CN118316875B - 考虑链路状态的电力物联网流量的控制方法与装置 - Google Patents

Abstract

本申请提供了一种考虑链路状态的电力物联网流量的控制方法与装置，该方法包括：确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与第i条信道级联阻塞概率；根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。该方法可以确定发生链路和信道级联阻塞时流量的控制量，为保障网络系统调度和运行提供理论指导。

Description

考虑链路状态的电力物联网流量的控制方法与装置

技术领域

本申请涉及电力系统及其自动化技术领域，具体而言，涉及一种考虑链路状态的电力物联网流量的控制方法、考虑链路状态的电力物联网流量的控制装置、计算机可读存储介质和电子设备。

背景技术

现有技术中对于数据流量精细化管控的方案比较单一，主要通过对不同用户对不同数据业务的需求产生不同类型的数据流量类型进行分类，然后根据用户位置、用户终端类型、接入网络等来建立相应的流量管控机制。这种流量管控机制主要是以用户所要求被提供的服务类型为中心，将用户进行细化，为用户提供差异化服务。但是现有技术中并没有考虑到链路、信道发生阻塞对物联网流量的影响，导致电力物联网安全流量控制不准确。

发明内容

本申请的主要目的在于提供一种考虑链路状态的电力物联网流量的控制方法、考虑链路状态的电力物联网流量的控制装置、计算机可读存储介质和电子设备，以至少解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种考虑链路状态的电力物联网流量的控制方法，包括：确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，所述目标函数为在所述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；获取约束条件，并根据所述约束条件与所述目标函数控制所述电力网络系统的流量，以使得所述电力网络系统满足所述目标函数与所述约束条件，所述约束条件用于约束所述电力网络系统的电力参数。

可选地，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，包括：获取第一公式和第二公式，其中，为t时刻第i条链路阻塞的概率，为t时刻第i条与链路阻塞的系数；为t时刻第i条链路可用的链路数量；为与链路设计参数和信号传输数据相关的系数，为t时刻第i条信道阻塞的概率，为t时刻第i条与链路信道的系数；为t时刻电力网络系统可用的信道数量；为与信道设计参数和信号传输数据相关的系数；根据所述第一公式确定在t时刻第i条链路发生阻塞的概率；根据所述第二公式确定在t时刻第i条信道发生阻塞的概率。

可选地，根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率，包括：获取第三公式，；获取第四公式，；其中，为t时刻所述电力网络系统的链路级联阻塞概率，为t时刻所述电力网络系统的信道级联阻塞概率，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；根据所述第三公式确定在t时刻电力网络系统的链路级联阻塞概率，并根据所述第四公式确定在t时刻电力网络系统的信道级联阻塞概率。

可选地，根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，包括：获取链路流量控制公式，其中，为所述链路级联阻塞概率，为第n个t时刻所述电力网络系统的链路流量实际量，为链路流量控制量，获取信道流量控制公式，其中，为信道级联阻塞概率，为第n个t时刻所述电力网络系统的信道流量实际量，为信道流量控制量，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；根据所述链路流量控制公式、所述信道流量控制公式和流量控制公式，确定网络系统流量控制量；根据所述网络系统流量控制量确定目标函数为。

可选地，所述约束条件包括至少以下之一：用户信号流量的约束条件、用户信号传输速度的约束条件、信道流量的约束条件、信道传输速度的约束条件、网络服务质量的约束条件、信号传输时延的约束条件、信号功率的约束条件和节点阻塞的约束条件。

可选地，根据所述约束条件与所述目标函数控制所述电力网络系统的流量，包括：构建长短期记忆人工神经网络，其中，所述长短期记忆人工神经网络是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的：所述电力网络系统的历史电力参数以及与所述历史电力参数对应的所述目标函数的解；采用所述长短期记忆人工神经网络根据所述约束条件对所述目标函数进行求解，以控制所述电力网络系统的流量。

可选地，所述长短期记忆人工神经网络的输入数据包括以下之一：台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率，控制变量包括复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率，状态变量包括发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率。

