基于模糊認(rèn)知圖的智能配電網(wǎng)WSNs實(shí)時(shí)性與可靠性優(yōu)化研究

王君洪，陳躍東，陳孟元

（安徽工程大學(xué)，安徽省電氣傳動(dòng)與控制重點(diǎn)實(shí)驗(yàn)室，安徽蕪湖241000）

?

基于模糊認(rèn)知圖的智能配電網(wǎng)WSNs實(shí)時(shí)性與可靠性優(yōu)化研究

王君洪，陳躍東*，陳孟元

（安徽工程大學(xué)，安徽省電氣傳動(dòng)與控制重點(diǎn)實(shí)驗(yàn)室，安徽蕪湖241000）

摘要：為了降低智能配電網(wǎng)事故，提高智能配電網(wǎng)無線傳感器網(wǎng)絡(luò)（WSNs）數(shù)據(jù)通信的可靠性與實(shí)時(shí)性，探索了一種基于模糊認(rèn)知圖的智能配電網(wǎng)WSNs數(shù)據(jù)通信建模與控制的方法。首先，定性分析影響智能配電網(wǎng)WSNs數(shù)據(jù)傳輸?shù)男阅苤笜?biāo)的主要因素，構(gòu)建模糊認(rèn)知圖模型，根據(jù)網(wǎng)絡(luò)環(huán)境的變化利用數(shù)學(xué)方法表達(dá)網(wǎng)絡(luò)節(jié)點(diǎn)各概念頂點(diǎn)之間的因果關(guān)系；然后，再利用模糊認(rèn)知圖的方法進(jìn)行推理，獲得動(dòng)態(tài)決策路由路徑和調(diào)整網(wǎng)絡(luò)參數(shù)的控制變量值；最后，對本文方法進(jìn)行仿真實(shí)驗(yàn)，對數(shù)據(jù)傳輸性能進(jìn)行了測試分析。實(shí)驗(yàn)結(jié)果表明所提出的方法可為智能配電網(wǎng)WSNs數(shù)據(jù)傳輸提供良好的QoS（服務(wù)質(zhì)量）。

關(guān)鍵詞：智能電網(wǎng)；模糊認(rèn)知圖；無線傳感器網(wǎng)絡(luò)；可靠性；實(shí)時(shí)性

無線傳感器網(wǎng)絡(luò)WSNs（Wireless Sensor Net?works）是由部署在檢測區(qū)域內(nèi)大量的集成了數(shù)據(jù)采集、處理和無線傳輸能力的節(jié)點(diǎn)通過自組織和多跳的方式構(gòu)成的無線網(wǎng)絡(luò)。隨著科技的進(jìn)步與發(fā)展，無線傳感器網(wǎng)絡(luò)（WSNs）技術(shù)應(yīng)用于智能配電網(wǎng)中具有很廣闊的前景。滿足智能電網(wǎng)的特性要求，將是無線傳感器網(wǎng)絡(luò)在智能電網(wǎng)中應(yīng)用的發(fā)展趨勢［1］。

近年來國內(nèi)外的研究狀況為：文獻(xiàn)［2］提出了一種具有QoS保障功能的無線傳感器網(wǎng)絡(luò)U-MAC協(xié)議，構(gòu)建了一種基于節(jié)點(diǎn)狀態(tài)分析和信道狀態(tài)分析的多優(yōu)先級MAC協(xié)議數(shù)學(xué)模型，精確地描述了MAC協(xié)議傳輸性能。文獻(xiàn)［3］建立了滿足智能配電網(wǎng)對無線傳感器網(wǎng)絡(luò)的可靠性實(shí)時(shí)性要求的路由選擇模型，并給出了求解方法，提高了智能配電網(wǎng)信息傳輸?shù)目煽啃浴Ｎ墨I(xiàn)［4］提出了一種基于卡爾曼濾波器的動(dòng)態(tài)路由算法，該算法根據(jù)移動(dòng)Sink節(jié)點(diǎn)的歷史信息，動(dòng)態(tài)預(yù)測移動(dòng)節(jié)點(diǎn)位置，采用基于地理信息的路由決策方法，實(shí)現(xiàn)對網(wǎng)絡(luò)傳輸可靠性、時(shí)延和能量的優(yōu)化。文獻(xiàn)［5］中將配電網(wǎng)遙信、遙控、遙測三類通信數(shù)據(jù)分為3種不同優(yōu)先等級傳輸數(shù)據(jù)，建立節(jié)點(diǎn)內(nèi)三級數(shù)據(jù)緩沖隊(duì)列狀態(tài)的馬爾可夫鏈模型，實(shí)現(xiàn)了為不同優(yōu)先級的配電網(wǎng)通信數(shù)據(jù)提供不同的QoS功能支持。文獻(xiàn)［6］研究了一種超低功耗的MAC協(xié)議，使用多種時(shí)鐘源實(shí)現(xiàn)功耗最優(yōu)配置，喚醒機(jī)制和節(jié)點(diǎn)同步策略，在保證射頻性能的同時(shí)，降低節(jié)點(diǎn)功耗和時(shí)鐘源誤差。文獻(xiàn)［7］提出一種MFQR路由協(xié)議，節(jié)點(diǎn)可以自適應(yīng)選取延時(shí)和投遞率的轉(zhuǎn)發(fā)節(jié)點(diǎn)，均衡能耗，提高網(wǎng)絡(luò)吞吐量。以上文獻(xiàn)的研究重點(diǎn)主要在智能配電網(wǎng)中WSNs的路由協(xié)議和MAC協(xié)議。

