一种面向终端通信接入网感知监控的均衡分簇方法

摘要

本发明属于电力终端通信接入网技术领域，具体涉及一种面向终端通信接入网感知监控的均衡分簇方法，令整个传感器网络只进行一次分簇，在经历分簇后，每隔一段时间，依据本发明设定的簇头轮换间隔进行簇头交替，最终使得在整个网络生命周期中，每次节点只当过一次簇头节点。该方法均衡了簇内各个节点的能量消耗，并最小化了分簇所造成的能量消耗，整个网络的生命周期得到延长。

权利要求

1.一种面向终端通信接入网感知监控的均衡分簇方法，其特征在于，包括如下步骤：

1）将网络中的所有节点按照地理位置划分为多个簇，每个簇中的簇节点数量一致；

2）构造一个与每个簇节点剩余能量和其在簇内位置有关的函数，根据该函数选择簇头节点，簇头节点接收每个簇内簇节点的数据，再发送给汇聚节点；

3）每隔固定时间后，各个簇重新选择簇头节点，至网络能量衰竭前，达到网络中的每个节点当且当过一次簇头节点；

步骤2）中，与每个簇节点剩余能量和在簇内位置有关的函数即为簇节点成为簇头节点的概率函数：

                    （1）其中，为节点编号， 为该节点与簇内其他节点的距离之和， 为节点剩余能量与初始能量的比值， 分别为通信代价和剩余能量的权重因子， 表示当节点剩余能量较大时，能量与通信代价对于节点成为簇头节点的概率影响程度相当；当节点剩余能量较小时，能量会成为节点成为簇头节点的主要影响因素。

2.如权利要求1所述的面向终端通信接入网感知监控的均衡分簇方法，其特征在于，簇节点发送 比特数据所需要的能耗是：（2）

簇节点接收t比特数据所需要的能耗是： （3）

其中 为一个定值，取决于节点本身的物理属性，因此，簇节点消耗的总能量是：（4）

其中， 为节点 与它的下一跳节点 的欧式距离： （5）

是一个指示符向量：

                        （6）是 的阈值：

（7）

为多路径衰减信道模型的功率放大系数， 为自由能量衰减模型功率放大系数；

所以，

（8）。

3.如权利要求1所述的面向终端通信接入网感知监控的均衡分簇方法，其特征在于，步骤3）中的固定时间为：

（9）

其中， 和 分别为分簇阶段的时延和能耗， 和 分别为稳定阶段每一帧的时延和能耗， 为每个簇节点的初始能量，设每个簇内有m+1个节点，在网络生存周期内，每个节点当过m次簇节点和1次簇头节点，因此，每个节点的初始能量应满足：（10）

其中， 代表一个节点在整个网络生命周期中能耗总和， 代表一个节点当选为簇头节点期间的能耗总和。

说明书

一种面向终端通信接入网感知监控的均衡分簇方法

技术领域

[0001] 本发明属于电力终端通信接入网技术领域，具体涉及一种面向终端通信接入网感知监控的均衡分簇方法。

背景技术

[0002] 电力行业是物联网技术应用较为广泛的领域之一，例如输电线路在线监测、智能变电站、智能机房等，这些物联网(IoT)中的传感器设备将满足智能家居，身体/健康监测，
环境监测，基于状态的维护等应用。输电线路是电网资产最大、分布最广、设备运行环境复
杂恶劣及外力影响因素多发的电力环节。由于输电线路的设备安全问题，如导线运行温度
过高、弧垂变化、风偏放电、微风振动、杆塔倾斜等，迫切需要输电线路上安装有效的传感设
备。故障在线监测系统将各类设备参数通过物联网网关传送到数据处理中心，然后采用先
进的数据分析技术处理各类设备数据，判断输电线路是否有故障发生。这为电网安全决策
提供依据。

[0003] 为了解现有技术的发展状况，对已有的论文和专利进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：

