面向成本和负载均衡的LoRa电力物联网基站部署方法及装置与流程

本发明涉及电力物联网技术领域，具体涉及一种lora电力物联网基站部署方法及装置。

背景技术：

随着人人通话的饱和及物物连接在各行业的渗透，物联网已经成为时代不可逆转的发展潮流，相应的物联网技术在近年来得到了不断发展。其中，lora(longrangeradio)技术凭借远距离传输、百万级节点数以及0.3-50kbs的数据传输速率和低功耗、穿透能力强等优势，在物联网应用中被广泛使用。lora技术本质上是扩频调制技术，同时结合了数字信号处理和前向纠错编码技术，其意义在于首先利用扩频技术为工业产品和民用产品提供低成本的无线通信解决方案。目前，lora技术已成功应用于智慧城市、智慧园区、智能交通、智能电网等各个领域。

在智能电网领域中，lora技术在设备终端的寿命及覆盖距离等方面，与传统wifi、蓝牙、zigbee等现有技术相比具有实质性的突破改进，同时可以弥补现有技术在网络成本和终端连接数量方面的短板，为智能电网中设备监测、信息采集和计量自动化等关键环节，提供了全新的物联网技术解决方案以及新的业务发展方向。lora电力物联网通常采用lorawan网络架构，由终端和基站组成的，终端和基站之间采用无线传输，终端和物联网信息采集传感器集成一起，物联网信息流通过lora传感器终端传到基站，基站再通过光纤、微波、移动网络回传到lora服务器或物联网应用平台。在lorawan网络架构中，基站作为无线网络侧信息上行传输的汇聚节点，是建设lora电力物联网的关键设备，基站作为lora网关，使用不同的组件来支持多通道、多信号的同时调制及解调，可以兼容不同的lorawan协议。基站的部署对电力网络性能，如网络吞吐量、端到端时延等将产生重要影响。因此在lora电力物联通信解决方案中，如何实现长距离基站部署规划方法是影响物联网建设成本和网络性能的关键。

由于基站的部署成本是lorawan网络构建主要成本之一，所以如何部署减少基站部署成本在lorawan网络规划中起着至关重要的作用。现有的基站规划方法主要通过在保证通信质量的情况下减少基站数量来降低成本。主要的设计指标主要包括面向负载均衡、服务质量、故障检测等方面。但是相关技术很多局限在单一业务上，且基站设备的数目和位置也没有得到很好的规划，造成基站冗余，提高了基站部署成本，或者导致传感器设备与基站通信较远，降低了通信传输的质量。

技术实现要素：

发明目的：针对现有技术的不足，本发明提出一种面向成本和负载均衡的基站部署方法，能够在lorawan网络中满足传感器传输跳数限制和一定的网络负载均衡的前提下，使部署的基站数量最小，降低网络成本。

本发明的另一目的在于提供一种相应的面向成本和负载均衡的基站部署装置。

技术方案：根据本发明的第一方面，一种面向成本和负载均衡的基站部署方法，包括以下步骤：

根据lorawan网络中电力信息采集业务和端到端业务两种不同的通信方式，考虑跳数和负载均衡两个因素，根据基站的数量、位置以及分簇方式约束建立基站规划模型；

利用禁忌搜索算法求解规划的基站模型，得到基站的部署数目和位置。

优选地，所述建立基站规划模型包括以下步骤：

将无线传感器的部署区域划分为若干网格，每个网格内最多部署1个基站，且基站部署在网格的中心；

分析lorawan网络的两种业务在通信过程中各自的跳数限制；

根据跳数限制计算出基站覆盖的无线传感器的集合，再根据部署的基站数目计算平均每个基站服务的无线传感器的数目，建立基站部署的负载均衡度计算公式；

以最小化基站数量并保证一定程度的负载均衡度为目标，以跳数限制为约束，建立基站的规划模型。

优选地，所述基站的规划模型如下：

minimize(n+σvarw)

s.t.

hinter(i)＝hoi≤α,

hp2p(p,q)＝min{hop+hoq,hp,q}≤β

其中，n是部署的基站总数，varw表示基站部署的负载均衡度，σ为调节因子，用于消除基站数量和负载均衡因子的数量差别，hinter表示电力信息采集业务的跳数，hp2p表示端到端业务的跳数，α表示电力信息采集业务跳数限制，β表示端到端业务跳数限制，hp,q表示任意两个无线传感器之间的跳数，hoi表示任意无线传感器到其主基站的跳数，m为无线传感器数量。

