一种电力通信业务中路由规划方法技术

本发明专利技术提供一种电力通信业务中路由规划方法，属于电力系统通信技术领域，具体包括：基于数据集采用基于PSO

【技术实现步骤摘要】
一种电力通信业务中路由规划方法


[0001]本专利技术属于电力系统通信
，尤其涉及一种电力通信业务中路由规划方法。

技术介绍

[0002]电力通信网作为承载电力系统间信息交互的重要基础设施，服务于电力系统生产和管理的各个环节，有效保障了电网安全、稳定、经济和高效运行。随着智能电网建设的不断深入，电力通信网承载的业务越来越多，一旦电力通信网发生故障，将直接影响大电网的安全稳定运行，因此如何让业务路由合理分布是目前电力通信研究领域的一个重要内容。由于故障具有随机性，如果选用常用的最短路由的方式会让大量业务集中到某些链路中，从而使这些链路成为高危链路。因此将业务的均衡分布列为电力通信路由方式的优化目标，提出相应的路由优化算法，可以降低电力通信网的运行风险，提高通信网的可靠性以及通信资源的利用率，对于保障大电网的安全稳定可靠运行具有实际意义。
[0003]硕士论文《面向电力物联网动态业务需求的智能路由分配方法》作者喻鹏通过能够实时且精准的预测业务流量，并高效的为业务分配带宽，同时基于预测的业务流量和分配带宽，为业务分配一条综合风险最小的路由，从而有效保障电力系统的可靠稳定运行，但是对于电力系统通信业务需求中的路径规划中的只有时延性满足要求后，才能进行均衡度的评估，若将两者混合起来，将有可能得到的方案得不到最佳时延性的方案，且在进行业务流量预测时，未结合同时刻的业务流量数据，仅仅采用过去24小时的业务流量数据进行预测准确率不高，且采用基于单一算法的预测模型，未对算法进行初始值寻优，导致其计算效率不高。
[0004]针对上述技术问题，本专利技术提供了一种电力通信业务中路由规划方法。

