基于消减技术的能量收集网络数据发送方法及系统技术方案

本发明专利技术涉及一种场景预测方法及装置，属于能量收集网络技术领域，具体涉及一种基于消减技术的能量收集网络单时段场景预测方法及装置。本发明专利技术基于消减技术的单时段场景生成技术，其与真实数据之间的测量误差在‑30％～30％之间，且不需要假设概率分布函数，提高了能量收集网络数据吞吐量规划的精度。

【技术实现步骤摘要】
基于消减技术的能量收集网络单时段场景预测方法及装置
本专利技术涉及一种场景预测方法及装置，属于能量收集网络
，具体涉及一种基于消减技术的能量收集网络单时段场景预测方法及装置。
技术介绍
随着能量转化效率的提高和低功耗处理器的进步，人们对网络生命周期和永久运行的需求日益增加，能量收集网络应运而生。能量收集是指通过搜寻诸如震动、人体能量、风光热能等低等的环境能源，将其转化成可用的电能供给电子设备进行网络通讯，完成某些特殊任务。能量收集网络是传统计算机网络的发展，它可以增加能量的自给和永久运行，为节点提供无限的流动性及特殊环境的部署。能量收集网络的出现由以下两方面催生：一是ICT(InformationandCommunicationsTechnology，信息与通信技术)设备能耗及二氧化碳排放的增加受到更多的关注；二是特殊环境下对网络的需求，如人体、混凝土、边远地区等，为医疗设备、环境监测、安全监控等领域带来革新。这种新型的能量供给方式伴随着随机性、瞬时性和记忆性，为信道添加了新的约束；同时，能量收集过程对发送者而言是显而易见的，接收者则不然。这些问题为能量收集网络带来了新的挑战。能量收集网络从新的角度考虑了计算机网络的节能问题，在传统网络中引入了新能源技术，减少传统网络能耗的同时，又大大拓展了网络的应用范围。然而新能源的引入带来了新的问题和挑战，如何模拟新能源的特性及能量收集过程的随机性成为能量收集网络首要解决的问题目前大多采用概率分布模拟能量收集过程，假设能量的到来服从某些概率分布函数。如误差服从正态分布或数据集间满足独立同分布(i.i.d.)，但能量收集网络数据和能量的突发性使得这种模拟方法对局部时段内的能量管理策略帮助甚微。目前针对能量收集网络的模拟技术主要有：(1)二阶马尔科夫链模型，使用线性规划方法求解，但模型建立过程含有能量获取概率、能量消耗概率、数据产生概率和数据发送概率四个参数，需要假设这四个参数满足某种先验概率分布，并不合理；(2)排队论模型，如使用G/G/1/N和G/G/1/∞来模拟有限容量电池和无限容量电池下的能量收集网络，分别计算出节点的耗尽概率，但模型中的G/G部分需要已知概率分布，过于主观。然而，研究表明电路元件的不确定性使得对电池状态的估计误差足有30％以上，同时知道能量收集状态要优于对电池电量的读取状态。可见，为了降低读取与估算电池电量的能耗，同时提高系统能量规划运行的准确度，则需要正确模拟能量收集过程。同时，设计者能够准确模拟能量收集过程也有利于网络的规划运行。作为系统运行的必要输入，能量收集阶段目前大多采用概率分布模拟，即假设能量的到来服从某些诸如正态分布或数据集间满足独立同分布等概率分布函数，然而能量收集网络数据和能量的突发性使得这种模拟方法对局部时段内的能量管理策略帮助甚微。为此，本专利技术的设计者有鉴于上述缺陷，通过潜心研究和设计，综合长期多年从事相关产业的经验和成果，研究设计出一种基于消减技术的能量收集网络单时段场景预测方法及装置，以克服上述缺陷。
技术实现思路
本专利技术主要是解决现有技术所存在的能量收集网络模拟困难且精度差，能量收集存在随机性和不确定性的技术问题，提供了一种基于消减技术的能量收集网络单时段场景预测方法及装置。该方法及装置能够基于历史数据预测能量收集网络单时段的能量收集的最优场景，从而优化能量收集网络的数据发送方式。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于消减技术的能量收集网络单时段场景预测方法，基于消减技术生成单时段场景，具体包括：参数初始步骤，设置场景集合初值J＝{R(Sti,pti)}，i＝1,2,...,N，被删除的场景集合Sti为场景数据值，pti为该场景概率，R(Sti,pti)为t时段的场景，N为总的场景个数；场景加权步骤，根据J构造场景的加权距离矩阵At，计算矩阵At中除对角线外每行最小元素cij＝min(Aij·pij)，选择li＝mincij；场景更新步骤，更新场景集合J＝J\{Sti}，D＝D∪{Sti}，即将li对应的场景Sti从J中删除并移入到删除场景集合D中；终止判断步骤，判断J中元素个数是否等于若相等，则退出并输出最优场景集合J；若不是，继续二次更新步骤；其中，为单日每一时段的代表场景数目；二次更新步骤，计算选择li＝lk，重复场景更新步骤和终止判断步骤，直至输出最优场景集合。其中，ptj＝1/N。其中，加权距离矩阵At的构造基于以下公式：式中：i≠j，j∈{1,2,...,N}。一种能量收集网络数据发送方法，采用上述任一场景预测方法来预测单时段收集的能量值，并基于预测的能量值来规划单时段内的数据吞吐量。一种基于消减技术的能量收集网络单时段场景预测装置，包括：参数初始模块，设置场景集合初值J＝{R(Sti,pti)}，i＝1,2,...,N，被删除的场景集合Sti为场景数据值，pti为该场景概率，R(Sti,pti)为t时段的场景，N为总的场景个数；场景加权模块，根据J构造场景的加权距离矩阵At，计算矩阵At中除对角线外每行最小元素cij＝min(Aij·pij)，选择li＝mincij；场景更新模块，更新场景集合J＝J\{Sti}，D＝D∪{Sti}，即将li对应的场景Sti从J中删除并移入到删除场景集合D中；终止判断模块，判断J中元素个数是否等于若相等，则退出并输出最优场景集合J；若不是，继续二次更新步骤；其中，为单日每一时段的代表场景数目；二次更新模块，计算选择li＝lk，重复场景更新步骤和终止判断步骤，直至输出最优场景集合。其中，ptj＝1/N。其中，加权距离矩阵At的构造基于以下公式：式中：i≠j，j∈{1,2,...,N}。一种能量收集网络数据发送系统，采用上述任一场景预测装置来预测单时段收集的能量值，并基于预测的能量值来规划单时段内的数据吞吐量。因此，本专利技术具有如下优点：本专利技术与真实数据之间的测量误差在-30％～30％之间，且不需要假设概率分布函数，提高了能量收集网络模拟的精度。将本方法应用在能量收集网络中进行测试，测试能够实现更高的网络吞吐量。附图说明图1为能量收集网络模拟技术路线；图2原始数据分布情况；图3为各时段消减后场景；图4为各时段场景对应的概率；图5为适应度函数值变化曲线；图6为500个能量收集场景的示意图；图7为500个能量收集场景概率图；图8为500个能量收集场景误差；图9为预测的功率序列场景；图10为采用本技术对网络吞吐量的有益效果(策略一为单日吞吐量上界，策略二为不采用任何模拟技术的吞吐量曲线，策略三为采用本模拟技术的吞吐量曲线)。具体实施方式下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。实施例：如图1所示，本专利技术基于消减技术的单时段场景生成技术，用以模拟单时段的数据特性，同时提出基于时齐模拟退火方法的能量收集网络模拟技术，用以模拟能量收集网络能量获取的随机过程。具体描述如下：1、消减技术实施过程STEP0：初始化过程采用最优消减技术产生出单日每一时段的代表场景Ot(Sti,pti)，其中为代表场景数目，Sti为第t(t＝1,2,...,T)时段的一个代表场景。pti为t时刻代表场景Sti的发生概率。假设第t时段原始场景集{R(Stj本文档来自技高网...