國內(nèi)外學(xué)者對WSNs中MAC層協(xié)議開展了大量的研究：文獻(xiàn)［8］提出了可以同時(shí)休眠和喚醒虛擬節(jié)點(diǎn)簇的S-MAC協(xié)議，但是該協(xié)議只能控制單跳范圍內(nèi)的操作；文獻(xiàn)［9］提出了協(xié)調(diào)自適應(yīng)睡眠的MAC協(xié)議；文獻(xiàn)［10］基于前人的研究提出了具有極的低功耗和較小前導(dǎo)沖突率的Wise-MAC協(xié)議；文獻(xiàn)［11］提出了一種基于CSMA/CA的MAC協(xié)議優(yōu)化算法，提高了節(jié)點(diǎn)公平性，減少了信道資源浪費(fèi)，提高了網(wǎng)絡(luò)傳輸效率，但是當(dāng)最小競爭窗口上限較小的時(shí)候，沖突、丟包率和能源浪費(fèi)將增加；文獻(xiàn)［12］提出在MAC層無信標(biāo)模式信道競爭機(jī)制的基礎(chǔ)上將馬爾科夫鏈引入到數(shù)據(jù)緩沖隊(duì)列轉(zhuǎn)換規(guī)律中，提高了網(wǎng)絡(luò)吞吐率降低了通信延時(shí)和信道沖撞率；文獻(xiàn)［13］將C-TDMA、SMACS/EAR、S- MAC、T- MAC、PMAC、LPL、LMAC、ZMAC、LEEM、GeRaF協(xié)議就能量有效性，可擴(kuò)展性，信道利用率，延遲，吞吐量等進(jìn)行了綜合比較，然后提出了MAC協(xié)議進(jìn)一步研究策略和發(fā)展趨勢：利用多信道和動(dòng)態(tài)信道分配技術(shù)進(jìn)行節(jié)能，采用跨層優(yōu)化設(shè)計(jì)；文獻(xiàn)［14］提出了一種基于蟻群優(yōu)化算法的AntSensNet路由算法，采用了仿生學(xué)路由技術(shù)，依據(jù)節(jié)點(diǎn)通信能力選擇最優(yōu)的數(shù)據(jù)傳輸路徑；文獻(xiàn)［15］提出將配電網(wǎng)數(shù)據(jù)分為實(shí)時(shí)數(shù)據(jù)和非實(shí)時(shí)數(shù)據(jù)兩個(gè)優(yōu)先級，并用馬爾科夫鏈建立每個(gè)節(jié)點(diǎn)兩個(gè)優(yōu)先級緩沖隊(duì)列狀態(tài)模型，實(shí)現(xiàn)了MAC層對QoS的支持，在網(wǎng)絡(luò)負(fù)擔(dān)比較大的情況下非實(shí)時(shí)數(shù)據(jù)不能完成傳送，而對實(shí)時(shí)數(shù)據(jù)幾乎沒影響。上述國文獻(xiàn)中采用不同方法對WSNs網(wǎng)絡(luò)數(shù)據(jù)傳輸實(shí)時(shí)性、可靠性和能量進(jìn)行了不同程度的優(yōu)化，但針對有QoS指標(biāo)性能要求研究方面并未涉及。

本文針對電力工業(yè)配電網(wǎng)數(shù)據(jù)通信規(guī)范要求［16-17］，將配電自動(dòng)化通信數(shù)據(jù)分為兩種優(yōu)先級數(shù)據(jù)（遙信，遙測），利用模糊認(rèn)知圖理論構(gòu)建智能配電網(wǎng)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)通信模型。根據(jù)網(wǎng)絡(luò)變化計(jì)算獲得控制變量的值，動(dòng)態(tài)控制路由路徑，調(diào)整網(wǎng)絡(luò)參數(shù)，有效地提高網(wǎng)絡(luò)通信的可靠性，降低通信延時(shí)，使之滿足QoS指標(biāo)要求。

1　智能配電網(wǎng)WSNs的模糊認(rèn)知圖模型

1.1性能分析

通過分析智能配電網(wǎng)的特點(diǎn)可得出，傳輸功率、通信速率、退避策略、路由協(xié)議、數(shù)據(jù)產(chǎn)生率還有數(shù)據(jù)沖撞率是影響智能配電網(wǎng)數(shù)據(jù)傳輸實(shí)時(shí)性、可靠性的主要因素。上述因素之間因果關(guān)系可分為：①當(dāng)數(shù)據(jù)產(chǎn)生率增大時(shí)，數(shù)據(jù)沖撞率也相應(yīng)地增大，數(shù)據(jù)可靠性和實(shí)時(shí)性將降低；②當(dāng)發(fā)射功率增大時(shí)，節(jié)點(diǎn)傳輸數(shù)據(jù)的可靠性將得到改善，但環(huán)境背景噪音會(huì)增加，從而影響其他節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)目煽啃裕虎郛?dāng)通信速率增大時(shí)，數(shù)據(jù)的實(shí)時(shí)性變的更好，但數(shù)據(jù)可靠性將降低。

