陳洪雨 李春海 蘆 斌 劉曉龍 崔振偉

（石家莊科林電氣股份公司，石家莊 050222）

目前國家大力發(fā)展智能電網(wǎng)，制定了“全覆蓋、全采集、全預(yù)付費”的總體目標(biāo)，用電信息管理系統(tǒng)是智能電網(wǎng)的重要組成部分之一。國內(nèi)的用電信息管理系統(tǒng)的采集方式主要有RS-485 方式抄表、電力線載波方式抄表、微功率無線方式抄表等幾種方案[1-2]。隨之產(chǎn)生的是網(wǎng)絡(luò)的通信質(zhì)量問題,包括丟包率增加，通信線路不通等?，F(xiàn)在國內(nèi)外OLT（optical line terminal，光線路終端）設(shè)備采用的QoS 算法一般是是神經(jīng)網(wǎng)絡(luò)算法、粒子群算法、數(shù)據(jù)副本放置算法等[3]，這些算法主要是針對一般的應(yīng)用，并沒有考慮用電信息采集領(lǐng)域的特殊性：一般應(yīng)用具備視頻、語音等業(yè)務(wù)的處理，而這些在用電信息采集領(lǐng)域中不涉及，其涉及的通信業(yè)務(wù)包括終端抄表、主站遠程維護、居民用戶遠程登錄主站進行業(yè)務(wù)處理（例如電量查詢、遠程繳費）等。根據(jù)上述算法做出的帶寬分配在數(shù)據(jù)傳輸中缺陷主要表現(xiàn)在誤差大、穩(wěn)定性差、線路延遲時間長、丟包率高等。為了解決上述問題，本文提出了一種蜂巢結(jié)構(gòu)動態(tài)算法，根據(jù)用電信息采集的不同業(yè)務(wù)種類和當(dāng)前網(wǎng)絡(luò)狀況，計算出對應(yīng)的優(yōu)先級，并以此為依據(jù)進行動態(tài)帶寬分配。

1 蜂巢結(jié)構(gòu)動態(tài)算法

蜂巢結(jié)構(gòu)動態(tài)優(yōu)化算法采用六角形的蜂巢穩(wěn)定結(jié)構(gòu)，對QoS 進行算法優(yōu)化。其流程是對輸入信號進行處理，在滿足延遲條件下找到滿足最小耗費、最小丟包率的最優(yōu)解[4]。

蜂巢結(jié)構(gòu)動態(tài)算法的步驟如下：

1）對網(wǎng)絡(luò)輸入信息進行歸一化預(yù)處理，即將其對應(yīng)處理為0 到1 之間的數(shù)，因為若數(shù)據(jù)的范圍較大，不利于蜂巢結(jié)構(gòu)算法的學(xué)習(xí)，故將輸入數(shù)據(jù)都 置于0 到1 范圍內(nèi)，具體公式為：式中，xi為第i項輸入信息，xmin為輸入信息的最小值，xmax為輸入信息的最大值。注意對于每層有n個蜂巢結(jié)構(gòu)節(jié)點的情況，即i=1,2,…,n，j=1,2,…,n，對于第k層的第i個蜂巢結(jié)構(gòu)節(jié)點，有n個權(quán)值系數(shù)wi1,wi2,…,win，并且在輸入樣本x時取x=(x1,x2,…,xn)。

2）賦值權(quán)值wij的初值。對各層的權(quán)值wij置一個較小的非零隨機數(shù)。

3）選擇傳遞函數(shù)。本蜂巢結(jié)構(gòu)采用穩(wěn)定性較好的高斯型傳遞函數(shù)。

設(shè)第k層的i個蜂巢結(jié)構(gòu)節(jié)點的輸入總和為uik，輸出為yik，從k-1 層的第j個蜂巢結(jié)構(gòu)節(jié)點到第k層的第i個蜂巢結(jié)構(gòu)節(jié)點的權(quán)系數(shù)為wij，各個蜂巢結(jié)構(gòu)節(jié)點的傳遞函數(shù)為f，對于第k層的第i個蜂巢結(jié)構(gòu)節(jié)點的輸出yik，有