根据本申请的另一方面，提供了一种考虑链路状态的电力物联网流量的控制装置，包括：第一确定单元，用于确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；第二确定单元，用于根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，所述目标函数为在所述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；控制单元，用于获取约束条件，并根据所述约束条件与所述目标函数控制所述电力网络系统的流量，以使得所述电力网络系统满足所述目标函数与所述约束条件。

根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的考虑链路状态的电力物联网流量的控制方法。

根据本申请的另一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的考虑链路状态的电力物联网流量的控制方法。

应用本申请的技术方案，上述考虑链路状态的电力物联网流量的控制方法，首先确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；之后根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；最后获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。该方法考虑链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制，解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了根据本申请的实施例中提供的一种执行考虑链路状态的电力物联网流量的控制方法的移动终端的硬件结构框图；

图2示出了根据本申请的实施例提供的一种考虑链路状态的电力物联网流量的控制方法的流程示意图；

图3示出了根据本申请的实施例提供的另一种考虑链路状态的电力物联网流量的控制方法的流程示意图；

图4示出了根据本申请的实施例提供的一种考虑链路状态的电力物联网流量的控制装置的结构框图。

其中，上述附图包括以下附图标记：

102、处理器；104、存储器；106、传输设备；108、输入输出设备。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

正如背景技术中所介绍的，现有技术中并没有考虑到链路、信道发生阻塞对物联网流量的影响，导致电力物联网安全流量控制不准确，为解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题，本申请的实施例提供了一种考虑链路状态的电力物联网流量的控制方法、考虑链路状态的电力物联网流量的控制装置、计算机可读存储介质和电子设备。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种考虑链路状态的电力物联网流量的控制方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中考虑链路状态的电力物联网流量的控制方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的考虑链路状态的电力物联网流量的控制方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本申请实施例的考虑链路状态的电力物联网流量的控制方法的流程图。如图2所示，该方法包括以下步骤：

步骤S201，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

其中，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，包括如下步骤：

步骤S301，获取第一公式和第二公式，其中，为t时刻第i条链路阻塞的概率，为t时刻第i条与链路阻塞的系数；为t时刻第i条链路可用的链路数量；为与链路设计参数和信号传输数据相关的系数，为t时刻第i条信道阻塞的概率，为t时刻第i条与链路信道的系数；为t时刻电力网络系统可用的信道数量；为与信道设计参数和信号传输数据相关的系数；

步骤S302，根据上述第一公式确定在t时刻第i条链路发生阻塞的概率；

步骤S303，根据上述第二公式确定在t时刻第i条信道发生阻塞的概率。

具体地，这样可以考虑到链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法，确定发生链路和信道级联阻塞时流量控制。

其中，、、和均为经验系数，可以通过实验进行取值。LL表示链路的意思，XD表示信道的意思，和还可能与其他有关因素相关。

其中，假设第n个网络系统有个条链路、条信道，根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率，包括如下步骤：

步骤S401，获取第三公式，

；

步骤S402，获取第四公式，

；

其中，为t时刻上述电力网络系统的链路级联阻塞概率，为t时刻上述电力网络系统的信道级联阻塞概率，为第n个上述电力网络系统的链路数量，为第n个上述电力网络系统的信道数量；

步骤S403，根据上述第三公式确定在t时刻电力网络系统的链路级联阻塞概率，并根据上述第四公式确定在t时刻电力网络系统的信道级联阻塞概率。

具体地，这样可以确定发生链路和信道级联阻塞时流量控制，精准调控网络资源的分配，为网络系统安全稳定运行提供必要的技术支撑。

步骤S202，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

其中，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，包括如下步骤：

步骤S2021，获取链路流量控制公式，其中，为上述链路级联阻塞概率，为第n个t时刻上述电力网络系统的链路流量实际量，为链路流量控制量，

步骤S2022，获取信道流量控制公式，其中，为信道级联阻塞概率，为第n个t时刻上述电力网络系统的信道流量实际量，为信道流量控制量，为第n个上述电力网络系统的链路数量，为第n个上述电力网络系统的信道数量；

步骤S2023，根据上述链路流量控制公式、上述信道流量控制公式和流量控制公式，确定网络系统流量控制量；

步骤S2024，根据上述网络系统流量控制量确定目标函数为。

具体地，这样可以在网络系统发生链路和信道级联阻塞时，实现网络系统流量控制量最小化。即网络系统发生链路和信道级联阻塞时，流量控制的目标是实现网络系统流量控制量最小化，发生链路和信道级联阻塞时流量控制的目标函数即为。

