油气物联网高效能耗算法研究.pdf

May2023Journal of JilinUniversity(Information Science Edition)2023年5月No.3Vol.41吉林大学学报（信息科学版）第3 期第41卷文章编号：16 7 1-58 96(2 0 2 3)0 3-0 539-0 6油气物联网高效能耗算法研究刘苗，霍卓苗，孙振兴（1.东北石油大学秦皇岛校区电气信息工程系，河北秦皇岛0 6 6 0 0 4；2.东北石油大学物理与电子工程学院，黑龙江大庆16 3318)摘要：针对油气物联网中无效能量消耗和网络寿命短等问题，提出了一种新的数据筛选和融合算法。该算法通过分析数据与正常数据的偏离程度自适应地判断数据的异常程度，对数据进行簇内筛选和簇间融合，避免了网络信息的余以及能量的过度消耗。实验结果表明，与传统方案相比，该方案能有效改善油气物联网的通信质量和能耗效率。关键词：油气物联网；自适应算法；能耗算法；效率优化中图分类号：TP393文献标志码：AResearch on Efficient Energy Consumption Algorithm for Oil and Gas IoTLIU Miao,HUO Zhuomiao,SUN Zhenxing(1.Department of Electrical Information Engineering,Northeast Petroleum University-Qinhuangdao,Qinhuangdao 066004,China;2.School of Physics and Electronic Engineering,Northeast Petroleum University,Daqing 163318,China)Abstract:A new data filtering and fusion algorithm are proposed for the problems of inefective energyconsumption and short network lifetime in oil and gas IoT(Internet of Things).This algorithm can adaptivelyjudge the degree of data abnormality,filter and fusion data,avoiding redundant network information andexcessive energy consumption.The algorithm adaptively determines the abnormality of the data by judging thedeviation degree between the monitoring data and the normal data,performs intra-cluster filtering and inter-cluster fusion on the data.Compared with the traditional scheme,the proposed scheme can effectively improvethe communication quality and energy consumption efficiency of oil and gas IoT.Key words:oil and gas internet of things(loT);adaptive algorithm;energyconsumption algorithm;efficiency optimization0引言目前物联网（IoT：In t e r n e t o f T h i n g s）已成为一种重要的网络范式，可实现物理对象之间的通信，其基于许多异构设备之间的交互，通过大量新服务将会彻底改变人们的生活和工作方式 2 。物联网的出现使生活中存在的各种事物或物体，能彼此互动，并与其邻居合作以达到共同的目标 3。随着越来越多无线设备的使用，人们对无线电频谱的需求不断增加。认知无线电技术被用于解决频谱稀缺问题，引起人们的广泛关注 4。在认知无线电网络中，通信设备能自适应地改变其传输和接收特性，从而有效利用稀缺的网络资源 5。随着认知无线电和物联网的不断发展，基于认知无线电的物联网会通过对周围世界的理解进行学习，思考和决策，将成为未来社会的必然选择 6-7 。而降低无线传感器网络的功耗一直是收稿日期：2 0 2 3-0 8-2 5基金项目：黑龙江省自然科学基金资助项目（LH2022F004）作者简介：刘苗（198 0 一），女，乌鲁木齐人，东北石油大学教授，博士生导师，主要从事油气认知物联网研究，（Tel）8 6-18603379341(E-mail)lm_jlu 。540吉林大学报（信息科学版）第41卷无线传感器网络设计的关键问题 8 ，为此人们提出了能量采集概念。由于时间和空间的变化，能量采集实际上是不足的 9，人们又提出能源管理方案，目的在于有效利用收集的能量。传感器节点的有限资源限制了无线传感器网络的性能 10 。能量是制约网络性能最主要的因素之一。当传感器节点部署在环境恶劣，人力无法到达的区域时，不可能完成大范围更换节点的电池任务。因此，对传感器网络能量进行有效管理是实现油气物联网性能优化的最大挑战 11。如何减少传感器节点能量消耗和延长网络寿命是油气物联网协议研究的中心问题。低能耗自适应聚类算法利用簇头的随机轮换，在网络中的传感器之间均匀地分配能量负荷 12 。近期人们引入了数据融合技术进一步实现网络能量的节约 13，并提出一种基于双簇头的聚类方法和数据嫡的数据融合方法 14。