWPt,通过工作参数指数公式计算第t个待规划子区域的第tS个通信设施信息汇聚节点的通信子站点的工作参数指数/>工作参数指数公式为/>S43,判断计算的第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数是否为不小于1的整数:若第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数为不小于1的整数,则将对应的初始化规划结果作为最终的规划结果进行输出;否则重新选取新的通信设施信息汇聚节点来规划新的通信设施规划的路径信息,直至对应的工作参数指数为不小于1的整数,得到对应待规划区域最终的通信设施规划结果。
在本实施例中,工作参数信息中包括通信设施汇聚节点的负载信息、通信设施运行时的通信传输速度信息等;通信设施规划的预设工作参数数据与工作参数数据相对应,为相应本领域技术人员所设定的参数阈值;当通信子站点的平均工作参数数据大于预设工作参数数据时,对应的工作参数指数为不小于1的整数;实现了后续更灵活的增加通信子站点。
进一步的,各待规划子区域的通信设施规划危险位置信息的具体获取过程如下:步骤一,获取各待规划子区域中各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息;步骤二,通过灰色关联分析法分析所述各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息之间的关联程度信息;步骤三,获取关联程度信息大于预设关联程度的用户所在位置信息,生成危险位置信息,并获取该位置信息处在预设时间段内的施工工程情况,当该位置信息处在预设时间段内存在施工工程信息时,则将对应位置信息作为危险位置信息进行输出。
在本实施例中,通网工作参数数据信息可以理解为用户接入网络的情况;灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法;当关联程度信息大于预设关联程度,说明关联程度信息大于预设关联程度所在位置信息为最有可能故障的位置信息,即危险位置,进而通过施工工程信息的进一步联合评估,使得能够快速地寻找出故障位置;实现了通信设施维护效率的提高。
进一步的,各预设新增用户进行通信设施规划的具体过程如下:S51,获取指定城市中待规划目标区域的预设新增用户数量NU以及待规划目标区域所在的地理位置信息,并根据地理位置信息检索对应的通信设施规划结果;S52,基于检索的通信设施规划结果获取对应的通信基站可容纳的剩余用户个数数据ΔNU,通过用户数量偏差指数公式计算待规划目标区域的新增用户数量偏差指数UB,用户数量偏差指数公式为其中γ为通信基站可容纳的剩余用户个数数据的修正因子;S53,计算出待规划目标区域所在的地理位置信息与对应的通信设施规划结果中规划的各通信基站所在地理位置之间的距离值并进行从小到大的排序,根据获取的距离优先级排序结果对预设新增用户进行通信设施规划,并判断待规划目标区域的新增用户数量偏差指数是否小于1:如果不是,执行S54;S54,计算预设新增用户数量中剩余的待规划的预设新增用户数量,并根据剩余待规划的预设新增用户数量增加新的通信基站。
在本实施例中,当预设新增用户数量小于对应的通信基站实际可容纳的剩余用户个数数据时,对应的新增用户数量偏差指数小于1,否则代表通信基站数量不够,需要增加新的通信基站;通信基站是通信网络中的重要设备,用于提供无线信号覆盖和通信服务,通常由天线、无线传输设备和基站控制器组成;通信基站负责与用户设备进行无线信号的交互,并将用户数据传输到核心网络,它可以是蜂窝网络中的移动通信基站,或者是无线局域网中的接入点;实现了通信设施布设合理性的提高。
如图3所示,为本申请实施例提供的一种基于人工智能的城市配电网通信设施规划系统的结构示意图,本申请实施例提供的一种基于人工智能的城市配电网通信设施规划系统包括待规划子区域获取模块、规划类型获取模块、初始化规划结果获取模块、通信设施规划结果获取模块和新增用户通信设施规划模块:其中,待规划子区域获取模块用于获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;规划类型获取模块用于获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;初始化规划结果获取模块用于根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;通信设施规划结果获取模块用于通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设置规划危险位置信息进行规避;新增用户通信设施规划模块用于获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
