基于无线传感装置的配电网故障定位与自愈系统研究

当前的配电网故障分析中,依然存在接地故障选线不可靠、接地故障无法自动定位与隔离以及难以恢复非故障区段自动供电等问题。据此,提出了一种基于无线传感装置的配电网故障定位与自愈方法。该方法首先基于场感应原理设计了非接触式的无线电压、电流传感装置,该装置具有较高的可靠性、灵活性与经济性;其次提出可适应于含有多T接线路的基于双端行波测距原理的故障选线与定位方法;最后将通信系统、GPS系统、GPRS系统与现有配电网自动化系统进行协调与配合,构成了配电网故障定位与自愈系统。研究分析表明,通过开发配电网故障定位与自愈系统,可有效提高配电网运行的可靠性,具有重要的理论与实际应用价值。     

一种用于无线传感网中节点供电的系统设计

节点的能量消耗是限制无线传感器网络发展的主要因素之一,能量消耗不可避免,如何设计一种高效可循环的能量系统对于促进无线传感器网络发展具有重要的意义。在无线传感器网络节点上采用太阳能自供电技术可以有效地提高传感器节点的使用寿命和降低能耗。通过对比分析,设计出一套基于太阳能发电的无线传感器网络节点的供电系统。经实验测试,该系统具有可靠性高,节能效果好的优点,具有一定的推广价值。     

基于有限关键节点及Wasserstein距离的配网拓扑识别

明确配电网结构是配电网最优潮流、安全评估、网络重建、故障定位的基础。针对现有配电网拓扑识别方法缺乏结合现有网络结构参数和潮流信息,仅通过量测数据来进行拓扑识别效率低的问题,提出一种基于有限关键节点及Wasserstein距离的配电网拓扑识别方法。首先,利用子空间扰动模型证明配网拓扑变化时,可以利用有限的关键节点来进行拓扑识别,基于熵值法的混合K-Shell算法引入影响度概念,通过影响度与节点电气距离得出节点的重要度,确定配电网拓扑结构中的关键节点。其次,基于密度的噪声应用聚类算法通过电压、电流、有功、无功等4个特征来进行节点的聚类,将其他节点与关键节点进行类别归属,再结合Wasserstein距离得出节点间的连接关系从而得出配电网的拓扑结构。最后,通过IEEE 33节点算例和某小区实例,验证该方法的有效性。该方法极大地提高配电网拓扑识别效率与正确率,实现了配网拓扑结构的动态识别。     

无线传感网络定位算法的研究进展

无线传感器网络在许多领域有着重要的科研和使用价值,节点定位技术是传感器网络关键技术之一,具有十分重要的地位。文中对无线传感器网络距离相关和距离无关两大类的算法进行了分析对比;并对节点定位技术研究中的新思路—基于移动锚节点的定位算法进行了分析。最后对现有定位算法存在的问题进行了总结,并对节点定位技术的未来发展趋势进行展望。     

无线传感网低开销型数据可靠传输方法的研究

利用GPRS网络实现传感数据远程采集的无线传感网应用已经得到越来越广泛的运用。由于GPRS网络不稳定,传感节点传输常会出现数据丢包。如何保证电池供电的传感节点数据可靠传输,同时降低传感节点传输开销,延长传感网整体寿命是个很重要的研究课题。分析了RMST、ESRT和PSFQ等无线传感网络协议在该数据传输问题中的适用性,提出了一套拥塞控制型数据分包传输协议CCDS,协议具备拥塞控制、选择性重传等特性。通过理论分析仿真、实验测试,对比了CCDS与RMST的传输开销,验证了CCDS协议在传感器节点数多、网络不稳定的环境下,数据可靠传输的低开销性,从而延长无线传感网整体寿命。     

一种基于预约机制的WSN节能MAC协议

基于TDMA协议,提出了一种改进的R-TDMA协议。通过引入预约机制使WSN中的节点参与网络的数据传输。节点只有在发现感知的环境数据出现明显变化时才向簇头预约数据上传的时隙,进而进行数据上传;否则尽可能地处于休眠状态,从而达到节能目的。参照 Rockwell的 WIN模型对TDMA、E-TDMA和 R-TDMA的网络能耗进行仿真;结果表明,在 R-TDMA协议下,网络节点数量的增加并不会给能耗带来剧烈的变化,网络事件多少的变化对能耗的影响也很小。R-TDMA协议在节约能耗方面较TDMA和 E-TDMA有着明显改善。     

