基于TL-LSTM的新能源功率短期预测

新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进行聚类,同时利用各个聚类生成若干预训练模型;结合形态距离指标,选择与目标序列最接近的聚类作为辅助数据簇以准备迁移学习;借助辅助数据簇所对应的预训练模型来完成TL-LSTM模型的训练,且在所有模型的训练过程中利用差值化处理方法避免预测结果出现“滞后”现象。以我国某实际风电场和光伏电站为典型算例,验证所提预测方法的有效性。结果表明,该方法提升了新能源功率短期预测的精度,并能够在小样本环境下进行新能源功率的预测,有较高地泛用性。

卫星物联网中基于能量感知的自适应节能路由策略

随着5G技术的发展和6G技术的研究,低轨卫星网络在卫星物联网中的地位越发重要,而作为网络核心技术的路由策略仍面临一些挑战。本文针对低轨卫星网络拓扑结构动态变化、链路的不连续性、卫星能量供应受限等问题,为了及时感知星间链路状态和卫星的能量并选择正确的路由,将卫星物联网中的路由选择问题转化为马尔可夫决策过程下的最优策略问题,提出一种基于Dueling DQN(Dueling Deep Q Network)的自适应节能路由算法。该算法通过改进DQN中神经网络的架构,大幅度地提升了学习的效果。仿真结果表明,与传统的DQN算法相比,该算法能有效降低系统能耗,均衡网络负载,提高网络吞吐量。

云计算虚拟资源差分进化分配方法仿真

云平台集群规模较大,集群节点之间存在一定的差异性,为云计算虚拟资源分配带来了一定困难。为降低数据中心能耗与时间复杂度,提出云计算虚拟资源差分进化分配方法。为实现全局能耗更新调节服务器工作电压和资源分配频率,使用动态能量感知策略计算资源分配的最短时间跨度与空闲分配时间,代入能量消耗时间变换因子,将分配所需能量转换成时间参数,使用二元组构建云计算资源分配模型;将资源节点拟作种群,通过资源-任务间接方式进行染色体编码,以轮盘赌原则为基础,采用差分进化算法更改种群染色体基因排列方式,推算个体适应度,通过变异概率自主调节种群个体,获取被标记的最优个体,实现云计算虚拟资源最优分配。实验结果表明,所提方法可以使用较少的服务器完成资源分配,云计算任务分配效率高且执行能耗低。

基于动态能量感知的移动云计算任务调度模型

传统云计算任务调度忽略了对总完成时间和总能耗目标的加权,导致任务调度的负载均衡性较差。为此,设计基于动态能量感知的移动云计算任务调度模型。将任务调度总完成时间和总能耗作为加权优化目标,引入基于能量感知的多适应度动态遗传算法,求解数学模型。通过遗传算子与再选择策略的相互协作获得新优势种群,并对其更新,寻找最佳移动云计算任务调度结果。实验结果显示,该模型的移动云计算任务调度总完成时间和总能耗较低,具有较好调度效果;负载均衡性良好,可适用于大规模移动云计算任务调度。

EADEEG:能量感知的无线传感器网络数据收集协议

提出了一种基于簇结构的无线传感器网络数据收集协议EADEEG(an energy-aware data gathering protocol for wireless sensor networks).EADEEG通过最小化网络通信开销以及良好的能量负载平衡方法,可以有效地延长网络寿命.与以前的相关研究相比,EADEEG采用了一种全新的簇头竞争参数,能够更好地解决节点能量异构问题.此外,EADEEG也采用了一种简单而有效的簇内节点调度算法,通过控制活动节点的密度,可以在不增加额外控制开销的条件下关闭冗余节点并保证覆盖要求,因此可以进一步延长网络寿命.模拟实验证明,在节点初始能量同构和异构两种情况下,EADEEG协议都能够满足用户对覆盖率的要求,并在网络寿命上大幅度优于LEACH(low energy adaptive clustering hierarchy),PEGASIS(power-efficient gathering in sensor information systems)和DEEG(distributed energy-efficient data gathering and aggregation protocol)协议.

蚁群优化算法在Ad Hoc网络路由中的应用

针对蚁群算法固有的搜索时间长、易陷入局部最优解的缺点,提出一种改进的基于蚁群算法的Ad Hoc网络路由算法。通过采取赌轮方式和扩散信息素提高路由搜索能力,绕开能量低的邻居节点均衡网络节点能量;同时对路由表做出修改,提高路由算法性能,增强算法的适应能力。经过与已有路由算法AODV的仿真比较,结果表明该算法不仅增加了路径的搜索多样性,减少了路径收敛时间,而且提高了网络的生存时间。

认知视角下能量感知的ZigBee网络树型路由优化算法

为解决ZigBee Cluster-Tree路由算法路径选择不优的问题,提出了一种能量感知的ZigBee树型路由EZTR(Energy-Aware ZigBee tree routing)算法.该算法利用每个节点感知的地址信息,按照ZigBee网络树型结构计算下一跳邻居节点到目的节点之间的跳数可避免网络的环路效应,通过引入认知概念,在跳数集合中选出最短路径以降低跳数.在ZigBee网络节点能量的感知过程中,当所选路径存在低能量节点时,及时启用备用节点,从而避免节点因能量过度消耗成为失效节点.NS2(Network simulator version 2)仿真实验表明,EZTR算法可提高网络分组递交率,有效减少节点转发跳数和平均网络延时,减小网络整体能耗,为提高网络的实时性和延长网络生命周期提供理论支持.

