找到 2 条结果
EEMLCR：基于机器学习的无线传感器网络节能聚类与路由
Energy-Efficient Machine Learning-Based Clustering and Routing for Wireless Sensor Networks
Muhammad Akram · Sibghat Ullah Bazai · Muhammad Imran Ghafoor · Saira Akram 等6人 · IEEE Access · 2025年1月
无线传感器网络WSN受限于低功耗传感单元、通信约束和处理能力，需要通过聚类和路由节约能源延长生命周期。本文研究Q-learning和K-means聚类算法应用，提出EEMLCR节能机器学习聚类与路由方法。与LEACH算法及其多跳变体DMHT LEACH和EDMHT LEACH对比验证有效性。在400节点网络600轮后，EEMLCR在存活节点数、平均能耗、剩余能量和数据包接收率等关键指标上显著优于LEACH及其变体，与EECDA和CMML等最新算法相比性能相当或更优。
解读: 该无线传感器网络节能技术对阳光电源分布式光伏监控系统有应用价值。阳光户用光伏系统中大量传感器节点需要低功耗通信和数据采集。EEMLCR聚类路由算法可优化阳光监控设备间通信拓扑，延长电池供电传感器寿命。该技术结合阳光智能运维系统，可实现大规模分布式电站的高效数据采集和传输，降低通信能耗和维护成本，提升...
动态移动自组织网络的高能效混合自适应聚类
Energy-Efficient Hybrid Adaptive Clustering for Dynamic MANETs
Kudret Yilmaz · Resul Kara · Ferzan Katircioglu · IEEE Access · 2025年1月
移动自组织网络是无线移动节点网络，节点随机移动且无集中管理运行。本文提出两阶段混合自适应聚类算法HACADM，提升网络性能。第一阶段采用加权聚类算法选择最优簇头，通过引力搜索算法优化节点度、邻域距离、电池功率和移动性。第二阶段使用增强型DBSCAN无监督学习方法执行聚类，识别成员节点和选定簇头的角色。该方法还选择网关节点进行簇间通信，降低簇头负载并增强簇稳定性。实验结果显示，HACADM相比现有方法剩余能量提升8%-46%，显著延长网络寿命并保持高性能。
解读: 该自组织网络聚类技术对阳光电源分布式光伏储能通信具有参考价值。阳光大型光伏电站采用分布式组串逆变器架构，需要高效无线通信网络实现设备协同。该研究的能效优化和动态簇头选择策略可应用于阳光iSolarCloud平台的设备通信协议，降低通信功耗，提升分布式储能系统的协调控制能力。结合阳光ST储能变流器的分...