一种基于MATLAB的电力通信网自动带宽预测方法技术

本发明专利技术公开了一种基于MATLAB的电力通信网自动带宽预测方法，根据具体网络的汇聚模型，利用MATLAB编写流量汇聚算法，实现对网络所有节点和路径的自动带宽预测，大大提高了工作人员进行带宽流量预测的效率和准确性，切实指导工作人员找出目前网络容量的瓶颈部分，从而引导投资的精准投放。

【技术实现步骤摘要】
一种基于MATLAB的电力通信网自动带宽预测方法
本专利技术涉及电力通信
，具体地，涉及一种基于MATLAB的电力通信网自动带宽预测方法。
技术介绍
顺应全球能源互联网战略的发展趋势，坚强智能电网的建设也在稳步推进。通信网全面支撑下的电力系统的信息化、自动化和互动化是智能电网的重要基础。电力通信网的合理规划是后续建设发展的重要保障，而通信网业务带宽需求预测又是电力通信网规划设计的基础。过于超前的预测会增加系统建设投入，浪费网络带宽；而过于保守的估算又会导致网络容量成为整个电力系统通信的瓶颈。因此，构造合理的带宽预测方法才能保证电力通信网规划、设计与建设的顺利开展。由于电力通信网是专门服务于电力生产、运营的网络，其可靠性、带宽等指标要求相较于公用电信网络会更高一些，且带宽预测方法也不同于公网。弹性系数法应用成熟，能便捷满足通信的基本需求。而排队论的方法更能体现业务动态特性的优势。然而，目前的方法多是从节点或断面的汇聚特性出发给出带宽估计的过程，但是带宽预测是基于网络结构的整体过程。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种基于MATLAB的电力通信网自动带宽预测方法，以实现不同业务断面的流量预测，实现准确预测网络中所有节点和路径上的带宽流量，提高规划人员进行带宽预测的效率和精准性，为光传输设备和光缆的建设提供了重要依据。为实现上述目的，本专利技术采用的技术方案是：一种基于MATLAB的电力通信网自动带宽预测方法，主要包括：如下步骤：输入预处理步骤：将环网整体作为一个节点，依据宽带预测模型，得到电力通信网络拓扑图中不同类型节点自身的典型业务及流量，将根据电力通信网的业务汇聚流向，将网络拓扑图由无向图形式转换为有向图形式；基于MATLAB实现数据输入步骤：对电力通信网的节点和路径进行编号，将电力通信网络以邻接矩阵的稀疏矩阵形式表示，并整理出节点和路径编号对应的初始流量；基于MATLAB实现汇聚算法步骤：依次判断电力通信网中每个节点是否是此时网络的末端节点，如果是末端节点，将该节点的流量向上级的路径和节点上汇聚，同时将本节点从网络的稀疏矩阵中删除，更新节点流量和路径上流量，如果每轮判断完成后网络的稀疏矩阵中仍有元素，则返回数据输入，如果网络的稀疏矩阵为空，则进入结束程序；结束程序步骤：完成所有节点流量的汇聚，将环网节点的流量重新映射到环网上所有的节点和路径上，得到电力通信网拓扑图所有节点和路径上的带宽流量。进一步地，汇聚算法步骤中，判断节点是否是网络的末端节点，具体包括如果没有指向该节点的边，则此节点是网络的末端节点。进一步地，输入预处理步骤中，依据宽带预测模型，得到电力通信网络拓扑图中不同类型节点自身的典型业务及流量，具体为依据各类变电站、办公场所典型带宽预测模型。进一步地，电力通信网拓扑图的邻接矩阵的稀疏矩阵表示形式具体为，矩阵每行的第三列为电力通信网拓扑图中的每条边的编号，该行第一列为该边的源节点编号，该行第二列为该边的目的节点编号。本专利技术各实施例的基于MATLAB的电力通信网自动带宽预测方法，依据各类变电站、办公场所典型带宽预测模型的通知和具体的电力通信网汇聚模型，利用MATLAB编程不仅实现了不同业务断面的流量预测，也能准确预测到网络中所有节点和路径上的带宽流量，提高了规划人员进行带宽预测的效率和精准性，为光传输设备和光缆的建设提供了重要依据。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为基于MATLAB的电力通信网自动带宽预测方法的原理结构示意图；图2为某地市电力通信网拓扑图；图3为某地市电力通信网总体流量预测情况。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。如图1所示，基于MATLAB的电力通信网自动带宽预测方法，步骤如下：1.输入预处理。依据各类变电站、办公场所典型带宽预测模型，分析出电力通信网拓扑图中不同类型节点自身的典型业务及流量。由于SDH环网上的业务流量相同，为简便起见，将环网上的节点的自身业务流量相加，视环网整体为一个节点。根据电力通信网的业务汇聚流向，将网络拓扑图由无向图转为有向图的形式。带宽预测模型是指国网信通部印发的《“十三五”期间各类变电站、办公场所典型带宽预测模型》，带宽预测模型中描述了各类节点的典型业务和流量。数据输入。对电力通信网的节点和路径进行编号，针对电力通信网的特点，将网络以邻接矩阵的稀疏矩阵形式表示出来，并整理出节点和路径编号对应的初始流量。汇聚算法。依次判断电力通信网中每个节点是不是此时网络的末端节点，如果没有指向该节点的边，则此节点是网络的末端节点。如果是末端节点，将该节点的流量向上级的路径和节点上汇聚，同时将本节点从网络的稀疏矩阵中删除，更新节点流量和路径上流量。如果每轮判断完成后网络的稀疏矩阵中仍有元素，则返回数据输入，如果网络的稀疏矩阵为空，则进入结束程序。4.结束程序。完成所有节点流量的汇聚，将环网节点的流量重新映射到环网上所有的节点和路径上，此时得到电力通信网拓扑图所有节点和路径上的带宽流量。本实施例以某地市电力通信网为例，如图2所示。对电力通信网上的不同类型节点自身承载的业务进行分析，同时进行带宽需求预测，然后根据本文的流量估算方法估算出网络上所有节点和路径上的带宽流量，最后对比该地市电力通信网的现状，分析是否满足需求，需要做进一步的优化提升。得到所有节点上汇聚的带宽流量后，对除电源及用户变之外的所有节点上的总体流量预测情况进行统计，统计结果如图3所示。预测流量与实际光传输设备容量之比小于20％的站点为39个，且这些站点多为末端站点。预测流量与实际光传输设备容量之比大于80％且小于100％的站点为4个，这些站点都是中间的汇聚节点，且不是环网上的节点，存在一定优化升级的必要性。预测流量超过设备容量的站点有24座，这些站点多为环网上的站点。这说明按照公司的典型带宽预测模型，这些站点均存在优化升级的必要性。至少可以达到以下有益效果：利用MATLAB编程不仅实现了不同业务断面的流量预测，也能准确预测到网络中所有节点和路径上的带宽流量，提高了规划人员进行带宽预测的效率和精准性，为光传输设备和光缆的建设提供了重要依据。最后应说明的是：以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，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。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于MATLAB的电力通信网自动带宽预测方法，其特征在于，具体包括如下步骤：输入预处理步骤：将环网整体作为一个节点，依据宽带预测模型，得到电力通信网络拓扑图中不同类型节点自身的典型业务及流量，将根据电力通信网的业务汇聚流向，将网络拓扑图由无向图形式转换为有向图形式；基于MATLAB实现数据输入步骤：对电力通信网的节点和路径进行编号，将电力通信网络以邻接矩阵的稀疏矩阵形式表示，同时整理出节点和路径编号对应的初始流量；基于MATLAB实现汇聚算法步骤：依次判断电力通信网中每个节点是否是此时网络的末端节点，如果是末端节点，将该节点的流量向上级的路径和节点上汇聚，同时将本节点从网络的稀疏矩阵中删除，更新节点流量和路径上流量，如果每轮判断完成后网络的稀疏矩阵中仍有元素，则返回数据输入，如果网络的稀疏矩阵为空，则进入结束程序；结束程序步骤：完成所有节点流量的汇聚，将环网节点的流量重新映射到环网上所有的节点和路径上，得到电力通信网拓扑图所有节点和路径上的带宽流量。

