無線傳感技術(shù)在農(nóng)村電網(wǎng)運(yùn)行監(jiān)測應(yīng)用的研究

楊怡楠高揚(yáng)

(1.國網(wǎng)吉林供電公司經(jīng)濟(jì)技術(shù)研究所，吉林 吉林 132000；2.國網(wǎng)長春供電公司供電服務(wù)指揮中心，吉林 長春 130000)

前言

農(nóng)村電網(wǎng)指的是縣級市、區(qū)級區(qū)域內(nèi)的城鎮(zhèn)、農(nóng)村、農(nóng)墾區(qū)及林牧區(qū)用戶供電及以下配電網(wǎng)，農(nóng)村電網(wǎng)的合理規(guī)劃和管理能夠促進(jìn)農(nóng)業(yè)生產(chǎn)、人民收入、生活水平的提高。但農(nóng)村因?yàn)槠涞匦我蛩兀用駭?shù)量多且分布廣，用電負(fù)荷分布較為分散，電網(wǎng)鋪設(shè)輸電節(jié)點(diǎn)多、輸電線路長，若不能合理地制定電網(wǎng)設(shè)備建設(shè)運(yùn)維方案就會導(dǎo)致電力系統(tǒng)在建設(shè)、檢修時(shí)的諸多不便，甚至增加較高的運(yùn)維成本。因此，為探究科學(xué)有效的農(nóng)村電網(wǎng)設(shè)備運(yùn)維檢修方案，提出將基于改進(jìn)混合蛙跳算法的無線傳感器網(wǎng)絡(luò)應(yīng)用于農(nóng)村電網(wǎng)建設(shè)中，利用概率仿真模型對農(nóng)村電網(wǎng)覆蓋情況進(jìn)行建模，把農(nóng)村電網(wǎng)設(shè)備巡檢覆蓋率作為待優(yōu)化目標(biāo)函數(shù)，通過改進(jìn)混合蛙跳算法對其進(jìn)行優(yōu)化。仿真驗(yàn)證優(yōu)化后的農(nóng)村電網(wǎng)設(shè)備巡檢網(wǎng)絡(luò)覆蓋率更大、節(jié)點(diǎn)分布更佳均勻，網(wǎng)絡(luò)覆蓋性能顯著提升。

1 無線傳感器網(wǎng)絡(luò)概述

無線傳感器網(wǎng)絡(luò)由許多分布于感知區(qū)間內(nèi)的傳感器節(jié)點(diǎn)共同構(gòu)成，其同時(shí)具備環(huán)境感知、無線通信和數(shù)據(jù)計(jì)算的功能，利用彼此合作把自身感知范圍收集的數(shù)據(jù)信息融合，通過單跳、多跳等模式把采集信息送到匯聚節(jié)點(diǎn)[1]。WSN節(jié)點(diǎn)通過利用環(huán)境信息感知、數(shù)據(jù)傳輸和處理的能力，成功把實(shí)物和網(wǎng)絡(luò)聯(lián)系起來，這種研究角度有效推動世界無線傳感科技進(jìn)步的潮流。

2 改進(jìn)的混合蛙跳算法

混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)的提出使優(yōu)化問題的研究更佳便捷，其主要原理是結(jié)合了協(xié)同搜索的進(jìn)化方式，通過模擬在池塘中覓食的青蛙群體設(shè)計(jì)出混合蛙跳算法，在青蛙覓食過程中其會進(jìn)行思想交流，也映射出優(yōu)化問題中局部數(shù)據(jù)交流、全局最優(yōu)搜索的特點(diǎn)[2]。盡管對混合蛙跳算法的研究已經(jīng)取得了很大的成果，但是還存在很多的問題需要研究學(xué)者進(jìn)一步研究和改進(jìn)。