为了更好地解决油气物联网的能耗问题，笔者从多角度进行优化以缓解能量消耗。1系统模型1.1网络模型油气管道呈近似线性部署，因此传感器的布置也应遵循相应的线性分布规律，如图1所示。如果集群1直接将数据传输到基站，将消耗大量能量，导致节点能量消耗过多，其剩余能量无法保证数据的正常上传，从而不能及时监测异常情况，造成不必要的损失或灾难。因此，为节省能量消耗并确保数据的及时传输，需要对油气物联网进行簇群管理，并选择合适的簇成员节点（CMs：C lu s t e r M e m b e r No d e s）和簇头节点（CH：Cl u s t e r H e a d）。CH 负责收集CMs的数据并上传至中继节点，并由中继节点将数据传输到基站，这可缩短单次传输的距离，节省数据传输的能量消耗。在簇群中，CH负责收集/转发数据，CMs负责环境监测、数据处理以及数据传输等。由于油气物联网的特殊性，无法按照传统方法进行建簇，因此笔者以适当长度的管道为建簇基础进行簇群的建立。CH O CMsO集群1集群2油气管道基站油气管道图1油气物联网网络模型图Fig.1Model diagram of oil and gas IoT network1.2通信模型笔者使用CSMA/CA（Ca r r i e r Se n s e M u l t i p l e A c c e s s w i t h Co l l i s i o n A v o i d a n c e）协议进行信道接入，为避免CMs上传数据的碰撞和等待阶段的能量浪费，采用了由CH发起的数据传输。当CH处于空闲期，其会定期广播一个信标，向CMs宣布准备接收传入的数据包。所有节点都具有认知功能，利用认知无线电技术，节点智能识别信标，避免多个节点同时进行数据传输而发生碰撞。数据传输模式：当CMs需要传输数据时向CH发送RTS信息，当CH准备接收数据时向需要传输数据的CMs发送CTS信息，在CMs接收到CTS信息后开始传输数据，当CH完成数据接收后向上传输数据的CMs发送ACK信息表示数据接收完成。CH发送的ACK信息具有双重作用：1）告诉发送节点已正确接收信息；2）告诉其他节点，数据接收已经完成，开始接收下次数据传输1.3能量采集模型油气运输管道通常部署在人迹罕至或者自然条件恶劣的区域，导致人工对管道的监测和巡检变得异常困难，更换传感器电池也难以实现。为延长传感器节点的寿命，规定传感器节点具有无线能量采集能力，并且假设节点在任意时刻都能够进行无线能量采集。节点能量采集的方式是射频能量采集，其效率设置为50%，公式为 15g.g.y2EH=P,T,(1)(4md其中E表示采集节点在采集时间T内采集的能量，P,表示RF能量发射器发送功率；g，和g，分别表示发射器与采集传感器节点天线增益；d表示采集节点与发射器之间的传输距离；表示发射器发送RF刘苗，物联网高效能耗算法研究第3期541信号波长，表示路径损失指数，表示采集节点的采集效率。1.4数据传输能耗模型如图2 所示 16 ，发送能耗和接受能耗计算公式如下：送能耗和接收能耗，能耗模型如图2 所示 16 ，发送能数据能耗模型包括发送能耗和接收能耗，能耗模型女Ern(k,d)=Eeleh+8amphd,(2)Er(k)=Eelek,(3)其中E（k,d）表示发送数据时的能耗，E（k）表示接收数据时的能耗，Eelec表示传感器节点发送/接收每比特数据的能量消耗，8 am,表示放大电路的放大系数，k表示数据大小，d表示节点之间的传输距离，Er.(k,d)Er:(k)kbit数据kbiti数据发射电路功率放大器接收电路一EelekCampkdEeleck图2数据传输能耗模型Fig.2Consumption model of data transmission energy一个节点向另一个距离为d的节点发送kbit数据所消耗的能量如下 17 ，Efd，d do,+E(k.d)elec=k(4)Empd,d do,elecnndo=8fs/(5)m2,d do,n：(6)4,d WEcH.i,=3,(7)其中Eth,re表示CH的剩余能量，EcH,表示CH节点正常工作一次消耗的能量。当CH确定后，设置任期R，在任期内，簇群不选择新的CH，在任期结束后或在任期内簇头能量耗尽时，重新选择CH。任期由剩余能量决定。任期R为Eih.resR=EcHi(8)O笔者规定当剩余能量大于值时，节点才有资格当选CH，当剩余能量小于阈值时节点处于休眠期。而在CH任期结束后，无论剩余能量是否高于Eth.CH，CH 都将进人休眠模式。2网络能耗算法优化2.1筛选规则油气物联网是由大量传感器节点组成的多跳自组织网络，如何在能量受限的传感器节点中实现复杂的数据监测和信息上传是油气物联网函需解决的问题。因此，设计一种即能保证数据准确传输又能节省能量的高效数据传输方案，以此降低网络能耗是非常必要的。数据筛选方案是一种很有潜力的解决此类问题的有效方案。笔者使用Z-score18处理方法，如下：Z=(x-u)/g,(9)其中x表示原始数据，u表示正常的监测数据的均值（为定值），表示标准方差。Z表示原始数据偏离542第41卷吉林大学学报（信息科学版）均值的距离，该距离度量的标准是标准方差计算如下：Gcrdeijx-uIZI=(10)二其中Gcre,表示第i个集群、第j个节点中数据的偏离程度。使用3原则，监测数据与标准监测数据偏差超过3为异常数据。GGrde；越大表示数据越重要，因为其表示检测环境可能出现了异常情况。2.2融合规则笔者采用数据层融合，在传感器采集的原始数据层上进行数据综合、分析与融合。在减少单个传感器几余数据传输的基础上，笔者采用数据融合技术将CH收集的数据进行融合，以此避免余数据的长距离传输。