在本实施例中,城市配电网通信设施规划需要注意几个方面:第一,配网规划既要切合实际,又要适当超前,应具有前瞻性、可靠性和可操作性;第二,正确处理近期建设与远期发展关系,同时还要考虑社会、经济、环境的综合效益;第三,配网规划要充分考虑110kV及以上电压等级的主网规划,切实考虑110kV变电站之间的10kV环网的重要性;第四,规划结果应得到城建规划部门认可,纳入城市建设总体规划,才能顺利实施;实现了更全面的规划城市通信设施。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:相对于公开号为:CN115940418A公开申请的一种基于人工智能的配电网数据处理方法及系统,本申请实施例通过获取第一规划类型的待规划子区域中各预设地图资源数据信息所在的位置,然后通过遥感技术获取预设时间段内对应的人流量数据,并结合长短期记忆算法构建的用户行为偏好模型得到各预设地图资源数据信息所在的位置的用户行为偏好程度数据和预设用户行为偏好程度数据得到对应的用户行为偏好程度分数,接着根据计算的用户行为偏好程度分数得到第一规划类型的各待规划子区域的通信设施信息汇聚节点,最后结合参考能耗值阈值和总预估能耗值计算第一能耗值指数,并根据第一能耗值指数对通信设施信息汇聚结点进行调整得到对应的初始化规划结果,从而实现了合理的初始化规划第一规划类型的待规划子区域的通信设施,进而实现了第一规划类型的待规划子区域通信设施规划准确性的提高;相对于公开号为:CN111581760A公开申请的一种配电网通信结构优化方法,本申请实施例通过获取待规划子区域的初始化规划结果中各通信设施信息汇聚结点的用户个数、通信子站点个数、信号强度数据、数据传输速率数据和信号覆盖范围数据,并结合对应的参考数据计算各通信设施信息汇聚节点的通信子站点的平均工作参数,然后结合通信设施规划的预设工作参数数据,计算对应的工作参数指数,接着对于计算的工作参数指数小于1的待规划子区域,重新选择通信设施信息汇聚节点直至对应的工作参数指数不小于1,得到待规划子区域的通信设施规划结果,再结合灰色关联分析法获取各待规划子区域的通信设施规划危险位置,最后根据结合待规划子区域的预设新增用户数量计算的对应的新增用户数量偏差指数来进行预设新增用户的通信设施规划,从而实现了城市配电网通信设施的全面规划,进而实现了更全面的进行通信设施规划。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。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和/或方框图一个方框或多个方框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和/或方框图一个方框或多个方框中指定的功能。
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和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于人工智能的城市配电网通信设施规划方法,其特征在于,包括以下步骤:
S1,获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;
S2,获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;
S3,根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;
S4,通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设施规划危险位置信息进行规避;
S5,获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
2.如权利要求1所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述指定城市中的待规划子区域的具体获取过程如下:
S11,获取训练好的基于深度学习网络的场景识别模型,并将获取的指定城市中待规划目标区域的地图资源数据信息输入到场景识别模型中进行编码学习,得到指定城市中待规划目标区域的地图资源数据信息中各场景类型的识别结果,根据各场景类型的识别结果提取出对应的各预设场景类型;
S12,再根据指定城市中待规划目标区域的地图资源数据信息,通过建模软件绘制指定城市中待规划目标区域的待规划初始图纸,并获取各预设场景类型在指定城市中待规划目标区域的待规划初始图纸中对应的各区域位置;
S13,将获取的各区域位置从指定城市中待规划目标区域的待规划初始图纸中剔除得到对应的待规划图纸,并重新对待规划图纸进行区域划分,生成指定城市中待规划目标区域的待规划子区域。
3.如权利要求2所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述指定城市中的待规划子区域的规划类型包括第一规划类型和第二规划类型,具体获取过程如下:
S21,判断指定城市中的待规划子区域是否被规划:若待规划子区域未被规划过,则分类为第一规划子区域,并执行S22,否则分类为第二规划子区域,并执行S23;
S22,获取该待规划子区域对应的通信设施规划数据信息,根据通信设施规划数据信息生成第一规划类型;
S23,获取待规划子区域对应的历史通信设施规划数据信息,根据历史通信设施规划数据信息生成第二规划类型。
