蜂巢结构动态算法在智能用电信息管理系统中的应用方法

摘要

蜂巢结构动态算法在智能用电信息管理系统中的应用方法，涉及一种网络通信中不同业务的优先级算法。智能用电信息管理系统包括主站服务器、光纤智能用电管理终端和智能光纤电能表，光纤智能用电管理终端设置OLT功能模块，内置蜂巢结构动态算法模块，该算法应用包括以下步骤：首先确定算法模型，然后将算法模型固化到光纤智能用电管理终端的蜂巢结构动态算法模块中，在实际应用中，光纤智能用电管理终端接收业务信息，经过蜂巢结构动态算法计算，输出对应业务带宽分配的优先级并以此为依据，分配带宽。采用本发明提供的算法，在智能用电信息管理系统中，可以大大降低业务数据的传输延迟和丢包率高，保证业务数据的正常传输。

说明书

技术领域

本发明涉及一种网络通信中不同业务的优先级算法，特别是在借助光纤组成的智能用电信息管理系统中，根据不同的业务，计算出优先级，为动态带宽分配提供依据。 

背景技术

用电信息管理系统在电力系统起着举足轻重的作用，目前国内的用电信息管理系统主要有RS-485方式抄表、电力线载波方式抄表、微功率无线方式抄表等几种方案。随着光纤入户的普及，采用光纤作为信息传输通道的用电信息管理系统已经成为可能。本申请人的《一种基于光纤通讯的智能用电信息管理系统》（申请号：201420105337.4）披露了采用光纤作为信息传输通道的一个系统。

随之产生的是网络的通信质量问题：现在市场上OLT（ optical line terminal，光线路终端）设备采用的QoS算法是神经网络算法、粒子群算法、数据副本放置算法等，这些算法主要是针对一般的应用，并没有考虑用电信息采集领域的特殊性：一般应用具备视频、语音等业务的处理，而这些在用电信息采集领域中不涉及，其涉及的通信业务包括终端抄表、主站远程维护、居民用户远程登录主站进行业务处理（例如电量查询、远程缴费）等。在实践中，如果不考虑用电信息采集领域的特殊性，根据上述算法做出的带宽分配在数据传输中主要表现在误差大、稳定性差、线路延迟时间长、丢包率高等方面。这些缺陷导致不能建立一个有保证的传输系统，正常的业务数据不能可靠地传输。 

发明内容

为了解决上述问题，本发明提出了一种算法，根据用电信息采集的不同业务种类和当前网络状况，计算出对应的优先级，并以此为依据进行动态带宽分配。

为实现发明目的，本发明采用的技术方案是：蜂巢结构动态算法在智能用电信息管理系统中的应用方法，智能用电信息管理系统包括主站服务器、光纤智能用电管理终端和智能光纤电能表。

主站服务器与光纤智能用电管理终端的GEPON接口通过光纤连接，这里主站服务器是OLT端，进行光通讯的管理，光纤智能用电管理终端是ONU端；光纤智能用电管理终端的PON接口和智能光纤电能表借助分光器通过光纤连接，或直接通过光纤连接。光纤智能用电管理终端设置了OLT功能模块，在这里是OLT端，智能光纤电能表是ONU端。

光纤智能用电管理终端具有多个连接智能光纤电能表的PON口，所有PON口同时工作，并且光纤智能用电管理终端需要进行多种业务处理，包括终端抄表、主站远程维护、用户远程登录主站进行业务处理等，需要针对业务的优先级别完成动态分配带宽。光纤智能用电管理终端内置的蜂巢结构动态算法模块辅助完成上述功能，蜂巢结构动态算法应用于智能用电信息管理系统包括以下步骤：

