CN105069698B - 基于蚁群算法的路径探索方法、装置及电力系统 - Google Patents

基于蚁群算法的路径探索方法、装置及电力系统 Download PDF

Info

Publication number
CN105069698B
CN105069698B CN201510463911.2A CN201510463911A CN105069698B CN 105069698 B CN105069698 B CN 105069698B CN 201510463911 A CN201510463911 A CN 201510463911A CN 105069698 B CN105069698 B CN 105069698B
Authority
CN
China
Prior art keywords
ant
matrix
path
shortest path
time delay
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510463911.2A
Other languages
English (en)
Other versions
CN105069698A (zh
Inventor
董新洲
薄志谦
陈昕
施慎行
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
State Grid Corp of China SGCC
Xuji Group Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
Xuji Group Co Ltd
Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University, State Grid Corp of China SGCC, Xuji Group Co Ltd, Electric Power Research Institute of State Grid Liaoning Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201510463911.2A priority Critical patent/CN105069698B/zh
Publication of CN105069698A publication Critical patent/CN105069698A/zh
Application granted granted Critical
Publication of CN105069698B publication Critical patent/CN105069698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明提出了一种基于蚁群算法的路径探索方法及装置和一种电力系统，其中，基于蚁群算法的路径探索方法包括：根据电力系统中的通信网节点距离信息，构建节点距离矩阵；根据电力系统中的通信网节点传输时延信息，构建时延向量；根据节点距离矩阵和时延向量，确定时延距离矩阵；初始化蚁群算法的初始参数；根据初始参数，通过蚁群算法在时延距离矩阵中进行循环搜索，以输出电力系统的最短路径矩阵和最短路径总长。通过本发明的技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。