針對初始種群隨機(jī)生成伴隨的解的不均勻分布、移動步長的更新策略有待加強(qiáng)和全局搜索自我學(xué)習(xí)能力弱等問題，從4個方面對SFLA進(jìn)行改進(jìn)，分別是種群初始化、分組、更新策略和淘汰混合過程，進(jìn)而提出改進(jìn)的混合蛙跳算法(Improved Shuffled FrogLeaping Algorithm，ISFLA)。

2.1 基于反向差分思想的種群初始化

傳統(tǒng)SFLA是通過隨機(jī)生成的方式產(chǎn)生初始解，完成種群初始化過程，這種方式很簡單，但這種隨機(jī)性卻給算法的結(jié)果增加了很大程度的不穩(wěn)定性，若隨機(jī)解與最優(yōu)解差距較大，那么收斂速度就過于緩慢，影響算法搜索進(jìn)度和優(yōu)化性能。對于這個問題，將反向差分的思想與種群初始化過程中隨機(jī)生成解的方式做一個融合。

(1)

圖1 反向點(diǎn)示意圖

2.2 基于折迭交換的子種群分組方法

在傳統(tǒng)SFLA中，分組方式是通過順序的方式進(jìn)行排列后分組的，該分組方式可能會使得越前面的組目標(biāo)函數(shù)值越好，初始解越接近最優(yōu)解，越后面的組目標(biāo)函數(shù)值也差，初始解越遠(yuǎn)離最優(yōu)解，有明顯的解分配不均勻的情況。為了避免這種現(xiàn)象，改進(jìn)的混合蛙跳算法中分組方式采用的是折迭交換的分組方式。

與傳統(tǒng)分組方法相似，降序排列F個解。然后，將F個解分入M個組中，此時(shí)與傳統(tǒng)方式不同于此處進(jìn)行折迭分組，即第1個解編入Y1組，第2個解編入Y2組，直到第M個解編入YM組，然后將第M+1個解編入YM，第2×M個解編入YM-1組，……，第2×M個解編入Y1組，第2×M+1個解進(jìn)入Y1組，第2×M+2個解編入Y2組……，以此類推，直到全部解被分到各個子種群內(nèi)，此時(shí)，每組包含N個解，即F=M×N。將已經(jīng)分好的M組解進(jìn)行最優(yōu)交換，若M為偶數(shù)，將第1組中目標(biāo)函數(shù)最優(yōu)解與第M/2組中目標(biāo)函數(shù)最優(yōu)解交換，第2組中目標(biāo)函數(shù)最優(yōu)解與第M/2+1組中目標(biāo)函數(shù)最優(yōu)解交換……以此類推，第M/2-1組中目標(biāo)函數(shù)最優(yōu)解與第M組中目標(biāo)函數(shù)最優(yōu)解交換；若m為奇數(shù)，則將第1組中目標(biāo)函數(shù)最優(yōu)解與第(M+1)/2+1組中目標(biāo)函數(shù)最優(yōu)解交換，第2組中目標(biāo)函數(shù)最優(yōu)解與第(M+1)/2+2組中目標(biāo)函數(shù)最優(yōu)解交換……以此類推，第(M+1)/2-1組中目標(biāo)函數(shù)最優(yōu)解與第m組中目標(biāo)函數(shù)最優(yōu)解交換，其中第(M+1)/2組中的解不變。通過此折迭交換方式，F(xiàn)個解被分為的M個組中每組仍含有N個解。

子種群進(jìn)化完畢后，將進(jìn)行各子種群融合步驟，在此過程中，會計(jì)算所有解的目標(biāo)函數(shù)值，把這些目標(biāo)函數(shù)值進(jìn)行降序排列，目標(biāo)函數(shù)值相同的個體僅保留一個。另外，若剩下的解沒有F個，則隨機(jī)生成所缺數(shù)量的解進(jìn)行補(bǔ)足。

