基于成本最優化布局電網數據節點的方法和裝置與流程
本發明涉及電網技術領域，特別是涉及基于成本最優化布局電網數據節點的方法和基于成本最優化布局電網數據節點的裝置。
背景技術：
計量基礎設施(Advanced Metering Infrastructur，AMI)作為智能電網廣義概念的一部分，在AMI中，智能電表從住宅和工業消費者位置收集能源消耗和電能質量測量數據并發送給控制中心，因此AMI也被視為智能電表和控制中心之間的過渡點。AMI系統使用數據聚合節點(也稱為集中器)來管理遠離控制中心的大量電表數據。數據聚合節點通常被設置在電線桿的頂端，它們的主要任務是從智能電表收集數據并發送給控制中心。在包括AMI的智能電網的組網問題上，國內外提出了以下幾種方案：
方案1：采用Hopfield神經網絡對無線傳感器網絡分簇的方法，針對低功耗自適應集簇分層型協議(Low Energy Adaptive Clustering Hierarchy，LEACH)的不足予以改進，使各個簇頭的分布與各節點的能量消耗更均衡；方案2：基于跳數的無線傳感器網絡節點定位方法，結合鏈式協議和休眠調度的優點，通過最小距離入鏈和LEADER節點選取策略避免形成長鏈和部分節點死亡時導致網絡節點分布不均勻的問題；方案3：基于數據融合的多徑路由方法，在源節點發送數據包之前進行數據聚合操作，為事件觸發型傳感器網絡模型提供節能、健壯的路由策略。
然而，現有的組網方案均未涉及到數據聚合節點的布局策略，并且組網算法較為復雜，組網整體實現成本較高。
技術實現要素：
基于此，本發明實施例提供了基于成本最優化布局電網數據節點的方法和裝置，能夠在保證網絡覆蓋的前提下，獲得成本最優化的電網數據節點布局策略。
本發明一方面提供一種基于成本最優化布局電網數據節點的方法，包括：
獲取組網基礎信息；所述組網基礎信息包括：單個數據聚合節點的安裝成本、智能電表傳輸單位數據單位距離所消耗的能量、單位能量價格以及智能電表向數據聚合節點傳輸數據的時間間隔；
將所述組網基礎信息輸入預設的節點布局模型；所述節點布局模型以數據傳輸成本和數據聚合節點安裝成本的總開銷為目標，以將各個數據聚合節點設置在對應的電線桿上以及無線覆蓋率為約束，以數據聚合節點的布局信息為待求解的對象；
對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息。
本發明另一方面提供一種基于成本最優化布局電網數據節點的裝置，包括：
信息收集模塊，用于獲取組網基礎信息；所述組網基礎信息包括：單個數據聚合節點的安裝成本、智能電表傳輸單位數據單位距離所消耗的能量、單位能量價格以及智能電表向數據聚合節點傳輸數據的時間間隔；
模型構建模塊，用于將所述組網基礎信息輸入預設的節點布局模型；所述節點布局模型以數據傳輸成本和數據聚合節點安裝成本的總開銷為目標，以將各個數據聚合節點設置在對應的電線桿上以及無線覆蓋率為約束，以數據聚合節點的布局信息為待求解的對象；
求解模塊，用于對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息。
上述技術方案，通過獲取組網基礎信息；所述組網基礎信息包括：單個數據聚合節點的安裝成本、智能電表傳輸單位數據單位距離所消耗的能量、單位能量價格以及智能電表向數據聚合節點傳輸數據的時間間隔；將所述組網基礎信息輸入預設的節點布局模型；所述節點布局模型以數據傳輸成本和數據聚合節點安裝成本的總開銷為目標，以將各個數據聚合節點設置在對應的電線桿上以及無線覆蓋率為約束，以數據聚合節點的布局信息為待求解的對象；對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息。只需確定一個電線桿的子集，將一定數量的數據聚合節點安裝到對應的在電線上，既能夠對所有智能電表的無線覆蓋，又能最小化組網成本。
附圖說明
圖1為一實施例的基于成本最優化布局電網數據節點的方法的示意性流程圖；
圖2為一實施例的K-means算法對所述節點布局模型進行求解的示意性流程圖；
圖3為一實施例的基于成本最優化布局電網數據節點的裝置的示意性結構圖。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
圖1為一實施例的基于成本最優化布局電網數據節點的方法的示意性流程圖；如圖1所示，本實施例中的基于成本最優化布局電網數據節點的方法包括步驟：
