技术领域
[0001] 本发明涉及无线通信网络优化技术领域，特别是指一种提高供电所数据传输覆盖范围的方法。
相关背景技术
[0002] 随着全球能源需求的不断增长和电力系统的智能化升级，智能电网的建设成为现代社会发展的重要趋势。供电所作为智能电网的关键节点，承担着电力数据采集、处理与传输的重要任务。然而，传统的供电所数据传输系统面临着诸多挑战，尤其是在地形复杂、建筑密集和环境干扰显著的区域，信号衰减、覆盖不足和频谱利用率低下等问题尤为突出。
[0003] 在现有技术中，多跳传输路径构建技术作为一种有效的手段，可以通过多个节点的中继传输，逐步扩展数据传输的覆盖范围。然而，多跳传输路径的构建通常依赖于预设的节点位置和固定的传输路径，难以应对动态变化的网络环境，导致在实际应用中传输路径的选择缺乏灵活性，覆盖范围仍然受限。此外，节点位置的合理布局对数据传输的覆盖范围和传输效率有着直接影响。传统的节点布局多采用基于经验的静态布置方式，未充分考虑节点间的传输损耗和实际地形特征，这导致了在复杂环境中传输损耗增大、覆盖范围缩小的情况，进一步影响了数据传输的稳定性和可靠性。
[0004] 为了提高信号接收的质量，自适应天线系统在某些场景中得到了应用，通过动态调整天线的方向以优化信号接收。然而，现有的自适应天线系统多为基于实时信号强度反馈的简单调整方式，未能充分利用历史数据和预测模型进行方向优化，因而在面对快速变化的环境时，天线的调整往往滞后，难以达到最佳的信号接收效果。
[0005] 在频谱资源分配方面，供电所的无线通信网络需要在有限的频谱资源下实现高效的数据传输。传统的频谱分配算法大多基于静态的分配策略，未能充分考虑各节点的实时需求和网络负载情况，导致频谱资源利用率低下，容易产生频谱拥塞和传输干扰，进一步限制了数据传输的覆盖范围和效率。
[0006] 综上所述，现有的供电所数据传输技术在多跳传输路径构建、节点位置布局、自适应天线系统和频谱资源分配方面存在诸多不足，无法满足智能电网对广域、可靠和高效数据传输的需求。因此，亟需一种能够综合利用多种先进技术手段，动态优化网络配置，提高供电所数据传输覆盖范围和稳定性的方法，以适应智能电网日益增长的通信需求。
具体实施方式
[0020] 下面结合附图，对本发明中的技术方案进行描述。
[0021] 在本发明实施例中，“示例地”、“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。此外，在本发明实施例中，“和/或”所表达的含义可以是两者都有，或者可以是两者任选其一。
[0022] 本发明实施例中，“图像”，“图片”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。“的(of)”，“相应的(corresponding，relevant)”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
[0023] 本发明实施例中，有时候下标如W1可能会笔误为非下标的形式如W1，在不强调其区别时，其所要表达的含义是一致的。
[0024] 为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
[0025] 参考说明书附图1，示出了本发明实施例提供的一种提高供电所数据传输覆盖范围的方法的流程示意图。
[0026] 本发明实施例提供了一种提高供电所数据传输覆盖范围的方法，处理流程可以包括如下的步骤：
[0027] S1、构建多跳传输路径，通过计算各个节点之间的最短路径来构建多跳传输路径，以确保通过多个节点进行中继传输，最终抵达目的节点。
[0028] 可以理解的是，通过计算各个节点之间的最短路径，构建多跳传输路径，确保数据能够通过多个中继节点传输，最终抵达目的节点。这种多跳传输方式能够显著扩展网络的覆盖范围，特别是在供电所分布较为分散或地形复杂的情况下，通过多个节点的接力传输，有效克服单跳传输中信号衰减导致的覆盖不足问题。
[0029] S2、节点位置优化布局，为最大化覆盖范围，在节点位置布局上采用迭代优化算法，基于覆盖范围和传输损耗进行节点位置调整。
[0030] 可以理解的是，为最大化供电所的网络覆盖范围，采用迭代优化算法对节点位置进行优化调整。在初始布局后，通过计算各节点的覆盖范围和传输损耗，逐步优化节点位置，使总传输损耗最小化。这一步骤确保了在复杂地形或环境下，节点能够合理布局，减少传输损耗，提升信号的传输效率和覆盖范围。
[0031] S3、自适应天线系统，为进一步提高数据传输效率，引入自适应天线系统，动态调整天线方向以优化信号接收。
