[發明專利]基于機器學習分類算法的電力網絡規劃方法及系統

有效

• 申請號: 202010514935.7
• 申請日: 2020-06-08
• 公開（公告）號: CN111711538B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 吳賽;王智慧;馬寶娟;丁慧霞;李哲;孟薩出拉;楊德龍;段鈞寶;鄭偉軍;邵煒平;陳鼎;方景輝;吳國慶;唐錦江;王瑩;唐子行;席林晗
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司;國網浙江省電力有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/851
• 代理公司: 北京中巡通大知識產權代理有限公司 11703
• 代理人: 齊書田

1.一種基于機器學習分類算法的網絡優化方法，其特征在于，電網與物聯網之間的數據傳輸結構由下游至上游包括數據采集層、數據鏈路層和數據處理層；所述網絡優化方法包括以下步驟：

步驟1、數據鏈路層中的業務分類器將數據采集層采集的業務進行分類，并貼上相應類標簽；

步驟2、業務分類器將分類結果傳遞到位于數據處理層的總控制器，總控制器根據分類結果，計算最優調度策略，并根據最優調度策略為業務節點進行載波的調度、基站資源的分配，同時對業務節點的發射功率進行控制；

業務分類器通過以下步驟獲得：

S101、在電力通信網中抓獲數據包以獲得流量集；

S102、提取數據包的統計特征，所述統計特征包括數據包自身大小、前后數據包的大小、與上一個數據包的時間間隔；并對統計特征進行歸一化得到特征向量x_i，該特征向量的維度等于樣本的特征數；

S103、建立樣本訓練集D＝{(x₁,y₁),(x₂,y₂),...,(x_m,y_m)}；其中x為電網業務流的統計特征歸一化后的特征向量，y表示具體的業務類別；建立k(k-1)/2個二分類器，采用建立的樣本訓練集對二分類器進行訓練，k為業務類型數量；訓練好的k(k-1)/2個二分類器構成業務分類器；

步驟1中將待分類業務x分別放入到訓練好的k(k-1)/2個二分類器構成的業務分類器中，業務分類器中的二分類器對業務的類型進行投票，得票數最多的為該業務類型。

2.根據權利要求1所述的基于機器學習分類算法的網絡優化方法，其特征在于，步驟1中，對業務分為三大類：控制類、信息采集類、移動應用類。

3.根據權利要求1所述的基于機器學習分類算法的網絡優化方法，其特征在于，建立二分類器時，包括以下步驟；

S1041、在二分類器的定義式中引入松弛變量；

S1042、對二分類器做拉格朗日方程，求偏導數，得出對偶問題；

S1043、將所述對偶問題，采用SMO算法進行求解二分類器參數，完成二分類器的建立。

4.根據權利要求1所述的基于機器學習分類算法的網絡優化方法，其特征在于，在步驟2中，總控制器為業務節點進行載波的調度、基站資源的分配時，采用二元變量將調度策略表示為，

其中，其中Z是整數集合，表示第m個業務占用第q個子載波，并連接到第l個基站，否則每個匯聚面業務轉發節點的發射功率用向量P＝[p₁,p₂,...,p_M]表示。

5.根據權利要求4所述的基于機器學習分類算法的網絡優化方法，其特征在于，還包括根據不同電力業務的QoS要求構建調度策略約束條件，至少包括：效用函數；信息采集類與移動應用類業務的吞吐量約束；控制類業務的時延約束；基站回傳容量約束。

6.根據權利要求4所述的基于機器學習分類算法的網絡優化方法，其特征在于，將調度策略的所有約束條件進行整合，采用啟發式算法和SQP算法求解；首先分解為內外兩層，外層采用差分進化算法搜索最優整數變量確定子載波分配方式Π；內層在當前子載波分配已知的前提下用SQP算法求解出最佳的功率分配方案。