步驟4）設(shè)置誤差期望值和誤差函數(shù)。定義誤差函數(shù)e，取期望輸出和實際輸出之差的3/2 次平方和作為誤差函數(shù)，則有

式中，yi為輸出單元的期望值；xim為實際輸出，期望輸出也是實驗數(shù)據(jù)，m為第m層，誤差期望值設(shè)置為1e-5。

5）計算各層的輸出，將對應(yīng)的權(quán)重值和實驗數(shù)據(jù)帶入傳遞函數(shù)中進行優(yōu)化輸出。

6）根據(jù)輸出和步驟四中的計算公式計算誤差，誤差滿足需求條件時，優(yōu)化處理結(jié)束；誤差不滿足需求條件，修正權(quán)重值。是否滿足需求條件就是誤差是否小于設(shè)定的誤差期望值。

權(quán)值修正具體過程如下：

由于蜂巢結(jié)構(gòu)算法按誤差e函數(shù)的負(fù)梯度方向修改權(quán)值系數(shù)，故權(quán)值系數(shù)wij的修改量

其中：η為學(xué)習(xí)速度，即步長，一般取0～1 之間的數(shù)。

由于

故而有

令

從上面可知，求dik的公式：

把xim和期望輸出yi進行比較計算，若兩者不等，則產(chǎn)生誤差信號e，按下面公式修改權(quán)值系數(shù)：

其中

上面公式中，求取本層dik時，要用到下一層的dik+1?？梢?，誤差函數(shù)的求取是從輸出層到輸入層的反向傳播過程，不斷進行遞歸求取誤差，使其最小化。通過多個樣本反復(fù)訓(xùn)練，同時向誤差逐漸減小的方向修改權(quán)值系數(shù)，最終消除誤差。當(dāng)蜂巢結(jié)構(gòu)的層數(shù)較多時，所用的計算量很大，故收斂速度不快。為了加快收斂速度，一般考慮上一次的權(quán)值系數(shù)，并以它作為本次修正的依據(jù)之一，修正公式如下：

式中，η即步長，一般取0.1～0.4；a為權(quán)值系數(shù)修正常數(shù)，取a=0.7～0.9。

返回步驟5）繼續(xù)執(zhí)行。

在確定算法模型時，需要計算處理層數(shù)和各權(quán)值，這時的算法完全采用上述步驟。在計算處理層數(shù)時，使用較少的輸入數(shù)據(jù)就可以得出結(jié)論；在計算各權(quán)值時，處理層數(shù)已經(jīng)確定，為了得到最優(yōu)解，需要使用大量輸入數(shù)據(jù)。當(dāng)算法模型確定后，在實際應(yīng)用中，算法不再執(zhí)行計算誤差、優(yōu)化權(quán)值的步驟，只是通過計算得到最終的輸出[5-7]。

2 算法仿真分析

2.1 蜂巢結(jié)構(gòu)算法模型建立

智能用電信息管理系統(tǒng)包括主站服務(wù)器、光纖智能用電管理終端和智能光纖電能表。主站服務(wù)器與光纖智能用電管理終端的GEPON 接口通過光纖連接，這里主站服務(wù)器是OLT 端，進行光通信的管理，光纖智能用電管理終端是ONU 端；光纖智能用電管理終端的PON 接口和智能光纖電能表通過光纖連接[8-9]。如圖1所示。

圖1 智能用電信息管理系統(tǒng)

輸入信息具體指的是根據(jù)研發(fā)過程中實驗測得的符合電力系統(tǒng)居民抄表業(yè)務(wù)技術(shù)領(lǐng)域的光纖通信的各種數(shù)據(jù)或經(jīng)驗數(shù)據(jù)。大量的數(shù)據(jù)是確定算法模型的基礎(chǔ)，數(shù)據(jù)定義見表1。

表1 輸入數(shù)據(jù)

歸一化后的具體數(shù)據(jù)見表2。

表2 輸入數(shù)據(jù)歸一化

首先確定輸入節(jié)點數(shù)及輸出節(jié)點數(shù)：輸入有四個，分別是發(fā)起源、方向、剩余帶寬和流量速率，輸出只有一個，因此這里采用常用的確定處理層數(shù)的經(jīng)驗公式中，n=4，m=1，a為[3,12]之間的常數(shù)，經(jīng)計算得出處理層數(shù)n1的范圍為6～15[10]。

