基于LEACH算法的5G电网组网方法与系统、存储介质和设备
文献发布时间:2024-04-18 20:01:23
技术领域
本发明涉及5G电力物联网技术领域,尤其涉及一种基于LEACH算法的5G电网组网方法与系统、存储介质和设备。
背景技术
5G技术的电力物联网是当今电力行业中的一项重大创新,正在快速建设和演进。这一新兴领域为电力系统引入了多项关键技术,其中包括用电信息采集、输变电状态检测以及精准负荷控制等新型电力物联网络应用;5G通信网络是支撑这一创新的关键基础,它的总体架构通常分为感知层、网络层、管理层和应用层四个部分;感知层是电力物联网的基础,由电网中分布的各类传感器和传感网络组成;这一层负责从电力系统中收集、处理和传输与电力相关的数据;感知层的可靠性和效率对整个电力物联网的正常运行至关重要。
在这个感知层中,传感器节点扮演着核心角色,它们执行两项任务要求极高的功能:感知和通信;这些传感器节点具有一些独特的特点和挑战,包括:节点密集部署、传感器节点容易故障、拓扑结构变化频繁、资源受限、全局识别困难;其中,无线传感器网络的主要限制是传感器节点在有限的电源下工作;传感器节点通常不容易访问,所以它们不能充电;因此,无线传感器网络中最具挑战性的问题之一是传感器节点的能量节约,以最大限度地延长网络的生存时间。
在智能电网场景下,分布着大量的无线传感器和终端设备,它们的数量和范围可能因电力系统的规模而巨大变化;对于监测范围较小、设备数量较少的情况,传感器节点可以采用星型或网状拓扑结构,通过5G无线通信网络接入上层网络,实现数据的高效传输和监测;然而,在电力系统范围较大、终端设备众多的情况下,上述传统的组网方式可能会导致大量的终端功耗和资源浪费。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中5G电力物联网的组网方式算法难度大,会产生大量的终端功耗和资源浪费的问题,为解决上述技术问题,本发明提供了一种基于LEACH算法的5G电网组网方法与系统、存储介质和设备,降低网络功耗,延长网络寿命,适应动态变化的网络拓扑,实现5G电力物联网的大规模接入和低功耗运行,实现系统吞吐量的最大化。
为解决上述技术问题,第一方面,本发明提供了一种基于LEACH算法的5G电网组网方法,包括:获取传感器节点和信道带宽;通过低能耗自适应簇头协议将所述传感器节点生成成员节点和预设数量的簇头节点;通过双边匹配方法将所述簇头节点和所述成员节点进行匹配,生成匹配合集;根据所述信道带宽和所述匹配合集,建立目标优化模型;根据所述目标优化模型对系统吞吐量进行优化,生成目标吞吐量。
在本发明的一个实施例中,通过双边匹配方法将所述簇头节点和所述成员节点进行匹配,生成匹配合集的具体步骤包括:根据所述簇头节点和所述成员节点,生成信噪比;根据所述信噪比对所述簇头节点进行排序,生成第一偏好列表;根据所述成员节点到所述簇头的距离对所述成员节点进行排序,生成第二偏好列表;设置所述簇头节点的第一容量约束和所述成员节点第二容量约束;根据所述第一偏好列表、所述第二偏好列表,所述第一容量约束和所述第二容量约束,通过所述双边匹配方法,将所述簇头节点和所述成员节点进行匹配,生成所述匹配合集。
在本发明的一个实施例中,所述信噪比为:
其中,i为所述成员节点的编号,s为所述簇头节点的编号,P
在本发明的一个实施例中,所述第一偏好列表为:
其中,R表示节点吞吐量;PL为偏好列表;u为所述成员节点;
所述第二偏好列表为:
其中,D为所述成员节点与所述簇头节点之间的距离,ch为该偏好列表为簇头一类的偏好列表;
所述第一容量约束为:
N(M,ch
其中,s为所述簇头节点的数量;ch
所述第二容量约束为:
N(M,u
其中,u
在本发明的一个实施例中,根据所述信道带宽和所述匹配合集,建立目标优化模型的具体步骤包括:根据所述成员节点,生成所述成员节点的信息传输速率;根据所述信息传输速率,生成所述系统吞吐量;根据所述带宽、所述簇头节点的数量、所述信噪比和所述系统吞吐量建立所述目标优化模型;其中,所述簇头节点的数量为所述预设数量的簇头节点的数量。
在本发明的一个实施例中,所述信息传输速率为:
其中,R
所述系统吞吐量为:
其中,R为所述系统吞吐量;U为所述成员节点的集合。
在本发明的一个实施例中,所述目标优化模型为:
N(M,ch
N(M,u
其中,d
