CN111835564B - 一种电力物联网通信链路故障自适应恢复方法及*** - Google Patents

一种电力物联网通信链路故障自适应恢复方法及*** Download PDF

Info

Publication number
CN111835564B
CN111835564B CN202010634662.XA CN202010634662A CN111835564B CN 111835564 B CN111835564 B CN 111835564B CN 202010634662 A CN202010634662 A CN 202010634662A CN 111835564 B CN111835564 B CN 111835564B
Authority
CN
China
Prior art keywords
network node
available
preset
preset network
link
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.)
Active
Application number
CN202010634662.XA
Other languages
English (en)
Other versions
CN111835564A (zh
Inventor
邵苏杰
郭少勇
邱雪松
王语琪
夏伟栋
刘强
王徐延
许洪华
辛辰
杨杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Beijing University of Posts and Telecommunications
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications, Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Beijing University of Posts and Telecommunications
Priority to CN202010634662.XA priority Critical patent/CN111835564B/zh
Publication of CN111835564A publication Critical patent/CN111835564A/zh
Application granted granted Critical
Publication of CN111835564B publication Critical patent/CN111835564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • H04L41/0668—Management of faults, events, alarms or notifications using network fault recovery by dynamic selection of recovery network elements, e.g. replacement by the most appropriate element after failure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0677—Localisation of faults
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/10—Flow control; Congestion control
    • H04L47/12—Avoiding congestion; Recovering from congestion
    • H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明实施例提供一种电力物联网通信链路故障自适应恢复方法及***。该方法包括：计算预设网络节点的占空比，基于占空比判断预设网络节点的繁忙程度；根据繁忙程度确定获取冗余数据的预设网络节点，确定备选网络节点集合，获取所有可用通信链路；根据网络需求约束，对所有可用通信链路进行打分，得到链路可用分值；基于链路可用分值，通过改进的KM算法将所有可用通信链路进行排序，匹配最优通信链路进行网络故障恢复。本发明实施例提出自适应调整的电力物联网通信链路故障恢复机制，将业务需求感知量化，考虑网络负载均衡、采用关键节点的通信任务卸载的方法，对可用通信链路进行自适应的精确匹配，选择最优通信链路。

Description

一种电力物联网通信链路故障自适应恢复方法及***
技术领域
本发明涉及视频技术领域，尤其涉及一种电力物联网通信链路故障自适应恢复方法及***。
背景技术
随着物联网技术的快速发展，物联网在智能城市，智能农业，智能医疗等方面取得了很大成就。物联网的实现需要低能耗，低成本，低复杂度的传感器设备去完成长距离传输。LoRa是一种低功耗广域网技术。它具有支持大规模部署低流量传感器设备，传感器设备成本低，生产和开发基础设施成本低等特点，拥有超长传输，超低功耗等优点，符合电力物联感知网络中对海量感知传感器的需求，成为电力物联感知网络的理想技术选择。