4.如权利要求3所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述各待规划子区域的初始化规划结果的具体获取过程如下:
S31,判断获取的指定城市的各待规划子区域的规划类型是否为第一规划类型:如果是,则执行S32,否则执行S33;
S32,初始化预设数量的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息以对通信设施规划的预设路径进行筛选,得到对应的通信设施规划的候选路径,并根据对应的地图资源数据信息获取通信子站点的预设位置信息;
S33,获取该待规划子区域的历史通信设施规划数据信息得到对应的通信设施信息汇聚节点,同时获取该待规划子区域的各地图资源数据信息,进行识别后得到获取对应的通信设施规划的路径信息,并获取该待规划子区域中各指定用户请求的通信设施规划数据信息;
S34,根据获取的各项数据信息,结合粒子群算法生成该待规划子区域的预设数量的通讯设施规划路线,计算该待规划子区域的各通讯设施规划路线的预估能耗值,并再次判断该待规划子区域的规划类型是否为第一规划类型,如果是,则执行S35,否则执行S36;
S35,统计该待规划子区域的各通讯设施规划路线的预估能耗值得到对应的总预估能耗值,再结合该待规划子区域的参考能耗值阈值ΔECi通过第一能耗值指数公式计算第i个待规划子区域的第一能耗值指数OEIi,并对初始化的通信设施信息汇聚节点进行调整,直至第一能耗值指数为1,得到对应的初始化规划结果并输出,所述第一能耗值指数公式为/>其中e为自然常数,α为各通讯设施规划路线的总预估能耗值的修正因子,i为第一规划类型的待规划子区域的编号,ij为通信设施规划路线的编号,i=1,2,...,I,I为第一规划类型的待规划子区域的总个数,ij=i1,i2,...,iJ,iJ为第i个第一规划类型的待规划子区域的通信设施规划路线的总数量;
S36,统计该待规划子区域的各通讯设施规划路线的预估能耗值通过第二能耗值指数公式计算第m个待规划子区域的第mn个通讯设施规划路线的第二能耗值指数所述第二能耗值指数公式为/>将第二能耗值指数为1的通讯设施规划路径的路径信息作为该待规划子区域的初始化规划结果并输出,其中m为第二规划类型的待规划子区域的编号,mn为对应的通信设施规划路线的编号,m=1,2,...,M,M为第二规划类型的待规划子区域的总个数,mn=m1,m2,...,mN,mN为第m个第二规划类型的待规划子区域的通信设施规划路线的总数量。
5.如权利要求4所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述预设数量的通信设施信息汇聚节点的初始化具体如下:
步骤一,获取待规划子区域中各预设地图资源数据信息所在的位置,通过遥感技术获取预设时间段内对应的人流量数据,并将获取的人流量数据存储于预设的区块链中;
步骤二,将预设的区块链中存储的人流量数据输入到基于长短期记忆算法构建的用户行为偏好模型中,获取预设时间段内第i个待规划子区域中各预设地图资源数据信息所在的位置的用户行为偏好程度数据结合预设用户行为偏好程度数据ΔUBi通过行为偏好程度分数公式计算第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数/>所述行为偏好程度分数公式为/>其中γ为用户行为偏好程度数据的修正因子,ih=i1,i2,...,iH,iH为第i个待规划子区域的预设地图资源数据信息的总个数;
步骤三,获取第i个待规划子区域的第ih个预设地图资源数据信息所在的位置的用户行为偏好程度分数为0对应的预设地图资源数据信息,该预设地图资源数据信息所在的位置为该待规划子区域的通信设施信息汇聚节点。
6.如权利要求5所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述该待规划子区域的各通讯设施规划路线的预估能耗值的具体计算过程如下:
步骤一,获取该待规划子区域的各通信设施规划路线上的通信设施在各预设温度下单位时间耗能数据,并将获取的数据存储到构建的耗能信息数据库中;
步骤二,获取该待规划子区域的各通讯设施规划路线,并通过对各通讯设施规划路线的预设范围区域进行热气管道检索,得到对应的各热气管道规划路径图;
步骤三,对得到的各热气管道规划路径图进行热扩散预演,获取热气管道在预设范围之内的预估温度空间分布数据,并根据预估温度空间分布数据得到对应的通讯设施规划路线的温度信息;
步骤四,将得到的各通讯设施规划路线的温度信息输入到耗能信息数据库中进行数据匹配,获取第一单位时间预估耗能数据信息,并获取各预设时段中的通信设施埋设位置的温度信息;
步骤五,根据各预设时段中的通信设施埋设位置的温度信息以及耗能信息数据库获取第二单位时间预估耗能数据信息,统计第一单位时间预估耗能数据信息和第二单位时间预估耗能数据信息,得到该待规划子区域的各通讯设施规划路线的预估能耗值。
7.如权利要求6所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述指定城市的各待规划子区域的通信设施规划结果的具体获取过程如下:
