基于云模型RBF 支持向量机的电力物联网云边通信网络结构拓扑分析

曹东梅

引言

数据的多点分布构成的网络结构已经形成拓扑网络结构，其结构状况的好坏直接决定电力系统能否健康运行，因此其分析方法的准确度尤为重要[1-2]。在网络云边通信计算方面，云边动态数据参量与拓扑链路非线性分布数据难以统一参量转换，无法按照同一指标进行处理分析，最终导致整体分析结果出现较大误差[3-4]。基于上述问题，有必要进行基于云模型RBF支持向量机的电力物联网云边通信网络结构拓扑分析。

一、云边网络拓扑分析

（一）云模型建立

图1 云模型结构

（二）RBF支持向量机优化

根据拓扑网络结构分析趋向及其云模型的不确定性与模糊性，多采用收敛值域范围较宽、维度适应性好的径向基核函数。确定核函数属性后，对其核函数优化性能取决于惩罚参数与的选取，即惩罚系数的选取过程可视为RBF支持向量机优化过程，具体过程如下：

（三）通信网络拓扑结构优化

为了进一步确定拓扑网络结果状态属性，提升网络拓扑结构评估精度，对其进行进一步优化，根据不同拓扑结构属性的云边模型系数，对其进行逐一优化，具体步骤如下：

1.根据云边网络结构层级关系，各层级拓扑结构属性进行期望值计算，得到：

变换约束条件为：

Lagrange乘子满足条件：

由于优化目标为提升网络拓扑结构分析精准度，因此将目标准确率作为SVM参数优化目标函数，得到更新优化参量后的问题目标函数为：

优化输出约束条件为：

到此，提出的云边网络通信拓扑结构分析优化过程全部计算完毕。

二、应用测试

利用仿真工具模拟拓扑网络结构，由云网络提供云边算力，以1台商用路由器作为网关，创建一个小型电力物联网云边通信网络拓扑结构。在其结构环境下完成提出方法拓扑结构分析精准度评估测试。

（一）设置测试条件

测试采用仿真工具Opnet进行场景模拟搭建，配合真实场景网关设备。

为避免多层结构中扰动系数对测试的影响，将拓扑结构层级数设定为3层，二级结构上分别接入云网络，以此模拟云边算力，测试网络环境的链路为300MB，其仿真模型的具体参数如表1所示。

表1 测试环境样本参量

（二）提出方法测试数据获取

将提出方法接入仿真测试环境，并对测试拓扑网络进行结构数据分析，由仿真测试工具Opnet对其动作数据进行记录，生成提出方法的拓扑网络状况分析数据，如表2所示。

表2 提出方法的拓扑结构网络状况分析数据

由表2数据可以看出，提出方法所得数据与表1中的测试数据之间的整体误差较小，满足预期。

（三）数据分析稳定性测试

验证提出方法的准确性与有效性后，为了保证方法能够稳定长效应用于实际场景，对其进行数据连续性压力测试，测试数据环境采用上述测试参量，按照100ms的频率对其进行数据释放，在不考虑数据总量的情况下，连续记录12小时的方法性能曲线，如图2所示。

由图2数据可以看出，经过云模型RBF支持向量机优化后的电力物联网云边通信网络拓扑结构分析方法，各项指标能够支持对其作出稳定性通过结论，且各项指标数据符合客观性与可靠性要求。

结束语

从拓扑网络结构入手，利用云模型的不确定性问题优化能力与RBF支持向量机非线性优化特征，共同解决现有电力物联网云边通信网络拓扑结构分析方法存在的误差问题，并取得较好的优化效果，为拓扑结构网络的深度分析与研究，提供了多元化处理方案。