通過折迭交換過程進(jìn)行的分組過程，可以使子種群分布更加均勻，確保種群的多樣性，進(jìn)而提高ISFLA收斂速度。

2.3 與粒子群算法融合的更新策略

2.3.1 粒子群算法簡述

粒子群算法(Particle Swarm Optimization,PSO)的最初由來是根據(jù)鳥類群體在覓食過程中，會出現(xiàn)群體進(jìn)化的現(xiàn)象，根據(jù)這種自然現(xiàn)象歸納出的一種智能群體優(yōu)化算法[4]。具體思路可以概括為鳥群中包含N只小鳥，即種群中有N個粒子，其在存在于S維空間內(nèi)，這N個粒子構(gòu)成了目標(biāo)函數(shù)的解，粒子之間是有相互協(xié)作和相互競爭的關(guān)系，通過這些過程找到待優(yōu)化題目的最優(yōu)解。將粒子的位置定義為xi=(xi1,xi2,…,xiS)，將粒子的移動速度定義為vi=(vi1,vi2,…,viS)，粒子i的最好位置記為pbi，全體粒子中最好位置的粒子位置記為gbi，i∈[1,N]。那么，在進(jìn)化到第m次的時(shí)候，粒子的速度、位置分別通過以下的公式進(jìn)行計(jì)算：

(2)

(3)

式中，i=1,2,…,N；j=1,2,…,S；ω為粒子移動速度的慣性權(quán)重系數(shù)；α、β為學(xué)習(xí)因子，代表粒子的個體學(xué)習(xí)能力，體現(xiàn)其向個體最優(yōu)靠近或其他子種群及整個種群最優(yōu)進(jìn)化的特性，一般是正數(shù)；R1、R2為[0,1]之間均勻分布著的任意隨機(jī)數(shù)。同時(shí)，粒子移動速度vij會設(shè)定一個特定范圍，vij∈[-vmax,vmax]，用以規(guī)范具體問題的實(shí)際情況。

PSO作為應(yīng)用較為廣泛的高效搜索算法，兼?zhèn)渌惴ㄒ讓?shí)現(xiàn)、參數(shù)設(shè)置簡單等優(yōu)點(diǎn)，但與此同時(shí)，也伴隨著算法易早熟、收斂速度慢的缺陷，因此在具體問題的實(shí)際應(yīng)用中，通常會對算法依據(jù)適用性進(jìn)行合理改進(jìn)。

2.3.2 使用粒子群算法思想改進(jìn)混合蛙跳算法

傳統(tǒng)SFLA在子種群搜索更新過程中，在對子種群內(nèi)最差解xw更新時(shí)，只結(jié)合了局部數(shù)據(jù)，這種模式會存在子種群內(nèi)無法與全局信息進(jìn)行交互，導(dǎo)致局部與全部信息不全面進(jìn)行交流的問題。另外，在每次迭代過程中，青蛙最差個體的移動距離和最差解的更新與上一代沒有信息交流，丟失了之前更新過程的信息，容易出現(xiàn)進(jìn)化停滯、更新速度慢等問題。

基于上述問題，將ISFLA與PSO中局部極值與全部極值相結(jié)合的思想，在ISFLA子種群局部策略更新過程中同時(shí)結(jié)合局部最優(yōu)解和全局最優(yōu)解，從而達(dá)到算法過程里局部與全局信息充分交流的目的。同時(shí)，參考PSO算法主要思路，在子種群最差解更新過程中，引入上一輪子種群更新時(shí)的移動步長，并使用在對其取慣性權(quán)重后的值，通過慣性權(quán)重系數(shù)對青蛙移動步長和位置進(jìn)行控制與調(diào)節(jié)，從而起到每一代青蛙個體的進(jìn)化過程都與上一代的信息有交流，不會丟失原本的進(jìn)化信息。那么，改進(jìn)后的局部策略更新公式：

Di=ωDi-1+αR1(xb-xw)+βR2(xg-xw)

(4)

xw=(R+1)xw+Di

(5)