1.2智能配電網(wǎng)WSNs模糊認(rèn)知圖模型的構(gòu)建

根據(jù)文獻(xiàn)［18-19］給出的利用模糊認(rèn)知圖建模方法和概念頂點(diǎn)間推理方法以及文獻(xiàn)［20-21］對影響無線傳感器網(wǎng)絡(luò)QoS的因素的分析，利用模糊認(rèn)知圖對智能配電網(wǎng)WSNs進(jìn)行建模。應(yīng)用于智能配電網(wǎng)的無線傳感器網(wǎng)絡(luò)系統(tǒng)用模糊認(rèn)知圖FCM （Fuzzy Cognitive Map）可表示成（C，E，X，f）。該模糊認(rèn)知圖系統(tǒng)概念頂點(diǎn)的集合為{C}={C1可靠性，C2實(shí)時(shí)性，C3路由協(xié)議，C4傳輸功率，C5通信速率，C6數(shù)據(jù)產(chǎn)生率，C7退避策略}。E：（Ci，Cj）→ωij是一映射，權(quán)值ωij表示概念頂點(diǎn)Ci與Cj之間的因果影響程度，記為{ωij} i?［1，7］j?［1，7］。智能配電網(wǎng)數(shù)據(jù)傳輸WSNs的節(jié)點(diǎn)模糊認(rèn)知圖模型可構(gòu)建如圖1所示。X：Ci→xi是一映射，X（t）=［x1（t），x2（t），…，xn（t）］T為C在t時(shí)刻的狀態(tài)。

本文所研究的無線傳感器網(wǎng)絡(luò)在IEEE802.15.4標(biāo)準(zhǔn)MAC層引入QoS支持的信道訪問機(jī)制，給配電網(wǎng)無線傳感器網(wǎng)絡(luò)通信節(jié)點(diǎn)設(shè)置高、低優(yōu)先級數(shù)據(jù)緩沖隊(duì)列。高優(yōu)先級數(shù)據(jù)緩沖隊(duì)列存放具有實(shí)時(shí)性傳輸需求數(shù)據(jù)，低優(yōu)先級數(shù)據(jù)緩沖隊(duì)列存放無實(shí)時(shí)性傳輸需求數(shù)據(jù)。由于高優(yōu)先級隊(duì)列中的數(shù)據(jù)實(shí)時(shí)性要求相對于低優(yōu)先級隊(duì)列中的較高，所以其退避時(shí)間相對較少而退避次數(shù)相對較多，保證其隊(duì)列中數(shù)據(jù)先發(fā)送。①將C4傳輸功率從10 dB～20 dB平均分成低、較低、中、較高、高這5個(gè)等級；②將C5通信速率從20 kbit/s～250 kbit/s分成5個(gè)等級，分別為低：20 kbit/s～40 kbit/s，較低：40 kbit/s～100 kbit/s，中：100 kbit/s～160 kbit/s，較高：160 kbit/s～200 kbit/s，高：200 kbit/s～250 kbit/s；③C7退避策略分為退避時(shí)間和最大退避次數(shù)兩個(gè)方面，其中實(shí)時(shí)性數(shù)據(jù)退避時(shí)間，在10 symbols～20 symbols區(qū)間內(nèi)平均分為5個(gè)等級，非實(shí)時(shí)性數(shù)據(jù)退避時(shí)間設(shè)置較長的128 symbols；實(shí)時(shí)性數(shù)據(jù)退避次數(shù)從5次～15次平均分為5個(gè)等級，非實(shí)時(shí)性數(shù)據(jù)退避次數(shù)設(shè)置為3次。

參照文獻(xiàn)［22］并進(jìn)行多次實(shí)驗(yàn)證實(shí)將C4、C5、C7進(jìn)行上述處理后可以更好地調(diào)整節(jié)點(diǎn)網(wǎng)絡(luò)參數(shù)，以滿足實(shí)時(shí)性和可靠性性能指標(biāo)。

圖1　智能配電網(wǎng)數(shù)據(jù)傳輸WSNs的模糊認(rèn)知圖模型

圖1中C=（C1，C2，C3，…，C7）為智能配電網(wǎng)數(shù)據(jù)傳輸WSNs模糊認(rèn)知圖包含的所有概念頂點(diǎn)集合，由圖1也可得出系統(tǒng)概念頂點(diǎn)間的關(guān)系矩陣。

智能配電網(wǎng)的無線傳感器網(wǎng)絡(luò)的各個(gè)概念頂點(diǎn)可用FCM建立其在t時(shí)刻的狀態(tài)值XCj(t)如式（1）所示描述。

式（1）中N表示概念頂點(diǎn)的總數(shù)，f（x）為FCM的轉(zhuǎn)換函數(shù)，XC1(t)、XC2(t)分別表示在t時(shí)刻概念頂點(diǎn)C1可靠性和C2實(shí)時(shí)性的狀態(tài)值。智能配電網(wǎng)數(shù)據(jù)傳輸WSNs網(wǎng)絡(luò)中概念頂點(diǎn)的狀態(tài)值是隨時(shí)間不斷變化的，其任一時(shí)刻的狀態(tài)與其以前的狀態(tài)是相關(guān)的。為了更準(zhǔn)確的描述其概念頂點(diǎn)狀態(tài)相關(guān)性和時(shí)變性，在傳統(tǒng)的FCM狀態(tài)模型公式中增加了ω0j和γ，ω0j為概念頂點(diǎn)Cj的協(xié)調(diào)系數(shù)，γ為上一時(shí)刻狀態(tài)值對下一時(shí)刻時(shí)間狀態(tài)值的影響因子，它們的作用是使t時(shí)刻概念頂點(diǎn)的狀態(tài)值XCj(t)能與其以前狀態(tài)的相關(guān)性均勻分布在［0，1］之間。