技术实现思路

[0005]为实现本专利技术目的，本专利技术采用如下技术方案：
[0006]根据本专利技术的一个方面，提供了一种电力通信业务中路由规划方法。
[0007]一种电力通信业务中路由规划方法，其特征在于，具体包括：
[0008]S11基于数据集采用基于PSO
‑
GBDT算法的预测模型进行流量预测得到预测流量，其中所述数据集包括过去24小时的业务流量数据，一周内相同时刻的业务流量数据。
[0009]S12基于所述预测流量，采用基于CA
‑
Q
‑
Learning的路由规划算法进行路径的规划得到规划结果，并基于所述规划结果进行时延性评估，得到评估结果。
[0010]S13针对所述评估结果，选取满足时延性限值的规划结果，并基于所述满足时延性限值的规划结果中，选取均衡度小于第一阈值的时延性最小的规划结果。
[0011]通过首先采用基于PSO
‑
GBDT算法的预测模型对流量进行预测，同时此时的数据集包括过去24小时的业务流量数据，一周内相同时刻的业务流量数据，因此解决了原有的仅仅依靠过去24小时的业务流量数据导致的预测结果不准确的问题，结合一周内相同时刻的
业务流量数据进一步提升了预测的精度和可靠性，通过采用PSO算法对GBDT算法的初始值进行寻优，解决了原有的采用基于单一算法的预测模型，未对算法进行初始值寻优，导致其计算效率不高的问题，进一步提升了计算的效率和精度，提升了收敛速度，在得到预测流量后，通过采用基于CA算法优化的Q
‑
Learning的路由规划算法进行规划得到规划结果，采用时延性公式对规划结果进行时延性评估，得到评估结果，并选取满足时延性要求的规划结果，当满足规划结果后，再计算得到此时的均衡度，设置第一阈值，说明均衡度满足要求，从而在均衡度满足要求的基础上选择时延性最小的规划结果，从而解决了原有的将两者混合起来，将有可能得到的方案得不到最佳时延性的方案，得到的技术方案既能满足均衡度要求，而且此时的时延性也属于最佳方案。
[0012]通过采用PSO算法对GBDT算法的初始值进行寻优，解决了原有的采用基于单一算法的预测模型，未对算法进行初始值寻优，导致其计算效率不高的问题，进一步提升了计算的效率和精度，提升了收敛速度。通过基于过去24小时的业务流量数据，一周内相同时刻的业务流量数据，进一步提升了预测的精确率和可靠性，提升了整个模型的鲁棒性，通过采用基于CA算法优化的Q
‑
Learning的路由规划算法进行路径的规划得到规划结果，提升了算法的预测效率和精度，进一步提升了整体的效率，通过先选取满足时延性限值的规划结果，在此基础上选择均衡度小于第一阈值的时延性最小的规划结果，从而既能使得最终的规划结果满足均衡度的要求，又使得整体的时延性达到最小。
[0013]进一步的技术方案在于，其特征在于，所述数据集包括过去24小时的业务流量数据，过去24小时的平均业务流量数据，一周内相同时刻的业务流量数据，过去24小时的电力负荷数据，温度。
[0014]由于对于业务流量数据的影响不仅仅在于以往的业务流量数据，还与电力负荷数据的大小有关，与温度造成的电力负荷数据的波动有关，因此将上述量加入到数据集里面，进一步提升了整体的预测精度和鲁棒性，此外通过不仅仅采用过去24小时的业务流量数据，而加入采用平均流量数据以及过去24小时的平均业务流量数据，从而进一步提升了业务流量数据预测的稳定性和可靠性，减少了由于单天内业务流量的巨大波动造成的预测失准问题的影响。
[0015]进一步的技术方案在于，其特征在于，所述过去24小时的业务流量数据为过去24小时的每个小时的业务流量数据，过去24小时的电力负荷数据为过去24小时的每个小时的电力负荷数据。
[0016]进一步的技术方案在于，其特征在于，采用基于PCA主成分分析法对所述数据集进行主成分分析，对所述数据集进行降维得到降维数据集，并基于所述降维数据集进行流量预测。
[0017]通过采用PCA主成分分析法进行主成分分析，从而使得数据集得到了进一步的降低，在保证预测精度的基础上，进一步提升了预测的精度。
[0018]进一步的技术方案在于，所述PSO
‑
GBDT算法为采用PSO算法对所述GBDT算法的学习率和基础模型的数量进行寻优。
[0019]进一步的技术方案在于，其特征在于，所述满足时延性限值的规划结果为所述时延性小于第一时延阈值的规划结果。
[0020]进一步的技术方案在于，所述第一时延阈值根据预测流量的重要程度和预测流量
的规模确定。
[0021]通过设置第一时延阈值，从而从数据的角度准确的保证了规划结果能够满足时延性要求，并且通过预测流量的重要程度和预测流量的规模为基准，对第一时延阈值进行确定，也保证了阈值的可靠性和准确性。
[0022]进一步的技术方案在于，所述均衡度的评价过程为：
[0023]S21提取所述满足时延性限值的规划结果；
[0024]S22对所述规划结果中的不同线路中的预测流量的重要程度为其赋予均衡度权值；
[0025]S23基于所述均衡度权值以及规划结果进行均衡度的计算，并提取所有所述均衡度小于第一阈值的规划结果。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力通信业务中路由规划方法，其特征在于，具体包括：S11基于数据集采用基于PSO
‑
GBDT算法的预测模型进行流量预测得到预测流量，其中所述数据集包括过去24小时的业务流量数据，一周内相同时刻的业务流量数据。S12基于所述预测流量，采用基于CA
‑
Q
‑
Learning的路由规划算法进行路径的规划得到规划结果，并基于所述规划结果进行时延性评估，得到评估结果。S13针对所述评估结果，选取满足时延性限值的规划结果，并基于所述满足时延性限值的规划结果中，选取均衡度小于第一阈值的时延性最小的规划结果。2.如权利要求1所述的一种电力通信业务中路由规划方法，其特征在于，所述数据集包括过去24小时的业务流量数据，过去24小时的平均业务流量数据，一周内相同时刻的业务流量数据，过去24小时的电力负荷数据，温度。3.如权利要求2所述的一种电力通信业务中路由规划方法，其特征在于，所述过去24小时的业务流量数据为过去24小时的每个小时的业务流量数据，过去24小时的电力负荷数据为过去24小时的每个小时的电力负荷数据。4.如权利要求1所述的一种电力通信业务中路由规划方法，其特征在于，采用基于PCA主成分分析法对所述数据集进行主成分分析，对所述数据集进行降维得到降维数据集，并基于所述降维数据集进行流量预测。5.如权利要求1所述的一种电力通信业务中路...

【专利技术属性】
技术研发人员：张宁宁，吴利杰，刘岩，王昭赫，王雷，权一展，盛磊，王慕维，董凯丽，刘慧方，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：