融合网络的电力设备关联与资源优化方法、系统及介质

技术领域

本发明属于电力设备网络优化技术领域，具体涉及一种融合网络的电力设备关联与资源优化方法、系统及介质。

背景技术

随着“新能源、新业务”的广泛布局，智能电网涵盖的生产、运行环节持续增加，在诸如无人机输电线路巡检、机器人电力设施巡检，以及应急通信等智能电网应用场景中，电力设备数据信息呈爆发式增长的趋势，传统的单一地面网络数据收集方式将无法承载海量数据传输，因此，迫切需要有效的方案来解决电力设备数据收集困难的问题。

第五代移动通信技术(5th-Generation，5G)和卫星的融合组网提供了一种有效的解决方案。第五代移动通信技术(5th-Generation，5G)有着高速率、低功耗等优点，可以适应未来电力多场景、差异化业务灵活承载的需求，为电力系统提供灵活可靠的通信手段，但其部署需要有合理的网络架构和拓扑结构，进而减少同频干扰，提高用户体验速率，降低能耗。而卫星通信覆盖区域大、可看地域面积广、通信距离远、可靠性强，但存在通信时延较长，反馈较慢，通信链路极易受到外界因素干扰等问题。因此，将5G技术与卫星通信技术相融合，建立面向智能电网场景的5G与卫星融合通信立体网络，可以很好地发挥各自优势，弥补短板，从而进一步提高智能电网场景的数据传输能力，提高电力设备的传输能效。

然而，面向智能电网场景的5G与卫星融合网络的数据采集仍面临一些关键问题。首先，卫星相对于地面电力设备距离较远，数据直接从地面上传至卫星可能导致较大的传输损耗。其次，设备关联是5G与卫星融合异构网络中必须考虑的问题，设备关联决定设备该如何选择地面基站或卫星进行数据转发，使得系统负载均衡，从而提高系统能效。最后，在异构网络中，功率控制技术对降低设备能耗也有着重要作用，对系统性能也有着重大影响。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种融合网络的电力设备关联与资源优化方法、系统及介质，实现设备的最佳关联并完成设备的功率优化，在确保电力设备最低传输速率需求的条件下，最大化电力设备的长期能效，提升网络性能。

为了实现上述目的，本发明有如下的技术方案：

第一方面，提供一种融合网络的电力设备关联与资源优化方法，包括：

构建由卫星与地面基站以及电力设备组成电网场景下的系统模型；

对系统模型进行具体化，分别得到设备关联模型、数据传输模型和能效模型；

结合设备关联模型、数据传输模型和能效模型，在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化，确定出对应的优化问题；

将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代，求出网络总运行时间内所有电力设备的最优功率控制方案。

作为一种优选方案，所述由卫星与地面基站以及电力设备组成电网场景包括至少一个低轨卫星、U架无人机、B个地面5G基站和I个地面电力设备，地面5G基站和低轨卫星均配备有云端服务器数据中心，电力设备将采集到的数据直接转发至地面5G基站或者通过一架以预设轨迹飞行的无人机将数据上传至低轨卫星，并同时优化自身的传输功率；总优化时间分为T个时隙，每个时隙长度为τ，时隙模型为

作为一种优选方案，对系统模型进行具体化，得到设备关联模型的步骤具体包括：

使用二进制变量a

作为一种优选方案，对系统模型进行具体化，得到数据传输模型的步骤具体包括：

当电力设备i选择将数据通过无人机进行传输时，根据香农公式和放大-转发协议获取当前时隙电力设备i上传到低轨卫星的数据速率：

式中，D是预先为每个电力设备分配的信道带宽，α

数据从无人机到低轨卫星的信噪比用α

当电力设备i选择将数据直接转发至地面5G基站时，根据香农公式获取数据传输速率：

式中，w

作为一种优选方案，对系统模型进行具体化，得到能效模型的步骤中，电力设备长期总能效的计算表达式如下：

作为一种优选方案，所述结合设备关联模型、数据传输模型和能效模型，在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化，确定出对应的优化问题的步骤中，优化问题的表达式如下：