2　模糊認(rèn)知圖數(shù)據(jù)規(guī)范化和權(quán)值學(xué)習(xí)算法

2.1模糊認(rèn)知圖數(shù)據(jù)規(guī)范化處理

對數(shù)據(jù)進(jìn)行規(guī)范化處理可防止具有較大值域的屬性與具有較小的值域的屬性相比權(quán)重過大，從而降低屬性之間的可比性。Athanasions K Tsadiras在文獻(xiàn)［23］中分析比較了二值、三值階躍函數(shù)和S形曲線函數(shù)Ⅰ、Ⅱ的特點(diǎn)，在FCM實(shí)際應(yīng)用當(dāng)中，大多數(shù)情況下都采用S形曲線函數(shù)Ⅰ。本文采用S形曲線函數(shù)Ⅰ進(jìn)行原始數(shù)據(jù)規(guī)范化處理，將各個(gè)屬性數(shù)據(jù)按照比例縮放至區(qū)間［0，1］內(nèi)。XCj(t)是需要計(jì)算出的概念頂點(diǎn)Cj在t時(shí)刻的狀態(tài)值，n為對概念頂點(diǎn)Cj有影響的概念頂點(diǎn)個(gè)數(shù)。為了方便理解將XCj(t)記為yj（t）；XCj(t-1)記為yj（t-1）；XCi(t)記為xi（t）；改進(jìn)的FCM狀態(tài)模型為：

由式（2）可知，λ決定了曲線的斜率，概念頂點(diǎn)Cj在t時(shí)刻的值是由該頂點(diǎn)本身之前的狀態(tài)以及與它具有因果關(guān)系的概念頂點(diǎn)共同決定的。

2.2模糊認(rèn)知圖權(quán)值學(xué)習(xí)算法

將最小平方法應(yīng)用到自動(dòng)學(xué)習(xí)FCM模型關(guān)聯(lián)矩陣的算法中，稱這種算法為基于最小平方法FCM關(guān)聯(lián)矩陣的構(gòu)建（Least Squares FCM），簡記為LSFCM算法［24］。

對式（2）進(jìn)行推導(dǎo)得出LS-FCM公式的過程如下：

運(yùn)用最小平方技術(shù)找到滿足自變量xi（t）和因變量yj（t）的最佳權(quán)值ωij和協(xié)調(diào)系數(shù)ω0j。

式（4）可表示為：

為了得到滿足式（4）的最優(yōu)ωij和協(xié)調(diào)系數(shù)ω0j，對式（4）進(jìn)行ω0j，ω1j，…，ωnj求偏導(dǎo)。令導(dǎo)數(shù)等于零，如式（5）所示：

設(shè)A=（xi（t））（n+1）×T，i=0，1，2，…，n，t=1，2，…，T。由于x0（t）=1，所以矩陣A中第一行元素均為1.

ω=（ω0j，ω1j，…，ωnj）T，D=（D0，D1，…，DT）T，式（5）左邊為：

令

式（5）的右邊為：

由式（6），式（8）聯(lián)立式（5）可得：

簡化得：

通過求解式（10）線性方程即可求出式（3）模型中的所有權(quán)值ωij，協(xié)調(diào)系數(shù)ω0j。

3　基于模糊認(rèn)知圖優(yōu)化控制

經(jīng)計(jì)算分析可知，影響智能配電網(wǎng)WSNs數(shù)據(jù)傳輸實(shí)時(shí)性和可靠性的主要因素可由式（3）表示為網(wǎng)絡(luò)節(jié)點(diǎn)的各概念頂點(diǎn)之間的關(guān)系。依據(jù)模糊認(rèn)知圖方法，可按照網(wǎng)絡(luò)環(huán)境的變化進(jìn)行計(jì)算獲得控制變量的值，動(dòng)態(tài)控制路由路徑，調(diào)整網(wǎng)絡(luò)參數(shù)，使智能配電網(wǎng)WSNs數(shù)據(jù)傳輸實(shí)時(shí)性、可靠性滿足QoS指標(biāo)。

①當(dāng)概念頂點(diǎn)C1狀態(tài)值大于RELIABLITY（電力工業(yè)配電網(wǎng)數(shù)據(jù)通信規(guī)范QoS性能指標(biāo)可靠性指標(biāo)歸一化的值）而概念頂點(diǎn)C2狀態(tài)值小于REAL?TIME（電力工業(yè)配電網(wǎng)數(shù)據(jù)通信規(guī)范QoS性能指標(biāo)歸一化的值）。表明數(shù)據(jù)通信的實(shí)時(shí)性不滿足電力系統(tǒng)配電網(wǎng)數(shù)據(jù)通信規(guī)范QoS性能指標(biāo)要求，而可靠性滿足QoS性能指標(biāo)要求。因此觸發(fā)FCM，降低高優(yōu)先級數(shù)據(jù)緩沖隊(duì)列的退避時(shí)間等級，增加其退避次數(shù)等級，并采取以實(shí)時(shí)性為主的路由路徑調(diào)整策略。