Description

基于蚁群算法的路径探索方法、装置及电力系统
技术领域
本发明涉及终端技术领域，具体而言，涉及一种基于蚁群算法的路径探索方法、一种基于蚁群算法的路径探索装置及一种电力系统。
背景技术
目前，在电力系统受灾后，一般通信网络会受到损害，这样通常会导致电力系统中的二次设备无法进行正常的通信。但电力通信网的结构比较复杂，存在构建有线迂回信道的可能性。
因此，需要一种新的技术方案，能够在电力系统受灾后，解决变电站与保护智能中心之间无法正常通信的问题，方便快捷地获取所需的有线迂回路径。
发明内容
本发明正是基于上述问题，提出了一种新的技术方案，能够在电力系统受灾后，方便快捷地获取所需的有线迂回路径。
有鉴于此，本发明的一方面提出了一种基于蚁群算法的路径探索方法，用于电力系统，包括：根据所述电力系统中的通信网节点距离信息，构建节点距离矩阵；根据所述电力系统中的通信网节点传输时延信息，构建时延向量；根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵；初始化蚁群算法的初始参数；根据所述初始参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，以输出所述电力系统的最短路径矩阵和最短路径总长。
在该技术方案中，可以利用电力系统中的通信网节点距离信息、通信网节点传输时延信息等构建节点距离矩阵及时延距离矩阵，从而利用这些已有的通信网拓扑结构，确定时延距离矩阵，以便在时延距离矩阵中基于蚁群算法对任意两点间可能存在的有线迂回信道进行搜索，从而得到最优有线迂回信道。其中，电力通信网往往信道众多，并且传输时延很小，便于建立有线迂回信道。通过该技术方案，应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。具体地，利用电力系统中有关通信网节点距离的信息，构建节点距离矩阵D，其中，D为N×N矩阵，单位为km，总节点数为N，D中第i行第j列元素dij表示i、j两个节点间的距离，如果二者不直接相连，则将dij设为一个很大的数值m，例如设置m＝999。同时，利用电力系统中有关通信节点传输时延的信息，还可以构建时延向量T，其中，T为N维列向量，单位为s，T中第i个元素ti表示i节点的传输时延。
在上述技术方案中，优选地，所述根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵，具体包括：将所述时延向量与光在光纤中的传播速度相乘，得到所述节点距离矩阵中的每个节点的等效距离向量；计算所述节点距离矩阵中第i个节点对应的等效距离向量与第j个节点对应的等效距离向量的和；将所述节点距离矩阵中第i行第j列的元素dij与所述和的二分之一相加，得到所述时延距离矩阵中第i行第j列的元素d‘ij。
在该技术方案中，将构建的时延向量T乘以光的光纤传播速度，其中，光的光纤传播速度也就是光在光纤中的速度约为2×105km/s，得到等效距离向量dr，也就是说，第i个元素dri＝2×105×ti。令d‘ij＝dij+(dri+dri)/2，得到增加了时延的距离矩阵Dnew。通过该技术方案，可以获取时延的距离矩阵Dnew，从而便于在时延的距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，所述蚁群算法的所述参数包括：待寻找路径的起始节点、待寻找路径的终止节点、所述蚁群算法的总蚂蚁数、总循环次数、信息素矩阵、信息素残留系数、最短路径矩阵、最短路径节点数、最短路径总长。
在该技术方案中，蚁群算法的参数包括但不限于上述各项，其中，设置蚁群算法的参数包括：将待寻找路径的起始节点、待寻找路径的终止节点分别设为节点a、节点b，其中，a为任一变电站节点，b为任一保护智能中心节点；设置蚁群算法中总蚂蚁数Nant，Nant＝总节点数N×2/3，如果结果不是整数，则向上取整；设置总循环次数C，例如设置C＝100；设置信息素矩阵X，其中，X为N×N阶矩阵，矩阵中每个元素值均为1；设置信息素残留系数Xcl，例如设置Xcl＝0.95；设置最短路径矩阵P，最短路径矩阵P为包含N个0元素的列向量；设置最短路径节点数Nb，最短路径节点数Nb值为0；设置最短路径总长Lb，最短路径总长Lb值为一很大的值，例如Lb＝999。通过该技术方案，对蚁群算法的多种参数进行了设置，从而便于进一步在时延距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，所述根据所述参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，包括：以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点，其中，所述蚁群算法的蚂蚁数起始为一，每循环搜索一次，所述蚂蚁数增加一；当搜索到所述待寻找路径的终止节点时，更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长，并将当前的所述蚂蚁数增加一，当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
在该技术方案中，当开始循环时，循环次数记作k＝1，设起始蚂蚁数ka＝1；以节点a为起点，利用蚁群算法在Dnew矩阵中搜索，记录搜索路径，如果某一节点已经去过，那么在本次搜索中不会再去；如果搜索到b节点，则第k次循环的第ka只蚂蚁搜索成功，从而，将最短路径矩阵P更新，记录该蚂蚁走过的路径，将最短路径节点数Nb更新，记录该蚂蚁走过的节点数，以及将最短路径总长Lb更新，记录该蚂蚁走过的路径总长。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