S41,获取第t个待规划子区域的初始化规划结果中第ts个通信设施信息汇聚节点的用户个数通信子站点个数/>信号强度数据/>数据传输速率数据/>和信号覆盖范围数据/>结合参考信号强度数据ΔXSt、数据传输速率数据ΔTRt和信号覆盖范围数据ΔSCt通过工作参数公式计算出对应的初始化规划结果中通信设施信息汇聚节点的通信子站点的平均工作参数数据/>所述工作参数公式为
其中t=1,2,...,T,T为指定城市中待规划目标区域的待规划子区域的总个数,且T=M+I,ts=t1,t2,...,tS,tS为第t个待规划子区域的通信设施信息汇聚节点的总个数,和/>分别为通过客观赋权法确定的平均用户密度、信号强度数据偏差、数据传输速率数据偏差和信号覆盖范围数据偏差的权重因子,β、χ、δ和ε分别为平均用户密度、信号强度数据、数据传输速率数据和信号覆盖范围数据的修正因子;
S42,结合通信设施规划的预设工作参数数据ΔAWPt,通过工作参数指数公式计算第t个待规划子区域的第tS个通信设施信息汇聚节点的通信子站点的工作参数指数所述工作参数指数公式为/>
S43,判断计算的第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数是否为不小于1的整数:
若第t个待规划子区域的第s个通信设施信息汇聚节点的通信子站点的工作参数指数为不小于1的整数,则将对应的初始化规划结果作为最终的规划结果进行输出;
否则重新选取新的通信设施信息汇聚节点来规划新的通信设施规划的路径信息,直至对应的工作参数指数为不小于1的整数,得到对应待规划区域最终的通信设施规划结果。
8.如权利要求7所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述各待规划子区域的通信设施规划危险位置信息的具体获取过程如下:
步骤一,获取各待规划子区域中各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息;
步骤二,通过灰色关联分析法分析所述各用户反馈的故障数据信息以及用户在预设时间之内的通网工作参数数据信息之间的关联程度信息;
步骤三,获取关联程度信息大于预设关联程度的用户所在位置信息,生成危险位置信息,并获取该位置信息处在预设时间段内的施工工程情况,当该位置信息处在预设时间段内存在施工工程信息时,则将对应位置信息作为危险位置信息进行输出。
9.如权利要求8所述一种基于人工智能的城市配电网通信设施规划方法,其特征在于,所述各预设新增用户进行通信设施规划的具体过程如下:
S51,获取指定城市中待规划目标区域的预设新增用户数量NU以及待规划目标区域所在的地理位置信息,并根据地理位置信息检索对应的通信设施规划结果;
S52,基于检索的通信设施规划结果获取对应的通信基站可容纳的剩余用户个数数据ΔNU,通过用户数量偏差指数公式计算待规划目标区域的新增用户数量偏差指数UB,所述用户数量偏差指数公式为其中γ为通信基站可容纳的剩余用户个数数据的修正因子;
S53,计算出待规划目标区域所在的地理位置信息与对应的通信设施规划结果中规划的各通信基站所在地理位置之间的距离值并进行从小到大的排序,根据获取的距离优先级排序结果对预设新增用户进行通信设施规划,并判断待规划目标区域的新增用户数量偏差指数是否小于1:如果不是,执行S54;
S54,计算预设新增用户数量中剩余的待规划的预设新增用户数量,并根据剩余待规划的预设新增用户数量增加新的通信基站。
10.一种基于人工智能的城市配电网通信设施规划系统,其特征在于,所述一种基于人工智能的城市配电网通信设施规划系统包括待规划子区域获取模块、规划类型获取模块、初始化规划结果获取模块、通信设施规划结果获取模块和新增用户通信设施规划模块:
其中,所述待规划子区域获取模块用于获取指定城市中待规划目标区域的地图资源数据信息,并根据待规划目标区域的地图资源数据信息进行区域划分,获取指定城市的各待规划子区域;
所述规划类型获取模块用于获取指定城市的各待规划子区域的通信设施规划数据信息,并根据各待规划子区域的通信设施规划数据信息进行规划类型划分,以获取指定城市的各待规划子区域的规划类型;
所述初始化规划结果获取模块用于根据指定城市中的各待规划子区域的规划类型,对各待规划子区域中的通信设施进行初始化规划,获取各待规划子区域的初始化规划结果;
所述通信设施规划结果获取模块用于通过对各待规划子区域的初始化规划结果进行修正,获取指定城市的各待规划子区域的通信设施规划结果,并获取各待规划子区域的通信设置规划危险位置信息进行规避;
所述新增用户通信设施规划模块用于获取指定城市中待规划目标区域的预设新增用户数量信息以及当前通信基站可容纳的用户剩余个数数据信息,为各预设新增用户进行通信设施规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737539.0A CN117610879A (zh) | 2023-12-18 | 2023-12-18 | 一种基于人工智能的城市配电网通信设施规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311737539.0A CN117610879A (zh) | 2023-12-18 | 2023-12-18 | 一种基于人工智能的城市配电网通信设施规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117610879A true CN117610879A (zh) | 2024-02-27 |