將6～15 分別作為算法的處理層數(shù)，使用少量的經(jīng)驗數(shù)據(jù)輸入給算法進行優(yōu)化計算，計算的結(jié)果見表3。

表3 處理層數(shù)

從以上結(jié)果表中可以得到，當(dāng)處理層層數(shù)為13時，蜂巢結(jié)構(gòu)的誤差最低為1.2387e-007，所以處理層層數(shù)最后確定為13 層。

表3中，蜂巢結(jié)構(gòu)實際誤差為實際輸出與期望輸出的差值，蜂巢結(jié)構(gòu)設(shè)定誤差是為蜂巢結(jié)構(gòu)理論誤差閥值。

確定了處理層數(shù)后，蜂巢結(jié)構(gòu)動態(tài)算法中處理層數(shù)設(shè)置為13，將經(jīng)驗數(shù)據(jù)輸入蜂巢結(jié)構(gòu)動態(tài)算法，通過計算來確定算法中的權(quán)值。

參看圖2，首先將輸入數(shù)據(jù)進行歸一化處理，既將所有輸入數(shù)據(jù)處理成0～1 之間的數(shù)值；初始化權(quán)值，將各權(quán)值設(shè)置為小于1 的非零隨機數(shù)；選擇傳遞函數(shù)：用高斯型傳遞函數(shù)；將對應(yīng)的權(quán)值和輸入信號代入傳遞函數(shù)，逐層計算，得出最后結(jié)果；設(shè)置誤差期望值和誤差函數(shù)，誤差函數(shù)為期望輸出和實際輸出之差的3/2 次平方和，計算誤差；如果誤差滿足需求條件確定當(dāng)前權(quán)值，否則修正權(quán)值重新計算。

圖2 優(yōu)化計算權(quán)值的流程圖

最后的算法模型如圖3所示。

上面所述的需求條件是指：在電力系統(tǒng)居民抄表業(yè)務(wù)技術(shù)領(lǐng)域，滿足通信的標(biāo)準(zhǔn)，例如在通信中，64 個PON 同時通信，根據(jù)每個PON 口不同的通信業(yè)務(wù)，需分配不同的帶寬，滿足通信的正常工作；如果具備雙通道通信條件，則選擇最優(yōu)的路徑。針對應(yīng)用，需設(shè)定最低條件，針對算法中就是設(shè)定的誤差限定值或誤差期望值[11-13]。

2.2 蜂巢結(jié)構(gòu)算法與神經(jīng)網(wǎng)絡(luò)算法對比分析

處理層數(shù)13，上述的權(quán)值以及高斯型傳遞參數(shù)等就確定了蜂巢結(jié)構(gòu)動態(tài)算法模型。將算法模型固化到光纖智能用電管理終端的蜂巢結(jié)構(gòu)動態(tài)算法模塊中。在實際應(yīng)用中，將實際數(shù)據(jù)輸入算法，經(jīng)計算得出優(yōu)先級，進而進行動態(tài)帶寬分配。將五組輸入數(shù)據(jù)帶入到神經(jīng)網(wǎng)絡(luò)算法和蜂巢算法中，經(jīng)過仿真得到輸出數(shù)據(jù)見表4。

由以上表格可知：蜂巢算法較神經(jīng)網(wǎng)絡(luò)算法誤差小，收斂穩(wěn)定、收斂速度快，驗證了蜂巢算法的高效性和適用性。

由仿真圖4、圖5可知，蜂巢算法的誤差數(shù)量級是10-5，而神經(jīng)網(wǎng)絡(luò)算法的誤差數(shù)量級是100，相比較蜂巢結(jié)構(gòu)算法的誤差較小，而其迭代步數(shù)較多，穩(wěn)定性更好。

圖4 蜂巢算法Matlab 仿真誤差曲線結(jié)果圖

圖5 神經(jīng)網(wǎng)絡(luò)算法Matlab 仿真誤差曲線結(jié)果圖

表5是具體數(shù)據(jù)經(jīng)過算法計算的輸出與期望輸出的比對。

表5 算法計算的輸出與期望輸出的比對

可以看出，經(jīng)本算法計算的結(jié)果與期望輸出非常接近，符合實際需求。證明了蜂巢結(jié)構(gòu)算法在用電信息管理系統(tǒng)的可行性和高效性。