式中，α、β為學(xué)習(xí)因子，α決定子種群最優(yōu)值對算法搜索水平的影響程度，α越大，則越多的個體會在子種群局部停留，β決定整個種群最優(yōu)值對算法搜索水平的影響程度，β越大，則個體會越快停滯于全局最優(yōu)值，依據(jù)大量實(shí)驗(yàn)結(jié)果，擇優(yōu)選取α=β=1.86；R、R1、R2分別為0～1的3個隨機(jī)數(shù)；ω為上一代個體移動步長的慣性權(quán)重系數(shù)。

2.3.3 慣性權(quán)重系數(shù)的引入

慣性權(quán)重系數(shù)ω體現(xiàn)了個體移動趨勢，若需防止種群內(nèi)進(jìn)化時(shí)出現(xiàn)局部最優(yōu)解附近停滯進(jìn)化的現(xiàn)象，則當(dāng)更新后的最差解越接近局部最優(yōu)解時(shí)，ω應(yīng)該越大；若想要在全局最優(yōu)解附近越細(xì)致搜索，則ω應(yīng)該越小。綜上，慣性權(quán)重系數(shù)公式：

(6)

式中，ωmax、ωmin為慣性權(quán)重系數(shù)的物質(zhì)范圍，分別代表ω的最大值、最小值，根據(jù)實(shí)際應(yīng)用試驗(yàn)進(jìn)行取值；g為子種群的當(dāng)前進(jìn)化代數(shù)；G為整個種群的預(yù)設(shè)進(jìn)化代數(shù)。

同時(shí)，慣性權(quán)重系數(shù)的計(jì)算公式是非線性、遞減函數(shù)，使得在算法初期最差解更新幅度大，局部搜索效率高；在更新后期最差解更新幅度小，適于精細(xì)搜索階段，提高整個群體的更新效果，對優(yōu)化結(jié)果起到重要改進(jìn)作用。

2.4 基于小生境技術(shù)的種群淘汰機(jī)制

小生境原本描述的是一個生物學(xué)現(xiàn)象，指一個群體中會具有共同特性的個體存在[5]。這就好比在生物界中，往往相同或相似的物種會共同生活，在代代進(jìn)化中，種群的個體逐漸通話，這就是生物的小生境現(xiàn)象。

小生境的思想在優(yōu)化問題中也具有實(shí)際應(yīng)用價(jià)值，在優(yōu)化問題迭代進(jìn)化的過程中，任意兩個個體間距離，記為d，這個距離為歐式距離[6]，再提前設(shè)定一個小生境距離，記為L，當(dāng)d

歐式距離計(jì)算公式：

(7)

式中，i、j為子種群進(jìn)化代數(shù)，2≤i≤N，2≤j≤N，且i≠j，N為子種群內(nèi)進(jìn)化代數(shù)；S是種群的維數(shù)；Xib、Xjb分別為子種群內(nèi)第i代、第j代最優(yōu)個體。

優(yōu)化算法的智能化已經(jīng)在許多生產(chǎn)生活領(lǐng)域中被廣泛認(rèn)可，但由于一些具體問題的復(fù)雜特性，使得算法在設(shè)計(jì)方面的難度也隨之加大，伴隨著算法的改進(jìn)伴隨而來的可能是一些收斂速度降低、易陷入局部解最優(yōu)值的問題。以往的研究者對混合蛙跳算法的改進(jìn)中也可能出現(xiàn)上述問題，為了避免這種弊端，將小生境思想結(jié)合到ISFLA中種群淘汰過程中，優(yōu)化算法在迭代過程中出現(xiàn)的停滯缺陷。具體的應(yīng)用思路是在子種群內(nèi)部進(jìn)行的局部搜索過程中，定義以下公式：

(8)