步骤S203，获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件，上述约束条件用于约束上述电力网络系统的电力参数。

其中，上述约束条件包括至少以下之一：用户信号流量的约束条件、用户信号传输速度的约束条件、信道流量的约束条件、信道传输速度的约束条件、网络服务质量的约束条件、信号传输时延的约束条件、信号功率的约束条件和节点阻塞的约束条件。

具体地，约束条件则限制了可行解的范围，即限制了电力网络系统的电力参数的范围，使得目标函数必须在约束条件下满足，通过组合目标函数和约束条件，可以确定最佳解决方案，并找到满足所有限制条件的最优解。

其中，具体的约束条件如下所示：

(1) 用户信号流量的约束条件，第i个用户信号流量要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个用户信号流量实际值、允许最大值和最小值。

(2) 用户信号传输速度的约束条件，第i个用户信号传输速度要满足大于其允许最小值的要求条件：，式中，、分别为第i个用户信号传输速度实际值、允许最小值。

(3) 信道流量的约束条件，第i个信道流量要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个信道流量实际值、允许最大值和最小值。

(4) 信道传输速度的约束条件，第i个信道传输速度要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个信道传输速度实际值、允许最大值和最小值。

(5) 网络服务质量的约束条件，网络服务质量要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为网络服务质量实际值、允许最大值和最小值。

(6) 信号传输时延的约束条件，第i个信道信号传输时延要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个信道信号传输时延实际值、允许最大值和最小值。

(7) 信号功率的约束条件，第i个用户信号功率要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个用户信号功率实际值、允许最大值和最小值。

(8) 节点阻塞的约束条件，第i个节点阻塞要满足大于其允许最大值、小于其允许最小值的要求条件：，式中，、、分别为第i个节点阻塞实际值、允许最大值和最小值。

其中，根据上述约束条件与上述目标函数控制上述电力网络系统的流量，包括如下步骤：

步骤S2031，构建长短期记忆人工神经网络，其中，上述长短期记忆人工神经网络是使用多组训练数据训练得到的，上述多组训练数据中的每一组训练数据均包括历史时间段内获取的：上述电力网络系统的历史电力参数以及与上述历史电力参数对应的上述目标函数的解；

步骤S2032，采用上述长短期记忆人工神经网络根据上述约束条件对上述目标函数进行求解，以控制上述电力网络系统的流量。

具体地，利用上述实施例所提出的考虑链路状态的电力物联网流量控制方法，采用基于长短期记忆人工神经网络的优化方法，可以确定发生链路和信道级联阻塞时流量控制，为保障网络系统调度和运行提供理论指导，为网络系统安全稳定运行提供必要的技术支撑。

长短期记忆网络是一种时间循环神经网络，是为了解决循环神经网络机制存在的长期依赖问题而专门设计出来的数学方法。上述实施例中的长短期记忆人工神经网络涉及众多的输入量、状态量，采用长短期记忆人工神经网络机制，可以避免过多依赖这些因素。即采用长短期记忆人工神经网络机制可以减小对问题的依赖程度、求解快、进度高、稳定性好、动态性能进一步提高。

其中，上述长短期记忆人工神经网络的输入数据包括以下之一：台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率，控制变量包括复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率，状态变量包括发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率。

具体地，采用基于长短期记忆人工神经网络的优化方法，精准调控网络资源的分配，确定发生链路和信道级联阻塞时流量控制，为保障网络系统调度和运行提供理论指导，为网络系统安全稳定运行提供必要的技术支撑。

其中，采用长短期记忆人工神经网络对台风多线路倒杆灾害中一级负荷复电优化问题进行求解，具体方法如下：

（1）长短期记忆人工神经网络数学模型的构建如公式（1）至公式（6）：

其中，是遗忘门；是输入门；是长短期记忆人工神经网络的单元状态向量；是输出门；W和b分别为各个门的权值和阈值；t是时刻值；x和h分别为时间序列的输入以及长短期记忆人工神经网络输出的状态值；为最终的输出值；和tanh分别为Sigmoid函数以及双曲正切函数，采用如公式（7）和公式（8）所示的函数：