/>

s.t.C1:a

C2:a

C3:a

C6:0≤P

C7:R

式中，优化的变量为设备关联策略a

C1和C2表示电力设备关联策略是一个二进制策略；C3表示在每个时隙每个电力设备最多选取一种数据传输方式；C4和C5表示每个时隙连接到无人机或地面5G基站的电力设备数量有上限，分别为A

作为一种优选方案，所述将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代的步骤中，所述设备关联策略首先对电力设备进行等功率分配，然后基于遗传算法进行设备关联，所述遗传算法具体包括以下步骤：

种群初始化，随机产生设备关联策略问题设定数量的可行解作为初代种群，每个种群个体染色体的基因采用二进制编码，保证每一个可行解均满足C1-C5的约束；

针对种群个体，利用适应度函数分别计算适应程度，所述适应度函数设置为每个时隙内电力设备总能效；

进行种群个体选择，选择适应度函数值最大的个体进行保留，再使用轮盘赌策略，按适应度函数值的高低确定选择概率的高低，选取出设定数量的个体进行保留；

进行复制，将保留的个体复制到下一代种群中；

进行交叉过程，设置交叉概率，对于要进行交叉操作的父代染色体，采用两个一组的形式，对每组进行单点交叉操作，对于新产生的子代个体，判断是否满足C1-C5的约束，如果满足，则保留下来；否则，就将新产生的子代个体舍弃；

进行变异过程，设置变异概率，通过将变量进行0-1反转，实现基因位的变异；其中，每一个电力设备在同一时隙内最多关联一个位置，在翻转前将已经为‘1’的基因位置‘0’，随后再进行变异过程，对变异之后的新个体判断是否符合C1-C5的约束；如果满足，则保留下来；否则，就将变异之后的新个体舍弃；

获得下一代种群，然后重新计算适应度函数，并进行种群个体选择、复制、交叉以及变异，直到收敛或者达到最大的迭代次数为止。

作为一种优选方案，所述将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代的步骤中，基于最优的设备关联策略，应用改进的模拟退火算法求解功率控制方案，改进的模拟退火算法求解功率控制方案的步骤包括：

对系统模型进行初始化并随机生成初始解，计算初始解对应的目标函数值，进入外循环退火过程；在当前温度下，进入内循环，生成新的可行解，使用Metropolis准则判断是否接受新的可行解，直到达到迭代次数，内循环结束；再按如下方式更新温度：在当前温度的迭代寻优期间，如果找到了更好的可行解，给予系统模型一个额外的降温速率来加速退火；否则，系统模型继续保持原降温速率进行退火过程，并重新进入内循环，直到当前温度低于终止温度时，结束外循环，得到当前时隙下所有电力设备的最优功率控制方案。

第二方面，提供一种融合网络的电力设备关联与资源优化系统，包括：

系统模型构建模块，用于构建由卫星与地面基站以及电力设备组成电网场景下的系统模型；

模型具体化模块，用于对系统模型进行具体化，分别得到设备关联模型、数据传输模型和能效模型；

优化问题建立模块，用于结合设备关联模型、数据传输模型和能效模型，在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化，确定出对应的优化问题；

迭代求解模块，用于将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代，求出网络总运行时间内所有电力设备的最优功率控制方案。

作为一种优选方案，所述系统模型构建模块构建由卫星与地面基站以及电力设备组成电网场景下的系统模型时，所述由卫星与地面基站以及电力设备组成电网场景包括至少一个低轨卫星、U架无人机、B个地面5G基站和I个地面电力设备，地面5G基站和低轨卫星均配备有云端服务器数据中心，电力设备将采集到的数据直接转发至地面5G基站或者通过一架以预设轨迹飞行的无人机将数据上传至低轨卫星，并同时优化自身的传输功率；总优化时间分为T个时隙，每个时隙长度为τ，时隙模型为