式中，Xib、Xjb為同一子種群內(nèi)第i代、第j代最優(yōu)個體，2≤i≤N，2≤j≤N且i≠j，N為子種群內(nèi)進(jìn)化代數(shù)；L為小生境距離；δ為小生境域值，一般取值為適當(dāng)小的一個正數(shù)；f(Xib)、f(Xjb)分別某個子種群進(jìn)化到第i代、第j代時(shí)，最優(yōu)個體的目標(biāo)函數(shù)值。這個公式的設(shè)計(jì)思路主要為當(dāng)?shù)趇代、第j代進(jìn)化過程中最優(yōu)個體的歐氏距離小于L，并且2個最優(yōu)個體的目標(biāo)函差的絕對值小于δ時(shí)，即判定該子種群的進(jìn)化狀態(tài)接近停滯狀態(tài)，隨即將該子種群淘汰，并且重新初始化一個新的子種群代替淘汰子種群。

3 無線傳感技術(shù)在農(nóng)村電網(wǎng)運(yùn)行監(jiān)測中的應(yīng)用仿真

農(nóng)村電網(wǎng)運(yùn)行監(jiān)測覆蓋問題是無線傳感器網(wǎng)絡(luò)研究中的重點(diǎn)問題之一，提高WSN覆蓋率對提升農(nóng)村電網(wǎng)自動化系統(tǒng)可靠性有著重要的意義。在傳感器節(jié)點(diǎn)位置隨機(jī)初始化后，監(jiān)測區(qū)域內(nèi)節(jié)點(diǎn)覆蓋率則取決于節(jié)點(diǎn)感知半徑、傳輸半徑及節(jié)點(diǎn)位置等因素[7]。將改進(jìn)混合蛙跳算法應(yīng)用到優(yōu)化網(wǎng)絡(luò)覆蓋率問題中，通過對其不斷迭代優(yōu)化，找到覆蓋率最大的一組節(jié)點(diǎn)分布，以提高WSN覆蓋率，減少節(jié)點(diǎn)冗余，提升網(wǎng)絡(luò)整體性能。

3.1 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)模型

把監(jiān)測區(qū)域擬作二維空間，定義為S，在S中包含N個傳感器節(jié)點(diǎn)，把這些節(jié)點(diǎn)的集合定義為s={s1,s2,s3,…,sN}，其中，第i個節(jié)點(diǎn)定義為si，同時(shí)，針對該WSN系統(tǒng)有如下約定：在WSN監(jiān)測區(qū)域內(nèi)所有傳感器節(jié)點(diǎn)感知半徑相同，均定義為r；通信半徑也都相同，均定義為R，并且使得能夠確保整個網(wǎng)絡(luò)連通性以及防止無線干擾，設(shè)定R=2r。

各個節(jié)點(diǎn)的坐標(biāo)位置都已知。設(shè)WSN內(nèi)第i個節(jié)點(diǎn)的位置定義為(xi，yi)，優(yōu)化思想為通過移動節(jié)點(diǎn)位置以提高WSN覆蓋率。把監(jiān)測區(qū)域S離散化，將其橫向數(shù)字離散成m個點(diǎn)，縱向n個點(diǎn)，則S=m×n。隨后，將離散后的像素點(diǎn)定義為p，p點(diǎn)位置定義為(x，y)，則其點(diǎn)p的位置與每個傳感器節(jié)點(diǎn)之間的長度即：

(9)

根據(jù)監(jiān)測區(qū)域可能受環(huán)境等外界因素影響，不能用僅能區(qū)分感知或不能感知的0、1模型仿真，所以此處選擇的是更為貼近現(xiàn)場情況的概率感知模型[8]，概率模型公式定義：

(10)

式中，d(si，p)為傳感器節(jié)點(diǎn)si與點(diǎn)p之間的長度；re為傳感器節(jié)點(diǎn)測量可靠參數(shù)；λ1，λ2，β1，β2為與節(jié)點(diǎn)特性有關(guān)的測量參數(shù)；α1，α2為輸入?yún)?shù)。輸入?yún)?shù)α1，α2的計(jì)算公式定義：

(11)