第二方面,本发明提供一种基于LEACH算法的5G电网组网系统,包括:信息获取模块,用于获取传感器节点和信道带宽;分簇模块,用于通过低能耗自适应簇头协议将所述传感器节点生成成员节点和预设数量的簇头节点;匹配模块,用于通过双边匹配方法将所述簇头节点和所述成员节点进行匹配,生成匹配合集;优化模块,用于根据所述信道带宽和所述匹配合集,建立目标优化模型;根据所述目标优化模型对系统吞吐量进行优化,生成目标吞吐量。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述程序执行时实现上述第一方面中任一项所述基于LEACH算法的5G电网组网方法。
第四方面,本发明提供一种存储设备,包括存储介质和处理器,所述存储介质存储有计算机程序,所述程序被处理器执行时实现上述第一方面中任一项所述基于LEACH算法的5G电网组网方法。
本发明的上述技术方案相比现有技术具有以下优点:
本发明所述的一种基于LEACH算法的5G电网组网方法,通过低能耗自适应簇头协议,将5G通信网络总体架构中感知层涉及到的传感器节点进行分簇,划分为簇头节点和成员节点,然后使用双边匹配方法将簇头与终端用户进行匹配,生成稳定的匹配结果,成员节点无需直接与基站通信,而是与较近的簇头节点连接,由簇头节点汇聚之后再传输至基站,节省了资源,降低了系统能耗;本发明所述的一种基于LEACH算法的5G电网组网方法,将匹配算法应用于物联网节点的分簇中,通过对成员节点分簇,达到降低系统整体功耗的同时,最大化系统吞吐量,从而降低时延,使系统性能最优,不仅减少了节点之间的通信能量消耗、降低了算法复杂度、延长网络寿命,还适应动态变化的网络拓扑,实现5G电力物联网的大规模接入和低功耗运行,有效提升了系统性能。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是本发明优选实施例提供的基于LEACH算法的5G电网组网方法的流程示意图;
图2是图1所述的基于LEACH算法的5G电网组网方法的生成匹配合集的流程示意图;
图3是图1所述的基于LEACH算法的5G电网组网方法的生成目标吞吐量的流程示意图;
图4是图1所述的基于LEACH算法的5G电网组网方法的建立目标优化模型的流程示意图;
图5是图1所述的基于LEACH算法的5G电网组网方法的系统吞吐量图;
图6是图1所述的基于LEACH算法的5G电网组网方法的平均吞吐量图。
图7是本发明实施例提供的基于LEACH算法的5G电网组网系统的方框图。
说明书附图标记说明:300、基于LEACH算法的5G电网组网系统;301、信息获取模块;302、分簇模块;303、匹配模块;304、优化模块。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
第一方面,参照图1-4,本发明的一个优选实施例提供了一种基于LEACH算法的5G电网组网方法,包括:
S1,获取传感器节点和信道带宽;
在本实施例种,具体场景为在500m×500m的区域,随机分布不同数量[30,170]的智能设备,带宽为5MHz,节点最大传输功率为23dBm。
S2,通过低能耗自适应簇头协议将传感器节点生成成员节点和预设数量的簇头节点;
无线传感器网络中最有效的节能技术之一是传感器节点聚类;主要目标是最小化节点上聚合的总传输功率,并平衡节点以增加网络生命周期;在这个过程中,传感器节点被分组成集群,每个集群都有一个领导传感器节点,称为集群头,负责协调所有传感器的数据传输活动;集群内的其余节点作为集群成员,将其感知到的数据发送到相应的集群头;
本发明采用LEACH(低能耗自适应簇头)协议;该协议将传感器节点分为不同的集群,进行分簇操作,其中一部分传感器节点被选为簇头节点,负责数据的聚合和转发,以减少节点之间的通信能量消耗,剩余传感器节点为成员节点;为了便于表述,后续称低能耗自适应簇头协议为LEACH协议;在这一簇头和非簇头的架构中,簇头节点在网络中起到关键作用,它们承担了与其他节点之间的通信任务,需要进行额外的数据处理和转发工作,从而将终端设备的功耗降至最低;与此同时,成员节点可以进入低功耗模式,以节省能量并延长网络的寿命;这种簇头和非簇头节点的分工协同,有效降低了整个网络的功耗,使网络能够更长时间地运行;簇头节点聚合从其成员节点接收的数据,并使用单跳或多跳通信将数据传输到基站;分层簇结构有利于无线传感器网络的高效数据采集和聚合,且不受网络发展的影响,总体上减少了传感器节点的通信总量和能量消耗。
