认知智能电网中基于能效优化的频谱分配策略

针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居...     

智能电网邻域网路由算法研究进展

邻域网是智能电网通信网的最后一英里通信,也是智能电网的重要组成部分。高效的通信是实现智能电网前提,路由算法是其提高网络通信能力的关键核心技术。根据邻域网的网络拓扑结构及其通信特点,首先分析适用邻域网的网络拓扑结构;其次对适用于邻域网的路由算法研究现状进行综述,着重分析适用于邻域网的RPL(Routing Protocol for LLNs)和HWMP(Hybrid Wireless Mesh Protocol)改进算法性能及在邻域网中的实用性,并分析改进算法存在的不足;最后总结邻域网路由算法后续研究面临的问题与挑战。     

智能电网邻域网分级式入侵检测系统研究

近年来,智能电网逐渐成为世界电力工业的共同发展趋势。邻域网作为智能电力通信网络的中心枢纽,其安全问题越来越被研究者们所重视。目前,已应用物理控制、数据加密以及认证等技术提高邻域层安全性,但仍缺乏及时有效的检测方法来避免电网受到恶意入侵行为的威胁。针对此问题,本文设计和实现了一个高效轻量级的智能电网邻域网分级式入侵检测系统。在解决方案中,我们把邻域层网络分为三个层级。根据不同层级设备以及通信的特点,采用相对应的检测方式实现上层级对下层级的行为检测。同时,本文提出结合基于信任度的规则检测和基于SVM机器学习算法的异常检测,旨在将这两种检测技术的优点结合起来检测多种入侵。经仿真实验验证,本文提出的入侵检测方案以较低的能量消耗获得高检测率,符合预期结果。     

智能电网邻域网中5G uRLLC的上行资源调度方案

智能电网利用新一代信息技术实现网络安全、可靠、高效地运行。智能电网邻域网(Smart Grid Neighborhood Area Network, SGNAN)负责处理终端发送到数据集中单元的数据,对数据传输有较高的实时性和可靠性要求。采用5G uRLLC (Ultra-reliable and Low Latency Communication)技术建立SGNAN的上行链路资源调度模型,并给出解决方案。该方案依据优先级动态分配资源,定义分配矩阵、速率矩阵表示系统吞吐量(目标函数),使用改进的人工蜂群算法求得系统的最优资源分配方案。实验结果表明,该方案能够有效保证终端实时性、公平性,并改善系统的吞吐量。     

一种认知智能电网中频谱接入策略选择机制

针对智能电网中频谱资源短缺问题,认知无线电技术被引入到智能电网中,构建认知智能电网。然而,认知无线网络中频谱资源的不确定和智能电网中节点通信环境的不确定性直接影响到系统性能。为此,提出一种认知智能电网中频谱接入策略优化选择机制。电网节点根据自身的实时传输需求和实时可用频谱资源状况,选择不同的频谱接入策略,以最大化节点的有效传输范围。仿真结果验证了所提选择机制的有效性。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

认知无线电网络中频谱分配算法

随着科学技术的发展,无线通信技术逐渐趋于成熟,虽然频谱资源日益增多,但是认知无线电的频谱仍是处于紧缺状态,在一定程度上对无线通信的发展有着阻碍和抑制的作用。比如一些用户的需求在认知无线电网络中并没有得到满足,这一问题具体表现在频谱分配算法的不够严谨,存在很大的欠缺。     

基于图着色理论的认知网络频谱分配策略研究

为了解决认知网络下的动态频谱分配问题,结合图着色理论分析构建了认知系统频谱分配模型。在此基础上结合极大独立集(MIS)算法,通过设计综合分配权重,提出了一种基于信道效益的认知网络动态频谱分配算法。仿真结果表明,相比现有的MIS、Greedy算法,该算法能够有效提升实际认知网络系统的频谱利用率和公平性指标。     

基于剩余能量的认知无线传感器网络频谱分配

针对当前无线传感器网络(WSN)使用的ISM频段频谱资源稀缺、传感器节点能耗受限等问题,将认知无线电技术应用到无线传感器网络,提出一种基于改进二进制灰狼优化算法(IBGWO)的频谱分配方案。该算法在标准灰狼算法(GWO)的基础上采用由适应度值比例构成的权重因子,动态调整算法的位置向量更新,同时使用一种动态转换函数,将个体位置映射,到二进制空间,具有平衡全局搜索和局部开发的能力。仿真实验表明,将改进后的灰狼优化算法应用于认知无线传感器网络频谱分配中,其收敛速度和寻优能力优于标准灰狼算法,能较好的实现认知无线传感器节点的剩余能量最大化,且次用户接入公平性优于其他算法。     

