WIPETQ:一种面向SWIPT使能无线传感器网络的预测驱动多智能体能量管理框架
《Energy Reports》:WIPETQ: A prediction-driven multi-agent energy management framework for SWIPT enabled Wireless Sensor Networks
【字体:
大
中
小
】
时间:2026年08月27日
来源:Energy Reports 6.6
编辑推荐:
摘要
基于物联网的无线传感器网络(WSNs)采用同时无线信息与能量传输(SWIPT)技术,在通过智能平衡无线能量传输(WET)和无线信息传输(WIT)以实现能量中和运行(ENO)方面面临重大挑战。为此,我们提出了 WIPETQ,这是一个认知型、多阶段能量优化框架,集成了通过
摘要基于物联网的无线传感器网络(WSNs)采用同时无线信息与能量传输(SWIPT)技术,在通过智能平衡无线能量传输(WET)和无线信息传输(WIT)以实现能量中和运行(ENO)方面面临重大挑战。为此,我们提出了 WIPETQ,这是一个认知型、多阶段能量优化框架,集成了通过 Windowing Informer 模型(WIM-WIPETQ)进行的时间序列预测和通过多智能体学习模型(MAL-WIPETQ)进行的智能体强化学习,用于室内智能建筑环境中的自适应能量管理。WIM-WIPETQ 采用基于注意力的序列建模,结合混合 ProbSparse 全局注意力和基于权重的局部注意力(滑动窗口),准确预测成员节点和簇头(CHs)的能量消耗模式,在节点级能量数据集上达到了 99.01% 的预测准确率(与基线相比,MAE/MSE/RMSE/MAPPE 和 R2 指标更优)。MAL-WIPETQ 融合多智能体强化学习与深度 Q 网络,动态优化能量分配(WET/WIT 比率)并选择最佳贡献节点,在各种环境中收敛至稳定的平均奖励 12-17,同时执行 ENO 约束(节点剩余能量 ≤ E_min,CH 能量 ≥ E_CH,max)。在不同部署密度(25 m2、50 m2 和 100 m2 区域)和场景下,对 100 和 200 节点网络进行的广泛模拟证明了显著的性能提升。与 ESWCM 相比,WIPETQ 将平均剩余能量提高了 13.51%,与 CA-FA 相比提高了 47.22%(在大多数案例的后期轮次中,峰值增益达到 30%-80%+,通过 Welch t 检验在大多数比较中具有统计学显著性,p < 0.001)。它使平均数据包接收率(PRR)比 ESWCM 提高 21.48%,比 CA-FA 提高 12.71%,比 GA-ACO-PPO 提高 15%-26%,比 DDQN-UCB 提高 11%-21%,比 HSAC 提高 7%-15%,比 CMARL 提高 4%-8%(改进在 p < 0.001 水平上具有统计学显著性)。该框架在室内信道变化下保持了持续的信息年龄(AoI)改进 13%-33% 和能量采集年龄(AoEH)改进 15%-35%,同时具有更低的平均簇能量消耗和更优的网络寿命。抱歉,出错了。请重试并确保已启用 CookieBlessina Preethi R.|Saranya Nair M.印度泰米尔纳德邦金奈维洛尔理工大学,邮编 600127
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号