[0004] 技术方案1：专利号为CN102036308A的《一种能量均衡的无线传感器网络分簇方法》，涉及一种能量均衡的无线传感器网络分簇方法，该方法的关键步骤如下：第一，簇首选
择。本发明在簇首的选择过程中，通过对网络中节点当选簇首的概率、节点的能量以及节点
的邻居节点数等参数的设置，保证网络中节点均匀的分布。第二，簇的组建。簇首选择过程
完成后发布广播信息，其他非簇首节点收到广播信息后，选择收到信号的强度最强的作为
自己的簇首，并通过基于信道竞争的CSMA机制来向簇首发送请求信息，其中包括自己的ID、
距离簇首的距离等信息；当节点无法从收到簇首发送的信号中选出强度最强的时，即称该
节点为临界点。此时临界点计算较强的几个簇首的价值度ValueCH,选择价值度ValueCH最大
的簇首加入。并向相应的簇首发送请求信息。第三，数据传输。该方案在数据传输阶段主要
采用单跳与多跳相结合的形式。在网络运行的过程中，当节点有足够的能量保证网络的正
常运行时，其数据传输采用单跳的形式，传输模型为一阶无线电模型，反之，当网络因能量
消耗过多而出现热点、热区问题时，且则采用多跳的形式即改进的传输模型。

[0005] 技术方案2：专利号为CN104394566 A的《一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法》，涉及一种基于LEACH协议的分层路由规划方法，该方
法的关键步骤如下：第一，簇头选举。本发明使用LEACH协议中一样的随机选取簇头的策略。
初始化时，每个传感器节点N随机生成0到1的数，若随机数低于门限值T(N)，则该传感器节
点就当选为簇头。第二，成簇。在各区选取好簇头之后，各个传感器节点根据收到信号强弱
来选择加入哪个簇。如果没有簇头存在，该传感器节点则直接与基站通信，否则非簇头的传
感器节点的行为一般都在簇的范围之内。第三，簇间路由选择。在簇的结构以及簇头选定之
后，将为每个簇头及直接与基站通信的传感器节点选出一条通往基站的通信路径，在此处
引入模糊集合和模糊决策的理论，算法的思想如下：1)把所有簇头及直接与基站通信的传
感器节点分为三个集合，分别用不同的隶属函数来衡量这些传感器节点的隶属度；2)进行
判别把隶属度为0的传感器节点直接去除，并取交集减少候选传感器节点的范围；3)利用模
糊决策的理论，对剩余传感器节点进行评分相加，取得分最高者作为下一跳节点的中继节
点。

[0006] 技术方案3：专利号为CN106304235A的《一种WSN中基于等级区域划分的协作式分簇路由通信方法》专利，涉及一种基于等级区域划分的分簇路由通信方法，该方法的关键步
骤如下：第一，等级区域划分。将WSN监测区域以汇聚节点为中心，以n*R(n＝l，2,…)为半
径，划分为多个不同的环状区域，并将同一环状区域的传感器节点标定为同一等级；第二，
确定最优簇数。WSN监测区域进行等级区域划分后，首先对离汇聚节点最近的第1等级区域
采用区域簇头选取概率和总能量消耗最小化原则计算最优分簇个数，然后根据区域间总能
量消耗均衡原理确定其他等级区域的最优簇数；第三，确定簇域。WSN中每个等级区域的最
优簇数确定后，需要结合改进的LEACH和PEGASIS算法形成具体簇域；第四，数据采集和融
合。每个等级区域中的各个簇内的簇头节点在簇域形成后，会依据TDMA方式为簇内成员节
点分配时隙，开始时簇内成员节点均处于休眠状态，当节点的时间槽到来时节点会被激活，
非链式结构的簇内成员节点采集数据并单跳发送至簇首，而链式结构的簇内节点采集数据
后需沿链传输至簇首，之后簇首对接收到的数据进行融合，并传输融合后的数据至汇聚节
点；第五，数据传输。WSN中的数据传输，也称作路由通信，即除第1等级区域外，在其它区域
的簇头节点融合的数据需要通过最优路由路径由外向内转发至汇聚节点，其中最优路由路
径的选取采用协作式传输技术的多跳路由通信方法进行，而第1等级区域的簇头节点融合
的数据采用单跳路由直接传输至汇聚节点，每完成一个任务循环，需返回步骤三继续向下
重复进行操作，至此即完成了一种WSN中基于等级区域划分的协作式分簇路由通信方法。

