申请/专利权人：三峡大学;国网河南省电力公司经济技术研究院

申请日：2022-08-19

公开（公告）日：2024-04-02

公开（公告）号：CN115473595B

主分类号：H04B17/309

分类号：H04B17/309;H04B17/318;H04B17/373;H04W24/08;G06N3/0499;G06N3/084;G06N3/086;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.12.30#实质审查的生效;2022.12.13#公开

摘要：一种变电站内无线感知设备丢包率的预测方法，以变电站5G基站天线的发射频率、5G基站天线的发射功率、无线感知设备距5G基站天线的距离、无线感知设备处的电场强度、无线感知设备的数据传输速率作为BP神经网络的输入参量，以无线感知设备的丢包率作为输出参量。通过利用遗传算法对BP神经网络训练时的阈值和权值进行不断筛选，从而得出无线感知设备丢包率的最优预测。该方法实现了对无线感知设备所受干扰程度的实时监测；并且避免了丢包率测量过程中的复杂流程，更适用于站内工作人员的实际运用。

主权项：1.一种变电站内无线感知设备丢包率的预测方法，其特征在于包括以下步骤：步骤一：采集N组变电站内部5G基站天线发射的信号频率、无线感知设备处的电场大小、无线感知设备处的5G基站信号强度、无线感知设备距5G基站天线的距离、无线感知设备的数据传输速率和此时的无线感知设备的丢包率作为样本；步骤二：将步骤一采集的N组样本全部归一化，以无线感知设备的数据传输速率、5G基站天线发射的信号频率、无线感知设备处的5G基站信号、无线感知设备处的电场强度、无线感知设备到5G天线间的距离作为输入参量，以此时的无线感知设备的丢包率作为输出参量，确定BP神经网络的拓扑结构；步骤三：设置BP神经网络各突触的初始权值ω、阈值v，并将步骤二归一化后的输入参量输入到BP神经网络中进行学习训练，达到最大学习次数X后输出预测结果；然后与实际测量的丢包率进行比较，若满足误差范围，则停止训练；若不满足则进入步骤四；步骤四：若不满足训练要求，则将BP神经网络所有预测的丢包率视作为个体，将每个个体训练结束后的权值、阈值发送给遗传算法，利用遗传算法对这些个体对应的BP神经网络的权值、阈值进行实数编码，得到这些个体遗传的权值染色体库：ω1＝[ω11,ω12,…,ω1m]、ω2＝[ω21,ω22,…,ω2m]、…、ωN＝[ωN1,ωN2,…,ωNm]；ω1、ω2、…、ωN分别表示经遗传算法训练后神经网络重新得到的N个权值矩阵；ωN1,ωN2,…,ωNm表示重新得到的第N个权值矩阵内的m个权值；以及阈值的染色体库：V1＝[v11,v12,…,v1m]、V2＝[v21,v22,…,v2m]、…、VN＝[vN1,vN2,…,vNm]；V1、V2、…、VN分别表示经遗传算法训练后神经网络重新得到的N个阈值矩阵；vN1,vN2,…,vNm表示重新得到的第N个阈值矩阵内的m个阈值；步骤五：利用公式N表示需要预测丢包率的无线感知设备个数；对第i个体进行适应度计算，fi为第i个个体的适应度，适应度越小说明预测结果越好；Di为第i个个体的预测丢包率，Di′为第i个个体的实际丢包率；步骤六：随机从步骤四的权值、阈值染色体库中每次选取两条染色体，其中：每条染色体的选取概率为选取后的染色体通过交叉、变异产生两条新的权值、阈值染色体；步骤七：采用步骤六的生成N条新的权值、阈值染色体，并将其中的权值、阈值染色体上的基因发送给BP神经网络中，并且重新执行步骤三的操作，直至得出满足训练误差要求的最优BP神经网络及其权值、阈值。

全文数据：

权利要求：

百度查询： 三峡大学;国网河南省电力公司经济技术研究院 一种变电站内无线感知设备丢包率的预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD