网络能耗系统模型及能效算法

网络能耗问题是当前网络研究和发展的重要问题,影响着网络的设计、应用和发展.当前网络能效算法的研究大多从网络局部角度关注于网络某一(些)设施的能耗问题,缺乏从网络全局的角度研究网络整体能耗的算法和策略.文中从网络全局角度研究网络的能耗模型和算法问题.文中基于3种基本网络数据传递模式和3种基本网络能耗机制,构建了网络能耗系统优化模型,对其中5种关键系统模型给出了详细的描述.针对几个关键系统模型,文中给出了形式化描述并且提出了相应的优化的节能路由算法.文中给出的网络系统能耗优化模型有助于对于网络能耗的理解和分析,所提出的能耗优化的网络数据包路由算法可以从网络路由的角度有效降低网络能耗.     

基于雾架构的工业物联网通信机制与算法研究

传统的云架构面临着网络负载过大、端到端延时长等问题。因此,利用基于雾架构的工业物联网通信机制与算法对传感数据进行采集处理,构建网络模型和能耗模型;选择期望传输能耗最小的节点作为转发器,通过雾服务器节点收集工业现场的传感数据;通过仿真实验将该通信机制与其他方法进行对比和评估。实验结果表明,该通信机制与算法可以有效收集工业现场的传感数据。能耗、第一死亡节点等指标比其他算法更具有优越性,为改善工业现场应用提供了新的解决思路。     

基于状态转移的感知节点能耗模型研究与设计

针对基于理论模型的感知节点能耗研究通常仅考虑部件能耗、缺少从节点整体上分析与评估系统能耗问题的现状,通过分析节点部件在状态运行以及状态变迁时的能耗状况;基于状态转移的矩阵建模方式建立部件能耗模型;基于事件触发机制明确系统主要能耗部件之间的关联,建立节点整体的能耗模型。在OPNET上仿真验证了本模型的可靠性及实用性。仿真结果证明,本模型可为节点选型、协议评测以及网络构建分析提供模型支持和理论指导。     

基于ZigBee技术的建筑能耗监测系统设计

随着我国建筑总量不断攀升,建筑能耗也逐年增加,更加有效地实施建筑能耗统计及建筑节能管理具有重要的意义;通过对建筑能耗监测系统的分析,在研究ZigBee技术的基础上,提出了基于ZigBee无线传感器网络的建筑能耗监测系统总体结构,对其网络拓扑控制和路由协议进行了研究,并介绍了系统周期性工作过程;网络测试表明,该系统可靠性好,能够实现建筑能耗数据的采集和无线传输;通过对能耗数据的统计分析,为降低建筑能耗和提高建筑能效,提供了决策依据和参考.     

基于非饱和负载的802.15.4网络能耗分析

为了优化802.15.4 MAC协议能耗性能,提出了一种基于退避时提前休眠的时隙CSMA/CA机制,并建立了该协议的Markov链模型。然后使用M/G/1排队系统理论对非饱和网络负载建模,并对协议主要参数进行了数学推导。最后基于该模型对网络节点能耗进行数值分析。理论分析和仿真结果表明,该模型较好的描述基于非饱和负载的802.15.4 MAC协议,网络节点能耗得到有效改善。     

MIMO多跳簇结构无线传感器网络的路由算法及其能耗研究

由于分层簇结构协议能有效地解决无线传感器网络的能耗问题,文中针对基于MIMO的多跳簇结构无线传感器网络,提出了一种基于距离矢量的改进路由算法,同时在J-sim仿真平台上进行了相应的仿真,从而证明了改进路由算法的有效性。另外也证明了该系统的节点能耗特点和MIMO技术对降低系统能耗所具有的一定作用,但在低信噪比时其效果不明显。     

基于能量感知的工业无线网络时间同步协议

时间同步技术是工业无线网络的关键技术,节能和延长网络生存时间也是无线传感器网络研究领域的热点问题。该文综合考虑网络中节点的剩余能量和工业应用对时间同步精度的要求,通过优化传统的泛洪时间同步协议,提出了基于能量感知的、高可靠性工业无线网络时间同步协议。仿真分析表明,该文提出的时间同步协议,与传统协议相比,可以降低节点用于时间同步的能耗,延长网络生存时间。并且,该协议符合W IA-PA工业无线网络国家标准。     