LEACH协议通过将网络分成若干个簇,簇头将原始数据聚合(或融合)成更小的数据,这些数据只携带有意义的信息从集群到基站,有助于延长网络的生命周期;LEACH协议的操作分从建立阶段开始,依据网络中所需要的簇头节点总数和迄今为止每个节点已成为簇头节点的次数先验地确定簇头,该阶段只需组织其他节点选择簇头、创建传输调度,然后是稳态阶段,用于数据聚合、压缩和从簇头向基站传输数据;
簇头节点为其成员节点计算TDMA调度传输时隙,使得每个成员节点可以在分配的传输时隙中将其数据移交给簇头节点;成员节点关闭无线电,直到节点分配的传输时间,以尽量减少能量消耗;传感器节点仅在其预定的时隙内打开无线电,并将数据传输到集群头部即簇头节点;同时,集群头必须保持它们的接收器打开,以接收来自其成员节点的数据;簇头节点将原始数据聚合成较小的大小,然后将它们发送到接收器;当基站距离较远时,簇头节点向基站传输数据时消耗的能量较多,而非簇头节点由于感测到的数据离簇头节点较近而节省能量。
本发明将5G电力物联网中的簇头节点和成员节点看作两类实体,即生成S个簇头节点CH={ch
S3,通过双边匹配方法将簇头节点和成员节点进行匹配,生成匹配合集;
采用LEACH协议降低系统功耗时,也带来了一些性能上的挑战;例如,同一簇内的节点共享同一频谱资源,这可能导致簇内干扰,从而影响系统整体的传输速率;因此,除了降低功耗之外,还需要考虑如何优化系统性能,特别是系统吞吐量的最大化。
为了实现系统吞吐量的最大化,需要进行簇的智能化分配和频谱资源的合理管理;这会涉及到簇头节点的选择策略、频谱分配算法以及数据传输调度等方面的优化;本发明通过综合考虑电力物联网的实际需求和网络特点,采用匹配博弈的策略,以在降低功耗的同时,实现系统性能的优化;
匹配博弈已经成为网络资源分配中一种有潜力的方案,其优点在于它提供分布式解决方案,并考虑了每个相关实体的优先级,本发明将分簇的过程转化成簇头节点和成员节点之间的匹配问题;其中簇头节点用于汇聚其服务的所有非簇头节点的原始数据,并聚合成较小的大小,然后再发送到基站;每个簇头节点允许在同一时频资源块上服务多个用户,与NOMA(非正交多址技术)类似,在发送端进行功率叠加编码,在簇头节点利用连续干扰消除(SIC)技术来避免同道干扰,从而获取期望信号;单载波NOMA系统中,所有用户占用同一信道,彼此之间同频干扰严重,多载波NOMA系统中用户被分配到不同的信道,不同信道上的用户彼此间不会产生同频干扰,但子载波分配策略会对系统性能产生显著的影响,即非簇头节点选择簇头的策略会对整个电力物联网络产生影响;
鉴于上述原因,本发明采用双边匹配的方法,将簇头节点与成员节点进行匹配;
S31,根据簇头节点和成员节点,生成信噪比;
在本实施例中,对于D2D链路,信道遵循瑞利衰落;
其中,i为所述成员节点的编号,s为所述簇头节点的编号,P
S32,根据信噪比对簇头节点进行排序,生成第一偏好列表;
上述方法可以降低整个网络的能耗,但是考虑到节点之间通信带宽的问题,连接同一簇头节点的传感器通信使用相同的信道带宽,由此带来属于同一簇的节点之间互相干扰的问题;所以本发明设计了一些合理的约束条件,每个代理通过对另外一个代理的偏好进行排序,建立自己的偏好列表,最后达到降低能耗的同时使网络整体性能得到提升;
在本实施例中,成员节点根据与不同簇头节点之间的信噪比来制定偏好列表,成员节点更倾向于与信噪比更高的簇头节点匹配;如果信噪比相似,节点可以根据簇头节点的剩余能量来制定偏好列表,它们更倾向于与能量更充足的簇头节点匹配,以确保数据传输的可靠性和持久性;在本实施例中,只基于信噪比优先对簇头节点进行排序,生成第一偏好列表,即
其中,R为所述系统吞吐量;PL为偏好列表;u为所述成员节点;
S33,根据成员节点到簇头的距离对成员节点进行排序,生成第二偏好列表;
在本实施例中,簇头节点可以优先考虑匹配那些位于其通信范围内的成员节点,以减少传输距离和能源消耗,即基于通信范围内节点优选的原则,即第二偏好列表为成员节点到簇头节点的距离;其中,第二偏好列表为:
其中,D为所述成员节点与所述簇头节点之间的距离,ch为该偏好列表为簇头一类的偏好列表;
S34,设置簇头节点的第一容量约束和成员节点第二容量约束;
在本实施例中,为平衡簇头节点之间的负载,尽可能避免某一节点接入成员过多造成该簇头节点能量消耗迅速,本发明为簇头节点设置第一容量约束,为成员节点设置第二容量约束;
第一容量约束为:
N(M,ch
其中,s为所述簇头节点的数量;ch
第二容量约束为:
N(M,u
其中,u
在本实施例中,每个簇头节点最多接入36个成员节点;
S35,根据第一偏好列表、第二偏好列表,第一容量约束和第二容量约束,通过双边匹配方法,将簇头节点和成员节点进行匹配,生成匹配合集.