LoRaWAN是一种基于LoRa芯片的用于广域网的MAC层协议。该协议基于ALOHA，适用于低通信量及零星通讯使用。LoRaWAN普遍采用星形组网，与网状网络架构相比，它是具有最低延迟、最简单的网络结构，但同时这种简单的结构在电力物联感知网络中也存在诸多问题。电力物联感知网络的感知业务多样、差异化明显、数据量需求大，使得数据通信质量面临威胁。此外，电力物联感知网络传感器多部署于室外和野外，部署环境复杂、恶劣、多变，感知传感器和通信链路易受外部环境影响，故障频发，导致业务中断，不利于电力物联感知网络的持续有效运营。
现有技术中提出部分解决上述问题的技术方案，但存在如下缺陷：
(1)采用LoRa技术对海量参数进行采集，上传到服务器，但Lora的星形组网结构容易导致单一网关接入的感知传感器数量过多，数据冲突风险高等问题，使得数据通信质量面临威胁；
(2)由于电力物联感知网络传感器多部署于室外和野外，部署环境复杂、恶劣、多变，感知传感器和通信链路易受外部环境影响，故障频发，导致业务中断，不利于电力物联感知网络的持续有效运营；
(3)电力物联感知网络的感知业务多样、差异化明显、数据量需求大，而存储格式过于单一。采用的基于自组网模组及带计量运算的路灯断路器，对数据格式要求较高，只能处理特定的计量运算，难以适应电力物联感知网络环境。
发明内容
本发明实施例提供一种电力物联网通信链路故障自适应恢复方法，用以解决现有技术中对电力物联网的通信链路故障无法进行有效的定位和恢复。
第一方面，本发明实施例提供一种电力物联网通信链路故障自适应恢复方法，包括：
计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；
根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
进一步地，所述计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度，具体包括：
在预设周期内，设定每个传感器在随机时刻发送预设长度LoRa数据包；
设定扩频因子，根据传感器与所述预设网络节点之间的距离设定所述扩频因子的取值范围；
基于所述取值范围，计算所述预设长度LoRa数据包的传输时间；
由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率。
进一步地，所述基于所述取值范围，计算所述预设长度LoRa数据包的传输时间，具体包括：
基于已设定前导码长度和单位时间传输符号数，计算得到前导码传输时间；其中，所述单位时间传输符号数是基于所述取值范围和信号带宽所得到；
基于有效负载字节数、CRC字节长度、报头判断标记、编码率、所述取值范围和所述信号带宽，计算得到数据包传输时间；
由所述前导码传输时间和所述数据包传输时间求和，得到所述预设长度LoRa数据包的传输时间。
进一步地，所述由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率，具体包括：
基于所述预设长度LoRa数据包的传输时间和LoRa数据包整体传输时间，得到LoRa数据包未碰撞负载率；
基于前一个数据包开始发送时间、后一个数据包发送时间和所述LoRa数据包整体传输时间，得到LoRa数据包碰撞负载率；
由所述LoRa数据包未碰撞负载率和所述LoRa数据包碰撞负载率求和，得到所述预设网络节点的负载率。
进一步地，所述根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值，具体包括：
获取所述预设网络节点的负载率、若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间；
分别设置第一权重参数、第二权重参数和第三权重参数；
由所述第一权重参数、所述第二权重参数和所述第三权重参数，以及所述预设网络节点的负载率、所述若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间进行加权求和，得到所述链路可用分值。
进一步地，所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复，之前还包括：
在所述预设网络节点侧增加若干虚拟传感器节点；
基于KM算法，采用顶点标号法在赋权完全二部图中寻找最大权进行问题匹配；
获取任一传感器与任一网关连接边的权重值；
基于所述权重值，计算每个网关连接的全部节点数；
由所述全部节点数减去与每个网关连接的实际存在的传感器数量，得到所述若干虚拟传感器节点的数量。
进一步地，所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复，具体包括：
基于所述链路可用分值和所述若干虚拟传感器节点的数量，得到所述改进的KM算法；
获取所述赋权完全二部图，所述赋权完全二部图包括传感器侧节点集合和网关侧节点集合；
若所述传感器侧节点集合中任一点的顶点标号与所述网关侧节点集合中任一点的顶点标号之和大于等于两点之间连接边的权重值，则判定所述传感器侧节点集合中任一点的顶点标号和所述网关侧节点集合中任一点的顶点标号为可行顶点标号；
基于所述可行顶点标号，获取可行顶点标号的相等子图；
基于所述改进的KM算法，获取所述可行顶点标号的相等子图中的最大权完美匹配结果，作为所述排序结果。
第二方面，本发明实施例提供一种电力物联网通信链路故障自适应恢复***，包括：
计算模块，用于计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；