調(diào)整網(wǎng)絡(luò)參數(shù)步驟如下：將REALTIME代入式（3）求出滿足實(shí)時(shí)性的C7狀態(tài)值x7（t-1）和C3狀態(tài)值x3（t-1），然后調(diào)整退避策略和路由路徑，以滿足實(shí)時(shí)性性能指標(biāo)。

②當(dāng)概念頂點(diǎn)C1狀態(tài)值小于RELIABLITY而概念頂點(diǎn)C2狀態(tài)值小于REALTIME。數(shù)據(jù)通信的實(shí)時(shí)性滿足電力系統(tǒng)配電網(wǎng)數(shù)據(jù)通信規(guī)范QoS性能指標(biāo)要求，而可靠性不滿足QoS性能指標(biāo)要求時(shí)，觸發(fā)FCM，提高發(fā)射功率等級、降低通信速率等級，并采用以可靠性為主的路由路徑調(diào)制策略。

調(diào)整網(wǎng)絡(luò)參數(shù)步驟如下：將REALTIME代入式（3）求出滿足實(shí)時(shí)性的控制變量C4的狀態(tài)值x4（t-1）、C5的狀態(tài)值x5（t-1）和C3的狀態(tài)值x3（t-1），然后根據(jù)的傳輸功率、通信速率和路由路徑調(diào)整概念頂點(diǎn)狀態(tài)值調(diào)節(jié)節(jié)點(diǎn)的網(wǎng)絡(luò)參數(shù)，以滿足可靠性性能指標(biāo)。

③當(dāng)概念頂點(diǎn)C1狀態(tài)值小于RELIABLITY而概念頂點(diǎn)C2狀態(tài)值大于REALTIME。數(shù)據(jù)通信的實(shí)時(shí)性與可靠性都不滿足電力系統(tǒng)配電網(wǎng)數(shù)據(jù)通信規(guī)范QoS性能指標(biāo)要求，觸發(fā)FCM，減少高優(yōu)先級數(shù)據(jù)緩沖隊(duì)列的退避時(shí)間等級，增加其退避次數(shù)等級，提高發(fā)射功率等級，并采用以可靠性為主的路由路徑調(diào)整策略。

調(diào)整網(wǎng)絡(luò)參數(shù)步驟如下：將RELIABLITY、REALTIME代入式（3）求出滿足實(shí)時(shí)性、可靠性的控制變量C4的狀態(tài)值x4（t-1）、C5的狀態(tài)值x5（t-1）、C3的狀態(tài)值x3（t-1）和C7狀態(tài)值x7（t-1），根據(jù)得到的發(fā)射功率、退避策略和路由路徑。

調(diào)整概念頂點(diǎn)狀態(tài)值調(diào)整節(jié)點(diǎn)網(wǎng)絡(luò)參數(shù)，以滿足實(shí)時(shí)性和可靠性性能指標(biāo)。

4　仿真實(shí)驗(yàn)以及分析

4.1基于模糊認(rèn)知圖算法的仿真實(shí)驗(yàn)分析

基于上述FCM建立的無線傳感器網(wǎng)絡(luò)模型，在Matlab環(huán)境下進(jìn)行仿真實(shí)驗(yàn)。此WSNs仿真采用1個(gè)協(xié)調(diào)器節(jié)點(diǎn)與20個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)組成的星形網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。數(shù)據(jù)產(chǎn)生率從2 kbit/s增長到22 kbit/s，節(jié)點(diǎn)初始傳輸功率設(shè)置為15 dB，初始通信速率為20 kbit/s，帶寬250 kbit/s，實(shí)時(shí)數(shù)據(jù)初始最大退避次數(shù)和初始退避時(shí)間分別為15次、20 symbols，非實(shí)時(shí)數(shù)據(jù)最大退避次數(shù)和退避時(shí)間設(shè)置為3次、128sym?bols。

數(shù)據(jù)傳輸延時(shí)和可靠性仿真測試結(jié)果如圖2所示。

圖2　實(shí)時(shí)性、可靠性仿真

圖2中（a）圖所示在數(shù)據(jù)產(chǎn)生率產(chǎn)生很大的情況下，模糊認(rèn)知圖通過調(diào)整傳輸功率，減小高優(yōu)先級數(shù)據(jù)緩沖隊(duì)列的退避時(shí)間，增加其退避次數(shù)，并采取以實(shí)時(shí)性為主的路由路徑調(diào)整策略，保證實(shí)時(shí)數(shù)據(jù)始終保持較低的傳輸延時(shí)，說明模糊認(rèn)知圖所采取的調(diào)整策略有效地提高了數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性。

圖2中（b）圖為在數(shù)據(jù)產(chǎn)生率逐漸增加的情況下，模糊認(rèn)知圖通過調(diào)整發(fā)射功率，傳輸速率，采用以可靠性為主的路由路徑調(diào)制策略，使得實(shí)時(shí)性數(shù)據(jù)傳輸可靠性始終保持一個(gè)較高的水平。當(dāng)數(shù)據(jù)產(chǎn)生率持續(xù)增加到近12kbit/s以上時(shí)，由于數(shù)據(jù)產(chǎn)生率較大，節(jié)點(diǎn)優(yōu)先發(fā)送高優(yōu)先級隊(duì)列中的數(shù)據(jù)，當(dāng)高優(yōu)先級數(shù)據(jù)隊(duì)列無數(shù)據(jù)時(shí)，節(jié)點(diǎn)再傳輸?shù)蛢?yōu)先級隊(duì)列數(shù)據(jù)。因?yàn)槟：J(rèn)知圖采取了調(diào)整相關(guān)參數(shù)，改變路由機(jī)制的緣故，使得非實(shí)時(shí)數(shù)據(jù)依然將可靠性保持在99%以上。