[0007] 上述现有技术中存在的缺陷：

[0008] 技术方案1采用了一种能量均衡的无线传感器网络分簇方法。该方法不仅能提高网络的稳定性，而且能够均衡网络的能量消耗，有效的延长网络的寿命，使网络具有更好的
延展性以及安全性。但是，在输电线路的场景下，无线传感器网络中没有新的节点加入，节
点的位置也没有改变，所以可以不必进行重新分簇以节约能耗。除此之外，该方式的簇头是
随机生成的，仍然存在网络分簇状况不好的隐患。

[0009] 技术方案2采用了一种能量高效的无线传感器网络路由方法，该方法在簇间路由上采用了蚁群算法可以保证选择链路的合理性。但是蚁群算法收敛时间过长，不适合大规
模传感器网络场景的应用。

[0010] 技术方案3采用了一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，该方法在数据传输阶段，簇头节点使用模糊决策来选择下一跳节点中继节点，
该方式优化了数据传输中下一跳节点的选择，使剩余能量较多，距离汇聚节点较近的下一
跳节点更可能成为中继节点。但是，该方式的簇头节点是随机生成的，这使得成簇的质量没
有保证。另外，频繁的分簇会造成多余的能量消耗。

发明内容

[0011] 为了解决上述技术问题，本发明提供一种面向终端通信接入网感知监控的均衡分簇方法，将重心放在研究输电线路传感器网络的分簇算法上。该算法是一种基于能耗均衡
的簇头轮换均匀分簇方法(Alternative Cluster‑head and Equal Clustering 
hierarchy based on energy balancing,ACEC)。该算法是一种以最小能耗和能耗均衡为
优化目标的均匀分簇算法。ACEC算法通过自适应地改变簇头选择中各个因素的权值，使整
个网络中各个节点的剩余能量更加均衡，从而优化了每个分簇周期的有效节点数量，最终
达到延长整个网络生命周期的目的。

[0012] 本发明是这样实现的，一种面向终端通信接入网感知监控的均衡分簇方法，包括如下步骤：

[0013] 1)将网络中的所有节点按照地理位置划分为多个簇，每个簇中的簇节点数量一致；

[0014] 2)构造一个与每个簇节点剩余能量和其在簇内位置有关的函数，根据该函数选择簇头节点，簇头节点接收每个簇内簇节点的数据，再发送给汇聚节点；

[0015] 3)每隔固定时间后，各个簇重新选择簇头节点，至网络能量衰竭前，达到网络中的每个节点当且当过一次簇头节点。

[0016] 进一步地，步骤2)中，与每个簇节点剩余能量和在簇内位置有关的函数即为簇节点成为簇头节点的概率函数：

[0017]

[0018] 其中，Sd为该节点与簇内其他节点的距离之和， 为节点剩余能量与初始能量的比值，α,β分别为通信代价和剩余能量的权重因子， 表示当节点剩余能量较大时，
能量与通信代价对于节点成为簇头节点的概率影响程度相当；当节点剩余能量较小时，能
量会成为节点成为簇头节点的主要影响因素。

[0019] 进一步地，簇节点发送k比特数据所需要的能耗是：

[0020]

[0021] 簇节点接收t比特数据所需要的能耗是：

[0022] Ereceive＝tE0                            (3)

[0023] 其中E0为一个定值，取决于节点本身的物理属性，因此，簇节点消耗的总能量是：

[0024]

[0025] 其中， 为节点i与它的下一跳节点j的欧式距离：

[0026]

[0027] indac是一个指示符向量：

[0028]