面向云平台的资源分配策略研究

资源分配策略的研究一直是云计算领域研究的热点和难点。针对当前已有的资源分配策略进行了深入调研和分析,首先简要分析了云平台资源分配存在的挑战;然后给出了云平台资源分配的形式化描述;在此基础上,从启发式分配算法、基于经济理论的策略,以及其他分配策略三个方面对当前主流的资源分配策略进行描述,分析其优缺点;最后结合具体指标对主流策略进行了综合比较,并指出未来的研究方向。

移动自组织网络路由选择算法研究进展

移动Ad Hoc无需基础设施,可支持高动态的移动数据通信,具有广泛应用的前景。然而,其高动态特性导致互联网现有路由协议不再适用。近年来学者针对Ad Hoc网络提出了大量的路由选择算法。给出了各种路由技术分类方法,简述了Ad Hoc网络的基本路由协议和路由选择算法,进而从预测模型、能量模型、位置信息、服务质量控制和安全支持等5个角度,深入分析了当前Ad Hoc网络路由选择算法的最新研究进展。预测模型通过基于历史信息的移动预测,降低了路由选择的时间代价;能耗模型则采用适当的数学模型来描述网络能耗情况,在选路过程中实现了分组传送的能耗最小化和能量负担均衡之间的权衡;基于位置的路由选择算法根据节点的地理位置来标识目的地,从而利用该地理位置信息进行路由选择;服务质量感知的路由选择算法在本地计算中考虑带宽、延迟、能量和电池生命周期,从而在选路过程中提供了服务质量支持;安全路由选择算法则利用适合移动Ad Hoc网络的密钥、哈希链、电子签名等技术对协议交互消息进行加密来保障网络安全。最后从通信开销、计算和存储开销、路径数量、关键节点的存在性以及算法类型等方面详细对比总结了近年来提出的30余种典型路由选择算法,指出了各自的特点和适用范围,并从预测模型、能量模型、位置信息、服务质量控制和安全支持等5个角度展望了该领域的未来发展方向。

BPEC：无线传感器网络中一种能量感知的分布式分簇算法

无线传感器网络的大面积铺设以及数据融合的需求,促使必须有效地组织网络的拓扑结构,以达到均衡负载、延长网络的生命周期的目标.分簇已被证实是将网络组织成层次相连结构的有效方式.提出了一种新的以邻居节点的平均剩余能量与节点本身的剩余能量的比值作为竞争簇头的主要参数,以节点的"度"作为节点竞争簇头辅助参数的节能分布式分簇算法BPEC.如果执行BPEC算法,整个网络的广播消息量复杂度为O(n),整个网络的时间复杂度为O(1).证明了由BPEC算法产生的簇头集合是一个最大独立集,簇头集合能覆盖网络的所有节点.当节点足够多时,仿真实验结果表明,簇头集合的尺寸大小与理论推导值十分接近.

移动对等网络中的感知蚁群路由算法

针对移动对等网络的实际需要,文中提出了一种感知蚁群路由算法.该算法通过感知节点能量、链路质量和链路生存性等网络状况,可以有效地均衡网络能量,提高分组投递率.该算法在路由发现阶段采用基于信息素的选播机制,既保证及时找到有效路径,又避免传统广播机制浪费能量的现象;在评价建立的路径时,既考虑了沿途节点的能量,又兼顾了链路质量和链路生存性;在数据路由时,结合了概率型路由的自动均衡和确定型路由的快速收敛.模拟实验结果表明了它的有效性.

基于能量感知的移动低占空比机会网络纠删编码算法

低占空比(low-duty-cycle,简称LDC)技术是当前延长无线传感器网络生命周期的最关键技术,为了有效延长机会网络生命周期,将低占空比技术引入机会网络,形成LDC机会网络.但是,现有机会网络路由算法不能很好地适应LDC环境,其性能会大幅度下降.为了解决该问题,提出一种基于能量感知的移动低占空比机会网络纠删编码算法E-EC.仿真实验结果表明,与现有的典型机会网络路由算法相比,E-EC算法在延长移动机会网络生命周期以及增加数据传输成功率等方面带来明显的性能提升.

云计算环境下能量感知的任务调度算法

云计算环境下传统独立任务调度算法容易导致较高资源能耗或较大任务时间跨度.针对该问题,文中提出了两种能量感知的任务调度算法,并利用遗传算法并行化搜索合理调度方案.两种算法在搜索过程中,分别通过能耗时间归一和能耗时间双适应度方法定义适应度函数并进行个体选择.仿真结果表明,与单独考虑时间或能耗相比,这两种算法能够更有效地缩短任务执行时间跨度,降低资源能耗.