4.2本文算法與其他兩種算法性能比較

在相同的仿真環(huán)境下對模糊認(rèn)知圖方法、改進(jìn)型遞歸神經(jīng)網(wǎng)絡(luò)方法［25］、卡爾曼濾波的動(dòng)態(tài)路由算法［26］在數(shù)據(jù)傳輸?shù)目煽啃院蛯?shí)時(shí)性的均值進(jìn)行對比。

改進(jìn)型遞歸神經(jīng)網(wǎng)絡(luò)算法，其中每一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)都對應(yīng)一個(gè)輸入端，網(wǎng)絡(luò)中輸入端和隱含層節(jié)點(diǎn)數(shù)較多、訓(xùn)練算法較復(fù)雜致使運(yùn)算時(shí)間長，網(wǎng)絡(luò)延時(shí)較高，也正因?yàn)槠淞己玫膶W(xué)習(xí)算法使得數(shù)據(jù)傳輸?shù)目煽啃暂^好，網(wǎng)絡(luò)吞吐量較高。

卡爾曼濾波動(dòng)態(tài)路由算法將卡爾曼濾波與多元線性回歸有機(jī)結(jié)合，實(shí)現(xiàn)對動(dòng)態(tài)無線數(shù)據(jù)流準(zhǔn)確估計(jì)，同時(shí)降低了數(shù)據(jù)流估計(jì)的計(jì)算復(fù)雜度和估計(jì)誤差，提高了估計(jì)效率，根據(jù)估計(jì)模型對網(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)調(diào)整降低數(shù)據(jù)傳輸延時(shí)，并且改善了數(shù)據(jù)傳輸?shù)目煽啃?。通過對上述三種方法的綜合比較，為了確保網(wǎng)絡(luò)數(shù)據(jù)實(shí)時(shí)、可靠地傳輸，模糊認(rèn)知圖方法更為合適。

表1　算法仿真結(jié)果對比

5　結(jié)論

本文針對無線傳感器網(wǎng)絡(luò)在有限的資源條件下如何滿足智能配電網(wǎng)數(shù)據(jù)通信規(guī)范的可靠性和實(shí)時(shí)性要求，探索了一種基于模糊認(rèn)知圖理論建立的智能配電網(wǎng)數(shù)據(jù)WSNs傳輸?shù)哪：J(rèn)知圖的方法。

首先，定性分析了影響智能配電網(wǎng)WSNs數(shù)據(jù)傳輸性能的主要因素，構(gòu)建了模糊認(rèn)知圖模型，并通過數(shù)學(xué)方法表達(dá)了各概念頂點(diǎn)之間的關(guān)系。

然后，給出了按照各網(wǎng)絡(luò)概念頂點(diǎn)屬性動(dòng)態(tài)調(diào)整傳輸功率、傳輸速率、退避策略，改變路由策略而提高智能配電網(wǎng)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)通信的可靠性與實(shí)時(shí)性的計(jì)算方法。

最后，對上述方法進(jìn)行仿真測試，結(jié)果表明，本文所探索的方法有效提高數(shù)據(jù)傳輸?shù)膶?shí)時(shí)性、可靠性，避免數(shù)據(jù)傳輸故障引起的數(shù)據(jù)丟失。從智能配電網(wǎng)WSNs數(shù)據(jù)通信需求來看，在數(shù)據(jù)傳輸?shù)男阅苌系睦碚撗芯窟€有待更深入的探索與發(fā)現(xiàn)。

參考文獻(xiàn)：

［1］張強(qiáng)，孫雨耕，楊挺，等.無線傳感器網(wǎng)絡(luò)在智能電網(wǎng)中的應(yīng)用［J］.中國電力，2010，43（6）：31-36.Zhang Q，Sun Y G，Yang T，et al.Applications of Wireless Sensor Networks in Smart Grid［J］.Electric Power，2010，43（6）：31-36.

［2］孫偉，王建平，穆道明，等.基于服務(wù)質(zhì)量的無線傳感器網(wǎng)絡(luò)MAC協(xié)議模型研究［J］.電子測量與儀器學(xué)報(bào)，2013，27（4）：372-380.Sun W，Wang J P，Mu D M，et al.Research of Wireless Sensor Networks MAC Protocol Model Based on QoS［J］.Journal of Elec?tronic Measurement and Instrument.2013，27（4）：372-380.

［3］王建平，王夢彪，王金玲，等.智能配電網(wǎng)通信實(shí)時(shí)性與可靠性QoS路由機(jī)制研究［J］.電子測量與儀器學(xué)報(bào)，2013，27（3）：187-193.Wang J P，Wang M B，Wang J L，et al.Research on Real-time and Reliability of Intelligent Distribution Networks QoS Routing Mech?anism［J］.Journal of Electronic Measurement and Instrument，2013，27（3）：187-193.

