多通信方式下的配電通信網(wǎng)融合管理信息模型①

李 博,張煥域,林 密,何書(shū)毅,張 宇,劉小敏

1(海南電網(wǎng)有限責(zé)任公司,?？?570203)

2(海南電網(wǎng)有限責(zé)任公司 信息通信分公司,?？?570203)

目前,隨著智能電網(wǎng)時(shí)代的來(lái)臨,對(duì)于配電網(wǎng)的要求也越來(lái)越高[1].配電網(wǎng)業(yè)務(wù)繁雜,覆蓋面廣,其通信組網(wǎng)的方式也多種多樣,主要包括無(wú)線通信、有線光纖網(wǎng)絡(luò)、本地局域網(wǎng)絡(luò)等,因此需要一個(gè)合適的組網(wǎng)方式來(lái)滿足整體需求.終端設(shè)備數(shù)量大、分布不均、密度隨各地條件不同而不能平衡,都大大加劇了通信網(wǎng)絡(luò)的復(fù)雜程度,給系統(tǒng)運(yùn)行維護(hù)提出了難題.因此一個(gè)合格的配電通信網(wǎng)融合管理模型是十分必要的[2].

本文采用混合網(wǎng)絡(luò)框架,將無(wú)線網(wǎng)和有線網(wǎng)混合虛擬,以電力線載波通信(Power Line Carrier communication,PLC)[3]和無(wú)線mesh 網(wǎng)絡(luò)(Wireless Mesh Network,WMN)[4]為例.發(fā)揮各自的特點(diǎn)和優(yōu)勢(shì)來(lái)提高整個(gè)配電通信網(wǎng)絡(luò)的性能.建立目標(biāo)函數(shù)模型,最大限度的提高網(wǎng)絡(luò)的業(yè)務(wù)吞吐能力,提高性能,采用粒子群算法設(shè)計(jì)和優(yōu)化無(wú)線虛擬網(wǎng)絡(luò)映射,對(duì)新建立的模型進(jìn)行仿真驗(yàn)證,通過(guò)與遺傳算法的比較,證明了采用本文的算法具有明顯的優(yōu)勢(shì)[5].

1 智能配電通信網(wǎng)混合網(wǎng)絡(luò)模型

1.1 配電通信網(wǎng)模型

配電通信網(wǎng)的業(yè)務(wù)主要包括用戶信息采集、電力資源分配、負(fù)荷管理、故障監(jiān)測(cè)等,其模型如圖1.

圖1 配電通信網(wǎng)模型

在當(dāng)前的環(huán)境下,各大網(wǎng)絡(luò)的架設(shè)和安排基本成型,如果對(duì)于現(xiàn)有網(wǎng)絡(luò)進(jìn)行重新定位和規(guī)劃、架構(gòu)不切實(shí)際,而在原有網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,進(jìn)行資源優(yōu)化整合,達(dá)到提高配電網(wǎng)業(yè)務(wù)效率的目的,是目前最行之有效的方法[6].網(wǎng)絡(luò)虛擬化技術(shù)可以在不改變物理網(wǎng)絡(luò)的情況下,大幅提高原有網(wǎng)絡(luò)的利用效率,因此成為解決配電通信網(wǎng)絡(luò)問(wèn)題的一個(gè)重要解決手段和方法[7].

網(wǎng)絡(luò)虛擬化在一個(gè)公用的物理網(wǎng)絡(luò)上,根據(jù)配電業(yè)務(wù)性質(zhì)和要求的不同構(gòu)建不同的虛擬網(wǎng)絡(luò),虛擬網(wǎng)絡(luò)獨(dú)立運(yùn)作,根據(jù)需求調(diào)整資源配置,能夠有效提升服務(wù)水平、降低維護(hù)成本[8].由于配電網(wǎng)的形式多樣,使得虛擬網(wǎng)絡(luò)中最主要的問(wèn)題是網(wǎng)絡(luò)映射,如何根據(jù)多種類型的有線和無(wú)線網(wǎng)絡(luò)構(gòu)建有效的虛擬網(wǎng)絡(luò),成為解決問(wèn)題的關(guān)鍵[9].