一种节能的无线传感器网络路由协议的设计与实现

在无线传感器网络的路由协议中,基于簇的路由协议在拓扑管理、能量利用、数据融合等方面具有优势。本文针对目前已有协议能量消耗大、网络寿命短等问题,提出了一种能量感知的基于分布式簇算法的无线传感器网络协议EA-HEED。此协议改进了分布式的簇头选举算法,分配时分复用时隙并在簇头节点建立一棵路由树,从而提高簇头选举效率;设计了休眠冗余节点的簇内活动节点调度算法,减少能耗;采用考虑节点能量和节点与基站距离的簇头节点组织路由树方法、最小化网络开销以及能量负载平衡方法,优化路由协议,有效延长网络寿命。仿真结果表明,与LEACH和HEED协议相比,EAHEED协议可以进一步延长网络寿命。

基于自适应协同进化粒子群算法的虚拟网节能映射研究

该文针对虚拟网节能映射问题提出自适应的协同进化粒子群算法。首先,为虚拟网节能映射问题设置了聚合度,该聚合度被用于自适应地选择粒子的搜索方式,即随机搜索、种内搜索或种外搜索。其次,根据粒子群的进化结果,自适应地确定是否终止对子群的搜索。最后,在常用的测试环境下进行了仿真实验,对映射的能耗效果对比了结果,实验结果表明了所提算法的高效性。

基于跨层网络编码感知的无线传感器网络节能路由算法研究

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感知的无线传感器网络节能路由算法CAER（Cross layer coding Aware Energy efficient Routing）.提出并证明了修正后的网络编码条件,以解决编码条件失效问题.基于跨层思想,将网络编码感知机制与拓扑控制、覆盖控制结合,挖掘潜在编码机会.提出综合考虑节点编码机会、节点能量的跨层综合路由度量CCRM（Cross layer Coding aware Routing Metric）.仿真结果表明,相比现有编码感知路由,CAER能够提高网络编码感知准确性,增加网络编码机会数量5%-15%,延长网络生存时间8%-12%.

物联网中链路稳定和能量感知混合模型的组播路由协议

针对物联网络中容易出现节点能量消耗不均衡,路由稳定性差,数据容易丢失等问题,提出了一种改进的链路稳定和节点剩余能量感知的物联网路由算法。该路由算法首先建立了一种基于链路稳定性和节点剩余能量的混合路由模型,利用该模型对节点的能量和链路稳定参数进行综合预判,选出最优节点来组成网络。仿真结果表明,与AODV算法相比,该算法可以有效控制网络开销,提高数据转发率,延长网络生存周期,降低网络延迟。

基于改进GA和信任感知的无线传感器网络安全分簇路由协议

针对现有信任感知无线传感器网络安全路由协议局部决策导致整体安全性不足以及能耗和负载不均衡的问题,提出一种基于改进遗传算法的无线传感器网络信任感知安全路由方法.该方法中节点根据直接信任值、间接信任值、挥发因子和剩余能量计算得到综合信任值,以综合信任值最大、网络能耗最小以及负载均衡为目标,构建相应的适应度函数,并将簇头选择和路由搜索用单个染色体编码,通过改进遗传操作形成优化的下一代,从而找到最优的簇头集和每个簇头的最佳路由路径.仿真测试结果表明,该方法能保障网络安全,提高网络能量效率,均衡网络负载,延长网络生命周期.

基于能量感知与能量均衡的ZigBee网络树路由算法研究

针对传统ZigBee网络树路由算法存在节点能量消耗大的问题,提出了一种改进的基于能量感知和能量均衡的ZigBee网络树路由算法。该算法将邻居节点考虑在内,在确定路由的下一跳节点时,在更大的搜索范围内寻找路由开销最小的网络路径来降低功耗,同时根据路径上节点的剩余能量选择累积路径损耗和路径能量消耗较低的路径进行数据发送,从而降低了网络的总体能耗。仿真结果表明,该算法能避开能量过低的节点进行数据传输,实现了节点的能量均衡,延长了节点的生存时间。

具有能量补给的无线传感器网络能量感知路由算法

为适应新能源条件下无线传感器网络的能量补给特点,根据节点自身能量起伏变化和能量补给的速率等特点,提出了一种考虑能量补给因素的无线传感器网络能量感知路由算法——PHEA.PHEA将传感器节点从周围环境中获取能量的因素考虑进路由算法中,并使用信息融合D-S证据理论算法选择下一跳节点,使得能量消耗能够平均分配到整个网络中.仿真结果表明,算法改善了能量补给因素条件下无线传感器网络中的能量消耗的均衡特性,延长了网络的生命周期,与经典能量感知路由算法EA相比,PHEA的性能高50%左右。