作为一种优选方案，所述模型具体化模块对系统模型进行具体化，得到设备关联模型的步骤具体包括：

使用二进制变量a

作为一种优选方案，所述模型具体化模块对系统模型进行具体化，得到数据传输模型的步骤具体包括：

当电力设备i选择将数据通过无人机进行传输时，根据香农公式和放大-转发协议获取当前时隙电力设备i上传到低轨卫星的数据速率：

式中，D是预先为每个电力设备分配的信道带宽，α

数据从无人机到低轨卫星的信噪比用α

当电力设备i选择将数据直接转发至地面5G基站时，根据香农公式获取数据传输速率：

式中，w

作为一种优选方案，所述模型具体化模块对系统模型进行具体化，得到能效模型的步骤中，电力设备长期总能效的计算表达式如下：

作为一种优选方案，所述优化问题建立模块构建的优化问题表示为：

s.t.C1:a

C2:a

C3:a

C6:0≤P

C7:R

式中，优化的变量为设备关联策略a

C1和C2表示电力设备关联策略是一个二进制策略；C3表示在每个时隙每个电力设备最多选取一种数据传输方式；C4和C5表示每个时隙连接到无人机或地面5G基站的电力设备数量有上限，分别为A

第三方面，提供一种电子设备，包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现所述融合网络的电力设备关联与资源优化方法。

第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述融合网络的电力设备关联与资源优化方法。

相较于现有技术，本发明的第一方面至少具有如下的有益效果：

构建由卫星与地面基站以及电力设备组成电网场景下的系统模型，地面上的电力设备运行的不同应用程序产生各种各样的电力数据，通过对系统模型进行具体化，分别得到设备关联模型、数据传输模型和能效模型，进而可以确定出优化问题，以实现在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化。优化问题求解过程中，在每个时隙内将优化问题分解为设备关联策略和功率控制方案两个子问题，求解设备关联策略可以实现电力设备的最佳关联，再基于得到的最优设备关联策略，求解得出最优的功率控制方案，对所有时隙进行迭代，可以求出网络总运行时间内所有电力设备的最优功率控制方案。本发明可以在确保电力设备最低传输速率需求的条件下，最大化电力设备长期能效，提升网络性能。本发明方法对于5G与卫星网络融合的电力设备数据传输有非常重要的科研意义和价值。

可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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他的附图。

图1本发明实施例融合网络的电力设备关联与资源优化方法流程图；

图2本发明实施例电网场景下的系统模型示意图；

图3本发明实施例融合网络的电力设备关联与资源优化系统结构框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请的实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

请参阅图1，本发明实施例融合网络的电力设备关联与资源优化方法，包括以下步骤：

S1、构建由卫星与地面基站以及电力设备组成电网场景下的系统模型；

S2、对系统模型进行具体化，分别得到设备关联模型、数据传输模型和能效模型；

S3、结合设备关联模型、数据传输模型和能效模型，在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化，确定出对应的优化问题；

S4、将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代，求出网络总运行时间内所有电力设备的最优功率控制方案。

在步骤S4得到电力设备关联策略和功率控制方案之后，通过该结果对电力场景的5G与卫星融合网络进行数据采集，最终可以使得电力设备长期能效最大化。

在一种可能的实施方式中，如图2所示，步骤S1所述的由卫星与地面基站以及电力设备组成电网场景包括至少一个低轨卫星、U架无人机、B个地面5G基站和I个地面电力设备，地面上的电力设备运行的不同应用程序产生各种各样的电力数据，这些数据需要及时地被上传到云端服务器数据中心，以便电网调控中心使用。为了减轻地面5G基站的上传链路负载并且提高数据传输能效，系统模型在地面5G基站和低轨卫星均配备有云端服务器数据中心，电力设备可以将采集到的数据直接转发至地面5G基站或者通过一架以预设轨迹飞行的无人机将数据上传至低轨卫星，并同时优化自身的传输功率，从而保证数据的高效采集并降低数据传输能效。总优化时间被分为T个时隙，每个时隙长度为τ，时隙模型为

在一种可能的实施方式中，步骤S2对系统模型进行具体化，得到设备关联模型包括：

使用二进制变量a

在一种可能的实施方式中，步骤S2对系统模型进行具体化，得到数据传输模型包括：

当电力设备i选择将数据通过无人机进行传输时，根据香农公式和放大-转发(Amplify-and-Forward，AF)协议获取当前时隙电力设备i上传到低轨卫星的数据速率：

式中，D是预先为每个电力设备分配的信道带宽，α

类似地，数据从无人机到低轨卫星的信噪比用α

当电力设备i选择将数据直接转发至地面5G基站时，根据香农公式获取数据传输速率：

式中，w

在一种可能的实施方式中，步骤S2对系统模型进行具体化，得到能效模型的步骤中：

定义电力设备长期总能效的计算表达式如下：

在一种可能的实施方式中，步骤S3对应的优化问题的表达式如下：

s.t.C1:a

C2:a

C3:a

C6:0≤P

C7:R

式中，优化的变量为设备关联策略a

C1和C2表示电力设备关联策略是一个二进制策略；C3表示在每个时隙每个电力设备最多选取一种数据传输方式；C4和C5表示每个时隙连接到无人机或地面5G基站的电力设备数量有上限，分别为A

在一种可能的实施方式中，步骤S4将步骤S3构建出的优化问题分解为：在每个时隙内依次求解设备关联策略SP1和功率控制方案SP2两个子问题，最后对所有时隙进行迭代，求出网络总运行时间内最优解。

设备关联策略SP1首先对设备进行等功率分配，其次为了降低求解复杂度，提出基于遗传算法的设备关联策略，主要包括以下步骤：

第一步：种群初始化，随机产生问题SP1的一定数量的可行解作为初代种群，每个种群个体染色体的基因采用二进制编码，同时每一个可行解都需要保证满足C1-C5的约束。

第二步：针对种群个体，利用适应度函数分别计算其适应程度，此处适应度函数设置为每个时隙内电力设备总能效。

第三步：进行种群个体选择操作，采用精英主义保留策略，选择适应度函数值最大的个体留存下来，称为精英个体，再使用轮盘赌策略，按适应度函数值的高低来确定选择概率的高低，适应度高的个体被选中的几率大，而适应度低的个体更容易在子代种群中被淘汰，因此可以选取出一定数量的个体保留，并将其余适应度低的个体淘汰。

第四步：进行复制操作，将精英个体复制到下一代种群中。

第五步：进行交叉过程，设置一定的交叉概率，对于要进行交叉操作的父代染色体，采用两个一组的形式，每组进行单点交叉操作，对于新产生的子代个体，需要判断其是否满足C1-C5的约束，如果满足，则保留下来；否则，就需要将这一新的个体舍弃。

第六步：进行变异过程，设置一定的变异概率，通过将变量进行0-1反转实现基因位的变异。其中，每一个设备在同一时隙内最多关联一个位置，即无人机或地面5G基站，因而在翻转前需要将已经为‘1’的基因位置‘0’随后再进行变异过程。同样的，变异之后的新个体同样需要对其判断是否符合C1-C5的约束，如果满足，则保留下来；否则，就需要将这一新的个体舍弃。

第七步：得到下一代种群，然后重新计算适应度函数、进行选择、复制、交叉、变异等操作，一直到收敛或者达到最大的迭代次数为止。

电力设备功率控制方案SP2是非凸的，在求解时，基于得到的最优设备关联策略，考虑应用模拟退火算法的思想求解功率控制方案。但是当网络规模、迭代次数以及初始温度和终止温度差值很大时，模拟退火算法会降温得特别慢，很有可能浪费太多时间也难以找到更优解，因此在解决子问题SP2时，本发明对模拟退火算法进行改进，提出一种改进的基于模拟退火算法的功率控制方案，主要包括以下步骤：首先对系统进行初始化并随机生成初始解，计算初始解对应的目标函数值，开始进入外循环退火过程。接下来，在当前温度下，进入内循环，生成新的可行解，使用Metropolis准则判断是否接受新的可行解，直到达到迭代次数，内循环结束。然后使用改进的策略更新温度，具体来说：在当前温度的迭代寻优期间，如果系统模型找到了更好的可行解，给予系统模型一个额外的降温速率来加速系统退火；否则，系统模型继续保持原降温速率对系统进行退火过程，并重新进入内循环，直到当前温度低于终止温度时，结束外循环，算法结束，得到当前时隙下所有设备的最优功率控制方案。