所述负载均衡度的计算公式为：

其中，avgw表示平均每个基站服务的无线传感器的数目，φj表示基站oj所能覆盖的无线传感器的集合，|φj|表示集合中无线传感器数目。

优选地，所述利用禁忌搜索算法求解规划的数学模型包括以下步骤：

确定解空间为网格数l²位0/1序列的全部可能值，并选取一串随机生成的l²位0/1序列作为初始解；

以基站规划数学模型作为评价函数；

设与当前解相距k位的解空间的子集为当前解的邻域，其中0＜k＜l²，从邻域中选择若干个目标值或评价值最佳的邻居作为候选集；

从候选集中选评价函数值最小的解作为当前最优解，并放入禁忌表，若当前最优解的评价函数值比全局最优解更小，则更新全局最优解；否则，从候选集中选非禁忌对象对应的最佳状态为新的当前最优解，并放入禁忌表；

判断是否满足终止规则，若不满足则返回至计算邻域继续下一轮迭代；若满足则终止迭代，输出计算结果。

根据本发明的第二方面，提供一种面向成本和负载均衡的lora电力物联网基站部署装置，所述装置包括：

基站规划模型建立模块，用于根据lorawan网络中电力信息采集业务和端到端业务两种不同的通信方式，考虑跳数和负载均衡两个因素，根据基站的数量、位置以及分簇方式约束建立基站规划模型；

模型求解模块，用于利用禁忌搜索算法求解规划的基站模型，得到基站的部署数目和位置。

优选地，所述基站规划模型建立模块包括：

划分单元，用于将无线传感器的部署区域划分为若干网格，每个网格内最多部署1个基站，且基站部署在网格的中心；

分析单元，用于分析lorawan网络的两种业务在通信过程中各自的跳数限制；

计算单元，用于根据跳数限制计算出基站覆盖的无线传感器的集合，再根据部署的基站数目计算平均每个基站服务的无线传感器的数目，建立基站部署的负载均衡度计算公式；

模型构建单元，用于以最小化基站数量并保证一定程度的负载均衡度为目标，以跳数限制为约束，建立基站的规划模型。

优选地，所述模型求解模块包括：

启动单元，用于确定解空间为网格数l²位0/1序列的全部可能值，选取一串随机生成的l²位0/1序列作为初始解；并确定以基站规划数学模型作为评价函数；

邻域单元，设与当前解相距k位的解空间的子集为当前解的邻域，其中0＜k＜l²，从邻域中选择若干个目标值或评价值最佳的邻居作为候选集；

禁忌表单元，用于从候选集中选评价函数值最小的解作为当前最优解，并放入禁忌表，若当前最优解的评价函数值比全局最优解更小，则更新全局最优解；否则，从候选集中选非禁忌对象对应的最佳状态为新的当前最优解，并放入禁忌表；

迭代控制单元，用于判断是否满足终止规则，若不满足则返回至计算邻域继续下一轮迭代；若满足则终止迭代，输出计算结果。

有益效果：

1、本发明综合考虑lorawan网络电力信息采集业务和端到端业务不同的通信方式，提出一种新的基站规划模型，该模型以跳数为限制条件，避免转发时延过高，通信质量下降，同时兼顾负载均衡，每个基站所覆盖的无线传感器数目不会相差过大，避免了负载过高导致网络拥塞或出现闲置基站，适用于广域长距离覆盖的lorawan网络场景。

2、本发明通过规划基站的数量、位置以及分簇方式，利用禁忌搜索算法得到规划结果。算法迭代速度快，性能好。仿真实验表明，本发明的方法可以在满足跳数限制和负载均衡的条件下，能使部署的基站数目最少，有效降低网络建设成本。