（2）数据构建与处理。输入数据包括台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率，控制变量包括复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率，状态变量包括发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率。

数据进行归一化处理采用如公式（9）：

其中，和为归一化前、后数据，和为同类型输入数据的最小值、最大值。

（3）长短期记忆人工神经网络物理模型的构建。利用输入量、控制量、状态量、决策量来构建长短期记忆人工神经网络，包含台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率等输入数据，包含发生级联阻塞时失网一级负荷复电功率等决策变量，包含复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率等控制变量，包含发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率等状态变量，把归一化后的数据放进长短期记忆人工神经网络中进行训练。

（4）马尔可夫链方法的改进。传统的方法是将不同预测状态进行叠加，每个权重都相同，本文采用加权的马尔可夫链方法，通过计算自相关系数以及权重来对各个预测状态赋予一个不同的权重，对自相关系数大的预测状态，应该赋予较大的权重，对自相关系数小的预测状态，应该赋予较小的权重。自相关系数和权重的计算式如公式（10）-公式（11）：

其中，为第k阶的自相关系数，为实际值序列的第i个值，为实际值序列的平均数，为第k阶的权重。

（5）状态转移矩阵的构建。迭代计算中采用状态转移矩阵，如公式（12）和公式（13）所示：

其中，为状态i在所有状态中出现的次数，为状态i经过k步之后转移到状态j的次数。

（6）将各个状态的控制转移概率进行加权处理，最终得到控制误差所在状态的概率如公式（14）所示：

根据这个概率向量即可找到最大值，这个值所在的位置就是误差所对应的状态区间，得到更新预测值如公式（15）所示：

若E为正无穷或者负无穷，则。

本申请的上述考虑链路状态的电力物联网流量的控制方法，首先确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；之后根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；最后获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。该方法考虑链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制，解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

本发明的目的就是要克服现有技术的不足，提出一种考虑链路状态的电力物联网流量控制方法。考虑链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制。

本发明所要解决的技术问题，就是提供考虑链路状态的电力物联网流量控制方法。该方法针对链路和信道减少的影响，反映了物联网数据信息对访问用户流量安全管理的影响。本发明专利采用基于长短期记忆人工神经网络的优化方法，精准调控网络资源的分配，确定发生链路和信道级联阻塞时流量控制，为保障网络系统调度和运行提供理论指导，为网络系统安全稳定运行提供必要的技术支撑。

本发明的技术效果是：利用本发明所提出的考虑链路状态的电力物联网流量控制方法，采用基于长短期记忆人工神经网络的优化方法，可以确定发生链路和信道级联阻塞时流量控制，为保障网络系统调度和运行提供理论指导，为网络系统安全稳定运行提供必要的技术支撑。

为了使得本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例对本申请的考虑链路状态的电力物联网流量的控制方法的实现过程进行详细说明。

本实施例涉及一种具体的考虑链路状态的电力物联网流量的控制方法，如图3所示，包括如下步骤：

步骤1：计算网络系统链路阻塞概率；

步骤2：计算网络系统链路发生级联阻塞概率；

步骤3：计算网络系统流量控制量；

步骤4：构建考虑链路状态的电力物联网流量控制优化模型；

步骤5：基于长短期记忆人工神经网络的优化问题求解方法。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种考虑链路状态的电力物联网流量的控制装置，需要说明的是，本申请实施例的考虑链路状态的电力物联网流量的控制装置可以用于执行本申请实施例所提供的用于考虑链路状态的电力物联网流量的控制方法。该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

以下对本申请实施例提供的考虑链路状态的电力物联网流量的控制装置进行介绍。

图4是根据本申请实施例的考虑链路状态的电力物联网流量的控制装置的示意图。如图4所示，该装置包括第一确定单元10、第二确定单元20和控制单元30，第一确定单元10用于确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；第二确定单元20用于根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；控制单元30用于获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件。

本申请的上述考虑链路状态的电力物联网流量的控制装置，包括第一确定单元、第二确定单元和控制单元，第一确定单元于确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；第二确定单元用于根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；控制单元用于获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制，解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