本发明在每个时隙内将联合优化问题分解为设备关联策略和功率控制方案两个子问题，首先提出基于遗传算法的设备关联策略，实现设备的最佳关联；其次，在此基础上，对模拟退火算法进行改进，完成设备的功率优化。本发明5G与卫星融合网络的设备关联与资源优化方法，可以在确保电力设备最低传输速率需求的条件下，最大化电力设备长期能效。

实施例2

请参阅图3，本发明实施例融合网络的电力设备关联与资源优化系统，包括：

系统模型构建模块1，用于构建由卫星与地面基站以及电力设备组成电网场景下的系统模型；

模型具体化模块2，用于对系统模型进行具体化，分别得到设备关联模型、数据传输模型和能效模型；

优化问题建立模块3，用于结合设备关联模型、数据传输模型和能效模型，在确保设备最低传输速率需求的条件下，将电力设备长期能效最大化，确定出对应的优化问题；

迭代求解模块4，用于将优化问题分解为在每个时隙内依次求解设备关联策略和功率控制方案两个子问题，并对所有时隙进行迭代，求出网络总运行时间内所有电力设备的最优功率控制方案。

在一种可能的实施方式中，系统模型构建模块1构建由卫星与地面基站以及电力设备组成电网场景下的系统模型时，所述由卫星与地面基站以及电力设备组成电网场景包括至少一个低轨卫星、U架无人机、B个地面5G基站和I个地面电力设备，地面5G基站和低轨卫星均配备有云端服务器数据中心，电力设备将采集到的数据直接转发至地面5G基站或者通过一架以预设轨迹飞行的无人机将数据上传至低轨卫星，并同时优化自身的传输功率；总优化时间分为T个时隙，每个时隙长度为τ，时隙模型为

在一种可能的实施方式中，模型具体化模块2对系统模型进行具体化，得到设备关联模型的步骤具体包括：

使用二进制变量a

在一种可能的实施方式中，模型具体化模块2对系统模型进行具体化，得到数据传输模型的步骤具体包括：

当电力设备i选择将数据通过无人机进行传输时，根据香农公式和放大-转发协议获取当前时隙电力设备i上传到低轨卫星的数据速率：

式中，

类似地，数据从无人机到低轨卫星的信噪比用α

当电力设备i选择将数据直接转发至地面5G基站时，根据香农公式获取数据传输速率：

/>

式中，w

在一种可能的实施方式中，模型具体化模块2对系统模型进行具体化，得到能效模型的步骤中，电力设备长期总能效的计算表达式如下：

在一种可能的实施方式中，优化问题建立模块3构建的优化问题表示为：

s.t.C1:a

C2:a

C3:a

C6:0≤P

C7:R

式中，优化的变量为设备关联策略a

C1和C2表示电力设备关联策略是一个二进制策略；C3表示在每个时隙每个电力设备最多选取一种数据传输方式；C4和C5表示每个时隙连接到无人机或地面5G基站的电力设备数量有上限，分别为A

实施例3

本发明另一实施例还提出一种电子设备，包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如实施例1所述融合网络的电力设备关联与资源优化方法。

实施例4

本发明另一实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1所述融合网络的电力设备关联与资源优化方法。

所述计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。为了便于说明，以上内容仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质是非暂时性的，可以存储在各种电子设备形成的存储装置当中，能够实现本发明实施例方法记载的执行过程。

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。应理解为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。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。