1.2 混合網(wǎng)絡(luò)虛擬化

網(wǎng)絡(luò)虛擬化通過(guò)提供虛擬網(wǎng)絡(luò),允許多個(gè)網(wǎng)絡(luò)相互獨(dú)立工作,從而允許在不改變現(xiàn)有物理網(wǎng)絡(luò)的情況下,為網(wǎng)絡(luò)系統(tǒng)的構(gòu)建和優(yōu)化提供了可能和手段[10].在不同的網(wǎng)絡(luò)需求情況下,可以對(duì)實(shí)際情況進(jìn)行調(diào)整,改變網(wǎng)絡(luò)結(jié)構(gòu)的布局,靈活運(yùn)用網(wǎng)絡(luò)優(yōu)勢(shì),提高服務(wù)質(zhì)量,給用戶更好的業(yè)務(wù)感受,滿足了智能電網(wǎng)業(yè)務(wù)多樣性的要求,應(yīng)用前景廣闊[11].

網(wǎng)絡(luò)虛擬化[12]技術(shù)中,虛擬網(wǎng)絡(luò)和物理網(wǎng)絡(luò)相互獨(dú)立,也相互關(guān)聯(lián),沒(méi)有一一對(duì)應(yīng)的需求,可根據(jù)實(shí)際映射情況,做靈活處理,大大提高了網(wǎng)絡(luò)的利用效率.

對(duì)于PLC 網(wǎng)絡(luò)和WMN 網(wǎng)絡(luò)來(lái)說(shuō),各自具有各自的特點(diǎn),對(duì)于數(shù)據(jù)的傳輸速率也差別明顯.應(yīng)用虛擬網(wǎng)絡(luò)對(duì)其進(jìn)行映射,從而可以用來(lái)處理各種通信業(yè)務(wù)需求.對(duì)于配電通信網(wǎng)中的主要業(yè)務(wù)可以分為控制操作和數(shù)據(jù)管理兩大部分[13].根據(jù)各自的業(yè)務(wù)特點(diǎn),控制操作對(duì)于反饋意見(jiàn)的實(shí)時(shí)性要求高,可以使用PLC 網(wǎng)絡(luò)進(jìn)行處理,而數(shù)據(jù)處理部分的工作量大,對(duì)于網(wǎng)絡(luò)要求較高,需要使用WMN 網(wǎng)絡(luò)進(jìn)行處理,從而最大限度的提高整個(gè)網(wǎng)絡(luò)業(yè)務(wù)的吞吐能力[14].

在不改變現(xiàn)有通信設(shè)備的前提下,混合網(wǎng)絡(luò)的虛擬化,需要合適的映射方法來(lái)將虛擬資源和物理網(wǎng)絡(luò)對(duì)應(yīng),并保證虛擬網(wǎng)絡(luò)互相不干擾,獨(dú)自完成網(wǎng)絡(luò)的任務(wù)安排[15].對(duì)于WMN 網(wǎng)絡(luò),可通過(guò)不同的子載波來(lái)描述不同業(yè)務(wù)的虛擬網(wǎng)絡(luò),因此可以有效避免業(yè)務(wù)干擾.

1.3 虛擬網(wǎng)絡(luò)映射問(wèn)題模型

配電通信網(wǎng)的資源映射問(wèn)題是構(gòu)建網(wǎng)絡(luò)虛擬化的關(guān)鍵問(wèn)題,因此將實(shí)際情況進(jìn)行數(shù)據(jù)化處理的方法選擇成為其中的關(guān)鍵.為了有效抽象化PLC和WMN 網(wǎng)絡(luò),使得網(wǎng)絡(luò)處理能力得到最優(yōu)化的效果,需要將整個(gè)虛擬網(wǎng)絡(luò)進(jìn)行層級(jí)化處理,從而構(gòu)建底層網(wǎng)絡(luò)模型,虛擬請(qǐng)求模型和映射描述3 個(gè)部分.底層網(wǎng)絡(luò)進(jìn)行抽象化處理,請(qǐng)求模型數(shù)字化處理實(shí)際業(yè)務(wù)中的控制操作和數(shù)據(jù)管理,通過(guò)映射描述將整個(gè)問(wèn)題進(jìn)行抽象化,達(dá)到最優(yōu)化業(yè)務(wù)處理能力的目的.