确定模块，用于根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
评估模块，用于根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
处理模块，用于基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述电力物联网通信链路故障自适应恢复方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述电力物联网通信链路故障自适应恢复方法的步骤。
本发明实施例提供的电力物联网通信链路故障自适应恢复方法，通过将业务需求感知量化，考虑网络负载均衡、采用关键节点的通信任务卸载的方法，对可用通信链路进行自适应的精确匹配，选择最优通信链路。
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为本发明实施例提供的一种电力物联网通信链路故障自适应恢复方法流程图；
图2为本发明实施例提供的电力物联网架构图；
图3为本发明实施例提供的改进的KM算法匹配模型图；
图4为本发明实施例提供的实际场景示意图；
图5为本发明实施例提供的稀疏场景下链路恢复率比较示意图；
图6为本发明实施例提供的各中继器能耗之比示意图；
图7为本发明实施例提供的密集场景下链路恢复率比较示意图；
图8为本发明实施例提供的密集场景下高负载链路恢复率比较示意图；
图9为本发明实施例提供的一种电力物联网通信链路故障自适应恢复***结构图；
图10为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例结合电力物联网感知网络的设备、组网和业务等特性，研究了电力物联感知网络的故障恢复机制，确保业务数据传输质量，快速准确地恢复网络故障，提升网络故障处理能力，确保业务持续性，从而优化电力物联感知网络的资源利用率，保障电力物联感知网络的整体性能，进而支撑电力物联感知网络业务的有效开展，实现实时可靠的电网全互联双向信息交互和态势感知，推动电网智能化发展。
图1为本发明实施例提供的一种电力物联网通信链路故障自适应恢复方法流程图，如图1所示，包括：
S1，计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；
S2，根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
S3，根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
S4，基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
具体地，如图2所示，电力物联感知网络是一个高度冗余的网络，众多中继器或LoRa网关将收到来自同一传感器的数据，其中只有一个中继器或LoRa网关会继续处理这些数据，当当前链路发生故障时，备选集是收到冗余数据的节点。这种连接方式充分利用了现存设备，提高了网络的稳定性。
基于上述网络特点，本发明实施例提出一种基于链路调整的通信链路故障自适应恢复机制，首先计算预设网络节点，即各个网关或中继器的占空比，以确定各个网关或中继器的繁忙程度；其次，通过其他收到冗余数据的网管或中继器确定备选集，进而发现所有可用的通信链路；然后根据这些可用的通信链路需要满足通信链路的延迟、能耗、自适应速率属性和待恢复传感器的感知业务QoS需求约束对各条链路进行打分；最后通过改进的KM(Kuhn-Munkras)算法将满足条件的可用通信链路涉及网关的同频占空比限制对可用通信链路进行排序，根据排序结果自适应的精确匹配最优的通信链路恢复网络故障。
本发明实施例通过将业务需求感知量化，考虑网络负载均衡、采用关键节点的通信任务卸载的方法，对可用通信链路进行自适应的精确匹配，选择最优通信链路。
基于上述实施例，该方法中步骤S1具体包括：
在预设周期内，设定每个传感器在随机时刻发送预设长度LoRa数据包；
设定扩频因子，根据传感器与所述预设网络节点之间的距离设定所述扩频因子的取值范围；
基于所述取值范围，计算所述预设长度LoRa数据包的传输时间；
由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率。
其中，所述基于所述取值范围，计算所述预设长度LoRa数据包的传输时间，具体包括：
基于已设定前导码长度和单位时间传输符号数，计算得到前导码传输时间；其中，所述单位时间传输符号数是基于所述取值范围和信号带宽所得到；
基于有效负载字节数、CRC字节长度、报头判断标记、编码率、所述取值范围和所述信号带宽，计算得到数据包传输时间；
由所述前导码传输时间和所述数据包传输时间求和，得到所述预设长度LoRa数据包的传输时间。
其中，所述由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率，具体包括：
基于所述预设长度LoRa数据包的传输时间和LoRa数据包整体传输时间，得到LoRa数据包未碰撞负载率；
基于前一个数据包开始发送时间、后一个数据包发送时间和所述LoRa数据包整体传输时间，得到LoRa数据包碰撞负载率；
由所述LoRa数据包未碰撞负载率和所述LoRa数据包碰撞负载率求和，得到所述预设网络节点的负载率。
具体地，设定网络中一共有N个传感器，R个中继器和2个网关。在每一个预设周期内，所有链路发生故障的概率为k。为了方便网络模型的计算，假设每个周期T内，每个传感器在随机时刻发送一个长度为预设长度为payload的数据包，则在每个周期T内，需要对Nk个链路所涉及的传感器进行调整。
当传感器连接的是LoRa网关时，扩频因子SF的范围被限定在7-12。本发明实施例通过计算传感器与中继器或LoRa网关之间的距离，设定扩频因子。一般来说，调整自适应速率仅限于传感器正在移动，但是在本发明实施例所涉场景中，虽然传感器的位置是固定的，但是由于链路的改变，LoRa网关或中继器与传感器的相对位置发生变化，所以也需要调整速率以匹配当前的链路情况，SF数值根据距离的不同，如下式：
Figure BDA0002567644620000091
其中，dis为距离，单位km。
根据LoRa的特性可知，当带宽和码率固定时，LoRa的传输速率由扩频因子决定，且网关可以同时接收不同扩频因子的数据。但是，因为不同的扩频因子之间速率相差较为悬殊，传输相同长度的数据时，信道占用时间也相差较大。
LoRa数据包时间等于前导码时间和数据包传输时间之和，前导码的传输时间通过以下公式计算：
Tpreamble＝(npreamble+4.25)Tsym
Figure BDA0002567644620000092
其中，npreamble表示已设定的前导码长度，Tsym为单位时间所传输的符号数。
数据包的传输时间通过以下公式计算：
Figure BDA0002567644620000093
其中，SF是扩频因子，BW表示信号带宽，CR表示编码率。
最后，总的预设长度LoRa数据包的传输时间Tpacket为：
Tpacket＝Tpreamble+Tpayload
另外，由于LoRa采用纯ALOHA的方式进行传输，如果两个数据包发生碰撞，那么这两个数据包共占用的时间为后一个数据包发送结束的时间减去前一个数据包开始发送的时间，因此未碰撞负载率、碰撞负载率以及总负载率分别为：
Figure BDA0002567644620000094
Figure BDA0002567644620000095
P(sf,r)＝P未碰撞+P碰撞
其中，Tpacket为预设长度LoRa数据包传输时间，Ttotal为LoRa数据包整体传输时间。
基于上述任一实施例，该方法中步骤S3具体包括：
获取所述预设网络节点的负载率、若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间；
分别设置第一权重参数、第二权重参数和第三权重参数；
由所述第一权重参数、所述第二权重参数和所述第三权重参数，以及所述预设网络节点的负载率、所述若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间进行加权求和，得到所述链路可用分值。
具体地，将传感器的感知业务QoS需求，如上下行数据流需求、时延和带宽等量化，进行打分。设函数mark(r)为每个网关/中继器的最终分数，分数越高代表节点越繁忙。
mark(r,n)＝αP(sf,r)+βdis(r,n)+θtime(r,n)
其中P(sf,r)表示网关/中继器r在扩频因子为SF的信道上的负载率，α、β和θ分别为第一权重参数、第二权重参数和第三权重参数；对于网关，共有6个不同信道，互不影响，SF值从7到12，dis(r,n)表明传感器n到r的距离，time(r，n)表明r与node之间的传输时间(采用ADR)，时延及带宽均在传输时间中有体现。对于上下行数据流需求，抖动等其他硬性限制，当某条链路不满足这些条件时，则将该条路径的mark值设为正无穷。
在对Nk个传感器的每一条可能链路进行打分后，排除掉不符合硬性限制的链路，其余链路根据排序结果结合改进的KM算法选择匹配最优的通信链路恢复网络故障。
本发明实施例利用了低功耗广域网传感器与网关间的通信链路具有明显的信道延迟和自适应速率特性，并与感知业务Qos需求密切相关的特性，通过网络服务器的冗余数据分析发现潜在可用的通信链路来恢复链路故障时，如何根据通信链路发现结果，考虑通信链路涉及网关的同频占空比、延迟、自适应速率限制和待恢复传感器的感知业务Qos需求等因素，对可用通信链路进行自适应的精确匹配，实现通信链路的最优选择
基于上述任一实施例，该方法中步骤S4之前包括：
在所述预设网络节点侧增加若干虚拟传感器节点；
基于KM算法，采用顶点标号法在赋权完全二部图中寻找最大权进行问题匹配；
获取任一传感器与任一网关连接边的权重值；
基于所述权重值，计算每个网关连接的全部节点数；
由所述全部节点数减去与每个网关连接的实际存在的传感器数量，得到所述若干虚拟传感器节点的数量。
具体地，KM算法在匈牙利算法基础上利用顶点标号法解决了在赋权完全二部图中寻找最大权完美匹配问题，传统KM算法只能处理完备问题，而在本发明实施例的场景中，传感器与网关数量显然不相等，且多个传感器可以对应同一个网关，所以需要对模型做出改变，通过网关侧及传感器侧增加虚拟节点的形式使得KM算法可以通过最大权完美匹配解决问题。此外，改进的KM算法所求为最小值，因为分数越高代表该节点越繁忙，因此本发明实施例希望选择分数较低的节点。若传感器无法与网关连接，则所连接的边的权值为正无穷，其余的边其mark值就是该边的权重。同时，虚拟传感器与任意一网关的边的权重均为0。
在增加虚拟节点时，本专利首先考虑网关及中继器侧节点，由于一个占空比越高的网关越拥有更多的位置去连接新的传感器。在补足后的匹配模型中，同一个网关对应数目为该网关剩余位置数目的虚拟节点，这些网关侧虚拟节点对应同一个传感器侧节点时，所有边权值相同。
