通过预测电池状态进行聚类的物联网寿命优化方法及系统

技术领域

本发明涉及计算机物联网技术领域，具体来说，涉及通过预测电池状态进行聚类的物联网寿命优化方法及系统。

背景技术

在现代物联网下，越来越多的电子设备以指数级的规模连接到互联网，实现日常设备(手机、传感器、笔记本等等)之间能够的通信和信息共享。其中，无线传感器网络是物联网领域的重要组成部分，他们提供了物联网系统所需的技术基础，并且以低廉高效的方式为物联网中的电子设备提供了接入网络的解决方案，对于物联网中的每个设备来说，设备电池能够供应的电量往往是有限的，因此一个物联网的使用寿命，直接取决于物联网中设备的电池寿命。

因此，可充电电池的概念在物联网业界中引起了广泛关注和应用，这类电池通过为设备安装充电系统(如压电发电机，射频采集器，太阳能电池板，风力发电机等等)来将来自环境的能源转化为电能，延长电池的使用寿命。同时，业界采用了将设备分块的方法，同一个设备块内的设备由一个块头设备(CH)负责汇总并传输该设备块内的所有设备的数据，从而减少传输的总数据量，降低设备能耗，这些方法有效地延长了基于电池的物联网的使用寿命。然而，现今物联网设备面临的问题在于可充电电池的耐久并不是无限的，这意味着可充电电池的容量会随着使用时间逐渐较小，直至不能使用。这导致如果在物联网的设计过程中忽略可充电电池的老化将会导致高昂的更换和维护成本。因此，对于使用可充电电池的物联网来说，保持电池健康状态也是至关重要的。然而，传统的设计要么侧重于静态的电池供电网络，要么只考虑电池的当前电量，以便能够在短时间内改善物联网寿命。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出通过预测电池状态进行聚类的物联网寿命优化方法及系统，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

根据本发明的一个方面，提供了通过预测电池状态进行聚类的物联网寿命优化方法，该基于通过预测电池状态进行聚类的物联网寿命优化方法包括以下步骤：

S1、根据电池的充电电流和放电电流大小，并计算电池内部温度参数；

S2、根据设备之间的距离和传输的数据量，并计算设备从电池中所消耗的能量参数；

S3、根据电池的电量和工作情况计算该设备被选中为块头设备情况下的电池温度变化参数；

S4、根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型；

S5、根据设备权重计算算法，计算出各设备的权重信息；

S6、根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备。

进一步的，所述根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型包括建立电池内部温度估计模块、设备能耗预测模块及热温预测模块。

进一步的，其特征在于，所述根据设备权重计算算法，计算出各设备的权重信息包括以下步骤：

S41、设定模型中给出的电池健康状态的相关参数；

S42、分别求出设备在每时刻的电池健康状态变化表达式、设备能耗预测模块给出的能耗表达式、设备使用时长表达式、电池内部温度估计模块给出的电池内部温度表达式及热温预测模型给出的时刻热温变化表达式；

S43、通过权重计算算法，得出电池健康状态变化的计算公式；

S44、通过电池健康状态变化的计算公式，得到设备电池健康变化的结果。

进一步的，所述电池健康状态变化的计算公式为：

其中，ΔSoH

表示能耗预测模块给出的能耗；

表示设备使用时长；

表示电池内部温度估计模块给出的电池内部温度；

表示热温预测模型给出的时刻p的热温变化。

进一步的，所述根据设备权重计算算法，计算出各设备的权重信息包括以下步骤：

S51、根据设备权重计算算法，计算电池健康变化的结果；

S52、根据计算电池健康变化的结果，通过设备的连接度，计算出每个设备权重。

进一步的，所述通过设备的连接度，计算出每个设备权重的计算公式为：

Wi＝α×θi+β×(1-ΔSoHp)

其中，W

θ

α和β表示权重的调节参数。

进一步的，所述根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备包括以下步骤：

S61、通过设备编号i计算Chi；

其中，其中CHi指编号为i的设备所属设备块的CH设备；

S62、判断Chi是否在本轮成为设备块的CH设备；

S63、若是某一设备在某一轮中成为了CH设备，则该设备将距CH设备的距离设置为0，若否，则执行步骤S64；

S64、通过选择算法检测所对应的CH设备是否发生变化；

S65、若是，则将新的CH设备和对应的距离广播至其他设备，若否，则执行步骤S66；

S66、将发生变化每个设备再重新计算相对应的CH设备以及距CH设备的距离，并将其广播给其他的设备；

S67、通过每个设备都执行该算法数轮，直到最后选出的CH设备的编号以及距离变为一个稳定值，若每轮算法执行前后不再发生改变，则表示算法执行完毕。

根据本发明的另一个方面，还提供了基于电池健康状态预测进行聚类的物联网生命周期优化系统，该系统包括：电池内部温度估计模块、设备能耗预测模块、热温预测模块、电池健康状态模型模块、设备权重计算算法模块及CH设备选择算法模块；