能耗约束优化工业机器人作业轨迹

工业机器人作业过程中普遍需要较高的能耗。基于量子行为和差分进化的改进蜻蜓算法,实现能耗约束下优化工业机器人避障作业轨迹。基于工业机器人五次B样条曲线矩阵式和动力学模型,构建能耗约束模型;进行仿真实验,利用改进蜻蜓算法求解能耗约束模型为适应度评价函数的工业机器人轨迹,对比改进蜻蜓算法与原始蜻蜓算法和基于指数函数步长的精英反向蜻蜓算法的优化结果,表明改进蜻蜓算法具有更优的性能。     

基于MIMO模式的无线传感器网络数据传输协议

在对分簇无线传感器网络在簇群内和簇群之间数据传输能耗进行分析的基础上,提出了一种在簇群间采用MIMO模式进行数据传输的方法。该方法以HEED协议为基础,将MIMO模式引入到簇群间的数据传输过程中,极大地降低了传输能耗,并且创建了一种基于MIMO技术的分簇传感器网络能耗模型,推导出实现网络能耗最小化时系统参数的最优值。实验结果显示,与HEED协议相比,该方法更显著地降低了网络的总体能耗,使网络具有更长的生存期。     

非毁伤性攻击下网络多点能耗预测系统设计

为解决传统网络能好预测系统存在的预测效率低、准确性差、能耗高的问题,提出非毁坏性攻击下网络多点能耗预测系统设计。通过分析网络多点能耗预测系统的优化策略,设计能耗数据采集电路,完成硬件系统硬件部分的改进;采用NetFlow技术对网络能耗态势预测指标进行提取,依据指标对网络节点权重进行评估,通过网络多点能耗态势预测的实现,优化系统软件部分,完成非毁坏性攻击下网络多点能耗预测系统的设计。实验结果表明,所设计的系统能耗预测效率高,预测准确性高,预测能耗低。     

Forecasting building energy consumption: Adaptive long-short term memory neural networks driven by genetic algorithm

The real-world building can be regarded as a comprehensive energy engineering system; its actual energy consumption depends on complex affecting factors, including various weather data and time signature. Accurate energy consumption forecasting and effective energy system management play an essential part in improving building energy efficiency. The multi-source weather profile and energy consumption data could enable integrating data-driven models and evolutionary algorithms to achieve higher forecasting accuracy and robustness. The proposed building energy consumption forecasting system consists of three layers: data acquisition and storage layer, data pre-processing layer and data analytics layer. The core part of the data analytics layer is a hybrid genetic algorithm (GA) and long-short term memory (LSTM) neural network model for accurate and robust energy prediction. LSTM neural network is adopted to capture the interrelationship between energy consumption data and time. GA is adopted to select the optimal architecture for LSTM neural networks to improve its forecasting accuracy and robustness. The hyper-parameters for determining LSTM architecture include the number of LSTM layers, number of neurons in each LSTM layer, dropping rate of each LSTM layer and network learning rate. Meanwhile, the effects of historical weather profile and time horizon of past information are also investigated. Two real-life educational buildings are adopted to test the performance of the proposed building energy consumption forecasting system. Experiments reveal that the proposed adaptive LSTM neural network performs better than the existing feedforward neural network and LSTM-based prediction models in accuracy and robustness. It also outperforms those LSTM networks whose hyper-parameters are determined by grid search, Bayesian optimisation and PSO. Such accurate energy consumption prediction can play an essential role in various areas, including daily building energy management, decision making of facility managers, building information model designs, net-zero energy operation, climate change mitigation and circular economy.     