附图说明

图1为本发明的lora基站部署方法流程图；

图2为本发明应用的lora混合组网示意图；

图3为本发明使用的禁忌搜索算法的流程图；

图4为本发明的基站部署装置的结构框图；

图5为根据本发明实施例的传感器数目m＝30规划示意图；

图6为根据本发明实施例的不同算法基站数目规划结果；

图7为根据本发明实施例的不同算法负载均衡度比较；

图8为根据本发明实施例的不同算法迭代运行性能比较。

具体实施方式

现在参照附图对本发明的技术方案做出进一步描述。

基站作为传感器无线网络和服务器的连接接口，在lorawan网络规划中起着至关重要的作用。为了降低网络建设成本，提高网络性能，本发明提出了一种面向成本和负载均衡的lora电力物联网基站部署方法。参照图1，方法包括以下步骤：

步骤s100、根据lorawan网络中电力信息采集业务和端到端业务两种不同的通信方式，考虑跳数和负载均衡两个因素，根据基站的数量、位置以及分簇方式约束建立基站规划模型。

基站部署数量越少，成本越低，但是基站的数量不能无限制减少，其部署数量会受到两个限制因素的调节。一方面，基站部署的数量会影响lorawan网络的电力数据采集业务和端到端业务通信时的跳数，而跳数会影响通信质量，数据传输时经过的跳数过多，会导致转发时延过高，通信质量下降，所以基站的部署中要考虑跳数限制；另一方面，假设每个无线传感器的负载相同，基站的负载主要由其覆盖的传感器数量决定，每个基站所覆盖的无线传感器数目如果相差过大，一些基站将负载过高，导致网络拥塞，而另一些基站却会被闲置，使资源被浪费，只有每个基站的负载均衡性得到保证，才能保证合理的资源配置和良好的通信质量，因此负载均衡也应该作为基站部署的限制条件。以跳数限制和一定负载均衡为限制条件，本发明提出基站规划的数学模型。

目前经典lora组网主要采用星型组网模式和混合组网模式，由于混合组网模式可以通过无线多跳传输，具有更灵活、覆盖范围更广的特性，因此本发明主要针对lora混合组网模式，如图2所示。在lora混合组网模式中，远离基站的传感器终端节点采用mesh组网方式。终端节点可采集监测数据，同时传感器节点自身具有路由功能，可转发来自相邻节点的数据包，节点之间构成了多条路径形成的网状网，用lorawan通信协议传输至附近的基站节点并向基站发送。然后，由各个基站节点汇聚数据传输至网络服务器，基站按需通过光纤或无线公网与服务器通讯，考虑到光纤传输带宽更高、可靠性更好，本发明采用的lora网络架构后端基站到服务器的连接为光纤传输。

确立基站规划数学模型具体的步骤如下：

步骤s101、将无线传感器的部署区域进行划分，并将该区域划分为网格，网格内最多部署1个基站，且基站只能部署在网格的中心。

在给定区域随机部署m个无线传感器，并将该区域划分为l×l的网格，每个网格内最多部署1个基站，且基站只能部署在网格的中心。将m个无线传感器用wi表示，其中i∈(1,2,...,m)，需要部署的基站个数为n，用oj表示，其中j∈(1,2,..,n)。基站可以在一定跳数限制内和若干无线传感器建立通信连接，每个无线传感器至多选取一个基站作为其通信的主基站，有相同主基站的无线传感器构成一个集合φj，φj＝{wi,i∈(1,2,...,m)}。任意两个无线传感器之间的跳数用hp,q表示，任意无线传感器到其主基站的跳数用hoi表示，其中p,q,i∈(1,2,...,m)。这里网格化处理是按照面积均分，相当于把待规划区域进行了坐标轴化，便于位置确定。

步骤s102、分析lorawan网络的两种业务在通信过程中各自的跳数限制。

lorawan网络两种主要的业务模型分别是电力信息采集业务和端到端业务通信。电力信息采集业务通信传输方式是将数据包通过无线传感器多跳网络传送到其主基站，再通过光纤传输到服务器，进一步地由服务器传输到主干网络；而端到端业务有两种传输方式，一种是只经由无线多跳网络将数据包转发到另一个无线终端，另一种是通过无线多跳网络经由光网络，再由光网络将数据包转发到对应无线多跳网络，最后到达目的终端。考虑到光纤通信速率远远大于无线节点之间通信的速率，电力信息采集业务和端到端业务的时延主要取决于无线多跳网络中包的转发时延。而转发时延又和跳数有关，因为如果数据传输时经过的跳数过多，数据包被无线节点多次转发，则会导致转发时延过高，通信质量下降。所以需将数据包经过的跳数控制在某个值之内。将电力信息采集业务、端到端业务的跳数分别用hinter和hp2p表示，二者的跳数限制分别用α，β表示。电力信息采集业务的跳数为无线传感器到其主基站的跳数，即