A、根据已有的经验数据优化蜂巢结构动态算法中的参数，确定算法模型；

B、将算法模型固化到光纤智能用电管理终端的蜂巢结构动态算法模块中；

C、在实际应用中，光纤智能用电管理终端接收业务信息，经过蜂巢结构动态算法计算，输出对应业务带宽分配的优先级；

D、将得到的优先级作为动态带宽分配的依据，分配带宽；

其中，所述步骤A包括以下步骤：

A1、确定输入节点数及输出节点数，并据此计算出蜂巢结构动态算法中处理层数的范围；

A2、针对每一个处理层数，将经验数据输入蜂巢结构动态算法中，根据输出的最优结果确定算法采用的处理层数；

A3、蜂巢结构动态算法中的处理层数设置为上述步骤确定的处理层数，将经验数据输入蜂巢结构动态算法中，通过计算来确定算法中的权值；

步骤A2和步骤A3所述蜂巢结构动态算法包括以下步骤：

S1、对输入信号进行归一化处理；

S2、初始化权值，将各权值设置为小于1非零随机数；

S3、选择传递函数；

S4、设置误差期望值和误差函数；

S5、将对应的权值和输入信号代入传递函数进行运算；

S6、将步骤S5的输出代入误差函数计算误差，如果误差满足需求条件，转到步骤SE，否则，执行步骤S7；

S7、修正权值，转到步骤S5；

SE、保存各权值，确定算法模型。

首先根据输入输出节点数、大量的经验数据、实验数据或实际数据，输入算法得到最佳处理层数，然后根据最佳处理层数得到各节点的权值，也就是得到了最优的蜂巢结构算法。将最优的蜂巢结构算法固化到光纤智能用电管理终端中。在实际应用中，将现场不同的输入数据利用蜂巢结构算法进行优化处理，得到优先级，为动态分配带宽提供前提条件。

蜂巢结构动态优化算法采用6角形的蜂巢稳定结构，对QoS进行算法优化。其流程是对输入信号进行处理，在满足延迟条件下找到满足最小耗费、最小丢包率的最优解结论。

蜂巢结构动态算法的步骤如下：

步骤一：对网络输入信息进行归一化预处理，即将其对应处理为0-1的数，因为若数据的范围较大，不利于蜂巢结构算法的学习，故将输入数据都置于0-1范围内，具体公式为：                                                。式中，x_i为第i项输入信息，x_min为输入信息的最小值，x_max为输入信息的最大值。注意对于每层有n个蜂巢结构节点的情况，即i=1，2，...n，j=1，2，... n，对于第k层的第i个蜂巢结构节点，有n个权值系数w_i1，w_i2，... w_in，并且在输入样本x时取x=(x₁，x₂，... x_n)。

步骤二：赋值权值的初值。对各层的权值置一个较小的非零随机数，优选地，初值小于1。

步骤三：选择传递函数。常用的传递函数有高斯函数、钟型函数、双曲线函数、三角形函数等，本蜂巢结构采用稳定性较好的高斯型传递函数。

设第k层的i个蜂巢结构节点的输入总和为，输出为，从k-1层的第j个蜂巢结构节点到第k层的第i个蜂巢结构节点的权系数为，各个蜂巢结构节点的传递函数为，

对于第k层的第i个蜂巢结构节点的输出，有

传递函数：， ，其中x是输入，这里是权值处理后的输入和，σ为输入差值的六分之一，c在这里为常数，c=3；

步骤四：设置误差期望值和误差函数。定义误差函数，取期望输出和实际输出之差的3/2次平方和作为误差函数，则有

式中：为输出单元的期望值；为实际输出，期望输出也是实验数据，m为第m层，误差期望值设置为1e-005。

步骤五：计算各层的输出，将对应的权重值和实验数据带入传递函数中进行优化输出； 

步骤六：根据输出和步骤四中的计算公式计算误差，误差满足需求条件时，优化处理结束；误差不满足需求条件，修正权重值。是否满足需求条件就是误差是否小于设定的误差期望值。