［4］焉曉貞，羅清華.基于卡爾曼濾波的動(dòng)態(tài)傳感數(shù)據(jù)流估計(jì)方法［J］.儀器儀表學(xué)報(bào)，2013，34（8）：1847-1856.Yan X Zh，Luo Q H.Dynamic Sensor Data Stream Estimation Method Based on Kalman Filtering［J］.Chinese Journal of Scien?tific Instrument，2013，34（8）：1847-1856.

［5］王建平，薛雪，孫偉.智能配電網(wǎng)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)通信的QoS-MAC層模型［J］.電力系統(tǒng)自動(dòng)化，2014，38（9）：160-167.Wang J P，Xue X，Sun W.QoS-MAC Model of Wireless Sensor Net?works for Smart Distrubution Power Grid Data Communication［J］.Automation of Electric Power Systems，2014，38（9）：160-167.

［6］張軒，劉昊，李智群.一種超低功耗無線傳感器網(wǎng)絡(luò)MAC協(xié)議［J］.傳感技術(shù)學(xué)報(bào)，2014，27（11）：1527-1533.Zhang X，Liu Y，Liu H，et al.An Ultra-Low Power MAC Protocol for Wireless Sensor Networks［J］.Chinese Journal of Sensors and Actuators，2014，27（11）：1527-1533.

［7］于淼，白光偉，沈航，等.多力驅(qū)動(dòng)的無線傳感器網(wǎng)絡(luò)QoS路由協(xié)議［J］.傳感技術(shù)學(xué)報(bào)，2013，26（11）：1564-1572.Yu M，Bai G W，Shen H，et al.Multi-Force QoS Routing for Wire?less Sensor Networks［J］.Chinese Journal of Sensors and Actua?tors，2013，26（11）：1564-1572.

［8］Ye W，Heidemann J，Estrin D.An Energy Efficient MAC Proto?cols for Wireless Sensor Networks［C］//Proceedings of the 21stAn?nual Joint Conference of the IEEE Computer and Communications Societies.2002，New York，NY，USA：1567-1576.

［9］Ye W，Heidemann J，Estrin D.Medium Access Control with Coor?dinated Adaptive Sleeping for Wireless Sensor Networks［J］.IEEE/ACM Trans on Networking，2004，12（3）：493-506.

［10］Ei- Hoiydi A，Decotignie J D.WiseMAC：An Ultra Low Power MAC Protocol for the Downlink of Infrastructure Wireless Sensor Networks［C］//Proceeding of the 9thIEEE International Sympo?sium on Computers and Communications.2004，New York，NY，USA：244-251.

［11］劉云璐，蒲菊華，方維維，等.一種無線傳感器網(wǎng)絡(luò)MAC協(xié)議優(yōu)化算法［J］.計(jì)算機(jī)學(xué)報(bào)，2012，35（3）：529-539.Liu Y L，Pu J H，F(xiàn)ang W W，et al.A MAC Layer Optimization Al?gorithm in Wireless Sensor Networks［J］.Chinese Journal of Com?puters，2012，35（3）：529-539

［12］孫偉，王建平，李奇越，等.無線傳感器網(wǎng)絡(luò)MAC層傳輸性能模型研究［J］.電子測量與儀器學(xué)報(bào)，2012，26（2）：144-149.Sun W，Wang J P，Li Q Y，et al.Research on MAC Layer Commu?nication Performance Model of Wireless Sensor Networks［J］.Journal of Electronic Measurement and Instrument，2012，26（2）：144-149.

［13］鄭國強(qiáng)，李建東，周志立.無線傳感器網(wǎng)絡(luò)MAC協(xié)議研究進(jìn)展［J］.自動(dòng)化學(xué)報(bào)，2008，34（3）：305-316.Zheng G Q，Li J D，Zhou Z L.Overview of MAC Protocols in Wire?less Sensor Networks［J］.Acta Automatica Sinica，2008，34（3）：305-316.

［14］Cobo L，Quintero A，Pierre S.Ant- Based Routing for Wireless Multimedia Sensor Networks Using Multiple QoS Metrics［J］.Computer Netwroks，2010，54（17）：2991-3010.

［15］孫偉，王建平，錢自拓，等.智能配電網(wǎng)通信無線傳感器網(wǎng)絡(luò)QoS建模［J］.電力系統(tǒng)自動(dòng)化，2011，35（20）：59-64.Sun W，Wang J P，Qian Z T，et al.QoS Modeling of Wireless Sen?sor Networks for Smart Distribution Power Grid Communication ［J］.Automation of Electric Power System，2011，35（20）：59-63.

［16］GB 50613—2010城市配電網(wǎng)規(guī)劃設(shè)計(jì)規(guī)范［S］.2010.GB 50613-2010 Code for Planning and Design of Urban Distribu?tion Network［S］.2010.

［17］GB/T 13730—2002地區(qū)電網(wǎng)調(diào)度自動(dòng)化系統(tǒng)［S］.2002.GB/T 13730- 2002 Dispatching Automation Systems for Distric Power Networks［S］.2002.

［18］駱祥峰，高雋，張旭東.基于信任知識(shí)庫的概率模糊認(rèn)知圖［J］.計(jì)算機(jī)研究與發(fā)展，2003，40（7）：925-933.Luo X F，Gao J，Zhang X D.Probabilistic Fuzzy Cognitive Map Based on Belief Knowledge Database［J］.Journal of Computer Re?search and Development，2003，40（7）：925-933.