端到端业务会选择上述两种传输方式中跳数较少的进行通信，即

步骤s103、进一步地考虑基站的负载均衡。

根据以上两种业务的跳数限制，可以计算出基站oj所能覆盖的无线传感器的集合：

假设每个无线传感器的负载相同，考虑负载均衡，每个基站所覆盖的无线传感器数目不能相差过大，避免负载过高导致网络拥塞或出现闲置基站。φj为第j个基站覆盖的无线传感器集合，因此|φj|表示其所服务的无线传感器数目，部署的基站总数为n，平均每个基站服务的无线传感器的数目为：

用下式来衡量基站部署的负载均衡度，varw值越小，负载均衡度越高。

步骤s104、确立数学模型。

本发明以分簇的思想来构建基站模型，这里的簇是以单个基站为中心的无线传感器集合，并且将所有无线传感器全部无遗漏且无重复地划分到所有的簇中。每个簇内部署一个基站作为簇内无线传感器的主基站，在一定跳数限制下，使得所有无线传感器以及无线传感器与基站之间可以正常通信。哪些无线传感器归属于哪一个基站的簇内，二者形成了分簇方式，这个分簇体现了基站的数量和位置，簇的个数就是所需基站的数量，那么确定基站位置就相当于如何以最少的基站数量n并保证负载均衡来全覆盖无线传感器。因此本发明的问题模型可归纳为在不超过最大跳数约束下，最小化所需基站并保证一定程度的负载均衡，数学模型如下：

minimize(n+σvarw)(6)

s.t.

hinter(i)＝hoi≤α,

hp2p(p,q)＝min{hop+hoq,hp,q}≤β

其中，σ是一个调节因子，以消除基站数量和负载均衡因子的数量差别，并且可以控制基站数量和负载均衡度这两个优化目标的影响程度，可以根据不同的需求进行相应的调整。

步骤s200、利用禁忌搜索算法求解规划的数学模型，得到基站的部署数目和位置。

本发明采用禁忌搜索算法求解lorawan网络中基站规划数学模型。首先确定解空间并设定初始解，将规划区域划分为网格，用0/1序列表示基站在每个网格的部署状态。然后用基站规划数学模型确定评价函数。之后选取邻域和候选集合确定解的可选对象，然后设定禁忌规则，使这些对象进行t次迭代，之后更新最优解，最后根据终止规则停止迭代。具体步骤如下：

步骤s201、确定解空间并设定初始解。

根据上述s101中的网格划分结果，因为已将规划区域划分为l×l的网格，并限定基站只能部署在网格中心，因此可用l²位0/1序列来表示基站的在每个网格的部署状态，1表示此网格部署基站，0表示此网格没有部署基站。问题模型的解空间则为l²位0/1序列的全部可能值，选取一串随机生成的l²位0/1序列作为初始解。例如，某网络被划分为了4×4的网格，初始解{1001001001000010}表示网格编号为1,4,7,10,15的位置部署了基站。

步骤s202、确定评价函数。

评价函数是对解空间中的元素进行选取的一个评价公式，本发明选取目标函数，即公式(6)作为评价函数，评价函数值越小，代表所需基站数量以及负载均衡度越好，当前解的评价值越佳。

步骤s203、选取邻域和候选集合。

邻域是解空间的子集，由当前解的若干邻居组成。本发明设定了邻域与当前解之间的最大距离，用k表示，0＜k＜l²。任意选取当前解的k'位作取反运算，其中0＜k'≤k，得到的集合作为当前解的邻域。候选集合由邻域中的邻居组成，常规的方法是从邻域中选择若干个目标值或评价值最佳的邻居入选。