Family
ID=89948160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311737539.0A Pending CN117610879A (zh) | 2023-12-18 | 2023-12-18 | 一种基于人工智能的城市配电网通信设施规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610879A (zh) |
-
2023
- 2023-12-18 CN CN202311737539.0A patent/CN117610879A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Medjroubi et al. | Open data in power grid modelling: new approaches towards transparent grid models | |
CN112651059A (zh) | 一种基于人工智能的控规地块城市设计多方案生成方法 | |
CN111667101A (zh) | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 | |
CN115470707A (zh) | 一种城市场景仿真模拟系统 | |
CN103150605B (zh) | 电网规划辅助系统 | |
Yu et al. | Passenger flow prediction for new line using region dividing and fuzzy boundary processing | |
CN103020290A (zh) | 电网信息校验方法及系统 | |
CN116976702A (zh) | 基于大场景gis轻量化引擎的城市数字孪生平台及方法 | |
CN117610879A (zh) | 一种基于人工智能的城市配电网通信设施规划方法及系统 | |
Dutta | Data mining and graph theory focused solutions to smart grid challenges | |
CN110929952A (zh) | 基于线路周边环境和敷设类型的光缆故障概率预测方法 | |
CN107909226B (zh) | 一种业扩报装供电方案设计方法及装置 | |
CN112488343B (zh) | 一种基于超启发式算法的智慧城市智能感知终端选址方法 | |
CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
CN108199895A (zh) | 一种智能卡口优化布置方法及装置 | |
Delgado-Enales et al. | Improving the urban accessibility of older pedestrians using multi-objective optimization | |
Miranda | Wind power, distributed generation: new challenges, new solutions | |
Yonghui et al. | Analysis of enterprise site selection and R&D innovation policy based on BP neural network and GIS system | |
Yao et al. | Design and application of network optimizing integrated platform based on rasterized big data | |
CN110443443A (zh) | 可再生能源基地开发技术经济评估系统 | |
CN117592809B (zh) | 一种基于人工智能的市政工程施工方案优化方法及系统 | |
Tiwari et al. | Predicting Future Urban Growth in Bhopal, India using Artificial Intelligence based Modelling | |
CN117668500B (zh) | 基于gis的城市地下空间资源评估方法 | |
CN116467368B (zh) | 一种基于大数据分析的安全监测方法和系统 | |
CN108646135A (zh) | 一种特高压输电线路的数字化选线方法 |
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 |