一些可选的方案中，第一确定单元包括第一获取模块、第一确定模块和第二确定模块，第一获取模块用于获取第一公式和第二公式，其中，为t时刻第i条链路阻塞的概率，为t时刻第i条与链路阻塞的系数；为t时刻第i条链路可用的链路数量；为与链路设计参数和信号传输数据相关的系数，为t时刻第i条信道阻塞的概率，为t时刻第i条与链路信道的系数；为t时刻电力网络系统可用的信道数量；为与信道设计参数和信号传输数据相关的系数；第一确定模块用于根据上述第一公式确定在t时刻第i条链路发生阻塞的概率；第二确定模块用于根据上述第二公式确定在t时刻第i条信道发生阻塞的概率。这样可以考虑到链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法，确定发生链路和信道级联阻塞时流量控制。

一些可选的方案中，第一确定单元包括第二获取模块、第三获取模块和第三确定模块，第二获取模块用于获取第三公式，；第三获取模块用于获取第四公式，；其中，为t时刻上述电力网络系统的链路级联阻塞概率，为t时刻上述电力网络系统的信道级联阻塞概率，为第n个上述电力网络系统的链路数量，为第n个上述电力网络系统的信道数量；第三确定模块用于根据上述第三公式确定在t时刻电力网络系统的链路级联阻塞概率，并根据上述第四公式确定在t时刻电力网络系统的信道级联阻塞概率。这样可以确定发生链路和信道级联阻塞时流量控制，精准调控网络资源的分配，为网络系统安全稳定运行提供必要的技术支撑。

一些可选的方案中，第二确定单元包括第四获取模块、第五获取模块、第四确定模块和第五确定模块，第四获取模块用于获取链路流量控制公式，其中，为上述链路级联阻塞概率，为第n个t时刻上述电力网络系统的链路流量实际量，为链路流量控制量，第五获取模块用于获取信道流量控制公式，其中，为信道级联阻塞概率，为第n个t时刻上述电力网络系统的信道流量实际量，为信道流量控制量，为第n个上述电力网络系统的链路数量，为第n个上述电力网络系统的信道数量；第四确定模块用于根据上述链路流量控制公式、上述信道流量控制公式和流量控制公式，确定网络系统流量控制量；第五确定模块用于根据上述网络系统流量控制量确定目标函数为。这样可以在网络系统发生链路和信道级联阻塞时，实现网络系统流量控制量最小化。

本实施例中，上述约束条件包括至少以下之一：用户信号流量的约束条件、用户信号传输速度的约束条件、信道流量的约束条件、信道传输速度的约束条件、网络服务质量的约束条件、信号传输时延的约束条件、信号功率的约束条件和节点阻塞的约束条件。约束条件则限制了可行解的范围，即限制了电力网络系统的电力参数的范围，使得目标函数必须在约束条件下满足，通过组合目标函数和约束条件，可以确定最佳解决方案，并找到满足所有限制条件的最优解。

一种可选的方案，控制单元包括构建模块和求解模块，构建模块用于构建长短期记忆人工神经网络，其中，上述长短期记忆人工神经网络是使用多组训练数据训练得到的，上述多组训练数据中的每一组训练数据均包括历史时间段内获取的：上述电力网络系统的历史电力参数以及与上述历史电力参数对应的上述目标函数的解；求解模块用于采用上述长短期记忆人工神经网络根据上述约束条件对上述目标函数进行求解，以控制上述电力网络系统的流量。利用上述实施例所提出的考虑链路状态的电力物联网流量控制方法，采用基于长短期记忆人工神经网络的优化方法，可以确定发生链路和信道级联阻塞时流量控制。

作为一种可选的方案，上述长短期记忆人工神经网络的输入数据包括以下之一：台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率，控制变量包括复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率，状态变量包括发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率。采用基于长短期记忆人工神经网络的优化方法，精准调控网络资源的分配，确定发生链路和信道级联阻塞时流量控制，为保障网络系统调度和运行提供理论指导，为网络系统安全稳定运行提供必要的技术支撑。

上述考虑链路状态的电力物联网流量的控制装置包括处理器和存储器，上述第一确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序运行时控制上述计算机可读存储介质所在设备执行上述考虑链路状态的电力物联网流量的控制方法。