步骤s204、设定禁忌规则。

禁忌算法中，由于要避免一些操作的重复进行，就要将一些元素放到禁忌表中以禁止对这些元素进行操作，这些元素成为禁忌对象，并设定一个禁忌长度t，使被禁对象在t次迭代内不允许被选取，每迭代一步，该项指标做t-1运算，直到t＝0时解禁。禁忌长度的选取可以有多种方法，本发明选取其中|u(f1)|为邻域中邻居的个数。

本发明中禁忌对象是当前已获得的局部最优解，不一定是全局最优的，因为算法不以局部最优作为停止准则，因此把当前获得的局部最优记录作为禁忌对象，避免陷入局部最优的循环。

步骤s205、确立更新最优解的方式。

在候选集合中选取评价值最佳，即评价函数值最小的解作为当前最优解(“bestsofar”)，并把当前解放入禁忌表。需要注意的是，若某个候选禁忌解的适配值优于“bestsofar”状态，则无视其禁忌属性，将此候选解作为新的“bestsofar”状态，并放入禁忌表。以上操作称为禁忌搜索算法的特赦准则，该准则可理解为算法搜索到了一个更好的解。若当前最优解的评价函数值比全局最优解更小，则更新全局最优解。

步骤s206、确定终止规则。

终止规则可以保证算法具有优良时间性能，通常有几种选取原则，例如最大迭代步数原则、频率控制原则、目标控制原则等。本发明选取的终止准则是，若在一个给定步数内，当前最优值没有变化，可终止计算。

本发明实现了基于禁忌搜索算法的基站规划方法(tabu-searchbasedbasestationplanningmethod，tbspm)，其步骤描述如表1所示，详细步骤见图3。该方法具有以下优点：(1)其基本思想避免了在搜索过程中的循环；(2)通过禁忌表实现只进不退的原则，避免迂回搜索，使得结果不断向更优的方向走；(3)不以局部最优作为停止准则，不在禁忌表中的较好解都可以作为下一次迭代的初始解，保证搜索结果全局最佳；(4)邻域选优的规则模拟了人类的记忆功能，保证算法效率。

表1基于禁忌搜索算法的基站规划方法(tbspm)

根据求解结果即可确定最终需部署的基站数目和部署位置。

图4示出了本发明的基站部署装置的结构框图，如图所示，该基站部署装置包括：基站规划模型建立模块10，用于根据lorawan网络中电力信息采集业务和端到端业务两种不同的通信方式，考虑跳数和负载均衡两个因素，根据基站的数量、位置以及分簇方式约束建立基站规划模型；以及模型求解模块20，用于利用禁忌搜索算法求解规划的基站模型，得到基站的部署数目和位置。

在具体实施时，基站规划模型建立模块10可以包括：

划分单元11，用于将无线传感器的部署区域划分为若干网格，每个网格内最多部署1个基站，且基站部署在网格的中心；

假设在给定区域已经随机部署了m个无线传感器，用wi表示，其中i∈(1,2,...,m)。设需要部署的基站个数为n，用oj表示，其中j∈(1,2,..,n)。基站可以在一定跳数限制内和若干无线传感器建立通信连接，每个无线传感器至多选取一个基站作为其通信的主基站，有相同主基站的无线传感器构成一个集合φj，φj＝{wi,i∈(1,2,...,m)}。划分单元11根据部署区域的面积分布，将该区域划分为l×l的网格，每个网格内最多部署1个基站，且基站只能部署在网格的中心。这样相当于把待规划区域进行了坐标轴化，便于位置确定。

分析单元12，用于分析lorawan网络的两种业务在通信过程中各自的跳数限制；

电力信息采集业务的跳数为无线传感器到其主基站的跳数，即

端到端业务会选择上述两种传输方式中跳数较少的进行通信，即

其中hinter和hp2p分别表示电力信息采集业务、端到端业务的跳数，α、β分别表示二者的跳数限制，hp,q表示任意两个无线传感器之间的跳数，hoi表示任意无线传感器到其主基站的跳数，p,q,i∈(1,2,...,m)。