[0032] 可以理解的是，引入自适应天线系统，动态调整天线方向以优化信号接收。通过实时监测信号强度和历史接收数据，自适应天线系统能够自动调整天线方向，最大化信号接收功率。这种动态调整机制大幅提高了信号接收质量，减少了信号衰减，确保数据传输的稳定性和可靠性，特别是在供电所通信网络需要应对频繁变化的环境条件时，具有重要作用。
[0033] S4、基于博弈论的动态频谱分配算法，引入基于博弈论的动态频谱分配算法，保证频谱资源的高效利用，将频谱分配问题建模为非合作博弈，每个节点为博弈中的一个玩家，目标为通过选择最佳频谱最大化其效用函数。
[0034] 可以理解的是，为保证频谱资源的高效利用，本发明引入了基于博弈论的动态频谱分配算法。将频谱分配问题建模为非合作博弈，每个节点作为博弈中的玩家，选择能够最大化其效用函数的频谱。通过求解纳什均衡，确定最优的频谱分配方案，使得各节点能够在有限的频谱资源下实现最佳的传输性能，减少了频谱拥塞和干扰问题，从而进一步提升了数据传输的效率和覆盖范围。
[0035] 需要说明的是，S1具体包括：
[0036] 设供电所网络中的节点集合为N＝{n1,n2,...,nk}，其中ni表示第i个节点，节点ni和节点nj之间的距离为dij，假设节点ni和节点nj之间的传输损耗为Lij，则两节点之间的信号接收功率 表示为：
[0037]
[0038] 其中，Pt为发射功率，Gt和Gr分别为发射和接收天线增益，λ为信号波长，Lij为信号在节点ni和节点nj之间的传播损耗。
[0039] 可以理解的是，通过设定供电所网络中的节点集合及各节点间的传输损耗公式，精确计算信号接收功率，确保多跳路径构建的科学性和有效性。通过考虑发射功率、天线增益、信号波长等参数，计算出信号接收功率，为多跳传输路径的优化提供了量化依据。
[0040] 需要说明的是，S2具体包括：
[0041] S21、初始布局，根据供电所的地形特征，给出初始节点布局N0；
[0042] S22、计算覆盖范围，对于每个节点ni，计算覆盖范围Ri和临近节点的传输损耗Lij；
[0043] S23、损耗优化，通过迭代调整节点位置，使总传输损耗Ltotal＝∑i,jLij最小化，损耗优化问题通过梯度下降法求解；
[0044] S24、当总损耗变化率ΔLtotal小于预设阈值∈时，停止迭代，得到最终节点布局。
[0045] 可以理解的是，通过初始布局、计算覆盖范围、损耗优化等步骤，迭代调整节点位置布局，确保节点布局在考虑覆盖范围的同时，最小化总传输损耗。梯度下降法用于损耗优化，通过逐步调整节点位置，找到最优布局方案，最终确保在供电所实际环境中的最佳节点布局。
[0046] 需要说明的是，S3具体包括：
[0047] 设天线方向角为θ，天线的接收功率模型为：
[0048]
[0049] 其中，G(θ)为天线增益函数，表示天线在方向角θ时的增益，L(θ)为传播损耗函数，与天线方向角相关；
[0050] 通过调整θ，最大化Pr(θ)，即：
[0051]
[0052] 自适应过程通过实时监测信号强度自动调整，确保最佳信号接收。
[0053] 可以理解的是，通过自适应天线系统，计算天线的方向角并根据天线增益和传播损耗优化信号接收功率。通过调整天线方向角，最大化信号接收，实时监测并动态调整天线方向，确保在不同环境下的最佳信号接收效果。
[0054] 需要说明的是，S4具体包括：
[0055] 设节点ni的效用函数为Ui(f)，其中f为分配给节点ni的频谱，效用函数定义为：
[0056]
[0057] 其中，Bi(f)为节点ni在频谱f上的带宽，Pr(f)为在频谱f上的接收功率，C(f)为在频谱f上的干扰量。
[0058] 可以理解的是，在初始化频谱资源时，通过动态调整频谱段数量和宽度，基于当前网络负载情况优化频谱利用率。在计算效用函数时，考虑传输延迟和信噪比的影响，确保效用函数更全面地反映节点的传输需求。通过方向预测算法和机器学习模型，优化自适应天线系统的方向调整，进一步提高信号接收的精准度和稳定性。
[0059] 在一种可能的实施方式中，通过求解纳什均衡，确定每个节点的最有频谱分配方案，步骤如下：
[0060] 初始化频谱资源：将可用频谱资源分为若干段，每个段对应一个频谱fj；
[0061] 计算效用函数：对每个节点，计算不同频谱段上的效用函数Ui(fj)；
[0062] 博弈求解：使用迭代算法求解博弈，直到所有节点的效用函数达到稳定，即找到纳什均衡；
[0063] 频谱分配：根据求解结果，将相应的频段分配给各个节点。
[0064] 可以理解的是，通过将频谱资源分割成若干段，并根据每个节点的效用函数求解博弈模型，确保每个节点能够获得最佳的频谱分配方案，从而优化频谱资源的使用，提升数据传输的效率和网络性能。