可以理解的是，计算每个网关拥有的位置数成为了关键，如图3所示，对于每一个网关r：
Figure BDA0002567644620000111
Figure BDA0002567644620000112
则在传感器侧需要添加的虚拟节点数Numvir为：
Numvir＝Numplace(R)-N
N为与每个网关连接的实际存在的传感器数量。
基于上述任一实施例，该方法中步骤S4具体包括：
基于所述链路可用分值和所述若干虚拟传感器节点的数量，得到所述改进的KM算法；
获取所述赋权完全二部图，所述赋权完全二部图包括传感器侧节点集合和网关侧节点集合；
若所述传感器侧节点集合中任一点的顶点标号与所述网关侧节点集合中任一点的顶点标号之和大于等于两点之间连接边的权重值，则判定所述传感器侧节点集合中任一点的顶点标号和所述网关侧节点集合中任一点的顶点标号为可行顶点标号；
基于所述可行顶点标号，获取可行顶点标号的相等子图；
基于所述改进的KM算法，获取所述可行顶点标号的相等子图中的最大权完美匹配结果，作为所述排序结果。
具体地，设G(X,Y)是赋权完全二部图，且|X|＝|Y|，ωij为xiyj的权，l(v)为顶点v的标号，一个顶点标号l(v)，使得当x∈X,y∈Y,l(x)+l(y)≥ω(xy)时(ω(xy)表示边xy的权)，称此顶点标号为可行顶点标号。
其中X为传感器侧节点的集合，Y为网关侧节点的集合，ωij为mark(r,n)，代表了网关或中继器r与传感器n之间的链路的分值。
若l(v)为可行顶点标号，El＝{xy∈E(G):l(x)+l(y)＝ω(xy)}，称Gl＝(V,El)为可行顶点标号l(v)的相等子图。
Kuhn-Munkras已经证明：若Gl含有完美匹配M*，则M*为G的最大权完美匹配，具体流程如下：
步骤1：选定初始正常顶点标号l(v)，构作图Gl，在Gl中任选一匹配M；
步骤2：若X中点都被M覆盖，停止算法，M几位所求的最大权完美匹配，否则设u为X中M-不饱和点，令S＝{u}，T＝φ；
步骤3：若
Figure BDA0002567644620000121
转步骤4；否则
Figure BDA0002567644620000122
取：
Figure BDA0002567644620000123
Figure BDA0002567644620000124
Figure BDA0002567644620000131
步骤4：选
Figure BDA0002567644620000132
中一个点y，若y已被M覆盖，且yz∈M,则S←S∪{z},T←T∪{y}，转步骤3；否则，取Gl中一个M可增路P(u,y),令M←MΔE(P)，转步骤2。
在完成对所有传感器的匹配后，根据改进的KM算法得出的匹配边确定恢复的链路。最后检查匹配边的权重，若为正无穷，则认定匹配失败或该传感器链路恢复失败。
本发明实施例考虑了由于低功耗广域网星型组网特性，使得电力物联感知网络中存在许多关键节点，此时，选择最优的链路进行恢复，容易导致最优链路上的关键节点数据量骤增、能耗加快，不利于网络的长期有效运营。因此当存在多条能力相近的备选恢复链路时，需进一步考虑网络负载均衡，从故障容忍的角度对网络通信链路进行自适应调整。
下面根据电力物联网实际应用场景进行分析，说明本发明实施例方法的效果。
图4显示了电力物联网的实际示意组网情况，如图4所示，电力物联感知网络是高度冗余的网络。根据电力物联感知网络的实际场景，有两种不同的情况，中继建设较少的地区为稀疏场景，中继建设较为密集的区域为密集场景。在初始状态下，所有传感器均连接LoRa网关。当某个传感器发生故障时，如果是直接连接网关的传感器，首先寻找其他LoRa网关是否可以连接，若可以连接，将考虑所有SF值大于等于当前SF的信道，若其他网关的所有SF信道均不符合要求，则寻找中继器。
在稀疏场景中，有两个LoRa网关，六个中继，并且所有传感器均匀分布在16km*20km的矩形区域中。周期为3600秒/包，即每个传感器每小时发送一次数据包，有效载荷为9。图5显示了1000至8000传感器情况下的链路恢复率，图片中的上面三个曲线是一组，显示了三种不同的恢复策略(LRAKM，距离优先算法，空闲优先算法)对故障率为0.01(较低)时链路恢复率的影响。随着传感器数量的增加，恢复率逐渐降低。图片中下面的三个曲线是一组，显示了三种不同的恢复策略对故障率为0.03(较高)时链路恢复率的影响。当传感器规模为2000-7000时，LRAKM算法具有最明显的优势。当少于2000个传感器时，网络负载较轻；当大于7000个传感器时，网络负载太重，每个转发器和网关均已达到负载极限，因此算法的改进并不理想。
图6显示了每个中继器消耗的能量比例。在传感器数量很多且总能耗很大的情况下，与距离优先算法相比，LRAKM算法在负载均衡方面有显着改善。本专利提出的自适应机制利用LRAKM算法将与关键网关或中继器相连的一些通信任务自适应地调整为次优通信链路，以实现网络优化。对于密集中继，在初始状态下，所有传感器都连接到LoRa网关。链路发生故障时，首先确定是否可以连接其他LoRa网关。如果可以连接，则将考虑SF值大于或等于当前SF的所有通道(新网关与传感器之间的距离不会明显小于原来的距离)。如果其他网关的所有SF通道均不满足要求，则寻找中继器。
