电力物联网中基于深度学习的无蜂窝接入点选择算法

针对传统电力物联网中的设备间干扰和高能耗问题,提出一种基于深度神经网络(deep neural network,DNN)的无蜂窝接入点(access point,AP)选择算法。首先,考虑无蜂窝网络下,将中央处理单元连接的多个协作AP随机分布在大规模电力设备周围,从而拉近AP与设备间的距离以降低能耗;然后,基于深度神经网络算法对AP进行有效筛选,通过训练静态随机设备的大尺度衰落系数将AP组合进行标签分类,使得平均频谱效率(spectrum effectiveness,SE)达到最大;最后,利用测试集进行测验,仿真结果表明,算法准确率能够达到95%,且相比于传统全AP传输和基于信道特征排序的算法,所提出的算法能够进一步提升无蜂窝网络多设备的平均SE,并具有更低能耗。

基于多关联模型的软件定义高密WLAN EDCA机制的吞吐量优化

为了提高IEEE 802.11e增强分布式信道接入(EDCA)机制在高密场景下的全局吞吐量,研究了基于多关联模型的软件定义WLAN系统和无线接入点(AP)关联算法。首先扩展了软件定义WLAN架构,使之在不改变终端协议的基础上支持多关联,实现将同一终端的不同类型数据流由不同的AP进行传输。其次,考虑高密场景空口时间和链路速率特性,提出了快速分配算法,将算法的时间复杂度由2N简化到logN。最后实现了该机制并对其进行了验证,结果发现采用多关联模型的分配机制能明显提高EDCA机制下的全局带宽,相对于传统的单AP策略,全局带宽最高能提升48%;相对于高密AP全启用策略,全局带宽最高能提升35%。

PLC-Oriented Access Point Location Planning Algorithm in Smart-Grid Communication Networks

In this study, we investigate the optimal location of access points （APs） to connect end nodes with a service provider through power-line communication in smartgrid communication networks. APs are the gateways of power-distribution communication networks, connecting users to control centers. Hence, they are vital for the reliable, safe, and economical operation of a power system. This paper proposes a planning method for AP allocation that takes into consideration economics, reliability, network delay, and （n-l） resilience. First, an optimization model for the AP location is established, which minimizes the cost of installing APs, while satisfying the reliability, network delay, and （n-1） resilience constraints. Then, an improved genetic algorithm is proposed to solve the optimization problem. The simulation results indicate that the proposed planning method can deal with diverse network conditions satisfactorily. Furthermore, it can be applied effectively with high flexibility and scalability.

精益化智能业扩辅助报装系统设计

供电企业的业扩报装直接面对用电客户，其工作水平对提高客户服务质量具有重要意义，业扩报装中的制定供电方案是整个业扩流程中的重要一环。本文围绕精益化管理要求，对业扩供电方案接入规则算法、供电路径智能走向、多维线路分析、客户投资估算和接入影响分析进行了设计，提出了一套用电客户电网接入点的智能分析方法和系统，为供电方案的制定提供有效的决策依据。