权值修正的具体过程如下：

由于蜂巢结构算法按误差函数的负梯度方向修改权值系数，故权值系数的修改量

其中：为学习速度，即步长，一般取0-1之间的数。

很明显，根据BP算法原则，关键是求出，有

由于

 ，   

故而有

令

 ，   

从上面可知，实际仍未给出明显的算法公式，下面求的公式：

 ，   

把和期望输出进行比较计算，若两者不等，则产生误差信号，按下面公式修改权值系数：

 ，   

其中

 ，   

上面公式中，求取本层时，要用到高一层的。可见，误差函数的求取是从输出层到输入层的反向传播过程，不断进行递归求取误差，使其最小化。通过多个样本反复训练，同时想误差逐渐减小的方向修改权值系数，最终消除误差。当蜂巢结构的层数较多时，所用的计算量很大，故收敛速度不快。为了加快收敛速度，一般考虑上一次的权值系数，并以它作为本次修正的依据之一，修正公式如下：

式中：即步长，一般取0.1-0.4；a为权值系数修正常数，取a=0.7-0.9。

返回步骤五继续执行。 

在确定算法模型时，需要计算处理层数和各权值，这时的算法完全采用上述步骤。在计算处理层数时，使用较少的输入数据就可以得出结论；在计算各权值时，处理层数已经确定，为了得到最优解，需要使用大量输入数据。当算法模型确定后，在实际应用中，算法不再执行计算误差、优化权值的步骤，只是通过计算得到最终的输出。

采用本发明提供的算法，在智能用电信息管理系统中，根据不同的业务计算出优先级并作为动态带宽分配的参数，可以大大降低业务数据的传输延迟和丢包率高，保证业务数据的正常传输，并可以针对不同环境不同现场情况智能的对于业务数据的传输进行分配，提高数据传输的效率和质量，大大提高了数据带宽分配的实时性和高效性，同时也保证OLT光纤传输中重要数据的传输速率和品质。例如若有多个设备同时进行通信，根据蜂巢算法对其进行优先级划分，保证高优先级的数据得到充足的带宽和传输速率，以保证数据的传输。大大改善了用电管理终端通讯距离较短，抄表速率慢，抄表成功率低、远程控制成功率低等技术问题，充分利用光纤通讯优势，结合对信号的优先级划分，提高了用电信息管理系统的稳定性和可靠性、高效性。

 应用蜂巢结构动态优化算法，实现了在线动态分配优先级无间断切换地进行实时动态任务调度，有效防止了光网络堵塞的情况，最大限度的发挥了光纤介质的通信优势，可自行判断并在线自动更改应用结构，以提高光纤采集信道的通信性能。

附图说明

图1是优化计算权值的流程图，

图2是算法模型示意图，

图3是蜂巢算法matlab仿真误差曲线结果图，

图4是神经网络算法matlab仿真误差曲线结果图，

图5为系统组成示意图。

其中：3主站服务器，2-1、2-2是光纤智能用电管理终端，1-1、1-2、1-3、1-4是智能光纤电能表。

具体实施方式

蜂巢结构动态算法在智能用电信息管理系统中的应用方法，智能用电信息管理系统包括主站服务器、光纤智能用电管理终端和智能光纤电能表，主站服务器通过光纤与光纤智能用电管理终端连接，智能用电管理终端通过光纤与智能光纤电能表连接，光纤智能用电管理终端设置OLT功能模块，并且内置蜂巢结构动态算法模块，蜂巢结构动态算法应用于智能用电信息管理系统包括以下步骤：

首先根据已有的经验数据优化蜂巢结构动态算法中的参数，确定算法模型，然后将算法模型固化到光纤智能用电管理终端的蜂巢结构动态算法模块中，在实际应用中，光纤智能用电管理终端接收业务信息，经过蜂巢结构动态算法计算，输出对应业务带宽分配的优先级，将得到的优先级作为动态带宽分配的依据，分配带宽。

下面结合附图对本发明进一步进行说明。

参看图5，智能用电信息管理系统包括主站服务器3、光纤智能用电管理终端2-1、2-2和智能光纤电能表1-1、1-2、1-3、1-4。

主站服务器3与光纤智能用电管理终端2-1、2-2的GEPON接口通过光纤连接，这里主站服务器3是OLT端，进行光通讯的管理，光纤智能用电管理终端2-1、2-2是ONU端；光纤智能用电管理终端2-1、2-2的PON接口和智能光纤电能表1-1、1-2、1-3、1-4通过光纤连接。