具体地，考虑链路状态的电力物联网流量的控制方法包括：

步骤S201，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

步骤S202，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

步骤S203，获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件，上述约束条件用于约束上述电力网络系统的电力参数。

本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述考虑链路状态的电力物联网流量的控制方法。

具体地，考虑链路状态的电力物联网流量的控制方法包括：

步骤S201，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

步骤S202，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

步骤S203，获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件，上述约束条件用于约束上述电力网络系统的电力参数。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S201，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

步骤S202，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

步骤S203，获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件，上述约束条件用于约束上述电力网络系统的电力参数。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S201，确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据上述第i条链路发生阻塞的概率与上述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

步骤S202，根据上述链路级联阻塞概率与上述信道级联阻塞概率，确定目标函数，上述目标函数为在上述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

步骤S203，获取约束条件，并根据上述约束条件与上述目标函数控制上述电力网络系统的流量，以使得上述电力网络系统满足上述目标函数与上述约束条件，上述约束条件用于约束上述电力网络系统的电力参数。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1）、本申请的上述考虑链路状态的电力物联网流量的控制方法，首先确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；之后根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；最后获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。该方法考虑链路和信道减少影响，提出链路、信道发生阻塞的概率及流量控制量的计算方法。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制，解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

2）、本申请的上述考虑链路状态的电力物联网流量的控制装置，包括第一确定单元、第二确定单元和控制单元，第一确定单元于确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；第二确定单元用于根据链路级联阻塞概率与信道级联阻塞概率，确定目标函数，目标函数为在电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；控制单元用于获取约束条件，并根据约束条件与目标函数控制电力网络系统的流量，以使得电力网络系统满足目标函数与约束条件。以网络用户流量控制量最小化为目标函数，构建考虑资源分配优化的电力物联网安全流量控制优化模型，采用基于长短期记忆人工神经网络的优化方法，确定发生链路和信道级联阻塞时流量控制，解决现有技术中没有考虑到链路、信道发生阻塞对电力物联网流量计算的影响导致电力物联网流量计算不准确的问题。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种考虑链路状态的电力物联网流量的控制方法，其特征在于，包括：

确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，所述目标函数为在所述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

获取约束条件，并根据所述约束条件与所述目标函数控制所述电力网络系统的流量，以使得所述电力网络系统满足所述目标函数与所述约束条件，所述约束条件用于约束所述电力网络系统的电力参数；

确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，包括：

获取第一公式和第二公式，其中，为t时刻第i条链路阻塞的概率，为t时刻第i条与链路阻塞的系数；为t时刻第i条链路可用的链路数量；为与链路设计参数和信号传输数据相关的系数，为t时刻第i条信道阻塞的概率，为t时刻第i条与链路信道的系数；为t时刻电力网络系统可用的信道数量；为与信道设计参数和信号传输数据相关的系数；

根据所述第一公式确定在t时刻第i条链路发生阻塞的概率；

根据所述第二公式确定在t时刻第i条信道发生阻塞的概率；

根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率，包括：

获取第三公式，

，

获取第四公式，

,

其中，为t时刻所述电力网络系统的链路级联阻塞概率，为t时刻所述电力网络系统的信道级联阻塞概率，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；

根据所述第三公式确定在t时刻电力网络系统的链路级联阻塞概率，并根据所述第四公式确定在t时刻电力网络系统的信道级联阻塞概率；

根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，包括：

获取链路流量控制公式，其中，为所述链路级联阻塞概率，为第n个t时刻所述电力网络系统的链路流量实际量，为链路流量控制量，

获取信道流量控制公式，其中，为信道级联阻塞概率，为第n个t时刻所述电力网络系统的信道流量实际量，为信道流量控制量，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；

根据所述链路流量控制公式、所述信道流量控制公式和流量控制公式，确定网络系统流量控制量；

根据所述网络系统流量控制量确定目标函数为。

2.根据权利要求1所述的控制方法，其特征在于，所述约束条件包括至少以下之一：用户信号流量的约束条件、用户信号传输速度的约束条件、信道流量的约束条件、信道传输速度的约束条件、网络服务质量的约束条件、信号传输时延的约束条件、信号功率的约束条件和节点阻塞的约束条件。