其中，所述电池内部温度估计模块，根据电池的充电电流和放电电流大小，并计算电池内部温度参数；

设备能耗预测模块，用于根据设备之间的距离和传输的数据量，并计算设备从电池中所消耗的能量参数；

热温预测模块，用于根据电池的电量和工作情况计算该设备被选中为块头设备情况下的电池温度变化参数；

电池健康状态模型模块，用于根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型；

设备权重计算算法模块，用于根据设备权重计算算法，计算出各设备的权重信息；

CH设备选择算法模块，用于根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备。

本发明的有益效果为：

1、本发明根据物联网设备采集到的环境状态信息，预先计算出设备工作可能产生的老化影响，并使用基于设备电池健康状态的算法来选择设备分块通信时的CH设备，尽量减少设备工作时对电池寿命的损耗，从而延长可充电设备的使用期限，增加物联网络的使用寿命。

2、通过模块的计算结果，使得可以对电池的健康状态进行建模，从而得到电池的健康状态模型，该模型能够预测如果某一设备被选择为CH设备，则其电池的健康状态的老化程度，并根据这一点为每个设备赋予相应的权重，根据各设备的权重信息，计算出每个设备块电池老化程度最少的CH设备，从而在长期上延长物联网设备的使用寿命。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的通过预测电池状态进行聚类的物联网寿命优化方法的流程图；

图2是根据本发明实施例的基于电池健康状态预测进行聚类的物联网生命周期优化系统的原理框图；

图3是根据本发明实施例的通过预测电池状态进行聚类的物联网寿命优化方法中选择算法的流程图；

图4是根据本发明实施例的通过预测电池状态进行聚类的物联网寿命优化方法基站数据中继中的CH设备选择图。

图中：

1、电池内部温度估计模块；2、设备能耗预测模块；3、热温预测模块；4、电池健康状态模型模块；5、设备权重计算算法；6、CH设备选择算法模块。

具体实施方式

为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。

根据本发明的实施例，提供了通过预测电池状态进行聚类的物联网寿命优化方法及系统。

现结合附图和具体实施方式对本发明进一步说明，如图1-图4所示，根据本发明实施例的通过预测电池状态进行聚类的物联网寿命优化方法，该通过预测电池状态进行聚类的物联网寿命优化方法包括以下步骤：

S1、根据电池的充电电流和放电电流大小，并计算电池内部温度参数；

S2、根据设备之间的距离和传输的数据量，并计算设备从电池中所消耗的能量参数；

S3、根据电池的电量和工作情况计算该设备被选中为块头设备情况下的电池温度变化参数；

S4、根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型；

S5、根据设备权重计算算法，计算出各设备的权重信息；

S6、根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备。

在一个实施例中，所述根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型包括建立电池内部温度估计模块、设备能耗预测模块及热温预测模块。

在一个实施例中，所述根据设备权重计算算法，计算出各设备的权重信息包括以下步骤：

S41、设定模型中给出的电池健康状态的相关参数；

S42、分别求出设备在每时刻的电池健康状态变化表达式、设备能耗预测模块给出的能耗表达式、设备使用时长表达式、电池内部温度估计模块给出的电池内部温度表达式及热温预测模型给出的时刻热温变化表达式；

S43、通过权重计算算法，得出电池健康状态变化的计算公式；

S44、通过电池健康状态变化的计算公式，得到设备电池健康变化的结果。

在一个实施例中，所述电池健康状态变化的计算公式为：

其中，ΔSoH

表示能耗预测模块给出的能耗；

表示设备使用时长；

表示电池内部温度估计模块给出的电池内部温度；

表示热温预测模型给出的时刻p的热温变化。

具体的，如图4所示，在数据源和基站之间有四个设备可用作中继设备进行通信，如果使用传统的能耗节约算法，则设备编号1或者设备编号2会被选中作为中继通信设备。因为设备1有着最多的剩余电量(图中SoC为80％)，而设备2则消耗最少的电量(图中ΔSoC为15％)。然而，从一个长远的角度来说，应当选择设备3或4进行通信，因为这两个设备有着更好的电池状态(设备3的电池健康状态SoH为53％，设备4为51％)。在图中…所示的示例下，本发明所提出的算法将会选择设备4作为CH设备因为选择该设备对设备的电池老化程度影响最小(图中ΔSoH为0.4％)。

在一个实施例中，所述根据设备权重计算算法，计算出各设备的权重信息包括以下步骤：

S51、根据设备权重计算算法，计算电池健康变化的结果；

S52、根据计算电池健康变化的结果，通过设备的连接度，计算出每个设备权重。

在一个实施例中，所述通过设备的连接度，计算出每个设备权重的计算公式为：

Wi＝α×θi+β×(1-ΔSoHp)