在更密集的中继场景中，有两个LoRa网关和二十四个中继器。所有传感器均均匀分布在16km*20km的矩形区域中。链路故障率1％(下面的图7中的上部三个曲线)或3％(下面的图7中的下部三个曲线)。周期为3600秒/包，有效载荷为9，图7显示了密集中继情况下的链路恢复率。可以看出，使用LRAKM算法的机制的链路恢复率高于其他两种算法。所有算法的链路恢复率均保持在90％以上。
本发明实施例研究网络负载较重的方案，以测试该机制是否可以应用于此类方案。链路故障率1％(上三条曲线)或3％(下三条曲线)，周期为1800秒/包，即每个传感器每半小时发送一次数据包，并payload设为9。
图8显示了重载情况下的链路恢复率。与其他两种算法相比，在高链路故障率和高负载下，LRAKM算法得到了显着改进。
图9为本发明实施例提供的一种电力物联网通信链路故障自适应恢复***结构图，如图9所示，包括：计算模块91、确定模块92、评估模块93和处理模块94；其中：
计算模块91用于计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；
确定模块92用于根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
评估模块93用于根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
处理模块94用于基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
本发明实施例提供的***用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明实施例通过将业务需求感知量化，考虑网络负载均衡、采用关键节点的通信任务卸载的方法，对可用通信链路进行自适应的精确匹配，选择最优通信链路。
图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行如下方法：计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度；根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种电力物联网通信链路故障自适应恢复方法，其特征在于，包括：
计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度，所述预设网络节点是网关或中继器；
根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复；
所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复的步骤之前还包括：
在所述预设网络节点侧增加若干虚拟传感器节点；
基于KM算法，采用顶点标号法在赋权完全二部图中寻找最大权进行问题匹配；
获取任一传感器与任一网关连接边的权重值；
基于所述权重值，计算每个网关连接的全部节点数；
由所述全部节点数减去与每个网关连接的实际存在的传感器数量，得到所述若干虚拟传感器节点的数量；
所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复的步骤具体包括：
基于所述链路可用分值和所述若干虚拟传感器节点的数量，得到所述改进的KM算法；
获取所述赋权完全二部图，所述赋权完全二部图包括传感器侧节点集合和网关侧节点集合；
若所述传感器侧节点集合中任一点的顶点标号与所述网关侧节点集合中任一点的顶点标号之和大于等于两点之间连接边的权重值，则判定所述传感器侧节点集合中任一点的顶点标号和所述网关侧节点集合中任一点的顶点标号为可行顶点标号；
基于所述可行顶点标号，获取可行顶点标号的相等子图；
基于所述改进的KM算法，获取所述可行顶点标号的相等子图中的最大权完美匹配结果，作为所述排序结果。
2.根据权利要求1所述的电力物联网通信链路故障自适应恢复方法，其特征在于，所述计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度，具体包括：
在预设周期内，设定每个传感器在随机时刻发送预设长度LoRa数据包；
设定扩频因子，根据传感器与所述预设网络节点之间的距离设定所述扩频因子的取值范围；
基于所述取值范围，计算所述预设长度LoRa数据包的传输时间；
由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率。
3.根据权利要求2所述的电力物联网通信链路故障自适应恢复方法，其特征在于，所述基于所述取值范围，计算所述预设长度LoRa数据包的传输时间，具体包括：
基于已设定前导码长度和单位时间传输符号数，计算得到前导码传输时间；其中，所述单位时间传输符号数是基于所述取值范围和信号带宽所得到；
基于有效负载字节数、CRC字节长度、报头判断标记、编码率、所述取值范围和所述信号带宽，计算得到数据包传输时间；
由所述前导码传输时间和所述数据包传输时间求和，得到所述预设长度LoRa数据包的传输时间。
4.根据权利要求2所述的电力物联网通信链路故障自适应恢复方法，其特征在于，所述由所述预设长度LoRa数据包的传输时间得到所述预设网络节点的负载率，具体包括：
基于所述预设长度LoRa数据包的传输时间和LoRa数据包整体传输时间，得到LoRa数据包未碰撞负载率；
基于前一个数据包开始发送时间、后一个数据包发送时间和所述LoRa数据包整体传输时间，得到LoRa数据包碰撞负载率；