S11，獲取組網基礎信息；所述組網基礎信息包括：單個數據聚合節點的安裝成本、智能電表傳輸單位數據單位距離所消耗的能量、單位能量價格以及智能電表向數據聚合節點傳輸數據的時間間隔。
S12，將所述組網基礎信息輸入預設的節點布局模型；所述節點布局模型以數據傳輸成本和數據聚合節點安裝成本的總開銷為目標，以將各個數據聚合節點設置在對應的電線桿上以及無線覆蓋率為約束，以數據聚合節點的布局信息為待求解的對象。
S13，對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息。
本實施例對數據聚合節點的最佳位置進行了限制，主要目標是在不同的計密度和無線通信技術下最小化安裝成本和數據傳輸成本。主要的約束條件是限制數據聚合節點的位置從一組現有的電線桿集合中選擇，額外的約束是來自網絡覆蓋和單個數據聚合節點的最大連接數。進一步的，利用對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息，所述布局信息包括：數據聚合節點的位置以及數量。
在一優選實施例中，所述節點布局模型的約束還包括：每個智能電表僅與一個數據聚合節點數據通信；和/或，每個數據聚合節點對應的智能電表的數量不超過設定的最大數量。
在一優選實施例中，采用改進的K-means算法作為一個合適的啟發式用以解決數據聚合節點位置的問題，以用更低的時間復雜度達到接近于最優的開銷。
下面結合一具體應用場景對上述實施例的基于成本最優化布局電網數據節點的方法進行說明。該應用場景為：設定配電網使用懸掛在電線桿上的架空配電線路，并將電能傳送給配備智能電表的家庭或者企業。一些電線桿上有數據聚合節點，它們都通過無線連接到智能電表的子集。數據聚合節點本身也通過無線的方式連接到控制中心(UC)。并且，假設配電網系統中有NSM個智能電表，Npoles根電線桿，K個數據聚合節點和一個控制中心(UC)的網絡，且智能電表、電線桿以及UC的位置是已知的。智能電表和數據聚合節點可以被配備不同的通信技術，例如WiFi、WiMAX、IEEE 802.15.4(ZigBee)和802.15.4g標準等。智能電表的總量可利用公式NSM＝ρSMπr2估計獲得，式中r表示組網區域的半徑，ρSM表示組網區域中的智能電表密度，ρSM的大小取決于該組網區域是農村、城市還是郊區。
基于上述應用場景，限定數據聚合節點被放置在電線桿上，并且它們的主要任務是從智能電表收集數據并發送給UC。假設單跳通信是從智能電表到達數據聚合節點并從數據聚合節點到UC，單跳通信期望得到最小延遲。
數據聚合節點收到來自智能電表的數據之后，進行合并和壓縮，然后發送給UC。設定數據聚合節點的數據壓縮比率β，β的大小依賴于數據聚合節點所使用的數據和算法的關聯。
多個智能電表可以連接到一個數據聚合節點，即多個智能電表可以被一個數據聚合節點支持；數據傳輸擁擠的可能性很低，主要取決于低頻和米內發送的數據信息的數量。例如在六天中的一段時間，在上行鏈路中，每間隔240分鐘從住宅智能電表中發送一次2400字節的數據，在下行鏈路中，只有25字節的數據被發送。
用A來定義可以連接到數據聚合節點的智能電表的最大數量，并且定義在一個給定的服務區域內，可用的電線桿和智能電表的比率為ρ＝Npoles/NSM。對于一個密集的組網環境(例如城市地區)，對于大量的智能電表，電線桿影響能量分布是合乎情理的，ρ的值可以很小。
數據傳輸模型：
為了保證鏈路的可靠性，使得智能電表根據給定的傳輸功率傳輸數據到數據聚合節點，需要調整傳輸功率Ptx。傳輸M個數據包d距離(因數8乘以M是數據包的bit數)，需要消耗的能量可以表示為：
Etx＝8MγEbκPL(d) (1)
其中γ表示傳輸數據時調制解調器消耗的功率和傳輸功率的比率，Eb是傳輸每bit數據所消耗的能量，κ表示衰減極限，d0表示預設的單位距離，PL(d0)表示單位距離的路徑損耗，PL(d)表示距離d的路徑損耗，可以表示為：
其中α表示預設的路徑損耗指數，PL(d)是根據距離d和路徑損耗指數α得到的路徑損耗。
基于上述的組網環境和數據傳輸模型，規劃數據聚合節點的位置的基本目標是選擇一個電線桿的子集P，在其上部安裝數據聚合節點使得所需要的數據聚合節點的數量最小化，同時實現對所有智能電表的無線覆蓋。數據聚合節點安裝成本，被定義為購買數據聚合節點的開銷和數據聚合節點初始安裝的勞動力成本。此外，還需減少通信開銷，通過數據傳輸消耗的能量來測量。