因此，監(jiān)測區(qū)域中全部像素點(diǎn)p的監(jiān)測結(jié)果，及WSN中所有傳感器節(jié)點(diǎn)的聯(lián)合覆蓋率：

(12)

將WSN覆蓋率可以定義為所有傳感器節(jié)點(diǎn)覆蓋面積與監(jiān)測地區(qū)面積的比值[9]，記為Parea，公式：

(13)

式中，m×n為監(jiān)測區(qū)域S的面積。

對WSN覆蓋優(yōu)化問題即轉(zhuǎn)換成為在節(jié)點(diǎn)位置已知的情況下，通過ISFLA算法對覆蓋率進(jìn)行進(jìn)行優(yōu)化，并在在覆蓋率最大的情況下找出最優(yōu)傳感器節(jié)點(diǎn)位置。

3.2 基于改進(jìn)蛙跳算法的無線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化

無線傳感器網(wǎng)絡(luò)覆蓋的優(yōu)化主要依托于與算法的結(jié)合。一直以來很多研究者將遺傳算法、灰狼算法、蟻群算法等群智能算法應(yīng)用到提升覆蓋率的研究中，但效果始終差強(qiáng)人意，往往存在尋優(yōu)結(jié)果慢或早熟等優(yōu)化問題。針對這些問題，將改進(jìn)混合蛙跳算法應(yīng)用到WSN覆蓋問題的研究中，從通過改進(jìn)后算法優(yōu)化能力有所提升的角度來提高網(wǎng)絡(luò)覆蓋率，從而提升網(wǎng)絡(luò)性能，達(dá)到優(yōu)化系統(tǒng)的效果。

3.2.1 基于ISFLA的無線傳感器網(wǎng)絡(luò)覆蓋算法

在改進(jìn)混合蛙跳算法的覆蓋優(yōu)化研究中，將監(jiān)測區(qū)域內(nèi)每個傳感器節(jié)點(diǎn)的位置假設(shè)為一個青蛙，定義為F，將F個青蛙再分成m組，即子種群，每一個子種群中都存在n個青蛙，且每個青蛙在移動的時(shí)候步長最大值為Dmax，在ISFLA中需要進(jìn)行N次組內(nèi)迭代，整個種群的進(jìn)化上限是G代。即設(shè)有F個傳感器節(jié)點(diǎn)，即種群規(guī)模為F，每個子種群內(nèi)個體數(shù)量為n個，子種群個數(shù)m組。每個傳感器節(jié)點(diǎn)的最大移動距離為Dmax，設(shè)定每組內(nèi)更新代數(shù)為N，全局的最大進(jìn)化代數(shù)為G。

每一個青蛙都代表著一個位置，其位置結(jié)構(gòu)決定了WSN覆蓋率的大小。將ISFLA應(yīng)用到優(yōu)化WSN覆蓋的基本思想就是將傳感器節(jié)點(diǎn)的位置作為算法輸入，再將網(wǎng)絡(luò)覆蓋率作為適應(yīng)度函數(shù)，利用ISFLA算法對網(wǎng)絡(luò)覆蓋率進(jìn)行優(yōu)化，從而找到覆蓋率最大時(shí)傳感器節(jié)點(diǎn)的分布情況。

3.2.2 網(wǎng)絡(luò)覆蓋優(yōu)化算法實(shí)現(xiàn)

基于ISFLA算法的WSN覆蓋優(yōu)化具體步驟如下。

Step1對ISFLA算法、概率覆蓋模型需要設(shè)置的參數(shù)進(jìn)行參數(shù)初始化。

Step2將網(wǎng)絡(luò)覆蓋率作為適應(yīng)度函數(shù)，利用ISFLA算法在迭代次數(shù)內(nèi)或終止條件生效前不斷更新傳感器節(jié)點(diǎn)位置。