数据融合机制框图如图3所示。传感器节点将监测数据上传到CH，C H 通过融合机制仅上传一组数据至中继节点节点采簇头收数据簇内数簇间数数据中继节点集数据集数据融合据融谷据融谷上传中继数据图3数据融合机制Fig.3Data fusion mechanism在油气物联网监测环境中传感器会收集不同的物理量，例如温度、湿度和压力等。传感器节点的数据用X,=X,1,X,2，,Xi,表示，传感器数据的重要等级用Yi，=Yi，Yi 2，,Yi.,表示，其中i表示传感器的类别，n表示数据的个数。数据融合方案包括簇内数据融合和簇间数据融合两方面。簇内数据融合。CMs将收集的监测数据Xi,n上传至CH，并标明每个数据的Yi,n。CH 在完成数据收集后将数据进行分类，选出每个类别中具有最大Y，的数据。CH将这组数据的Y，进行比较，选出最大的Y，作为数据包的重要等级：T=max(YYi.1,Yi.2,.,Yi,(11)nD=(X.1,Xi2,(12)T其中Ty，表示同一类别传感器中Y，最大的值，并将具有最大Y，的不同传感器的数据组成一组数据，随后封装数据上传至中继节点。选取这组数据中最大的Tyi作为封装数据的重要等级。簇间数据融合。中继簇头在完成簇内数据融合后，将簇内融合数据和簇外融合数据进行对比选择出具有最大的数据包（PacketAnomaly，PA）进行上传。并且每个CH在工作期间只上传必要的数据，自动过滤允余数据或无用数据。为避免重要数据的丢失，设置重要等级阈值，如果PA大于阈值无须融合直接上传，如果全部大于阈值则全部进行上传。重要等级的阈值D如下：Dih=3L GijJ,(13)其中如果PADth，则CH进行数据上传，如果PDh，则CH进行数据融合后再上传。算法的复杂度主要由簇群的数量和规模决定。计算复杂度主要为计算数据的传输能耗、判别数据重要性以及进行数据融合。每个簇群由n个传感器节点组成，所以时间复杂度和空间复杂度均为O（n）。3仿真分析笔者采用Matlab2018a版本作为仿真平台，对提出协议的网络性能进行评估，同时提出数据筛选和数据融合机制，对数据进行处理后再进行上传，减少数据的传输次数，节省节点能耗。为证明笔者方案的仿真效果，与EEM（En h a n c e d En e r g y M a n a g e me n tscheme in energy harvesting wireless sensor networks)算法和 EB-LEACH（En e r g y Ba l a n c e d Lo w En e r g yAdaptiveClusteringHierarchy）算法进行仿真对比，结果如图4所示。6笔者方案*EEMEB-LEACH54320048121620节点图4在50 0 0 顿数时网络节点的剩余能量Fig.4The residual energy of the nodes at5 000 frames index刘苗，等：油气物联网高效能耗算法研究第3 期543在50 0 0 顿时，网络运行至后期，EB-LEACH算法能量趋于耗尽，剩余能量维持在110 12101nJ之间浮动，网络节点除个别节点处于工作期，其余节点几乎全部处于休眠期，网络停止工作。EEM算法剩余能量维持在2.510 1 3.510 1nJ之间浮动，有些节点能量低于310 1nJ处于休眠期。笔者方案节点的剩余能量处于3.510 1 4.510 1nJ之间浮动，节点全部在工作期。笔者算法的剩余能量分别比EEM算法和EB-LEACH算法平均高2 6%和50%，工作节点数也高于EEM算法和EB-LEACH算法。4结语对油气物联网，能量消耗是一个关键因素，其决定节点是否正常工作，进而影响整个网络正常运行。针对能量的无效消耗，笔者提出了数据筛选和数据融合算法，该算法避免了穴余数据传输造成的能量浪费，同时也避免了重要数据不能及时传输等情况的发生，在保证节点和网络正常运行的前提下，延长了节点和网络的寿命。仿真结果显示相比与其他算法，笔者算法能在保障数据实时性传输的同时有效减少网络的能量消耗，延长了网络寿命。参考文献：1JEL-MOUGY A,IBNKAHLA M,HATTAB G,et al.Reconfigurable Wireless Networks J.Proceedings of the IEEE,2015,103(7):1125-1158.2 JPALATTELLA M R,DOHLER M,GRIECO A,et al.Internet of Things in the 5G Era:Enablers,Architecture,and BusinessModels J.IEEE Journal on Selected Areas in Communications,2016,34(3):510-527.3ATZORI L,IERA A,MORABITO G.The Internet of Things:A Survey J.Computer Networks,2010,54(15):2787-2805.4 JLIU M,YU D,HUO Z M,et al.Research on SSDF Attack Detection Algorithm in Cognitive Internet of Things J.Telecommunacation Systems,2021,1(1):1-7.5 JLIU M,HE QING,HUO Z M,et al.Genetic Algorithm-Based Hybrid Spectrum Handoff Strategy in Cognitive Radio-BasedInternet of Things