(1)底層網(wǎng)絡(luò)模型

在整個(gè)網(wǎng)絡(luò)模型中,利用無(wú)向的帶權(quán)圖GS(NS,ES)來(lái)描述底層網(wǎng)絡(luò)結(jié)構(gòu),分別使用GSp(NS,ESp)和GSw(NS,ESw)代表PLC 網(wǎng)絡(luò)和WMN 網(wǎng)絡(luò).由于通信網(wǎng)節(jié)點(diǎn)是固定不變的,因此二者具有相同的節(jié)點(diǎn)集合Ns,節(jié)點(diǎn)的數(shù)量可以定義為n,每個(gè)節(jié)點(diǎn)包括兩種狀態(tài),即發(fā)射子載波和接受子載波,其中第i個(gè)節(jié)點(diǎn)的發(fā)射子載波和接受子載波分別用ST(i)和SR(i)來(lái)表示.ESw和ESp分別代表了PLC 網(wǎng)絡(luò)和WMN 網(wǎng)絡(luò)的鏈路集合,并用Rep 來(lái)描述該鏈路的數(shù)據(jù)傳輸可靠性.

(2)虛擬請(qǐng)求模型

虛擬請(qǐng)求模型的構(gòu)建與底層網(wǎng)絡(luò)模型情況十分類似,采用同樣的方法,構(gòu)建Gv(Nv,Ev),Nv在這里主要用于描述網(wǎng)絡(luò)中的虛擬節(jié)點(diǎn),Ev對(duì)應(yīng)的描述網(wǎng)絡(luò)中的虛擬鏈路集合.整個(gè)虛擬請(qǐng)求模型中根據(jù)實(shí)際業(yè)務(wù)工作情況,主要包括3 種狀態(tài),分別為控制請(qǐng)求c(i)、操作請(qǐng)求o(i)和流量請(qǐng)求b(i).

控制請(qǐng)求和操作請(qǐng)求分別包含了消息報(bào)文的多種信息,如報(bào)文長(zhǎng)度、報(bào)文時(shí)間和可靠性等.因此可以根據(jù)實(shí)際情況將控制和操作請(qǐng)求分別描述為c(i)=(Lc(i),Dc(i),Rc(i))和o(i)=(Lo(i),Do(i),Ro(i)).由于網(wǎng)絡(luò)帶寬的限制,需要通過(guò)傳輸概率Pc(i)和Po(i)來(lái)表示數(shù)據(jù)傳輸?shù)男Ч?采用fb(i)表示流量請(qǐng)求中經(jīng)過(guò)映射后的實(shí)際流量部分,可以用于整個(gè)網(wǎng)絡(luò)的映射描述.

(3)映射描述

映射描述情況是指將虛擬網(wǎng)絡(luò)上的請(qǐng)求反饋到PLC和WMN 等物理網(wǎng)絡(luò)上,用g代表某種約束情況下的虛擬網(wǎng)絡(luò)映射情況描述,即:

其中,Gv′是Gv的子集.

配電通信網(wǎng)中的設(shè)備均是固定的,因此整個(gè)虛擬網(wǎng)絡(luò)中的節(jié)點(diǎn)沒(méi)有設(shè)備映射的問(wèn)題.從而可以采用多址接入技術(shù),對(duì)每個(gè)節(jié)點(diǎn)分配相應(yīng)的子載波來(lái)滿足不同的業(yè)務(wù)請(qǐng)求.對(duì)于特定的PLC和WMN 物理網(wǎng)絡(luò),可以根據(jù)不同節(jié)點(diǎn)的業(yè)務(wù)請(qǐng)求,構(gòu)建子載波矩陣Tc(i,j)、To(i,j),和Tb(i,j)來(lái)記錄并完成網(wǎng)絡(luò)的最優(yōu)化,保證整個(gè)網(wǎng)絡(luò)具有最大的業(yè)務(wù)吞吐能力.從而可以得到最大吞吐能力為:

其中,fb(i)為第i個(gè)節(jié)點(diǎn)映射后滿足的流量大小,S(i)為子載波的總量.由式(2)可知,改虛擬網(wǎng)絡(luò)的業(yè)務(wù)優(yōu)化問(wèn)題是典型的NP 問(wèn)題.普通的優(yōu)化算法由于計(jì)算復(fù)雜在這里并不適用,遺傳算法雖然能夠降低復(fù)雜度,但是很難找到全局最優(yōu)解,因此需要采用一種更優(yōu)化的算法來(lái)降低上式的復(fù)雜程度,本文采用了基于粒子群的算法來(lái)完成配電通信網(wǎng)虛擬化網(wǎng)絡(luò)的最優(yōu)解計(jì)算,并證明其比有效性.