【技术保护点】
一种基于消减技术的能量收集网络单时段场景预测方法，其特征在于，基于消减技术生成单时段场景，具体包括：参数初始步骤，设置场景集合初值J＝{R(S

【技术特征摘要】
1.一种基于消减技术的能量收集网络单时段场景预测方法，其特征在于，基于消减技术生成单时段场景，具体包括：参数初始步骤，设置场景集合初值J＝{R(Sti,pti)}，i＝1,2,...,N，被删除的场景集合i＝1,2,...,N，，Sti为场景数据值，pti为该场景概率，R(Sti,pti)为t时段的场景，N为总的场景个数；场景加权步骤，根据J构造场景的加权距离矩阵At，计算矩阵At中除对角线外每行最小元素cij＝min(Aij·pij)，选择li＝mincij；场景更新步骤，更新场景集合J＝J\{Sti}，D＝D∪{Sti}，即将li对应的场景Sti从J中删除并移入到删除场景集合D中；终止判断步骤，判断J中元素个数是否等于若相等，则退出并输出最优场景集合J；若不是，继续二次更新步骤；其中，为单日每一时段的代表场景数目；二次更新步骤，计算选择li＝lk，重复场景更新步骤和终止判断步骤，直至输出最优场景集合。2.根据权利要求1所述的一种基于消减技术的能量收集网络单时段场景预测方法，其特征在于，ptj＝1/N。3.根据权利要求1所述的一种基于消减技术的能量收集网络单时段场景预测方法，其特征在于，加权距离矩阵At的构造基于以下公式：式中：i≠j，j∈{1,2,...,N}。4.一种能量收集网络数据发送方法，其特征在于，采用上述任一权利要求所述的场景预测方法来预测单时段收集的能量值，并基于预测的能量值来规划单时段内的数据吞...

【专利技术属性】
技术研发人员：王哲，李陶深，叶进，葛志辉，赵启飞，叶恒舟，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西,45