极端灾害将导致电力系统与通信系统同时发生大面积瘫痪,基于“保电救灾、通信先行”原则,优先恢复故障通信是支撑保障电力系统安全运行的关键。该文针对灾后电力通信高效恢复问题,提出了一种计及电力侧状态感知需求与运行调控能力保障...极端灾害将导致电力系统与通信系统同时发生大面积瘫痪,基于“保电救灾、通信先行”原则,优先恢复故障通信是支撑保障电力系统安全运行的关键。该文针对灾后电力通信高效恢复问题,提出了一种计及电力侧状态感知需求与运行调控能力保障的增广路径最大流电力通信网络恢复算法。首先考虑到电力通信系统与电力物理系统的紧耦合特性,设计了计及电力侧影响的状态感知与运行调控能力量化指标,辨识关键信息节点。然后,通过图论最大流理论,搜寻关键信息节点的增广路径集。在此基础上,引入恢复贡献度,从增广路径集中选择具有大容量、低延时以及少故障链路的通信路径进行优先重建,为灾后电力系统快速恢复过程提供可达、可靠的通信支撑。最后,以IEEE39标准系统作为仿真算例,验证了所提恢复策略下的通信系统具有更高的通信服务质量(quality of service,QoS),避免了在恢复过程中由于带宽容量不足而发生业务频繁掉线风险。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
文摘极端灾害将导致电力系统与通信系统同时发生大面积瘫痪,基于“保电救灾、通信先行”原则,优先恢复故障通信是支撑保障电力系统安全运行的关键。该文针对灾后电力通信高效恢复问题,提出了一种计及电力侧状态感知需求与运行调控能力保障的增广路径最大流电力通信网络恢复算法。首先考虑到电力通信系统与电力物理系统的紧耦合特性,设计了计及电力侧影响的状态感知与运行调控能力量化指标,辨识关键信息节点。然后,通过图论最大流理论,搜寻关键信息节点的增广路径集。在此基础上,引入恢复贡献度,从增广路径集中选择具有大容量、低延时以及少故障链路的通信路径进行优先重建,为灾后电力系统快速恢复过程提供可达、可靠的通信支撑。最后,以IEEE39标准系统作为仿真算例,验证了所提恢复策略下的通信系统具有更高的通信服务质量(quality of service,QoS),避免了在恢复过程中由于带宽容量不足而发生业务频繁掉线风险。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