[0029] d0是d的阈值：

[0030]

[0031] ε为多路径衰减信道模型的功率放大系数，εfs为自由能量衰减模型功率放大系数；所以，

[0032] Eleft＝Einit‑Etotal‑cost             (8)。

[0033] 进一步地，步骤3)中的固定时间为：

[0034]

[0035] 其中，Ts和Es分别为分簇阶段的时延和能耗，Tf和Ef分别为稳定阶段每一帧的时延和能耗，Einit为每个簇节点的初始能量，设每个簇内有m+1个节点，在网络生存周期内，每个
节点当过m次簇节点和1次簇头节点，因此，每个节点的初始能量应满足：

[0036]

[0037] 其中，Etotal代表一个节点在整个网络生命周期中能耗总和，Etotal‑ch代表一个节点当选为簇头节点期间的能耗总和。

[0038] 与现有技术相比，本发明的优点在于：该算法是一种静态分簇方法，通过仿真确定簇节点的数量，以实现最佳的网络性能。然后根据簇头节点选择函数确定簇头节点的轮换
顺序。最后，通过分析节点能量得到了簇头切换的最佳间隔时间。评估结果表明，与I‑LEACH
算法相比，本专利所提出的ACEC算法平衡了能耗，降低了通信能耗，并延长了整个传感器网
络的生命周期。

附图说明

[0039] 图1为无线传感器网络的三层网络拓扑结构图；

[0040] 图2为ACEC算法过程图示；

[0041] 图3为ACEC算法流程图；

[0042] 图4为不同簇节点数量的能量消耗(50次实验平均)；

[0043] 图5‑a为LEACH‑I算法分簇第1轮节点死亡情况；

[0044] 图5‑b为ACEC算法分簇第1轮节点死亡情况；

[0045] 图6‑a为LEACH‑I算法分簇第20轮节点死亡情况；

[0046] 图6‑b为ACEC算法分簇第20轮节点死亡情况；

[0047] 图7‑a为LEACH‑I算法分簇第50轮节点死亡情况；

[0048] 图7‑b为ACEC算法分簇第50轮节点死亡情况；

[0049] 图8‑a为LEACH‑I算法分簇第80轮节点死亡情况；

[0050] 图8‑b为ACEC算法分簇第80轮节点死亡情况；

[0051] 图9为不同分簇算法的死亡节点时间(50次实验平均)。

具体实施方式

[0052] 为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并
不用于限定本发明。

[0053] 参考图1，为输电线路无线传感器网络的三层网络拓扑结构图。簇节点的工作为采集数据并发送给簇头；簇头节点的工作为收集簇节点发出的数据并进行数据汇聚，簇头节
点之间多跳转发汇聚后的数据给汇聚节点。

[0054] 参考图2，本发明首先把所有节点按地理位置信息划分，这样在每个簇的簇节点数量一定的情况下，每个节点归属的簇即已确定；然后构造一个与节点的剩余能量及节点在
簇内的位置有关的函数选择簇头，因为在数据转发过程中，簇头节点消耗的能量远远大于
簇节点，这样能够使得整个网络的节点能量趋于平均；最后，分簇完成后，每隔一段时间，网
络中的所有簇重新选择簇头节点。

[0055] 参考图3，为ACEC算法流程图，具体来说，包括如下步骤：

[0056] 第一步：汇聚节点广播初始化网络中所有节点并发布重新分簇的消息；

[0057] 第二步：所有节点根据自身ID和m值(一个簇内的最佳簇节点数)加入簇；

[0058] 第三步：所有节点计算自己成为簇头节点的概率p(i)，概率最大的节点当选为簇头节点；

[0059] 第四步：簇头节点广播自己成为簇头的消息，一个簇的k个簇节点与自己的簇头节点建立联系，簇头节点通过计算获得TDMA时间表，并将时间表转发给簇节点；

[0060] 第五步：簇头节点与自己的簇节点在TDMA时隙内建立ACK的稳定传输。如果簇节点猝死，则簇头节点发现后上传死亡簇节点的位置等信息，并重新规划TDMA时间表，再与簇节
点进行数据传输；如果簇头节点猝死，则第一个发现的簇节点立刻在簇内广播此消息。簇内
产生新的簇头节点，并向上转发前一个死亡簇头节点的位置等信息，转到第四步；