2 配電通信網(wǎng)的虛擬化算法

2.1 算法分析

粒子群算法(Particle Swarm Optimization,PSO)是－種群體智能最優(yōu)化求解的算法,來(lái)源于鳥(niǎo)群對(duì)于食物的位置判斷特性,該算法適用于配電通信網(wǎng)絡(luò)對(duì)于信息位置等的判斷,且求解方法簡(jiǎn)單,調(diào)整參數(shù)少,與其他算法相比,數(shù)據(jù)優(yōu)化方面的優(yōu)勢(shì)更為明顯.

對(duì)現(xiàn)有的粒子群算法進(jìn)行調(diào)整,使其更適合于配電通信網(wǎng),其中的一些概念需要重新定義.根據(jù)網(wǎng)絡(luò)適用情況,定義種群中粒子個(gè)體數(shù)量為M,整個(gè)域內(nèi)的最優(yōu)化的解存在于D維的空間中.定義粒子種群中的參數(shù)Xi(t),Vi(t),Pi(t).分別代表位置、速度、最佳點(diǎn).種群的最佳位置點(diǎn)定義為Pg(t).為了獲得目標(biāo)函數(shù)的最優(yōu)化解,其最佳位置可以定義為:

其中,初始點(diǎn)Pi(0)的最佳位置為Xi(0),適應(yīng)度函數(shù)用f表示.適應(yīng)度函數(shù)的選取對(duì)于粒子的最優(yōu)解選取至關(guān)重要,直接決定了函數(shù)的收斂速度和求解過(guò)程.改函數(shù)主要決定于目標(biāo)函數(shù),對(duì)于配電通信網(wǎng)來(lái)說(shuō),其最終的目標(biāo)函數(shù)既是整個(gè)網(wǎng)絡(luò)的業(yè)務(wù)吞吐能力,即:max:

可以將適應(yīng)度函數(shù)進(jìn)行變形得:

式(5)中,a,b為函數(shù)約束系數(shù),S為子載波總量.

在配電通信網(wǎng)絡(luò)中,粒子的目的在于對(duì)于子載波進(jìn)行分配調(diào)整,其位置向量Xi(t)可以用矩陣Tc(i,j)、To(i,j),和Tb(i,j)來(lái)表示.速度向量Vi(t)對(duì)應(yīng)子載波分配方式的調(diào)整,從而可以得到:

速度:

位置:

其中,u,c和d為系統(tǒng)系數(shù),g和h是兩個(gè)小于1的正數(shù).

2.2 算法設(shè)計(jì)

對(duì)于本文涉及的配電通信網(wǎng)絡(luò)中,混合網(wǎng)絡(luò)主要包括PLC和WMN 兩部分,該網(wǎng)絡(luò)的通信過(guò)程主要包括:

(1)計(jì)算PLC 網(wǎng)絡(luò)上資源利用情況,得到實(shí)時(shí)數(shù)據(jù)的傳輸成功結(jié)果,從而將剩余的資源分配給WMN 網(wǎng)絡(luò),用于子載波的計(jì)算調(diào)整;

(2)對(duì)剩余的網(wǎng)絡(luò)資源,按照粒子群算法的原理,完成子載波分配實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)調(diào)整的目的,最終實(shí)現(xiàn)業(yè)務(wù)吞吐能力最強(qiáng).

WMN 網(wǎng)絡(luò)的虛擬映射粒子群算法的實(shí)現(xiàn)過(guò)程包括有:

Step 1.初始化實(shí)驗(yàn)環(huán)境,根據(jù)條件分別設(shè)置M,u,c和d等實(shí)驗(yàn)參數(shù);

Step 2.初始化粒子群參數(shù),設(shè)定節(jié)點(diǎn)數(shù)量n和可用于分配的子載波數(shù)量k,調(diào)整子載波分配,使其與節(jié)點(diǎn)要求數(shù)據(jù)成比例;

Step 3.判斷適應(yīng)度是否收斂,對(duì)子載波的適應(yīng)度函數(shù)進(jìn)行求解,得到滿足粒子群算法映射的適應(yīng)度;

Step 4.根據(jù)得到的適應(yīng)度函數(shù)和式(3)、式(4)對(duì)子載波分配方案進(jìn)行優(yōu)化管理;

Step 5.根據(jù)式(5)、式(6)對(duì)子載波分配方案進(jìn)行再次優(yōu)化和調(diào)整;

Step 6.重復(fù)上述步驟Step 3～Step 5,直至迭代中止,輸出分配方案和吞吐量結(jié)果.