假設網絡工作的時間為Tm，為了精確的表示成本函數，用α表示一個數據聚合節點的安裝成本。總安裝成本cinst是選擇的電線桿數目的α倍。同時，讓g表示單位能源的價格(例如消費1千瓦時能量的價格)。可得到數據傳輸開銷為：
其中TI表示智能電表傳向數據聚合節點傳輸數據的時間間隔，所以表示智能電表在Tm時間內總的數據傳輸次數。
無線覆蓋需要至少有一個數據聚合節點的無線網絡熱點連接到每個智能電表，這意味著需要智能電表到數據聚合節點的距離要小于智能電表的最大傳輸距離dmax。此外，最多A個智能電表可以連接到一個數據聚合節點。
基于上述說明，在一優選實施例中，所述節點布局模型可構建為：
b＝g8MγEbκTm/TI；
Etx＝8MγEbκPL(d)；
xj∈{0,1},1≤j≤Npoles；
yij∈{0,1},1≤i≤NSM,1≤j≤Npoles；
所述節點布局模型的右側的第一項是計算數據聚合節點的安裝成本，第二項是計算數據傳輸成本；第二項的第一部分是計算從智能電表到其對應的數據聚合節點傳輸數據的總開銷，第二項的第二部分是計算從數據聚合節點到UC傳輸數據的開銷。
所述節點布局模型的約束包括：
d′j≤d′max,1≤j≤Npoles；(6)
dij≤dmax,1≤i≤NSM,1≤j≤Npoles；(7)
yij≤xj,1≤i≤NSM,1≤j≤Npoles；(9)
其中，約束(5)、(6)、(7)保證無線覆蓋，約束(8)限制每個數據聚合節點上的智能電表的最大數量。約束(9)保證數據聚合節點選擇和布局維護的關系，也就是一個智能電表只能連接到一個被選擇用于安裝數據聚合節點的桿上。
公式(4)中的優化是一種整數規劃，尋找最優解會帶來一個指數的時間復雜度。對于大型網絡，需要低復雜度算法來解決布局問題。公式(4)中的優化也可以視為一個限制數據聚合節點數量的大小和數據聚合節點位置的聚類問題。在一優選實施例中，采用改進的K-means算法對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息，接下來將介紹改進的K-means算法。
傳統K-means算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標，即認為兩個對象的距離越近，其相似度就越大。該算法認為簇是由距離靠近的對象組成的，因此把得到緊湊且獨立的簇作為最終目標。k個初始類聚類中心點的選取對聚類結果具有較大的影響，因為在該算法第一步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表一個簇。該算法在每次迭代中對數據集中剩余的每個對象，根據其與各個簇中心的距離將每個對象重新賦給最近的簇。當考察完所有數據對象后，一次迭代運算完成，新的聚類中心被計算出來。如果在一次迭代前后，聚類中心與聚類中心的相等或距離小于指定閾值，說明算法已經收斂。算法過程如下：
1)從N個對象選取K個作為初始聚類中心；
2)對剩余的每個對象測量其到每個聚類中心的距離，并把它歸到最近的聚類中心的類；
3)重新計算已經得到的各個類的聚類中心；
4)迭代2～3步直至新的聚類中心與原聚類中心相等或距離小于指定閾值，算法結束。
可見，傳統的K-means算法在每次迭代中，智能電表選擇最近的簇頭(數據聚合節點)。因此如果第i個智能電表屬于第k個簇，設置yik＝1，否則yik＝0。然后，簇頭的位置更新點為它所連接的智能電表的中心點。當兩個連續的迭代對簇頭位置的改變小于一個閾值時K-means算法終止。
相比之下，本發明采用改進的K-means算法對所述節點布局模型進行迭代求解的原理包括：考慮智能電表-數據聚合節點和數據聚合節點-UC和傳輸成本，結合控制中心的位置u，將對聚類簇頭的位置進行迭代所采用的方程設定為：
其中，u表示控制中心的位置，yik′為二進制數，當第i個智能電表屬于第k′個聚類簇頭時，yik′＝1；當第i個智能電表不屬于第k′個聚類簇頭時，yik′＝0；ak′表示第k′個聚類簇頭的迭代位置，si表示第i個智能電表的位置，d′max表示第i個智能電表與控制中心的最大距離。
其中w是一個考慮數據壓縮對數據聚合節點-UC鏈路影響的壓縮比率β和覆蓋比率(也就是)的函數，從而避免智能電表的簇頭不會被拉向UC，消除UC無法連接到某些智能電表的問題，進而保證了網絡覆蓋率。