[0061] 第六步：在经过式子(9)中计算出的S时间后，网络内的所有簇重新选出一个新的簇头节点。此后每隔S时间，都进行重新选择簇头节点，直至网络死亡。

[0062] 实施例、

[0063] 1)参数设置

[0064] 表1实验参数设置

[0065]

[0066]

[0067] 2)实验结果

[0068] a)ACEC算法不同簇节点数目的能量消耗比较

[0069] 在一个分簇周期内，需要确定一个能使能量性能最佳的簇节点数量。因此，在网络节点总数相同和初始能量相同的条件下，改变每个簇内的簇节点数量，分别进行仿真，记录
不同簇节点数量下的第一个节点死亡轮数和全部节点死亡轮数，绘制成图4，从图4中可以
看出，不同簇节点数量条件下，全部节点的死亡轮数差异不大，簇节点数量为3时的全部节
点死亡时间略晚于其他情况；而簇节点为3时的首节点死亡时间明显晚于其他情况，因此在
本实验的仿真参数设置下，簇节点数量为3的能量性能最好。

[0070] b)与LEACH‑I算法的能量消耗比较

[0071] LEACH‑I算法是一种在经典分簇算法LEACH算法的基础上，考虑到剩余节点能量，簇头节点覆盖度，距离汇聚节点距离等多个因素的改进型动态分簇算法。

[0072] 如图5‑a、图5‑b、图6‑a、图6‑b、图7‑a、图7‑b、图8‑a、图8‑b，分别是进行LEACH‑I算法和ACEC算法的分簇仿真图，汇聚节点位于最右端，簇头节点用“*”表示，簇节点用“o”表
示，线段表示每个簇节点归属的簇头节点。从LEACH‑I算法的仿真图可以看到，由于LEACH算
法本身的随机生成属性，簇头节点的分布及其不均匀，这会导致簇间路由时个别跳的距离
过大，造成很大的能量消耗。此外，图中可以看到不同簇头节点拥有的簇节点数量差异也较
大，这也会导致有些簇内的簇头节点和簇节点距离过大，从而造成不必要的能量消耗。

[0073] 运行LEACH‑I和ACEC算法，分别记录两种算法分簇第1，20，50，80轮的节点死亡情况，结果如图5‑a、图5‑b、图6‑a、图6‑b、图7‑a、图7‑b、图8‑a、图8‑b所示，图中空心节点为生
存节点，实心节点为死亡节点。从图中可以看到，首先，在每一轮中，ACEC算法的死亡节点数
都明显小于LEACH‑I算法。此外，ACEC算法的死亡节点的分布比较均匀，而LEACH‑I算法的生
存节点都集中在一起，随着轮数的推移，ACEC算法整个网络的连通度并未收到太大影响，而
LEACH‑I算法的网络出现大片空白区域，整个网络的连通性遭到很大破坏。

[0074] 为了更加直观地比较两种分簇方法的能量性能和负载均衡性，在仿真时，记录下两种分簇算法每一轮的节点死亡情况，比较两种分簇算法死亡第一个节点和50％，80％，全
部节点的轮数。为了保证仿真结果的可靠性，所有数据都是取50次实验结果的均值。将结果
制成柱形图9所示，从图9中可以看到，两种算法比较，ACEC算法的死亡第1个节点和50％，
80％，全部节点的时间都晚于LEACH‑I算法，因此更加节约能量，能耗均衡情况也更好。由此
可见，相较于LEACH‑I算法，ACEC算法有效地延长了网络生命周期，且在网络生存时间内，提
高了能耗均衡性和网络连通度。