[0065] 在一种可能的实施方式中，初始化频谱资源具体包括：
[0066] 初始化过程中，根据各个节点的历史频谱使用情况和当前网络环境，动态调整频谱段的数量和宽度，设初始频谱段数量为M0，通过计算当前网络的负载系数η，更新后的频谱段数量M计算如下：
[0067] M＝M0×(1+α·η)
[0068] 其中，α为调整系数，根据当前网络的负载情况进行动态调整，以确保在高负载情况下能够增加频谱段数量，从而优化频谱利用率。
[0069] 可以理解的是，动态调整频谱段的数量和宽度，依据网络负载情况优化频谱资源的配置，以适应不同的网络负载条件，提高频谱的利用率和网络的整体性能。
[0070] 在一种可能的实施方式中，计算效用函数具体包括：
[0071] 计算效用函数时，考虑各个节点的传输延迟T和信噪比SNR的影响，效用函数Ui(f)更新为：
[0072]
[0073] 其中，T(f)为节点ni在频谱f上的传输延迟，SNR(f)为节点在频谱f上的信噪比,通过引入延迟和信噪比参数，提高效用函数对频谱分配的指导性。
[0074] 可以理解的是，通过引入传输延迟和信噪比参数，使得效用函数更准确地反映节点的实际传输需求，从而在频谱分配中考虑到实际的网络条件，提高资源分配的科学性和效率。在一种可能的实施方式中，自适应天线系统具体包括：
[0075] 基于历史信号接收数据的方向预测算法，通过分期前一时刻天线方向θt‑1和当前信号强度变化ΔPr(θt‑1)，预测下次一时刻天线的最佳方向θt，预测公式如下：
[0076] θt＝θt‑1+β×ΔPr(θt‑1)
[0077] 其中，β为方向调整系数，根据历史数据进行动态调整，以实现更快速的天线方向优化。
[0078] 可以理解的是，通过历史信号数据的方向预测算法，动态调整天线方向，以优化信号接收质量，提高信号接收的稳定性和网络的通信效率。
[0079] 在一种可能的实施方式中，方向预测算法具体包括：
[0080] 通过机器学习模型对多次迭代调整的数据进行训练，优化β的取值范围，使天线系统能够更精确地预测并调整方向，提升信号接收的稳定性，优化后的β表示为：
[0081]
[0082] 其中，函数f为通过机器学习模型训练得到，根据信号接收功率的变化率动态调整方向调整系数。
[0083] 可以理解的是，通过机器学习模型训练优化方向调整系数，使天线系统能够更精确地预测和调整天线方向，从而提升信号接收的稳定性和准确性，确保更高效的数据传输。
[0084] 本发明实施例提供的技术方案带来的有益效果至少包括：
[0085] (1)在本发明中，通过构建多跳传输路径和优化节点位置布局，有效扩展了供电所数据传输的覆盖范围，通过动态计算节点之间的最短路径，并结合迭代优化算法调整节点位置布局，能够最大化信号覆盖，确保在复杂地形和环境下依然能够实现广域、稳定的数据传输；
[0086] (2)在本发明中，引入了自适应天线系统，能够根据实时信号强度和历史数据动态调整天线方向，实现信号接收的最优化，该自适应天线系统通过方向预测算法和机器学习模型的结合，显著提高了天线调整的精准度和响应速度，减少了信号衰减，提升了数据传输的整体效率和稳定性；
[0087] (3)在本发明中，通过基于博弈论的动态频谱分配算法，能够在多节点通信环境下有效分配有限的频谱资源，通过将频谱分配建模为非合作博弈，并结合纳什均衡求解，每个节点都能够根据其效用函数选择最佳频谱，实现频谱资源的高效利用，减少了频谱拥塞和干扰问题，从而进一步提升了数据传输的稳定性和覆盖范围。
[0088] 上述内容，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
[0089] 有以下几点需要说明：
[0090] (1)本发明实施例附图只涉及到与本发明实施例涉及到的结构，其他结构可参考通常设计。
[0091] (2)为了清晰起见，在用于描述本发明的实施例的附图中，层或区域的厚度被放大或缩小，即这些附图并非按照实际的比例绘制。可以理解，当诸如层、膜、区域或基板之类的元件被称作位于另一元件“上”或“下”时，该元件可以“直接”位于另一元件“上”或“下”或者可以存在中间元件。
[0092] (3)在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合以得到新的实施例。
[0093] 以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，本发明的保护范围应以权利要求的保护范围为准。