［19］馬楠，楊炳儒，鮑泓，等.模糊認(rèn)知圖研究進(jìn)展［J］.計(jì)算機(jī)科學(xué)，2011，38（10）：23-28，50.Ma N，Yang B R，Bao H，et al.Research on Progress of Fuzzy Cog?nitive Map［J］.Computer Science，2011，38（10）：23-28，50.

［20］文浩，林闖，任豐原，等.無線傳感器網(wǎng)絡(luò)的QoS體系結(jié)構(gòu)［J］.計(jì)算機(jī)學(xué)報(bào)，2009，32（3）：432-440.Wen H，Lin Ch，Ren F Y，et al.QoS Architecture in Wireless Sen?sor Network［J］.Chinese Journal of Computers，2009，32（3）：432-440.

［21］羅俊.無線傳感器網(wǎng)絡(luò)性能建模與優(yōu)化設(shè)計(jì)［D］.上海：上海交通大學(xué)電子信息與電氣工程學(xué)院，2009.Luo J.Research on Performance Modeling and Optimization De?sign in Wireless Sensor Networks［D］.Shanghai：Communication and Information Systems Department of Electronic Engineering，Shanghai Jiao Tong University，2009.

［22］孫偉.基于QoS的智能配電通信無線傳感器網(wǎng)絡(luò)應(yīng)用研究［D］.合肥：合肥工業(yè)大學(xué)電氣與自動(dòng)化工程學(xué)院，2012.Sun W.Research on Wireless Sensor Networks with QoS for Smart Distribution Grid Communication Application［D］.Hefei：School of Electrial Engineering and Automation，Hefei University of Technology，2012.

［23］Tsadiras A K.Comparing the Inference Capabilities of Binary，Tri?valent and Sigmoid Fuzzy Cognitive Maps［J］.Journal of Informa?tion Science，2008，178（20）：3880-3894.

［24］張燕麗，劉曉東.模糊認(rèn)知圖權(quán)值學(xué)習(xí)法［J］.小型微型計(jì)算機(jī)系統(tǒng)，2013，34（5）：1147-1153.Zhang Y L，Liu X D.Weights Learning of Fuzzy Cognitive Maps ［J］.Journal of Chinese Computer Systems，2013，34（5）：1147-1153.

［25］Moustapha A I，Selmic R R.Wireless Sensor Network Modeling Using Modified Recurrent Neural Networks：Application to Fault Detection［J］.IEEE Transactions on Instrumentation and Mea?surement，2008，57（5）：981-988.

［26］焉曉貞，羅清華.基于卡爾曼濾波的動(dòng)態(tài)傳感數(shù)據(jù)流估計(jì)方法［J］.儀器儀表學(xué)報(bào)，2013，34（8）：1847-1856.Yan X Zh，Luo Q H.Dynamic Sensor Data Stream Estimation Method Based on Kalman Filtering［J］.Chinese Journal of Scien?tific Instrument，2013，34（8）：1847-1856.

王君洪（1991-），男，安徽工程大學(xué)碩士研究生。目前主要研究方向?yàn)橹悄茈娋W(wǎng)、無線傳感器網(wǎng)絡(luò)、智能信息處理等；

陳孟元（1984-），男，畢業(yè)于安徽工程大學(xué)，現(xiàn)任安徽工程大學(xué)講師。目前主要研究方向?yàn)榍度胧较到y(tǒng)開發(fā)、圖像處理、傳感器信息融合及優(yōu)化等，972420394@qq.com。

陳躍東（1956-），男，畢業(yè)于東華大學(xué)，現(xiàn)任安徽工程大學(xué)教授，碩士生導(dǎo)師。目前主要研究方向?yàn)橹饕芯糠较驗(yàn)閭鞲衅餍盘柼幚砗臀⑷跣盘枡z測等，ydchen@ahpu.edu.cn。

Research on Real-Time and Reliability of Intelligent Distribution Network WSNs Based on Fuzzy Cognitive Map

WANG Junhong，CHEN Yuedong*，CHEN Mengyuan
（Anhui Polytechnic University，Anhui Key Laboratory of Electric Drive and Control，Wuhu Anhui 241000，China）

Abstract：In order to avoid the intelligent distribution network accident and improve the reliability and real time of its WSNs data communication，a method to model and control the network WSNs date transmission is established with efforts on the basis of the fuzzy cognitive map.At first，a qualitative analysis of the main factors affecting intelli?gent power distribution network WSNs data transmission performance index is made，the model of fuzzy cognitive map is built.Then，according to the change of the network environment，we can express causal relation between the various elements of the concept-set vertex of WSNs network nodes.Secondly，a calculation method is proposed to ob?tain dynamic variable values which decides the routing path and adjusts the network parameters according to the in?ference of the fuzzy cognitive map theory.Finally，we conduct a simulation experiment on the proposed method and analyze the performance of data transmission by testing.The experimental results show that the proposed method can provide sound QoS for intelligent distribution network WSNs data communication.

Key words：smart grids；fuzzy cognitive map；wireless sensor networks；reliability；real time

doi：EEACC：723010.3969/j.issn.1004-1699.2016.02.011

收稿日期：2015-08-21修改日期：2015-12-14

中圖分類號：TP393

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號：1004-1699（2016）02-0213-07