Step3判斷是否達(dá)到預(yù)定的混合迭代次數(shù)，若沒有達(dá)到，則轉(zhuǎn)入Step3，否則算法結(jié)束。

其工作流程圖如圖2所示。

圖2 基于ISFLA算法的WSN覆蓋優(yōu)化工作流程圖

3.3 仿真實(shí)驗(yàn)設(shè)置

將WSN設(shè)置于一個20×10m2的區(qū)域內(nèi)，在該監(jiān)測區(qū)域內(nèi)隨機(jī)安放20個無線傳感器節(jié)點(diǎn)，所有節(jié)點(diǎn)的感知半徑、通信半徑都是相等的，設(shè)感知半徑r=3m，通信半徑R=6m，在仿真應(yīng)用中的概率模型參數(shù)部分，參數(shù)取值分別為λ1=1，λ2=0，β1=1，β2=1，re=0.5r=1.5m，并通過Matlab軟件進(jìn)行仿真。

3.4 仿真實(shí)驗(yàn)分析

為了對比分析算法的性能，將傳感器節(jié)點(diǎn)初始位置設(shè)置為已知相同量，節(jié)點(diǎn)初始位置隨機(jī)生成，如圖3所示。其中，20×10m2的長方形為WSN監(jiān)測區(qū)域，“·”為隨機(jī)分布的傳感器節(jié)點(diǎn)位置。在圖4～6中以節(jié)點(diǎn)為圓心的圓圈內(nèi)為節(jié)點(diǎn)感知范圍，顏色由深至淺即表示覆蓋率由低至高。

圖3 初始節(jié)點(diǎn)位置

在仿真實(shí)驗(yàn)中，20個傳感器分別通過SFLA算法和ISFLA算法部署在監(jiān)測區(qū)域內(nèi)。通過圖5、圖6可以看出，覆蓋面積有明顯的優(yōu)化效果，未覆蓋面積逐漸變小，ISFLA優(yōu)化后的節(jié)點(diǎn)位置變得更加均勻，覆蓋范圍更廣，網(wǎng)絡(luò)傳輸性能有明顯的提升。

圖4 初始網(wǎng)絡(luò)覆蓋區(qū)域

圖5 SFLA算法優(yōu)化后節(jié)點(diǎn)分布及覆蓋區(qū)域

圖6 ISFLA算法優(yōu)化后節(jié)點(diǎn)分布及覆蓋區(qū)域

圖7 SFLA、ISFLA算法覆蓋優(yōu)化曲線

根據(jù)圖7所示，可以明顯看出通過ISFLA算法優(yōu)化后的網(wǎng)絡(luò)覆蓋率更大，并且收斂速度也比SFLA要快很多，有效改善ISFLA陷入收斂停滯的問題，優(yōu)化后的節(jié)點(diǎn)分布也較為均勻，使得WSN可以更好地感知監(jiān)測區(qū)域內(nèi)需要監(jiān)測的目標(biāo)及實(shí)際情況。

4 結(jié)束語

在農(nóng)村電網(wǎng)運(yùn)維過程中應(yīng)用基于改進(jìn)混合蛙跳算法的無線傳感器網(wǎng)絡(luò)技術(shù)能夠準(zhǔn)確、大范圍的獲取設(shè)備運(yùn)行信息，為農(nóng)村電網(wǎng)建設(shè)發(fā)展提供技術(shù)支持，在極大程度上推動農(nóng)村農(nóng)業(yè)發(fā)展。隨著經(jīng)濟(jì)水平的提升和科學(xué)技術(shù)的成熟，加之網(wǎng)絡(luò)、物聯(lián)網(wǎng)和現(xiàn)代信息技術(shù)的協(xié)調(diào)發(fā)展，必會推進(jìn)農(nóng)業(yè)無線傳感技術(shù)向?qū)嵱没?、定量化、科學(xué)化、產(chǎn)業(yè)化方向發(fā)展，為促進(jìn)我國農(nóng)業(yè)的現(xiàn)代化發(fā)展奠定基礎(chǔ)。