基站蓄电池SOC估算研究与运维调度系统开发

发布时间：2021-03-04 00:37

　　在国家互联网+战略以及5G网络即将到来的大背景下,各大运营商对于移动通信基站建设数量大幅增加。而蓄电池作为基站备用电源是供电系统中的关键部分,如果在发挥作用时产生故障就会造成通信业务系统的阻断。由于通信基站具有站点环境复杂;数目巨大且分布位置广泛;无人看守等特点;而基站蓄电池作为备用电源使用时产生了较多问题,因此需要一种高效智能的基站蓄电池运维与调度系统。基站蓄电池剩余容量（SOC）监控是对基站蓄电池运维与调度的前提,因此,对蓄电池SOC进行准确估算意义重大。本文使用RBF神经网络作为蓄电池SOC的估算模型。首先引入L1/2正则化来选取适当数目的神经网络隐层节点;然后通过基于模糊理论的放缩算法提高神经网络泛化能力;接着将模拟退火算法融入梯度下降法中,从而改善了训练过程中极易产生较差的局部最优解需要大量重复训练的现象。最后介绍开发搭建的基站蓄电池运维调度系统软件和硬件,提出一种在满足基站进行紧急运维条件下,成本优化的维修站点选址以及运维调度路线算法。本文主要工作和相应内容如下:1.在使用RBF神经网络进行训练过程中,神经网络的性能取决于网络结构特别是隐层节点数。节点数过少时无法通过训练学... 

【文章来源】：广西大学广西壮族自治区 211工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图１．３传统运维方式??Ｆｉｇｌ．３?Ｔｒａｄｉｔｉｏｎａｌ?ｏｐｅｒａｔｉｏｎ?ａｎｄ?ｍａｉｎｔｅｎａｎｃｅ??

而在本文中阐述的基站蓄电池运维调度系统：也是基于对电池数据的采集；远程的终端??平台对电池数据以及基站的运行情况等信息进行综合分析；从而制定出一种合理的运维??调度方案。如图１．４为信息智能化的基站运维方式。??二＿?＼?ａｔ?ｕｆＭ??－胃＊＇?ＩＰ?＃．办财》中心??Ｉ?人?ｔｌ?守事＊Ａ?／?，，?＾??＿?７??图１．４信息化运维方式??Ｆｉｇｌ．４?Ｉｎｆｏｒｍａｔｉｏｎ?ｏｐｅｒａｔｉｏｎ?ａｎｄ?ｍａｉｎｔｅｎａｎｃｅ??１．３本文的研究工作??本文针对ＲＢＦ神经网络中隐层节点数目的选择而引入了?Ｌ１／２正则化算法，由于ＲＢＦ??祌经网络较差的泛化能力，使用基于模糊理论的放缩算法来提高网络的泛化能力。而在??使用梯度下降法进行训练时，由于随机点导致所得解极易陷入较差局部最优解，因而采??５??

列分析、数据分类、模式分析、信息优化、图像识别中。由于该网络中的输出只与几个??少数的连接权值相关，因此对于每一个新的输入数据而言需要进行调整的权值数据较少，??从而使得计算速度大大增加。如下图２．１所示为ＲＢＦ神经网络的模型图：??ｉ?Ｊ??图２．１?ＲＢＦ神经网络模型??Ｆｉｇ２．１?ＲＢＦ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｍｏｄｅｌ??对于．ＲＢＦ神经网络而言输入层到隐含层直接连接，而隐含层的作用就是要将输入??量从输入空间映射到隐含层空间上去，这个空间变化过程是非线性的。在将输入变量输??入到隐含层空间的过程中，一种被称为径向基函数的核函数被选取作为隐层祌经元的激??活函数，该径向基函数担负着作为一组输入变量“基”的职责，该函数是非线性且中心??点对称的衰减函数。如图２．２为ＲＢＦ神经网络的神经元模型结构。最后将隐含层的输??出通过线性权值加权进而输出最终结果。计算过程如下所示：??ＲＢＦ神经网络计算过程为：假设样本为《维列向量，即＾（＾＾，．．．＾＾／，故隐含层中??第个神经元（隐含层中祌经元）输出如式２－４所示。??１０??


本文编号：3062240