其中，W

θ

α和β表示权重的调节参数。

在一个实施例中，所述根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备包括以下步骤：

S61、通过设备编号i计算Chi；

其中，其中CHi指编号为i的设备所属设备块的CH设备；

具体的，根据编号i，可以利用上述公式得到设备的权重Wi，接着，假设设备i所在的设备块的网络直径为k(一个整数常数，可预先根据设备配置的拓扑结构获得)，则将这个权重Wi广播给设备i在k次转发内可到达的所有邻居设备。类似地，设备i也会收到来自其他设备广播的权重。然后设备i比较自己的权重与收到的权重，将Chi设置为权重最大的那个设备的编号。

S62、判断Chi是否在本轮成为设备块的CH设备；

S63、若是某一设备在某一轮中成为了CH设备，则该设备将距CH设备的距离设置为0，若否，则执行步骤S64；

S64、通过选择算法检测所对应的CH设备是否发生变化；

S65、若是，则将新的CH设备和对应的距离广播至其他设备，若否，则执行步骤S66；

S66、将发生变化每个设备再重新计算相对应的CH设备以及距CH设备的距离，并将其广播给其他的设备；

S67、通过每个设备都执行该算法数轮，直到最后选出的CH设备的编号以及距离变为一个稳定值，若每轮算法执行前后不再发生改变，则表示算法执行完毕。

根据本发明的另一个实施例，还提供了基于电池健康状态预测进行聚类的物联网生命周期优化系统，该系统包括：电池内部温度估计模块1、设备能耗预测模块2、热温预测模块3、电池健康状态模型模块4、设备权重计算算法5模块及CH设备选择算法模块6；

其中，所述电池内部温度估计模块1，根据电池的充电电流和放电电流大小，并计算电池内部温度参数；

设备能耗预测模块2，用于根据设备之间的距离和传输的数据量，并计算设备从电池中所消耗的能量参数；

热温预测模块3，用于根据电池的电量和工作情况计算该设备被选中为块头设备情况下的电池温度变化参数；

电池健康状态模型模块4，用于根据计算出的参数，对电池健康状态进行建模，得到电池健康状态模型；

设备权重计算算法模块5，用于根据设备权重计算算法，计算出各设备的权重信息；

CH设备选择算法模块6，用于根据CH设备选择算法，计算出每个设备块电池老化程度最少的CH设备。

在实际应用时，本发明方案中各设备之间的分块操作仅由CH设备发起，并且只有当物联网设备之间的拓扑发生相当大的变化时才会交换设备之间的本地状态信息，这种方法大大节省了设备之间的通信开销，从而有效地减少了设备通信所需的能量，进一步延长物联网设备的使用寿命。

具体的，对于说明书中出现的缩略语和关键术语定义进行解释，具体如下：

物联网：指是计算设备、机械、数字机器相互关系的系统，系统中的组件具备通用唯一识别码，并具有通过网络传输数据的能力，无需人与人、或是人与设备的交互。

BS：Base station，基站。利用特定波长的电磁信号实现数据传输的设备。

SoC：State of Charge，电池电量状态，描述电池剩余电量。ΔSoC表示一次使用后消耗的电池电量。

SoH：State of health，(电池的)健康状态。指可充电电池充电时再次完全充电的能力。ΔSoH表示一次使用后电池健康状态的损耗。

设备块：指由一群设备通过无线信号组成的设备集群，集群内的设备之间可以互相通信。集群中往往有一个块头设备(CH)，该设备负责收集集群中所有设备需要传输的数据并进行传输任务。其余设备被称为块成员设备(CM)。

CH：Cluster head，块头设备。指负责收集某一设备块中所有设备数据并进行通信的设备。

CM：Cluster member，块成员设备。指在某一设备块中被收集数据的设备。

电池健康状态：随着电池的使用，电池能够容纳的电量会逐渐减少，电池的健康状态描述电池每次完全充电后实际能够容纳的电量和理论值的比值。

LEACH：Low-energy adaptive clustering hierarchy，低电量自适应分层分块。用于将设备分块并选出其中的块头设备的算法。

LECA_SoH：Long-term energy optimization clustering approach based onbattery SoH。

综上所述，借助于本发明的上述技术方案，通过模块的计算结果，使得可以对电池的健康状态进行建模，从而得到电池的健康状态模型，该模型能够预测如果某一设备被选择为CH设备，则其电池的健康状态的老化程度，并根据这一点为每个设备赋予相应的权重，根据各设备的权重信息，计算出每个设备块电池老化程度最少的CH设备，从而在长期上延长物联网设备的使用寿命。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。