由所述LoRa数据包未碰撞负载率和所述LoRa数据包碰撞负载率求和，得到所述预设网络节点的负载率。
5.根据权利要求1所述的电力物联网通信链路故障自适应恢复方法，其特征在于，所述根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值，具体包括：
获取所述预设网络节点的负载率、若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间；
分别设置第一权重参数、第二权重参数和第三权重参数；
由所述第一权重参数、所述第二权重参数和所述第三权重参数，以及所述预设网络节点的负载率、所述若干传感器之间的距离和所述预设网络节点与若干传感器之间的传输时间进行加权求和，得到所述链路可用分值。
6.一种电力物联网通信链路故障自适应恢复***，其特征在于，包括：
计算模块，用于计算预设网络节点的占空比，基于所述占空比判断所述预设网络节点的繁忙程度，所述预设网络节点是网关或中继器；
确定模块，用于根据所述繁忙程度确定获取冗余数据的预设网络节点，由所述获取冗余数据的预设网络节点确定备选网络节点集合，在所述备选网络节点集合中获取所有可用通信链路；
评估模块，用于根据所述所有可用通信链路的预设网络属性，以及待恢复传感器的感知业务QoS需求约束，对所述所有可用通信链路进行打分，得到链路可用分值；
处理模块，用于基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复；
在所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复之前，所述处理模块还用于：
在所述预设网络节点侧增加若干虚拟传感器节点；
基于KM算法，采用顶点标号法在赋权完全二部图中寻找最大权进行问题匹配；
获取任一传感器与任一网关连接边的权重值；
基于所述权重值，计算每个网关连接的全部节点数；
由所述全部节点数减去与每个网关连接的实际存在的传感器数量，得到所述若干虚拟传感器节点的数量；
其中，所述基于所述链路可用分值，通过改进的KM算法将所述所有可用通信链路进行排序，根据排序结果匹配最优通信链路进行网络故障恢复具体包括：
基于所述链路可用分值和所述若干虚拟传感器节点的数量，得到所述改进的KM算法；
获取所述赋权完全二部图，所述赋权完全二部图包括传感器侧节点集合和网关侧节点集合；
若所述传感器侧节点集合中任一点的顶点标号与所述网关侧节点集合中任一点的顶点标号之和大于等于两点之间连接边的权重值，则判定所述传感器侧节点集合中任一点的顶点标号和所述网关侧节点集合中任一点的顶点标号为可行顶点标号；
基于所述可行顶点标号，获取可行顶点标号的相等子图；
基于所述改进的KM算法，获取所述可行顶点标号的相等子图中的最大权完美匹配结果，作为所述排序结果。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述电力物联网通信链路故障自适应恢复方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述电力物联网通信链路故障自适应恢复方法的步骤。
CN202010634662.XA 2020-07-02 2020-07-02 一种电力物联网通信链路故障自适应恢复方法及*** Active CN111835564B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010634662.XA CN111835564B (zh) 2020-07-02 2020-07-02 一种电力物联网通信链路故障自适应恢复方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010634662.XA CN111835564B (zh) 2020-07-02 2020-07-02 一种电力物联网通信链路故障自适应恢复方法及***

Publications (2)

Publication Number Publication Date
CN111835564A CN111835564A (zh) 2020-10-27
CN111835564B true CN111835564B (zh) 2022-04-15

Family

ID=72900706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010634662.XA Active CN111835564B (zh) 2020-07-02 2020-07-02 一种电力物联网通信链路故障自适应恢复方法及***

Country Status (1)

Country Link
CN (1) CN111835564B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533299B (zh) * 2020-11-13 2023-03-24 锐捷网络股份有限公司 一种建立lora远距离传输链路的方法和服务器
CN112737939B (zh) * 2020-12-15 2023-07-25 安徽继远软件有限公司 基于物联网协作通信的网络自愈方法及网络自愈***
CN112702202B (zh) * 2020-12-23 2023-01-20 南方电网数字电网研究院有限公司 电表通信链路故障恢复方法、装置和计算机设备
CN113133038B (zh) * 2021-04-16 2023-01-24 广东电网有限责任公司清远供电局 电力物联网链路备份方法、装置、设备及存储介质
CN115913899A (zh) * 2022-11-08 2023-04-04 云南电网有限责任公司 一种输电线路异构融合通信故障快速恢复方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2387183A1 (en) * 2010-05-13 2011-11-16 ECI Telecom Ltd. Technique for traffic recovery in multilayer communication networks
CN108092822A (zh) * 2018-01-02 2018-05-29 华北电力大学（保定） 一种电力通信网故障链路的恢复方法及***
CN108683522A (zh) * 2018-04-24 2018-10-19 广州鲁邦通物联网科技有限公司 一种工业物联网网关智能故障学习和处理方法和***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2387183A1 (en) * 2010-05-13 2011-11-16 ECI Telecom Ltd. Technique for traffic recovery in multilayer communication networks
CN108092822A (zh) * 2018-01-02 2018-05-29 华北电力大学（保定） 一种电力通信网故障链路的恢复方法及***
CN108683522A (zh) * 2018-04-24 2018-10-19 广州鲁邦通物联网科技有限公司 一种工业物联网网关智能故障学习和处理方法和***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CPFR: Coverage preserving failure recovery in wireless sensor networks;K.P.Sharma et al.;《IEEE》;20150723;全文 *
基于可信度和邻居协作的传感器故障检测算法;蔺艳斐等;《通信学报》;20160925;全文 *

Also Published As

Publication number Publication date
CN111835564A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111835564B (zh) 一种电力物联网通信链路故障自适应恢复方法及***
CN112738820B (zh) 一种服务功能链的动态部署方法、装置及计算机设备
CN105915466B (zh) 一种mptcp路径选择的方法及装置
CN102223671B (zh) 无线多跳网络中数据传输的方法和通信设备
CN106534333A (zh) 一种基于mec和mcc的双向选择计算卸载方法
US20080037560A1 (en) Solution For Routing Scheme In Wireless Communication
US20160147548A1 (en) Virtual machine arrangement design apparatus and method , system, and program
CN101127714B (zh) 一种无线网状网络中路由管理方法及设备
CN104301305A (zh) 信息中心网络下兴趣包转发的方法和转发终端
Odarchenko et al. Improved method of routing in UAV network
CN102821115B (zh) 一种点对点p2p传输资源的方法和装置
WO2022142277A1 (zh) 一种通信架构的动态调节方法及***
CN115002238A (zh) 流量传输方法、装置、设备和存储介质
CN117377019A (zh) 一种自组网控制方法、装置、设备及存储介质
CN109104376A (zh) 一种数据的转发方法、装置、堆叠设备和计算机可读介质
CN103906135A (zh) 一种用于蜂窝网络中的p2p节点选择方法及***
CN116647498A (zh) 一种多链路网络路径动态选择方法及***
CN116319565A (zh) 基于在网计算的负载均衡***、方法、设备及存储介质
CN112637055A (zh) 基于vpn隧道的多链路聚合方法、***及存储介质
CN112672110A (zh) 基于网络切片的无人机巡检实时视频传输***
CN102143087B (zh) 一种资源导向服务组合选择方法
CN107592269B (zh) 传输路径的负载信息的方法和网络节点
CN114158069B (zh) 专网中数据传输的方法和装置
CN117081983B (zh) 数据传输方法及装置
CN112637904A (zh) 负载均衡方法、装置及计算设备

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
GR01 Patent grant
GR01 Patent grant