认知无线传感器网络中基于稳定性的能效路由协议

在认知传感器节点构建无线传感器网络的过程中,为了降低节点的能量消耗和提高数据的传输能力,提出一种基于稳定性的能效路由协议。该协议引入了稳定性因子,通过采用授权用户占用信道模型建模,并不断调整稳定性因子来研究路径选择与系统能量消耗的关系,找出一种受主用户影响最小的合理路径选择方案,减少链路失效的次数,提高数据传输能力,且保证较小的能量消耗,从而有效地均衡网络能量,延长网络生命周期。模拟的结果与理论分析结果一致,且表明所提出的协议在能量消耗和数据传输能力方面都具有更好的表现。     

云存储内容分发网络中的能耗优化方法

针对云存储内容分发网络(CCDN)中的高能耗问题,研究CCDN的能耗优化管理方法。首先,分析CCDN运行原理,给出每台云服务器和每条网络链路的能耗计算公式,利用加权图刻画整个网络系统;然后,基于加权图,给出满足CCDN系统服务质量(QoS)和网络系统数据分发的能耗优化图(MEG)算法。通过模拟实验将该算法与贪心站点(GS)算法和优化静态放置和路由(OSPR)算法进行比较,结果显示:在系统可扩展实验中,MEG 能耗比GS和OSPR能耗分别少6.6%和30%;在保证用户QoS的实验中,MEG能耗比GS和OSPR能耗分别少28.9%和60.2%;在网络拓扑密度实验中,MEG的能耗比GS和OSPR能耗分别少32.2%和89.3%。实验结果表明,所提算法能够大幅度降低CCDN的能耗开销。     

瓦楞纸制造过程能耗监控物联网关键技术研究

结合智能制造业物联网系统结构关键重大共性技术—机械装备工艺过程优化系统节能。以解决瓦楞纸行业节能降耗关键工艺为目的,重点研究能耗的监测与管理、厂房各种环境参数的可靠感知、实时的网络数据传输和基于物联网的先进能源管理系统、能源动态平衡和优化调度方法等。与常规能耗监控系统方案相比,提高生产效率30%以上;节约能耗30%;节约纸耗20%;节约浆耗20%,将具有良好经济效应、社会效益和节能降耗效益。     

基于能量水平的多Sink节点传感器网络路由算法

单Sink节点传感器网络存在着部分关键路径上节点能量消耗过快、路由选择算法单一以及Sink节点失效等问题.首先提出了多Sink节点传感器网络数据收集的系统框架;给出了拓扑发现和维护策略;然后提出了基于最小能量消耗路由算法.在分析了该算法的不足后提出了基于能量水平的路由算法,按照计算得到的能量水平选择最优的路径进行数据传送.实验证明,基于能量水平的路由算法比基于最小能量消耗路由算法能更有效提高传感器网络的使用寿命.     

基于QT的能耗管理系统终端设计

为了保证能耗数据可进行计算机或人工识别和处理,保证数据得到有效的管理,支持高效的查询以及能耗的实时监控,实现数据组织、存储、交换以及在物联网系统下的数据共享,按照国家规范的标准,基于QT平台设计出一套能够对大型建筑和智能家居系统进行能耗管理的智能终端系统。     

通用存储网络系统的能耗研究

针对存储网络系统的能耗问题,提出一种与系统扩展和负载相关的能耗模型。采用对系统各个组成模块的能耗进行分析的方法,研究存储网络系统的能耗结构,测试该系统各个模块的基础能耗以及各个模块与负载相关的能耗。实验结果表明,该模型能够反映真实系统的能耗状况。     

无线传感器网络免疫代理数据融合算法

针对网络能耗和延迟问题,提出了一种基于免疫代理的数据融合算法。通过代理的自由迁移降低节点传输能耗;通过免疫降低参与融合的节点数以降低网络能耗;设立应急通道以降低紧急情况下的网络延迟;采用十六进制编码方法对融合数据进行压缩处理。试验结果表明,该算法能有效降低网络能耗和延迟。     

基于3G的能耗数据采集器设计

针对大型公共建筑实时监控能耗的需求,借助3G网络传输的优势,提出了一种基于3G的能耗数据采集器的设计方案。该方案使用STM32为主控制器,根据Modbus通信规约通过RS485方式实现对智能电表的能耗数据采集,再将数据通过3G无线网络远传至服务器。重点设计了采集器的硬件电路,数据采集与传输驱动程序。经实验室测试,该采集器能实时、准确地采集数据并传送至服务器,性能稳定可靠,能够满足能耗监测系统的需求。