簇头节点和成员节点分别根据第一偏好列表和第二偏好列表进行双边匹配,当连接成员节点达到簇头节点容量之后,判断是否存在阻塞对,如果存在阻塞对,则执行交换操作,直到没有阻塞对为止,将此时的匹配结果作为分簇结果;
在本实施例中,成员节点在第二偏好列表
S4,根据信道带宽和匹配合集,建立目标优化模型;根据目标优化模型对系统吞吐量进行优化,生成目标吞吐量。
S41,根据信道带宽和匹配合集,建立目标优化模型;
S411,根据成员节点,生成成员节点的信息传输速率;
成员节点i的信息传输速率为
其中,R
S412,根据信息传输速率,生成系统吞吐量;
整个系统的吞吐量为:
其中,R为所述系统吞吐量;U为所述成员节点的集合。
S413,根据带宽、簇头节点的数量、信噪比和系统吞吐量建立目标优化模型;
在本实施例中,基于信道的带宽、簇头数、信噪比,以目标电力物联网络系统的吞吐量最大为目标,确定优化模型的约束条件,构建目标优化模型;目标优化模型为:
P0:
C1:N(M,ch
C2:N(M,u
C3:
其中,d
S42,根据目标优化模型对系统吞吐量进行优化,生成目标吞吐量。
参照图5-6所示,图5为系统吞吐量随节点数目的变化情况;从系统整体传输速率的角度对系统性能进行分析,很明显,随着用户数量的增加,系统吞吐量会增加,但增势逐渐变缓,原因是每个集群内用户数增多,它们共享同一频谱资源,因而集群内干扰增加,性能下降。而本发明所使用的双边匹配方法从整个系统的角度出发,寻找最优的集群化分,而不仅仅达到某个集群最优;从图5中可以看出,使用双边匹配方法得到的目标吞吐量优于贪心以及随机方法。
图6为平均吞吐量与用户数量的关系图;从图6中可以看出,随着更多用户的加入,平均用户吞吐量会下降,原因是用户共享相同的资源会产生干扰,因而单个用户的性能会下降;但是本发明的双边匹配的用户吞吐量的仍然是最优的,同时下降速度比贪心和随机方法慢,双边匹配再次证明其自身优于贪心方法以及随机方法。
第二方面,参照图7所示,本实施例提供一种基于LEACH算法的5G电网组网系统,包括:信息获取模块、分簇模块、匹配模块和优化模块;信息获取模块,用于获取传感器节点和信道带宽;分簇模块,用于通过低能耗自适应簇头协议将传感器节点生成成员节点和预设数量的簇头节点;匹配模块,用于通过双边匹配方法将簇头节点和成员节点进行匹配,生成匹配合集;优化模块,用于根据信道带宽和匹配合集,建立目标优化模型;根据目标优化模型对系统吞吐量进行优化,生成目标吞吐量。
根据本实施例提供的基于LEACH算法的5G电网组网系统,由于其用于实现本发明的第一方面实施例提供的基于LEACH算法的5G电网组网方法的步骤,因而该基于LEACH算法的5G电网组网系统具备该基于基于LEACH算法的5G电网组网方法的全部技术效果,在此不再赘述。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,程序执行时实现上述第一方面中任一项基于LEACH算法的5G电网组网方法。
第四方面,本发明实施例提供一种存储设备,包括存储介质和处理器,存储介质存储有计算机程序,程序被处理器执行时实现上述第一方面中任一项基于LEACH算法的5G电网组网方法。
本发明利用LEACH协议,将5G电力物联网中感知层包括的传感器节点分成簇头节点和成员节点,通过双边匹配方法将簇头节点和成员节点进行匹配,生成稳定的匹配合集;本发明采用聚类的方法,通过将传感器节点分为不同的簇,可以实现能源的有效管理和数据的高效传输;使用集群向基站传输数据利用了大多数节点传输距离小的优势,只需要几个节点就可以将数据传输到基站,即使距离较远。每个簇中都会有一个簇头节点,负责计算TDMA(时分多址)调度传输时隙,以确保每个成员节点都可以在分配的传输时隙内将其数据传输给簇头。非簇头节点在不传输数据时会关闭无线电,以最小化能量消耗,从而延长它们的运行时间。
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。
显然,本领域的技术人员可以对本发明进行各种修改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,则本发明也应该包含这些修改和变型在内。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。
- 一种电小天线宽带匹配网络的优化匹配设计及其电小天线宽带匹配网络
- 一种阻抗匹配网络的调节结构及阻抗匹配网络