3.根据权利要求1所述的控制方法，其特征在于，根据所述约束条件与所述目标函数控制所述电力网络系统的流量，包括：

构建长短期记忆人工神经网络，其中，所述长短期记忆人工神经网络是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的：所述电力网络系统的历史电力参数以及与所述历史电力参数对应的所述目标函数的解；

采用所述长短期记忆人工神经网络根据所述约束条件对所述目标函数进行求解，以控制所述电力网络系统的流量。

4.根据权利要求3所述的控制方法，其特征在于，所述长短期记忆人工神经网络的输入数据包括以下之一：台风风速、风力、风向、路径，决策变量包括发生级联阻塞时失网一级负荷复电功率，控制变量包括复电时在网二级和三级负荷的有功功率、电网注入区域的有功功率和无功功率、光伏发电站输出的有功功率和无功功率、风力发电站输出的有功功率和无功功率、可向电网提供服务的电动汽车输出的有功功率和无功功率、移动柴油发电车输出的有功功率和无功功率、固定储能站输出的有功功率和无功功率、移动储能车输出的有功功率和无功功率，状态变量包括发生级联阻塞时网络系统内链路发生级联倒杆使一级负荷用户失负荷功率、在网二级和三级负荷的有功功率。

5.一种考虑链路状态的电力物联网流量的控制装置，其特征在于，包括：

第一确定单元，用于确定在t时刻第i条链路发生阻塞的概率与第i条信道发生阻塞的概率，并根据所述第i条链路发生阻塞的概率与所述第i条信道发生阻塞的概率，确定在t时刻电力网络系统的链路级联阻塞概率与信道级联阻塞概率；

第二确定单元，用于根据所述链路级联阻塞概率与所述信道级联阻塞概率，确定目标函数，所述目标函数为在所述电力网络系统发生链路阻塞和/或信道阻塞的情况下对流量进行控制的函数；

控制单元，用于获取约束条件，并根据所述约束条件与所述目标函数控制所述电力网络系统的流量，以使得所述电力网络系统满足所述目标函数与所述约束条件；

所述第一确定单元包括第一获取模块、第一确定模块和第二确定模块，所述第一获取模块用于获取第一公式和第二公式，其中，为t时刻第i条链路阻塞的概率，为t时刻第i条与链路阻塞的系数；为t时刻第i条链路可用的链路数量；为与链路设计参数和信号传输数据相关的系数，为t时刻第i条信道阻塞的概率，为t时刻第i条与链路信道的系数；为t时刻电力网络系统可用的信道数量；为与信道设计参数和信号传输数据相关的系数；所述第一确定模块用于根据所述第一公式确定在t时刻第i条链路发生阻塞的概率；所述第二确定模块用于根据所述第二公式确定在t时刻第i条信道发生阻塞的概率；

所述第一确定单元包括第二获取模块、第三获取模块和第三确定模块，所述第二获取模块用于获取第三公式，

；

所述第三获取模块用于获取第四公式，

;

其中，为t时刻所述电力网络系统的链路级联阻塞概率，为t时刻所述电力网络系统的信道级联阻塞概率，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；所述第三确定模块用于根据所述第三公式确定在t时刻电力网络系统的链路级联阻塞概率，并根据所述第四公式确定在t时刻电力网络系统的信道级联阻塞概率；

所述第二确定单元包括第四获取模块、第五获取模块、第四确定模块和第五确定模块，所述第四获取模块用于获取链路流量控制公式，其中，为所述链路级联阻塞概率，为第n个t时刻所述电力网络系统的链路流量实际量，为链路流量控制量，所述第五获取模块用于获取信道流量控制公式，其中，为信道级联阻塞概率，为第n个t时刻所述电力网络系统的信道流量实际量，为信道流量控制量，为第n个所述电力网络系统的链路数量，为第n个所述电力网络系统的信道数量；所述第四确定模块用于根据所述链路流量控制公式、所述信道流量控制公式和流量控制公式，确定网络系统流量控制量；所述第五确定模块用于根据所述网络系统流量控制量确定目标函数为。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至4中任意一项所述的考虑链路状态的电力物联网流量的控制方法。

7.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至4中任意一项所述的考虑链路状态的电力物联网流量的控制方法。