输入信息具体指的是根据研发过程中实验测得的符合电力系统居民抄表业务技术领域的光纤通信的各种数据或经验数据。大量的数据是确定算法模型的基础，数据定义如下：

输入数据   发起源A主站（0）B终端（0.5）C下接设备（如光纤表）（1）方向上行（1）下行（0） 剩余带宽具体数值  流量速率具体数值  

 归一化后的具体数据为如下格式：

输入数据发起源方向剩余带宽流量速率第一组000.67890.6814第二组0.500.51580.4425第三组110.06580.7375

首先确定输入节点数及输出节点数：输入有四个，分别是发起源、方向、剩余带宽和流量速率，输出只有一个，既优先级，因此，在公式中，n=4，m=1，a为[3,12]之间的常数，经计算得出处理层数n1的范围为6-15；

将6-15分别作为算法的处理层数，使用少量的经验数据输入给算法进行优化计算，计算的结果如下：

处理层层数蜂巢结构设定误差蜂巢结构实际误差61e-005171e-005181e-0053.6897e-00791e-0051101e-0052.6789e-007111e-0052.6994e-007121e-0053.0801e-007131e-0051.2387e-007141e-0051.7923e-007151e-0051.7261e-007

从以上结果表中可以得到，当处理层层数为13时，蜂巢结构的误差最低为1.2387e-007，所以处理层层数最后确定为13层。

上表中，蜂巢结构实际误差为实际输出与期望输出的差值，蜂巢结构设定误差是为蜂巢结构理论误差阀值。

确定了处理层数后，蜂巢结构动态算法中的处理层数设置为13，将经验数据输入蜂巢结构动态算法中，通过计算来确定算法中的权值。

参看图1，首先将输入数据进行归一化处理，既将所有输入数据处理成0-1之间的数值；初始化权值，将各权值设置为小于1的非零随机数；选择传递函数：用高斯型传递函数；将对应的权值和输入信号代入传递函数，逐层计算，得出最后结果；设置误差期望值和误差函数，误差函数为期望输出和实际输出之差的3/2次平方和，计算误差；如果误差满足需求条件，确定当前各权值，否则，修正权值，重新计算。

最后的算法模型参看图2。

上面所述的需求条件是指：在电力系统居民抄表业务技术领域，满足通信的标准，例如在通信中，64个pon同时通信，根据每个pon口不同的通信业务，需分配不同的带宽，满足通信的正常工作；如果具备双通道通信条件，则选择最优的路径。针对应用，需设定最低条件，针对算法中就是设定的误差限定值或误差期望值。

下面是针对输入节点为4，输出节点为1，处理层数为13的算法模型各权值的初始赋值，每个节点输入有2个权值：

第一层：0.62052      0.65186    0.49656    0.57737     0.075769   0.4241 0.69218    0.88333

第二层：0.30958      0.93373    0.69458    0.9551      0.58752     0.68575 0.45846   0.12731       0.7211      0.73217

第三层：0.8538       0.41576    0.0176      0.3698      0.24822     0.80745 0.7122    0.31616       0.29869    0.76154    0.53482     0.49713 

第四层：0.807         0.5993      0.12824    0.87769     0.22819     0.56901 0.55834   0.65106       0.02303     0.36662     0.29708     0.62695     0.65291 0.76594   

第五层：0.53489      0.44729    0.83551    0.62272     0.52242     0.61695 0.19179   0.13512       0.80803    0.39683    0.34315     0.71514     0.73449  0.46164      0.6713      0.61099    

第六层：0.54858      0.30371    0.36807    0.18418    0.2206       0.1047 0.16939    0.35536       0.45268    0.2835      0.88364     0.52605     0.71415 0.03948   0.63685    0.41747    0.04766      0.56979    