计算单元13，用于根据跳数限制计算出基站覆盖的无线传感器的集合，再根据部署的基站数目计算平均每个基站服务的无线传感器的数目，建立基站部署的负载均衡度计算公式；

根据分析单元12得到的以上两种业务的跳数限制，计算单元13可以计算出基站oj所能覆盖的无线传感器的集合：

φj为第j个基站覆盖的无线传感器集合，因此|φj|表示其所服务的无线传感器数目，部署的基站总数为n，平均每个基站服务的无线传感器的数目为：

建立负载均衡度计算公式如下，用来衡量基站部署的负载均衡性，varw值越小，负载均衡度越高：

模型构建单元14，用于以最小化基站数量并保证一定程度的负载均衡度为目标，以跳数限制为约束，建立基站的规划模型，如下：

minimize(n+σvarw)(12)

s.t.

hinter(i)＝hoi≤α,

hp2p(p,q)＝min{hop+hoq,hp,q}≤β

其中，σ是一个调节因子，可以用于消除基站数量和负载均衡因子的数量差别，并且可以控制其影响程度。

根据基站规划模型建立模块10得到的基站规划模型，模型求解模块20利用禁忌搜索算法进行求解，得到基站的部署数目和位置，该模型求解模块20可以包括：

启动单元21，用于确定解空间为网格数l²位0/1序列的全部可能值，选取一串随机生成的l²位0/1序列作为初始解；并确定以基站规划数学模型作为评价函数；

邻域单元22，设与当前解相距k位的解空间的子集为当前解的邻域，其中0＜k＜l²，从邻域中选择若干个目标值或评价值最佳的邻居作为候选集；实施例中邻域的确定方法为：任意选取当前解的k'位作取反运算，其中0＜k'≤k，得到的集合作为当前解的邻域；

禁忌表单元23，用于从候选集中选评价函数值最小的解作为当前最优解，并放入禁忌表，若当前最优解的评价函数值比全局最优解更小，则更新全局最优解；否则，从候选集中选非禁忌对象对应的最佳状态为新的当前最优解，并放入禁忌表；实施例中禁忌表的禁忌长度为：其中|u(f1)|为邻域中邻居的个数；

迭代控制单元24，用于判断是否满足终止规则，若不满足则返回至计算邻域继续下一轮迭代；若满足则终止迭代，输出计算结果；实施例中的终止规则为：当在给定步数内当前最优值没有变化时，终止计算。

下面以两个仿真实验验证本发明提出的模型及求解算法的效果。

实验中，给定在200m×200m大小的lorawan网络中部署基站，无线传感器的个数依次设定为30，50，100，无线传感器在给定区域内随机放置。无线传感器、无线传感器到基站传输距离的最大值为50m，最大跳数为2。以lorawan网络中初始无线传感器个数m＝30举例，将网络区域划分为4×4的网格，运用上述tbspm方法，得到的规划结果如图5所示，可知在此场景下需要的基站的个数为4，基站的坐标和每个基站所覆盖的无线传感器的集合如表2所示，负载均衡度为0.25，取调节因子σ＝5，由公式(6)可得评价函数值为5.25。继续取无线传感器个数m＝50和m＝100，每种部署场景分别执行本发明算法100次，对各项指标取平均值，规划结果如表3所示，可以看出部署传感器数目不同的条件下，规划结果的负载均衡值均小于0.7，说明本发明算法可以在不同部署场景下保证规划的负载均衡。

表2传感器个数m＝30规划结果

为进一步验证本发明提出的基于禁忌搜索的基站规划算法，在另一个实施例中进行了与随机搜索算法和传统遗传算法的对比实验，实验结果如图6-7所示。由图6可以看出，在部署30、50、100个无线传感器的场景下，本发明算法相较于随机搜索算法和传统遗传算法，最终都可使部署的基站数目最少。由图7可以看出，在三种部署场景下，本发明算法的负载均衡度均小于1，而其它两种算法的负载均衡度较差。为验证本发明算法的迭代性能，与贪婪算法和传统遗传算法进行了对比，实验结果如图8所示。由公式(6)可知，本发明规划的目标是使评价函数值降到最低，对比发现，贪心算法的迭代速度最慢，且最终得到的规划结果不是最优，传统遗传算法虽迭代速度较快，但评价函数结果不如本发明算法。

表3不同数量传感器规划结果

综上所述，本发明提出的基于禁忌搜索的基站规划算法可以在lorawan网络规划中部署基站，可以使基站数目最少，同时兼顾负载均衡，算法迭代速度快，性能好。