【技术特征摘要】
1.一种基于MATLAB的电力通信网自动带宽预测方法，其特征在于，具体包括如下步骤：输入预处理步骤：将环网整体作为一个节点，依据宽带预测模型，得到电力通信网络拓扑图中不同类型节点自身的典型业务及流量，将根据电力通信网的业务汇聚流向，将网络拓扑图由无向图形式转换为有向图形式；基于MATLAB实现数据输入步骤：对电力通信网的节点和路径进行编号，将电力通信网络以邻接矩阵的稀疏矩阵形式表示，同时整理出节点和路径编号对应的初始流量；基于MATLAB实现汇聚算法步骤：依次判断电力通信网中每个节点是否是此时网络的末端节点，如果是末端节点，将该节点的流量向上级的路径和节点上汇聚，同时将本节点从网络的稀疏矩阵中删除，更新节点流量和路径上流量，如果每轮判断完成后网络的稀疏矩阵中仍有元素，则返回数据输入，如果网络的稀疏矩阵为空，则进入结束程序；结束程序步骤：完成所有节点流量...

【专利技术属性】
技术研发人员：田云飞，程紫运，付兵彬，杨德州，徐昊亮，张海生，余泳，陈兆雁，靳攀润，刘正英，彭婧，王洲，陆军，王正花，龚岩，李朋亚，李正发，司夏河，赵宇洋，徐慧慧，王仕俊，杨晶，
申请(专利权)人：国网甘肃省电力公司经济技术研究院，国家电网公司，国网甘肃省电力公司，
类型：发明
国别省市：甘肃,62