第七层：0.75823      0.10564    0.34109    0.0291      0.76462     0.81968 0.46795   0.72298       0.48366     0.47391     0.27915     0.092653   0.092331 0.35986      0.3548      0.3265       0.1148      0.0258      0.6873      0.2548 

第八层：0.823         0.648        0.397        0.568        0.1123      0.0598 0.2356      0.4117       0.5987      0.3468      0.1268      0.1975       0.6843 0.29712    0.2189      0.3189      0.79413       0.971         0.1894       0.6397  0.15893 0.194 

第九层：0.3214       0.4698      0.5978      0.4123      0.3258      0.3215 0.6478      0.2141       0.3697      0.7415      0.1479      0.1679      0.3467 0.2498      0.1479      0.3684      0.3248       0.3978      0.3149      0.2268 0.7763      0.3348      0.1489      0.1125      

第十层：  0.8746      0.55689    0.3268      0.4546      0.4478      0.4122 0.5967      0.1344       0.3511      0.1264      0.2248      0.3348      0.5562 0.1165      0.1468      0.1322      0.7136       0.6547      0.3354      0.6224 0.3587      0.2256      0.4456      0.2345      0.1763      0.3548       

第十一层：0.3546    0.22569    0.3489      0.5678      0.4487       0.4423 0.5562      0.6457       0.1235      0.2266      0.33455     0.34858     0.6789 0.3468      0.3571      0.15693    0.31786       0.343264   0.33588     0.3118 0.3119      0.6448      0.183        0.318         0.1168      0.4493       0.1358 0.2268       

第十二层：0.2243    0.1156      0.7789      0.2364      0.22468     0.15896 0.23456   0.1348       0.13854    0.1238      0.1568      0.33748     0.4662 0.18652    0.442        0.18962    0.4568       0.55238     0.7233       0.1862 0.33275    0.26448     0.218        0.6131      0.6548      0.4426       0.3392 0.1189      0.5523       0.2256

第十三层：0.6635    0.22356     0.441233   0.33254    0.2354       0.36542 0.38742   0.5478       0.36587    0.3548      0.3647      0.747        0.0585 0.3115      0.02186    0.0981      0.2812       0.11832     0.83323     0.13443 0.12338   0.11382     0.1930      0.0253      0.3548      0.1852       0.2268 0.34589     0.3882      0.36812     0.33185     0.681591

将输入数据按照权值带入到节点的传递函数中，，，这里c=3，经过13层的优化处理，最后得到的实际输出，按照误差函数，计算得到实际输出和期望输出的误差。如果误差满足需求条件，既小于设定的误差期望值1e-005，则结束过程，确定算法模型，否则，根据权值修正函数，进行修正，取值0.2；a取值范围为0.8，得到最终的权值为：

第一层：0.51487      1.4287      0.63475    1.0482      0.053789   0.78299 1.5353    1.4445

第二层：1.7563       0.58721    1.2821      0.12385    0.81996     1.1345 1.4843      1.7982       1.3222      0.50269

第三层：0.19599      0.63703    0.19867    1.0213      1.5489      1.8538 1.1655      0.53902       1.5484      0.2885      0.47261    0.86201

第四层：1.0213       1.5489      1.8538      1.1655      0.53902     1.5484 0.2885      0.47261       0.86201    1.9426      1.6848       0.7182       1.2628 1.8269

第五层：0.99652      1.3258      1.2236      1.4569      1.2235      1.2364 1.4456      1.1168       1.6875      1.3348      1.3569      1.4833      1.2398 1.7782      1.3469      1.5569

第六层：0.8974       1.33285    1.0248      1.22348    1.0235      1.3328 1.4589      1.3347       1.024        1.1138      1.0281      1.0581      1.3480 1.0528      1.2101      1.0581      1.64402       1.0521 

第七层：1.0328       1.32501    1.6578      1.24189    1.0237      1.0541 0.8618      1.1268       1.0138      0.98189    0.93181    0.8621      1.3058 1.0291      1.0654      1.038        1.2328       1.00289    1.3481       1.3933

