能耗监测数据网络化采集算法研究与仿真

李 容，周 燕

(西安科技大学高新学院，陕西 西安 710109)

1 引言

当前，能源消耗量逐渐增加，交通业、工业以及建筑业所消耗的能量是现代社会中主要的能源消耗行业[1]。其中，建筑业在目前社会中的发展潜力较大，目前社会中存在的能源无法满足建筑业未来发展中所消耗的能源，在上述背景下亟需减少能源消耗量[2]。采用物联网技术的节能减排方案与传统节能减排技术相比，具有科学决策、泛在感知、可监可测、精准节能等优点。实现数据的量化处理、保障数据在网络中传输的客观性、实现数据统一管理是智慧能源管控系统在未来工作中的重点，因此对智慧能源能耗监测数据进行采集具有重要意义。

张美燕[3]等人划分无线传感网络，获得多个聚类区间，且聚类区间之间不存在重叠区域，在聚类区间内通过最小生成树路由方法对采集的数据传输，并通过Dubins曲线实现节点数据的采集和访问，该算法采集的数据中包含大量的冗余数据，增大了算法的通信开销。陈琪[4]等人在数据量的基础上划分节点，获得若干个簇，并将节点分级思想应用在簇内，支持数据在网络中的传输，在网络最短路径中利用移动采集器对网络簇头节点进行访问，获取簇头节点中存在的数据，该算法无法消除数据中存在的冗余数据，导致算法的时间开销过大。霍峥[5]等人通过逐点插入法在网络中建立维诺图，对路网空间进行分割处理，通过随机扰动方式在不同空间的维诺格中采集数据，该算法采集的数据不精准，存在误差大的问题。

为解决上述算法存在的问题，提出智慧能源能耗监测数据网络化采集算法。

2 数据网络化采集算法

本次研究提出的智慧能源能耗监测数据网络化采集算法，利用树型层次模型采集智慧能源能耗监测数据。

1)树型层次模型构建

中间节点在智慧能源能耗监测数据收集过程中对输入的多个数据包聚合处理，获得一个输出监测数据包，当不同传感器节点采集的能源能耗监测数据之间存在关联性时，为降低网络能量资源的浪费，可以对其聚合处理，降低网络中需要传输的数据[6，7]。

设置系统生存周期T，描述在能量消耗完毕时第一节点中存在的时间单元总数，通过数据收集调度机制将网络节点中存在的能耗监测数据传输到网络基站中，T个定向树构成的集合即为一个调度周期，基站中存在定向树对应着根节点，由网络中传感器结构构成剩余树的节点，调度下的系统存活周期即为调度的生存周期，因此数据收集调度与系统存活周期之间存在联系。最大化生存周期，节省节点能量资源是智慧能源能耗监测数据网络化采集的主要目标。

在传感器节点能量的基础上，实现能耗监测数据的收集调度S，所有节点在智慧能源能耗监测过程中都具有如下能量约束

(1)

式中，fi，j表示节点i在调度S中传输到节点j内的所有数据包，Ti，j表示在调度S中节点i的生存周期；xi代表节点i；R代表节点剩余能量。

数据流网G=(V，E)与监测数据收集调度S之间相对应，数据流网G通常情况下由存在传输容量fi，j的边(i，j)以及所有传感器节点构成，且容量fi，j的值大于零。

(2)

其中，第一条和第二条约束为传感器节点数据流在网络中的守恒规律；第三条约束表示边在数据流网中传输容量的约束；最后一条表示数据流通过传感器节点k到达基站的约束。

线形规划模型当上述约束中的变量都为正实数时可以获得最优数据流网，且存在最大生存周期。

利用子树在最优数据流网的基础上构建数据收集树A。初始树在数据流网中只存在一个根节点，如果在聚合子树节点中不存在节点i，其中中节点为节点j，且边e对应的传输量f最小，此时在聚合子树中引入边e，通过聚合子树获取能耗节点中的监测数据[8，9]。

2)建立监测数据收集聚合树

用定向图G(N，A)描述传感器网络，Sink节点和传感器节点构成的集合用N表示，用ID∈{1，2，…，|N|}标记网络中存在的传感器节点，其中Sink节点在网络中的ID标为0，定向图G(N，A)中的A={(i，j)}表示定向边集合，定向边在网络中主要负责连接传感器节点，用wij(wij=wji)描述边(i，j)对应的权值，T=(N，A′)代表Sink节点在根节点G基础上构成的定向生成树；A′代表定向边集合A的子集。

树形结构被广泛应用在数据采集领域中，网络图中存在的生成树可以用来表示图中存在的最小连通结构，所有网络节点i在树型结构中均存在通往Sink节点的路径。

若传感器网络G使用的路由结构受时间的影响可以忽略不计，此时网络G中的路由处于静态模式。否则数据路由结构在能源能耗监测数据采集过程中随时间发生变化，此时路由在网络G中处于动态模式，用{T(t)}描述数据收集树。

(3)

设Ri(t)代表在监测数据采集轮回t中节点i对应的剩余能量，如果数据路由模式在数据采集过程中为动态方式，则节点i经过t轮数据收集后的剩余能量Ri(t)可通过下式计算得到