3 結(jié)論

本文提出了一種新型的蜂巢結(jié)構(gòu)算法，對智能用電信息管理系統(tǒng)進行優(yōu)化處理，相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)高斯算法，本文提供的算法，經(jīng)過試驗證明較傳統(tǒng)的算法可根據(jù)不同的業(yè)務(wù)計算出優(yōu)先級并作為動態(tài)帶寬分配的參數(shù)，可以大大降低業(yè)務(wù)數(shù)據(jù)的傳輸延遲和丟包率高，保證業(yè)務(wù)數(shù)據(jù)的正常傳輸，并可以針對不同環(huán)境不同現(xiàn)場情況智能的對于業(yè)務(wù)數(shù)據(jù)的傳輸進行分配，提高數(shù)據(jù)傳輸?shù)男屎唾|(zhì)量，大大提高了數(shù)據(jù)帶寬分配的實時性和高效性，同時也保證OLT 光纖傳輸中重要數(shù)據(jù)的傳輸速率和品質(zhì)。提高了用電信息管理系統(tǒng)的穩(wěn)定性和可靠性、高效性[14-15]。

[1] 呂娜娜,王翠麗.用電采集系統(tǒng)及其研究[J].消費電子,2014(10): 674-679.

[2] 趙莉,何容,蒲箭,等.用電信息采集異常精確定位技術(shù)研究[J].電氣技術(shù),2014(1): 54-57,80.

[3] 胡江溢,祝恩國,杜新綱,等.用電信息采集系統(tǒng)應(yīng)用現(xiàn)狀及發(fā)展趨勢[J].電力系統(tǒng)自動化,2014,38(2): 131-135.

[4] 劉瀟瀟,常國鋒.基于神經(jīng)網(wǎng)絡(luò)和蟻群算法融合的QoS 組播路由求解[J].計算機測量與控制,2013,21(12): 3365-3367.

[5] 梁根,梁活民,秦勇.多重鏈路時延優(yōu)化動態(tài)可用帶寬分配算法[J].計算機應(yīng)用研究,2012,29(10): 3926-3928.

[6] 趙維佺,李迪.CAN 網(wǎng)絡(luò)化運動控制系統(tǒng)的動態(tài)帶寬分配算法[J].華南理工大學(xué)學(xué)報(自然科學(xué)版),2010,38(10): 61-67.

[7] 高政南,樊衛(wèi)華,陳慶偉,等.基于模糊反饋的網(wǎng)絡(luò)控制系統(tǒng)分層調(diào)度策略[J].南京理工大學(xué)學(xué)報(自然科學(xué)版),2010,34(4): 496-502.

[8] Chunlin Sha,Hongyong Zhao,Fengli Ren.A new delayed projection neural network for solving quadratic programming problems with equality and inequality constraints[J].Neurocomputing.2015,168: 1164-1172.

[9] Guo Dongsheng,Zhang Y,Xiao Zhengli,et al.Common Nature of learning between BP-type and Hopfield-type neural networks[J].Neurocomputing,2015,167: 578-586.

[10] 喻宗泉.神經(jīng)網(wǎng)絡(luò)控制[M].3 版.西安: 西安電子科技大學(xué)出版社,2009.

[11] 杜景林,鄭若欽,謝立.WSANs 中基于蜂巢結(jié)構(gòu)的移動容錯恢復(fù)算法[J].物理學(xué)報,2015(1): 416-425.

[12] 解基源,王建中,李彬.GPON 在智能配電網(wǎng)絡(luò)中的應(yīng)用及其帶寬分配[J].高技術(shù)通信,2013,23(10): 1083-1088.

[13] 李超.EPON 上行接入中動態(tài)帶寬分配算法研究[D].成都: 電子科技大學(xué),2006.

[14] 江曉明,朱娜,董亮,等.改進的神經(jīng)網(wǎng)絡(luò)EPON 動態(tài)帶寬分配方法[J].計算機工程與應(yīng)用,2012,48(36): 112-115.

[15] 張琦毓.基于GPON 的配用電通信組網(wǎng)方案及帶寬分配研究[D].保定: 華北電力大學(xué),2013.