此外，在迭代過程中，可能會出現違反約束(8)的問題。針對該情況，對每一個數據聚合節點都設置一個標簽，以標明當前它所連接的智能電表的數目。當一個智能電表試圖連接到一個標簽大于等于A的數據聚合節點時，該智能電表放棄該數據聚合節點，選擇下一個可用的數據聚合節點。
基于上述改進的K-means迭代算法，參考圖3所示，對所述節點布局模型進行迭代求解的過程包括如下步驟：
步驟一，計算數據聚合節點的最小數量K0：
其中，ρSM表示電線桿和智能電表的比率，dmax表示智能電表的最大傳輸距離，A表示單個數據聚合節點通信連接的智能電表的最大數量；
式(12)中的初始估計提供了數據聚合節點數量的最小值。這是因為在高密度組網區域(即任意小于K0的值K<K0都不能滿足約束(8)；另一方面，在低密度組網區域(即也至少需要K0個數據聚合節點以確保所有智能電表的有效通信范圍內至少有一個數據聚合節點。
步驟二，將數據聚合節點作為聚類簇頭，聚類簇頭的數量為K，初始時K＝K0；采用改進的K-means算法對所述節點布局模型進行迭代求解，記錄每次迭代得到的聚類簇頭位置以及對應的總開銷；所述改進的K-means算法能夠在聚類簇頭位置的迭代過程中根據智能電表的位置以及控制中心的位置，將各個聚類簇頭的位置分別映射到距離其最近的電線桿；
以及在聚類簇頭迭代過程中，根據當前聚類簇頭的位置檢測預設的約束條件是否均滿足，若任一約束條件不滿足，結束聚類簇頭的迭代，獲取當前K對應的最小總開銷以及對應的聚類簇頭位置(作為當前K對應的最優聚類簇頭位置)，執行步驟三；若全部約束條件均滿足，繼續下一次聚類簇頭的迭代；
步驟三，若當前K的更新次數大于等于1，比較當前K對應的最小總開銷與上一次K對應的最小總開銷，若兩者的差值小于等于設定的閾值，執行步驟四；否則，對K值進行更新，返回步驟二；
步驟四，獲取最小總開銷最小時的K值，根據該K值對應的最優聚類簇頭位置得到所述總開銷最小時的數據聚合節點的布局信息。
即，從(12)中得到的K0開始，k←0，其中，k為預設的更新數據聚合節點數量的增量，初始時，該值為0；
初始化各聚類簇頭的位置；
運行改進的K-means算法迭代更新各聚類簇頭的位置，將各聚類簇頭的位置與距離其最近的電線桿匹配；
將公式(4)中得到的總開銷賦值給Fi；或者，
如果公式(5)-(8)不滿足，則Fi←∞；
end for
Ck←min{Fi}
diff←Ck-Ck-1
k←k+1
While diff≤tolerance
Return min{Ck}。
其中，NumTries為預設的最大迭代次數，同一個K值，可對應多個不同的聚類簇頭的位置及對應的總開銷；因此當跳出for循環時，可從集合{Fi}中得到該K值對應的總開銷最小的Fi，作為該K值對應的最優成本，并將對應的聚類簇頭的位置作為該K值對應的最優簇頭布局。Tolerance為預設的閾值，當K值更新前后各自對應的最優成本的差diff大于設定閾值時，更新K值，即將K值加1，得到新的K值，重新進行上述迭代求解。當K值更新前后各自對應的最優成本的差diff小于等于設定閾值時，結束對公式(4)的求解，輸出求解過程中得到的最優成本的最小值min{Ck}、對應的K值以及對應的最優簇頭布局。
基于上述實施例的基于成本最優化布局電網數據節點的方法，基于數據聚合節點的安裝成本以及數據傳輸成本，將聚合節點的布局問題轉化為數據聚合節點布局的整型規劃問題，并通過改進的K-means算法尋找數據聚合節點的最優布局。仿真表明，與現有搜索尋找數據聚合節點最優位置的算法相比，上述實施例所提的算法可以用更低的時間復雜度達到接近于最優成本的數據聚合節點布局方案。
需要說明的是，對于前述的各方法實施例，為了簡便描述，將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明并不受所描述的動作順序的限制，因為依據本發明，某些步驟可以采用其它順序或者同時進行。此外，還可對上述實施例進行任意組合，得到其他的實施例。
基于與上述實施例中的基于成本最優化布局電網數據節點的方法相同的思想，本發明還提供基于成本最優化布局電網數據節點的裝置，該裝置可用于執行上述基于成本最優化布局電網數據節點的方法。為了便于說明，基于成本最優化布局電網數據節點的裝置實施例的結構示意圖中，僅僅示出了與本發明實施例相關的部分，本領域技術人員可以理解，圖示結構并不構成對裝置的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。
圖3為本發明一實施例的基于成本最優化布局電網數據節點的裝置的示意性結構圖；如圖3所示，本實施例的基于成本最優化布局電網數據節點的裝置包括：信息收集模塊310、模型構建模塊320以及求解模塊330，各模塊詳述如下：
信息收集模塊310，用于獲取組網基礎信息；所述組網基礎信息包括：單個數據聚合節點的安裝成本、智能電表傳輸單位數據單位距離所消耗的能量、單位能量價格以及智能電表向數據聚合節點傳輸數據的時間間隔；
模型構建模塊320，用于將所述組網基礎信息輸入預設的節點布局模型；所述節點布局模型以數據傳輸成本和數據聚合節點安裝成本的總開銷為目標，以將各個數據聚合節點設置在對應的電線桿上以及無線覆蓋率為約束，以數據聚合節點的布局信息為待求解的對象；
在一優選實施中，所述節點布局模型的約束還包括：每個智能電表僅與一個數據聚合節點數據通信；和/或，每個數據聚合節點對應的智能電表的數量不超過設定的最大數量。
求解模塊330，用于對所述節點布局模型進行迭代求解，得到所述總開銷最小時的數據聚合節點的布局信息。
在一優選實施中，所述數據聚合節點的布局信息包括：數據聚合節點的位置以及數量。
在一優選實施例中，所述節點布局模型為：
b＝g8MγEbκTm/TI；
Etx＝8MγEbκPL(d)；
xj∈{0,1},1≤j≤Npoles；
yij∈{0,1},1≤i≤NSM,1≤j≤Npoles；
所述節點布局模型的約束包括：
d′j≤d′max,1≤j≤Npoles；
dij≤dmax,1≤i≤NSM,1≤j≤Npoles；
yij≤xj,1≤i≤NSM,1≤j≤Npoles；
其中，β表示數據聚合節點對收到的智能電表數據進行合并和壓縮的壓縮比率，Npoles表示電線桿的數量，NSM表示智能電表的數量，cinst表示數據聚合節點的總安裝成本；Etx表示智能電表傳輸M個數據包的數據d距離所消耗的能量，γ表示傳輸數據時調制解調器消耗的功率和傳輸功率的比率，Eb是傳輸每bit數據所消耗的能量，κ表示預設的衰減極限，α表示預設的路徑損耗指數，d0表示預設的單位距離，PL(d0)表示單位距離的路徑損耗，PL(d)表示距離d的路徑損耗；ctx表示傳輸d距離的傳輸成本；dij表示第i個智能電表與第j個電線桿的距離，dj′表示第j個電線桿與控制中心的距離；二進制值xj表示一個數據聚合節點是否安裝在電線桿j上，若安裝在電線桿j上，則xj為1，否則xj為0；二進制值yij表示第i個智能電表是否通信連接到第j個電線桿上的數據聚合節點，若是，yij為1，若否，yij為0；Tm表示網絡工作的時間，TI表示智能電表傳向數據聚合節點傳輸數據的時間間隔。
需要說明的是，上述示例的基于成本最優化布局電網數據節點的裝置的實施方式中，各模塊之間的信息交互、執行過程等內容，由于與本發明前述方法實施例基于同一構思，其帶來的技術效果與本發明前述方法實施例相同，具體內容可參見本發明方法實施例中的敘述，此處不再贅述。
此外，上述示例的基于成本最優化布局電網數據節點的裝置的實施方式中，各功能模塊的邏輯劃分僅是舉例說明，實際應用中可以根據需要，例如出于相應硬件的配置要求或者軟件的實現的便利考慮，將上述功能分配由不同的功能模塊完成，即將所述基于成本最優化布局電網數據節點的裝置的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。其中各功能模既可以采用硬件的形式實現，也可以采用軟件功能模塊的形式實現。
本領域普通技術人員可以理解，實現上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質中，作為獨立的產品銷售或使用。所述程序在執行時，可執行如上述各方法的實施例的全部或部分步驟。其中，所述的存儲介質可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機存儲記憶體(Random Access Memory，RAM)等。
在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其它實施例的相關描述。
以上所述實施例僅表達了本發明的幾種實施方式，不能理解為對本發明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變形和改進，這些都屬于本發明的保護范圍。因此，本發明專利的保護范圍應以所附權利要求為準。
- 還沒有人留言評論。精彩留言會獲得點贊！