基于多属性决策的电力通信网的节点重要度计算方法

随着电网规模不断扩大,作为电网的支撑网络,电力通信网络的结构变得更加复杂且脆弱。预先识别和保护电力通信网中的重要节点是降低网络脆弱性的有效方法。为了全面地分析电力通信网中的节点,从网络中节点的局部信息、全局信息以及节点承载的业务重要度量化节点的重要性,提出一种基于多属性决策的电力通信网节点重要性计算方法。该算法首先根据各节点指标计算指标熵值以及指标之间的肯德尔系数,确定指标权重,结合多属性决策方法得到节点指标贴近度,进而得到各节点的实际重要度。最后根据不同节点重要度计算方法,分别攻击小型电力通信网、传统复杂网络、市级电力通信网中的节点,分析对网络指标的影响,证实该方法的合理性。     

感知策略下的无线传感网络保密容量问题研究

无线传感器网络(WSN)指的是由可以感知和检查外部世界的传感器组建而成的分布式无线网络。得益于硬件系统的飞速发展,无线传感网络广泛应用到了军事、智能交通、环境监控、医疗卫生等多个领域。考虑到无线传感器受限于能量,计算能力等诸多因素,其引发出来的无线传感网络通信安全问题成为了一大研究热点。本文旨在探讨如何应用压缩感知技术保证无线传感网络的安全通信,针对放大转发式压缩感知技术下的无线传感网络安全保密问题推导给出了可计算的保密容量门限值。最后分别讨论了不同数目下的活跃感知节点,中继节点以及窃听节点对无线传感网安全保密容量的影响。仿真结果进一步验证了所推导的保密容量结论。     

无线传感器网络中基于RSSI的测距研究

节点定位在无线传感器网络应用中具有很重要的意义,基于RSSI测距技术以其低成本、低复杂度的特点被广泛应用于无线传感器网络定位中。首先介绍了RSSI测距原理,然后对目前常用的数据预处理模型进行分析。最后在CC2430的硬件平台上进行实验,获取不同距离点处的RSSI值,进行统计分析,并观察3种数据处理模型下的测距精度。实验结果表明,混合模型预处理方式在测距精度和计算复杂度方面具有一定优势。     

基于中介理论的无线传感器网络加权数据融合

多传感器加权数据融合算法大部分要对测量方差进行估计,必需占用额外的资源和能量,不适合无线传感器网络。本文将中介理论中的真值程度度量用于数据融合,根据距离比函数定义各传感器的权重。该算法运算量小,不需要存储传感器节点的历史数据进行测量方差的估计,当被测对象变化较快时能进行实时动态的估计融合。仿真结果表明,该算法估计精度高、抗信道衰落能力好。     

Topology control based on quantum genetic algorithm in sensor networks

Nowadays, two trends appear in the application of sensor networks in which both multi-service and quality of service (QoS) are supported. In terms of the goal of low energy consumption and high connectivity, the control on topology is crucial. The algorithm of topology control based on quantum genetic algorithm in sensor networks is proposed. An advantage of the quantum genetic algorithm over the conventional genetic algorithm is demonstrated in simulation experiments. The goals of high connectivity and low consumption of energy are reached. Translated from Journal on Communications, 2006, 27(12): 1–5 [译自: 通信学报]     

传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用

复杂环境下传感器网络目标跟踪,存在跟踪准确性与算法复杂性这对矛盾,需要考虑准确性、通信和计算能耗之间的折中。针对此问题,研究传感器网络中基于压缩感知的压缩域目标跟踪和压缩域数据融合,并提出了用稀疏的测量矩阵对haarlike特征压缩,压缩域特征送入朴素贝叶斯分类器,在压缩域直接实现目标跟踪的算法。然后通过配置传感器网络以生成多个层次类型不同的簇结构,压缩后的数据在网络中传输,并在各层簇头实现压缩域下的数据融合。该算法通过稀疏测量矩阵压缩表征原始图像信息和分类器的自我学习更新,提高了对压缩域目标特征分类的准确性,在复杂环境下有更好的鲁棒性。而压缩域直接进行目标跟踪,不需要重构图像,也减少了网络运算量和数据传输量。通过仿真实验和标准数据库测试对比以及在机器人足球赛实验平台中的应用表明,该算法在跟踪准确性,数据传输量及传输能耗上均有优势。     

Tracking the events in the coverage of wireless sensor networks based on artificial neural-networks algorithms

Sensor deployment is an important problem in mobile wireless sensor networks. This paper presents a distributed self-spreading deployment algorithm (SOMDA) for mobile sensors based on artificial neural-networks self-organizing maps algorithm. During the deployment, the nodes compete to track the event and cooperate to form an ordered topology. After going through the algorithm, the statistical distribution of the nodes approaches that of the events in the interest area. The performance of the algorithm is evaluated by the covered percentage of region/events, the detecting ability and the energy equalization of the networks. The simulation results indicate that SOMDA outperforms uniform and random deployment with lossless coverage, enhancive detecting ability and significant energy equalization.