(4)

式中，Ri(0)代表节点初始能量。

如果网络G在数据采集过程中应用静态路由模式，则节点i在树T中的生存时间li可通过下式计算得到

(5)

(6)

边的生存时间lij可通过边在树中的权值wij进行描述，即wij=lij。通过上述过程实现静态数据收集路由树的构建。

(7)

数据收集树在初始构建时只存在一个Sink节点，可用无穷量∞描述该节点的生存时间[10]，此时边对应的权值可通过下式计算得到

(8)

在数据收集树中加入最大权值wij对应的边，直到网络中存在的全部节点都存在于树中，完成数据收集树的构建，实现智慧能源能耗监测数据的采集。

3 数据重构

获取智慧能源能耗监测数据的采集结果后，为优化数据质量，下面对其完成重构。设存在N个满足稀疏模型的原始信号x1，x2，…，xN，可通过下述公式描述信号之间存在的相关性

(9)

式中，z1，z2，…，zN代表信号中存在的特有部分；zc代表信号中存在的公共稀疏部分。

采用DCS算法对信号x1重构时，将信号x1的测量值向量x1φ1和测量矩阵φ1作为译码端的输入，译码端中信号x2，x3，…，xN对应的输入为φ2，φ3，…，φN。

设r1，r2，…，rN代表DCS重构算法中译码端输入信号对应的初始迭代余量，其表达式如下：

(10)

对智慧能源能耗监测数据重构的具体步骤如下：

1)传感器节点在LEACH协议的基础上进行分簇，获得簇头。设置阈值T(n)，如果T(n)大于簇内节点产生的随机数，则将其作为簇头，阈值T(n)可通过下式计算得到

(11)

式中，p为有机会成为簇头的节点数量；G代表非簇头节点在前r轮中构成的集合；r代表轮数。

2)向簇头传输簇内节点中存在的信息，并通过原始测量矩阵对节点信息进行编码处理。

3)通过正交匹配追踪算法在汇聚节点中对信息进行重构处理[12]，其余信号的边信息即为所得的估计值。

4)通过边信息对监测数据编码过程进行简化处理。

5)在汇聚节点中联合重构节点中存在的能源能耗监测数据，完成智慧能源能耗监测数据的重构。

4 实验与分析

为验证智慧能源能耗监测数据网络化采集算法的整体有效性，需要对智慧能源能耗监测数据网络化采集算法进行测试。分别采用智慧能源能耗监测数据网络化采集算法(算法1)、基于Dubins曲线的无线传感网聚类移动数据采集算法(算法2)、无线传感器网络中移动节点辅助的数据采集效率优化研究(算法3)进行性能测试。

1)通信开销

设OHhier-d代表数据采集的通信开销，其计算公式如下

(12)

通信开销OHhier-d在区间[0，1]内取值，算法1、算法2和算法3的数据采集通信开销如下

根据图1中的数据可知，采用算法1对能源能耗监测数据进行采集时，经过6min后算法采集数据所用的时间不再发生变化，保持稳定，采用算法2和算法3对能源能耗监测数据进行采集时，随着时间的增长以上两种算法的通信开销不断增加，通过上述分析可知，算法1的通信开销优于算法2和算法3的通信开销，因为算法1在数据采集过程中对数据重构，消除了监测数据中存在的冗余数据，降低了数据传输量，进而降低了算法1的通信开销。

图1 不同算法的通信开销

2)时间开销

设timehier-d代表采集数据的时间开销，其计算公式如下

(13)

算法1、算法2和算法3采集能源能耗监测数据的时间开销如下

图2 不同算法的时间开销

分析图2可知，在多次时间开销测试过程中，算法1采集能源能耗监测数据的时间开销在0.5s上下波动，算法2采集能源能耗监测数据的时间开销在1.0s～1.5s内波动，最大时间开销为1.5s，采用算法3采集能源能耗监测数据时的时间开销波动较大，且高达2.0s。对比上述算法的测试结果可知，算法1采集能源能耗监测数据的时间开销最低。

3)误差

将误差作为指标进一步对算法1、算法2和算法3的整体数据采集性能进行测试，测试结果如表1所示。

表1 不同算法的数据采集误差

根据表1中的数据可知，采用算法1对不同类型的能源能耗监测数据进行采集时，误差均在0.04以内，对能源能耗监测数据的采集精度不产生影响，采用算法2和算法3对不同类型的能源能耗数据进行采集时，误差分别在0.1和0.2左右，远高于算法1的误差，会对能源能耗数据的采集精度产生影响。通过上述分析可知，算法1可精准地完成智慧能源能耗监测数据的采集。

5 结束语

作为我国支柱行业之一，建筑业在使用和建设过程中产生了大量的能源消耗。通过采集能源能耗数据可以有效地实现能源监测。提出智慧能源能耗监测数据网络化采集算法，通过在采集过程中重构能源能耗监测数据，解决了传统算法存在的问题，为节能减排措施的制定提供了相关依据。