改进蜉蝣算法求解认知车载网络频谱分配问题

针对传统认知车载网络频谱分配效率低、速度慢的问题,提出基于改进蜉蝣优化算法的频谱分配算法。以反向学习、动态惯性权重、多阶段动态扰动及正余弦优化交配机制提升标准蜉蝣优化算法的寻优性能;将频谱分配变量映射为蜉蝣个体位置信息,将网络吞吐量和接入公平性作为评估蜉蝣位置的适应度函数,利用改进蜉蝣算法搜索最优频谱分配方案。实验结果表明,改进算法的搜索精度和收敛速度都有所提升,能够更快得到频谱分配方案,车载用户收益和分配公平性方面也更有保障。     

基于协作频谱感知的智能电网通信网性能研究

将认知无线电频谱感知技术应用于智能电网的通信网中,可以有效提高频谱资源的利用率。现有研究仅考虑单用户单供电商,但是对需求响应管理性能与感知能耗权衡问题却没有给出理想的解决方案。建立基于多节点协作频谱感知的多用户单供电商智能电网通信网模型。在此基础上,为求解该模型需求响应管理和能耗感知性能权衡问题,提出基于多目标粒子群(MOPSO)的求解方法。仿真结果表明,所提协作频谱感知模型可以显著提高系统需求响应管理性能;MOPSO算法可实现系统需求响应管理性能和感知能耗的最佳权衡,有利于决策者根据实际要求灵活选择最优方案。     

基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

认知异构网络中基于不完全频谱感知的资源分配算法

针对认知异构网络中的干扰抑制问题,文中研究了如何降低其对宏用户(MU)的干扰并提高系统吞吐量。通过全面分析干扰来源,建立不完全频谱感知下的干扰模型;结合用户拓扑信息,综合考虑总功率约束和干扰约束,以最大化下行链路的吞吐量为准则构建优化问题;然后分析KKT条件,简化优化问题,进而设计出基于不完全频谱感知的分步式资源分配算法。仿真结果及性能分析表明,相比于基于完全频谱感知的资源分配算法,所提算法对MU造成的干扰更小,并且获得了更优的吞吐量性能。     

基于萤火虫算法的认知车载网络频谱分配

针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。     

一种基于OFDM认知无线电网络的次优动态资源分配算法

研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题,包括子载波分配和功率分配。在认知无线电系统中,除了考虑主用户与次用户之间的相互干扰,还要求将主用户对次用户的干扰控制在预设门限之下,因此,系统模型更为复杂。整数约束条件,使得寻求最优解的算法复杂度高,无法用于对实时性要求高的系统。因此,提出了一种寻求次优解的分步式资源分配算法,以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案,然后提出改进的线性注水算法进行功率分配。仿真结果表明,相比于最优分配算法,所提出的算法可以在获得较好的系统容量的同时,有效地降低系统的复杂度,适用于对实时性要求高的系统。     

基于复杂网络的智能电网网络攻击影响分析研究

文章基于复杂网络理论,将智能电网抽象为由节点、边构成的拓扑网络结构,分别从仿真网络构建和网络攻击仿真模拟两个方面建立了基于复杂网络理论的智能电网网络攻击仿真流程。首先,构建仿真网络并分析仿真网络节点度分布和节点度数累积概率分布情况,得出该网络为无标度网络的结论。其次,进行网络攻击仿真模拟,设置两种攻击情形,分别为针对智能电网全部网络节点进行随机攻击(情形1)和针对智能电网网络中度数大于最大度数80%的节点进行攻击(情形2),通过对比分析两种攻击情形中的网络聚类系数、平均度、平均路径长度的变化特征,得出在对网络聚类系数的降低方面,情形1的作用小于情形2的作用;在平均度变化和网络平均路径长度影响方面,情形1的影响高于情形2。     

智能电网下的电力网络营销策略分析

简单介绍了网络营销,分析了智能电网下电力网络营销的优势,并提出了网络营销策略,以期为相关人员提供参考。     

未来大数据环境下的配用电通信网虚拟网络架构及应用

根据智能配电网的通信需求,本文提出了基于无线 Mesh 网和电力线通信网的智能配电网通信框架。在此框架的基础上,设计了一个遗传算法和启发式算法,为不同类型的业务分别建立虚拟网络并将其映射到异构的物理网络中,通过增加传输分集来保证实时业务的可靠性。通过仿真,验证两种映射算法在保证实时业务可靠性的基础上,使尽力而为型业务的吞吐率达到最大化。     

基于离散粒子群优化算法的网格资源分配研究

资源分配和任务调度是网格计算中关键的问题之一。本文提出一种基于离散粒子群优化算法的网格资源分配算法。该算法通过对粒子群算法中粒子的位置与速度进行重新定义,以及重新设计粒子的位置与速度的变换规则,使粒子群算法适用于网格资源分配和任务调度。理论分析及模拟实验表明,该算法具有良好的性能。