第八层：  1.1269      1.2358      1.2367      1.0029      1.2394      0.9823 1.2238      1.01471       1.8415      1.38532    1.02858    1.32596     1.2183 1.0284      1.0584      1.2894      1.2241       1.05941     1.08811     1.06841 1.69413   1.9542

第九层：1.3568       1.258        1.0258      1.0581      1.06584     1.2266 1.48523    1.2688       1.0264      1.038        1.2384      1.0384       1.0225 1.36448    1.2238      1.268        1.8442       1.3482      1.6855       1.1285 1.02358    1.088        1.5843      1.2297      

第十层：1.0578       1.3367      1.2296      1.2217      1.1459      1.0647 1.2387      1.2498       1.1238      1.3489      1.2687      0.9872       0.83857 0.99871   1.348        1.6578      1.5548       1.489        1.2578      1.3678 1.2258      1.1149      1.3489       1.2348      1.2941      1.3488

第十一层：1.3297    1.2267      1.116787   1.2115      1.3225      1.3479 1.5547      1.2557       1.3449      1.3115      1.2268      1.3497      1.2349 1.2354      1.0247      1.0397      1.224       1.00          1.256        1.341 

1.397        1.348        1.449        1.7732      1.2264      1.4631      1.3298 1.3349      

第十二层：1.2267    1.0324      1.0397      1.22369     1.1157      1.4668 1.6478      1.2349       1.5578      1.3649      1.3349      1.6687      1.5697 1.7236      1.3287      1.3249      1.1069       1.13056    1.20367     1.3364 1.2641      0.98423    1.3197      1.2348      1.5687      1.2369       1.2239 1.2403      1.6448      1.3487

第十三层：1.8897    1.2348      1.2397      1.0084      1.0239      1.2239 1.0254      1.45489       1.23394    1.0267      1.2741      0.9822      1.267 

1.497        1.26797    1.00641    1.02697    1.238        1.0068      1.6363 1.2948      1.339       0.88712    1.2698      1.6894      0.7891      1.329 

1.0318       1.338        1.6845      1.3398      1.665

处理层数13，上述的权值以及高斯型传递参数等就确定了蜂巢结构动态算法模型。

将算法模型固化到光纤智能用电管理终端的蜂巢结构动态算法模块中。

在实际应用中，将实际数据输入算法，经计算得出优先级，进而进行动态带宽分配。

截取3组输入数据，经过归一化处理得到输入数据如下：

输入数据发起源方向剩余带宽流量速率第一组000.67890.6814第二组0.500.51580.4425第三组110.06580.7375

将第三组输入数据带入到神经网络算法和蜂巢算法中，经过仿真得到输出数据为：

数据序号算法期望输出值（方案目标值）蜂巢算法实际输出值神经算法实际输出值110.98650.0865221.97741.1774333.00191.2456

由以上表格可知：蜂巢算法较神经网络算法误差小，收敛稳定、收敛速度快，验证了蜂巢算法的高效性和适用性。

注：实际输出值与算法期望输出值（方案目标值）差值越小，通信效果越好。

仿真图如图3、图4所示。

下面是具体数据经过算法计算的输出与期望输出的比对：

输入数据发起源方向流量速率剩余带宽算法期望输出值（方案目标值）蜂巢算法实际输出值第一组A(0)0 (下行)0.68140.678910.9865第二组B(0.5)0 (下行)0.44250.515821.9774第三组C(1)1（上行）0.73750.065833.0019第四组A(0)0 (下行)0.48760.552311.0032第五组A(0)0 (下行)0.60120.669110.9786第六组A(0)0 (下行)0.58210.796511.1023第七组B(0.5)0 (下行)0.40980.552322.0087第八组B(0.5)1（上行）0.49720.876521.9908第九组B(0.5)1（上行）0.39870.153432.9779第十组C(1)1（上行）0.66790.109833.0329

可以看出，经本算法计算的结果与期望输出非常接近，符合实际需求。