J.Telecommunication Systems,2022,80(2):215-226.6 JKHAN A A,REHMANI M H,RACHEDI A.Cognitive-Radio-Based Internet of things:Applications,Architectures,Spectrum Related Functionalities,and Future Research Directions J.IEEE Wireless Communications,2017,24(3):17-25.7JLIU M,SUN Z,LIU Y,et al.The Optimization Algorithm for Cr System Based on Optimal Wavelet Filter J.WirelessCommunications and Mobile Computing,2019,1(1):1-7.8 JBEHERA T M,MOHAPATRA S K,SAMAL U C,et al.Residual Energy-Based Cluster-Head Selection in WSNs for IoTApplication J.IEEE Internet of Things Journal,2019,6(3):5132-5139.9 JBABAYO A A,ANISI M H,ALII.A Review on Energy Management Schemes in Energy Harvesting Wireless Sensor NetworksJ.Renewable and Sustainable Energy Reviews,2017,76:1176-1184.10JSTANKOVIC J A.Research Directions for the Internet of Things J.IEEE Internet of Things Journal,2014,1(1):3-9.11JRAWAT P,SINGH K D,BONNIN J M.Cognitive Radio for M2M and Internet of Things:A Survey J.ComputerCommunications,2016,94:1-29.12刘苗，钟晓曦，孙振兴，等。基于能量采集的油气物联网非均匀分簇算法J吉林大学学报（信息科学版），2 0 2 2，40(3):333-338.LIU M,ZHONG X X,SUN Z X,et al.Non-Uniform Clustering Algorithm for Oil and Gas IoT Based on Energy HarvestingJ.Journal of Jilin University（I n f o r m a t i o n Sc i e n c e Ed i t i o n),2 0 2 2,40(3):333-338.13JWANG J,GAO Y,LIU W,et al.An Intelligent Data Gathering Schema with Data Fusion Supported for Mobile Sink inWireless Sensor Networks J.International Journal of Distributed Sensor Networks,2019,15(3):1-7.14 JESUDURAI S A,SENTHILKUMAR A.An Improved Energy Efficient Cluster Head Selection Protocol Using the DoubleCluster Heads and Data Fusion Methods for IoT Applications J.Cognitive Systems Research,2019,57:101-106.15JLU X,WANG P,NIYATO D,et al.Wireless Networks with RF Energy Harvesting:A Contemporary Survey J.IEEE责任编辑：张洁）第41卷吉林大学学报（信息科学版）544Communications Surveys&Tutorials,2014,17(2):757-789.16JHEINZELMAN W B,CHANDRAKASAN A P,BALAKRISHNAN H.An Application-Specific Protocol Architecture forWireless Microsensor Networks J.IEEE Transactions on Wireless Communications,2002,1(4):660-670.17JHEINZELMAN W R,CHANDRAKASAN A P,BALAKRISHNAN H.Energy-Efficient Communication Protocol for WirelessMicrosensor Networks C/Proceedings of the 33rd Annual Hawai International Conference on System Sciences.S.1.:IEEE,2000,10:1-7.18JAL SHALABI L,SHAABAN Z,KASASBEH B.Data Mining:A Preprocessing Engine J.Journal of Computer Science,2006,2(9):735-739.