【技術實現步驟摘要】
本專利技術屬于面向智能電網的通信資源分配，尤其涉及一種基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法和系統。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、隨著網絡技術和電子產品等多個行業的快速發展，接入網絡的電子設備數量爆炸式地增長，推動了網絡技術的發展，第五代移動通信技術5th?generation?mobilecommunication?technology，簡稱5g)也隨之越來越成熟。在電網領域，各種各樣的設備之間需要進行頻繁地通信、交流，如：智能巡檢機器人，智能傳感器，變電站設備，智能電表等等。隨著智能電網的推進實施，海量智能通信設備的接入不可避免，這對電網通信承載網絡帶來了不小的壓力。時隙資源屬于通信資源的一種，是時間分割多址(time?divisionmultiple?access，tdma)技術的核心概念。通過將時間劃分為若干固定長度的時隙，分配給不同的電網通信設備，使得多個設備共享同一通信信道。
3、通信網絡時隙資源無法均勻分配，使得在為設備分配時隙資源時，固定分配方式會導致浪費時隙資源。合理分配時隙資源是優化信道分配的有效方案，具有提高網絡系統的容量，降低時延，提高吞吐量等優點。常用的時隙分配策略包括固定分配策略和動態分配策略。二者各有優勢。固定時隙分配主要應用在時隙資源充足的情景下，但在智能電網中海量傳感器設備接入以及高時延要求的情景下，研究動態時隙分配更有前景，也更具優勢。
4、目前，在動態時隙分配
技術實現思路
1、為了解決上述問題，本專利技術提出了一種基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，結合機器學習和啟發式算法來解決時隙分配的馬爾科夫特性和隨機性。本專利技術通過對lstm變種，加入卷積層、雙向長短時記憶神經網絡(bi-directionallstm，bi-lstm)和雙向門控循環單元(bi-directional?gate?recurrent?unit，bi-gru)，有效提取不同長度的時間特征。本專利技術通過對蟻群算法進行改進，包括啟發式信息的重構，引入流量差分因子和高斯分布的自適應調整因子等，可以在選擇路徑時充分考慮流量、時延、干擾等因素同時有效提高收斂速度。
2、本專利技術還提出了一種基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配系統。
3、術語解釋：
4、1、線性整流單元(rectified?linear?unit，relu)：在神經網絡中，relu激活函數用于對輸入進行非線性變換，將輸入的負值映射為0，正值保持不變。其主要優點是計算簡單且在深度神經網絡中有效地提高了收斂速度。數學表達式如下：
5、f(x)＝max(0,x)?(1)
6、2、雙向長短時記憶網絡(bilstm)：該網絡結構由兩個獨立的lstm單元組成，分別處理正向和反向的序列信息。結合兩個方向的輸出，bilstm能夠更全面地捕捉序列數據中的前后依賴關系，更好地提取長時間序列的特征。
7、3、雙向門控循環單元(bigru)：該網絡由兩個方向的gru單元組成，一個方向處理從前向后順序的輸入，另一個方向處理從后向前的輸入。bigru的參數量較少，處理短數據序列更具高效性。
8、為了實現上述目的，本專利技術采用如下技術方案：
9、基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，適用于分布式通信節點構建通信系統，分布式通信節點構建通信系統包括：傳感器節點、通信節點、中央數據庫、控制中心及通信鏈路；包括：
10、步驟s1：基站分配固定時隙給傳感器設備以初始化，創建一個時隙分配表x存儲固定分配；
11、步驟s2：結合biconv-lstm模塊進行蟻群算法初始化，包括：
12、步驟s21：從中央數據庫提取數據輸入到biconv-lstm模塊中進行流量預測，得到預測流量數據；
13、步驟s22：設置參數，包括螞蟻個數、最大迭代次數、信息素初始值、揮發系數、信息素和啟發式信息控制系數；
14、步驟s3：通過改進蟻群算法探索最優方案，包括：
15、步驟s31：初始化全局的信息素濃度，創建信息素表，信息素表包括各個設備之間的信息素濃度，用來評價兩個設備之間的優先選擇關系；放置m只螞蟻，每只螞蟻開始選擇路徑；
16、步驟s32：當整個蟻群完成一次搜索之后，判斷是否存在新的最優方案，若是，更新信息素表并重新迭代；若不是，不更新信息素表并重新迭代；
17、步驟s33：重新迭代時進行判斷：是否達到最大迭代，若沒有達到最大迭代，重新執行步驟s3；若達到最大迭代，輸出最優路徑方案；
18、步驟s4：確定時隙分配方案，包括：
19、步驟s41：利用最優路徑方案更新時隙分配表x；
20、步驟s42：判斷是否有傳感器長期占用競爭通道，若有傳感器長期占用競爭通道，則調整該傳感器的時隙大小并重新更新時隙分配表；若沒有，則不作調整；