3 實(shí)驗(yàn)分析和討論

為了驗(yàn)證粒子群算法的有效性,采用Matlab 2017對(duì)其進(jìn)行驗(yàn)證,并將仿真結(jié)果與遺傳算法進(jìn)行比較,依次從計(jì)算時(shí)間、滿意程度和吞吐能力幾方面來(lái)證明本算法的優(yōu)勢(shì).

設(shè)定仿真條件為:整個(gè)網(wǎng)絡(luò)中存在一個(gè)控制中心和10 個(gè)網(wǎng)絡(luò)節(jié)點(diǎn),每個(gè)節(jié)點(diǎn)均有一個(gè)發(fā)射終端和一個(gè)接收終端,共128 個(gè)子載波用于分配,種群粒子數(shù)量為20個(gè),迭代上限設(shè)定為200 次,其他參數(shù)設(shè)定如表1所示.

表1 仿真參數(shù)設(shè)定

(1)平均映射時(shí)間

分別利用Matlab 對(duì)兩種模型進(jìn)行計(jì)算,均計(jì)算100 次后,比較兩種算法的平均映射時(shí)間見(jiàn)表2.從表中可以看到,從計(jì)算時(shí)間上看,粒子群算法由于需要處理更多的信息數(shù)據(jù),計(jì)算量大,因此其計(jì)算所需要的時(shí)間更長(zhǎng),但是總體來(lái)說(shuō)兩者的區(qū)別并不明顯.

表2 平均映射時(shí)間對(duì)比

從計(jì)算復(fù)雜度來(lái)說(shuō),粒子群算法的求解簡(jiǎn)單且需要調(diào)整的參數(shù)更少,只是需要根據(jù)粒子分布情況來(lái)定義配電通信網(wǎng)中的子載波分配問(wèn)題,盡管存在些許延遲,但是從映射時(shí)間的比較來(lái)看,與其他算法的區(qū)別并不大,不會(huì)影響整個(gè)電力系統(tǒng)的運(yùn)行效率.

(2)滿意程度

設(shè)定數(shù)據(jù)傳輸速率達(dá)到15 Mb/s 時(shí)為傳輸目標(biāo)速率,將各個(gè)節(jié)點(diǎn)的實(shí)際速率與目標(biāo)速率進(jìn)行比較,得到算法在整個(gè)網(wǎng)絡(luò)中的數(shù)據(jù)達(dá)標(biāo)率情況,從圖2中可以看出,粒子算法的數(shù)據(jù)達(dá)標(biāo)率很高,均超過(guò)75%,對(duì)比遺傳算法,雖然其有部分節(jié)點(diǎn)數(shù)據(jù)達(dá)標(biāo)率超過(guò)88%,但有個(gè)別節(jié)點(diǎn)傳輸數(shù)據(jù)極低,不滿足資源分配優(yōu)化的目的,從而證明在資源分配方面粒子算法具有明顯優(yōu)勢(shì).

圖2 傳輸達(dá)標(biāo)率比較

(3)最大業(yè)務(wù)吞吐量

圖3顯示了兩種算法的吞吐能力對(duì)比情況,在混合網(wǎng)絡(luò)的情況下,虛擬化映射后的結(jié)果可以看到,粒子群算法大大強(qiáng)于遺傳算法,傳輸數(shù)據(jù)速率要求越高的情況下,優(yōu)勢(shì)越明顯.