21、步驟s43：根據分配方案為傳感器設備分配時隙并發送消息。
22、根據本專利技術優選的，步驟s21中，從中央數據庫提取數據輸入到biconv-lstm模塊中進行流量預測，得到預測流量數據q，如下所示：
23、q＝{q1,q2,…,qn}＝lstm{i1,i2,…,in}?(2)
24、其中，qn表示第n個設備的預測流量，in表示第n個設備的歷史流量數據，lstm{}表示lstm模塊，輸入歷史流量數據輸出預測未來流量。
25、根據本專利技術優選的，步驟s22中，根據biconv-lstm模塊的流量預測結果，信息素濃度初始值為：
26、
27、其中，τij(0)為信息素初始值，τmax和τmin分別為信息素的上限值和下限值，qi為傳感器設備i的流量數據，qmax和qmin分別表示所有設備的預測流量中的最大值和最小值。
28、根據本專利技術優選的，步驟s32中，選擇路徑，包括：
29、根據傳感器設備的時延敏感性建立時延模型，具體公式如下：
30、
31、其中，t0j表示一個周期內傳感器設備j傳輸數據的時延，xk表示第k個傳感器設備使用時隙塊的大小，δt表示單位時隙塊所需的時延，xkδt表示第k個傳感器設備的傳輸總時延；t0表示傳感器設備開始傳輸數據時的初始化啟動時延；
32、根據傳感器設備的相鄰時隙大小和本文檔來自技高網...
【技術保護點】
1.基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，適用于分布式通信節點構建通信系統，分布式通信節點構建通信系統包括：傳感器節點、通信節點、中央數據庫、控制中心及通信鏈路；其特征在于，包括：
2.根據權利要求1所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟S21中，從中央數據庫提取數據輸入到BiConv-LSTM模塊中進行流量預測，得到預測流量數據Q，如下所示：
3.根據權利要求1所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟S22中，根據BiConv-LSTM模塊的流量預測結果，信息素濃度初始值為：
4.根據權利要求1所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟S32中，選擇路徑，包括：
5.根據權利要求1所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟S42中，若有傳感器長期占用競爭通道，則調整該傳感器的時隙大小并重新更新時隙
6.根據權利要求5所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，處理突發時隙大量請求，具體過程如下：
7.根據權利要求1所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟S21中，從中央數據庫提取數據輸入到BiConv-LSTM模塊中進行流量預測，得到預測流量數據，包括：
8.根據權利要求6所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，長數據處理與特征提取，具體包括：
9.根據權利要求6所述的基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，短數據處理與特征提取，包括：
10.基于BiConv-LSTM結合改進蟻群算法的混合競爭動態時隙分配系統，包括：
...【技術特征摘要】
1.基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，適用于分布式通信節點構建通信系統，分布式通信節點構建通信系統包括：傳感器節點、通信節點、中央數據庫、控制中心及通信鏈路；其特征在于，包括：
2.根據權利要求1所述的基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟s21中，從中央數據庫提取數據輸入到biconv-lstm模塊中進行流量預測，得到預測流量數據q，如下所示：
3.根據權利要求1所述的基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟s22中，根據biconv-lstm模塊的流量預測結果，信息素濃度初始值為：
4.根據權利要求1所述的基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分配方法，其特征在于，步驟s32中，選擇路徑，包括：
5.根據權利要求1所述的基于biconv-lstm結合改進蟻群算法的混合競爭動態時隙分...
【專利技術屬性】
技術研發人員：李坤，馮奮澤，許宏吉，李毅然，韓欣宇，周子晗，蔡親立，孟建，管荑，張鹍，辛雨航，曲增彬，吳慧文，呂慶真，陳學識，張浩，程輝，侯路，韓然，
申請(專利權)人：國網山東省電力公司青島供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。