圖3 最大業(yè)務(wù)吞吐量對(duì)比

為了更清楚的比較兩個(gè)模型的效果,改變混合網(wǎng)絡(luò)中PLC 網(wǎng)絡(luò)的誤包率,進(jìn)一步比較最大業(yè)務(wù)吞吐量如圖4所示.圖中可以看到隨著誤包率的下降,兩個(gè)模型的吞吐能力都在增強(qiáng),主要是由于誤包率越高,需要分配給可靠性部分的子載波部分就會(huì)越大,從而造成用于吞吐量部分就會(huì)變少.但是圖中同樣可以比較出,在相同的誤包率情況下,粒子模型的吞吐量還是要大于遺傳算法,數(shù)據(jù)需求越大時(shí),差別越明顯.

圖4 誤包率對(duì)于業(yè)務(wù)吞吐量的影響

改變操控可靠性的需求量,進(jìn)一步比較業(yè)務(wù)吞吐量的區(qū)別.如圖5所示,可以看出,當(dāng)操控需求增大時(shí),其變化過(guò)程與誤包率結(jié)果類似,兩個(gè)模型的業(yè)務(wù)吞吐量都會(huì)逐漸降低.其原因同樣是由于較多的子載波被安排給操控可靠性,因此用于吞吐量的部分被減弱.

圖5 可靠性需求對(duì)于業(yè)務(wù)吞吐量的影響

粒子群算法是通過(guò)在迭代過(guò)程中不斷比較局部與全局最優(yōu)解的關(guān)系,從而得到任務(wù)吞吐量的極大值.為了比較迭代次數(shù)對(duì)于計(jì)算準(zhǔn)確度的影響,利用Rastrigin函數(shù)對(duì)本文算法進(jìn)行測(cè)試,計(jì)算結(jié)果如圖6所示,圖中可以看出粒子群算法的收斂速度較快,當(dāng)?shù)螖?shù)低于200 次是,其計(jì)算準(zhǔn)確度已經(jīng)能夠達(dá)到準(zhǔn)確度100%,獲得全局最優(yōu)解的情況,得到最大的任務(wù)吞吐量.

圖6 迭代次數(shù)對(duì)于準(zhǔn)確度的影響

改變本文的測(cè)試條件,將網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量由10 個(gè)增加到20 個(gè),種群數(shù)量由10 個(gè)變?yōu)?0 個(gè),得到迭次數(shù)與計(jì)算準(zhǔn)確程度的關(guān)系,如圖7所示,從中可知,為了得到該種情況下的全局最優(yōu)解,需要將迭代次數(shù)更新為600 次.對(duì)于工作條件更復(fù)雜的情況,需要通過(guò)增大迭代次數(shù)等條件,獲得全局最優(yōu)解.

但從結(jié)果的比較來(lái)看,各種情況的粒子群算法都是優(yōu)于遺傳算法的,進(jìn)一步證明粒子群算法更適合用于配電通信網(wǎng)絡(luò).

圖7 改變條件后的迭代次數(shù)與準(zhǔn)確度的關(guān)系

4 結(jié)束語(yǔ)

為了解決配電通信網(wǎng)中各種網(wǎng)絡(luò)信息融合的問(wèn)題,本文建立了基于粒子群算法的混合網(wǎng)絡(luò)的資源映射模型.將WMN和PLC 兩個(gè)不同類型的網(wǎng)絡(luò)映射到同一個(gè)物理網(wǎng)絡(luò)上,根據(jù)PLC 網(wǎng)絡(luò)和WMN 網(wǎng)絡(luò)的特點(diǎn),對(duì)其安排不同的工作任務(wù),發(fā)揮各自網(wǎng)絡(luò)的優(yōu)勢(shì)和特點(diǎn),將更多的子載波用于業(yè)務(wù)吞吐上,從而大大提高該模型的業(yè)務(wù)吞吐量.

將該數(shù)據(jù)處理算法與遺傳算法進(jìn)行對(duì)比,并在多種情況下反復(fù)驗(yàn)證,證明了該模型更適合于配電通信網(wǎng)絡(luò).從仿真結(jié)果可以看到,本模型所采用的粒子群算法盡管評(píng)價(jià)映射時(shí)間較遺傳算法大些,但是其數(shù)據(jù)處理結(jié)果更合理,業(yè)務(wù)吞吐量大,服務(wù)效果更好,各節(jié)點(diǎn)的公平性更高,證明其搜索的范圍更廣,結(jié)果更合理,為配電通信網(wǎng)融合管理模型的建立提供了新的思路.