在上述技术方案中，优选地，所述根据所述参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，还包括：在所述将当前的所述蚂蚁数增加一之后，检测当前的所述蚂蚁数是否大于所述蚁群算法的总蚂蚁数；当检测结果为是时，更新所述信息素矩阵，并将当前循环次数加一，并当加一后的所述当前循环次数大于所述总循环次数时，输出最终的最短路径矩阵和最短路径总长；当所述检测结果为否时，令所述当前循环次数为一，重新通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点。
在该技术方案中，令蚂蚁数ka＝ka+1，若增加1之后的ka>总蚂蚁数Nant，则计算信息素浓度Xc＝1/Lb，并更新信息素矩阵X，X＝Xcl×X，在向量P中依次查找最短路径中包括的节点，若其中相邻两个节点分别为ni、nj，则矩阵X中对应元素xninj＝xninj+XC、xninj＝xninj+XC。之后，再设置循环次数k＝k+1，如果加1后的k>C，输出最短路径矩阵P、最短路径总长Lb，否则，令k＝1，返回继续时延距离矩阵中循环搜索待寻找路径的终止节点。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
本发明的另一方面提出了一种基于蚁群算法的路径探索装置，用于电力系统，包括：构建单元，根据所述电力系统中的通信网节点距离信息，构建节点距离矩阵，以及根据所述电力系统中的通信网节点传输时延信息，构建时延向量；时延距离矩阵确定单元，根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵；初始化单元，初始化蚁群算法的初始参数；循环搜索单元，根据所述初始参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，以输出所述电力系统的最短路径矩阵和最短路径总长。
在该技术方案中，可以利用电力系统中的通信网节点距离信息、通信网节点传输时延信息等构建节点距离矩阵及时延距离矩阵，从而利用这些已有的通信网拓扑结构，确定时延距离矩阵，以便在时延距离矩阵中基于蚁群算法对任意两点间可能存在的有线迂回信道进行搜索，从而得到最优有线迂回信道。其中，电力通信网往往信道众多，并且传输时延很小，便于建立有线迂回信道。通过该技术方案，应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。具体地，利用电力系统中有关通信网节点距离的信息，构建节点距离矩阵D，其中，D为N×N矩阵，单位为km，总节点数N，D中第i行第j列元素dij表示i、j两个节点间的距离，如果二者不直接相连，则将dij设为一个很大的数值m，例如设置m＝999。同时，利用电力系统中有关通信节点传输时延的信息，还可以构建时延向量T，其中，T为N维列向量，单位为s，T中第i个元素ti表示i节点的传输时延。
在上述技术方案中，优选地，所述时延距离矩阵确定单元包括：有效距离向量确定单元，将所述时延向量与光在光纤中的传播速度相乘，得到所述节点距离矩阵中的每个节点的等效距离向量；计算单元，计算所述节点距离矩阵中第i个节点对应的等效距离向量与第j个节点对应的等效距离向量的和，以及将所述节点距离矩阵中第i行第j列的元素dij与所述和的二分之一相加，得到所述时延距离矩阵中第i行第j列的元素d‘ij。
在该技术方案中，将构建的时延向量T乘以光的光纤传播速度，其中，光的光纤传播速度阈值也就是光在光纤中的速度约为2×105km/s，得到等效距离向量dr，也就是说，第i个元素dri＝2×105×ti。令d‘ij＝dij+(dri+drj)/2，得到增加了时延的距离矩阵Dnew。通过该技术方案，可以获取时延的距离矩阵Dnew，从而便于在时延的距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，所述蚁群算法的所述参数包括：待寻找路径的起始节点、待寻找路径的终止节点、所述蚁群算法的总蚂蚁数、总循环次数、信息素矩阵、信息素残留系数、最短路径矩阵、最短路径节点数、最短路径总长。
在该技术方案中，蚁群算法的参数包括但不限于上述各项，其中，设置蚁群算法的参数包括：将待寻找路径的起始节点、待寻找路径的终止节点分别设为节点a、节点b，其中，a为任一变电站节点，b为任一保护智能中心节点；设置蚁群算法中总蚂蚁数Nant，Nant＝总节点数N×2/3，如果结果不是整数，则向上取整；设置总循环次数C，例如设置C＝100；设置信息素矩阵X，其中，X为N×N阶矩阵，矩阵中每个元素值均为1；设置信息素残留系数Xcl，例如设置Xcl＝0.95；设置最短路径矩阵P，最短路径矩阵P为包含N个0元素的列向量；设置最短路径节点数Nb，最短路径节点数Nb值为0；设置最短路径总长Lb，最短路径总长Lb值为一很大的值，例如Lb＝999。通过该技术方案，对蚁群算法的多种参数进行了设置，从而便于进一步在时延距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，所述循环搜索单元包括：第一循环单元，以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点，其中，所述蚁群算法的蚂蚁数起始为一，每循环搜索一次，所述蚂蚁数增加一；第一更新单元，当搜索到所述待寻找路径的终止节点时，更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长，并将当前的所述蚂蚁数增加一；所述循环搜索单元还用于：当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
在该技术方案中，当开始循环时，循环次数记作k＝1，设起始蚂蚁数ka＝1；以节点a为起点，利用蚁群算法在Dnew矩阵中搜索，记录搜索路径，如果某一节点已经去过，那么在本次搜索中不会再去；如果搜索到b节点，则第k次循环的第ka只蚂蚁搜索成功，从而，将最短路径矩阵P更新，记录该蚂蚁走过的路径，将最短路径节点数Nb更新，记录该蚂蚁走过的节点数，以及将最短路径总长Lb更新，记录该蚂蚁走过的路径总长。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
在上述技术方案中，优选地，所述循环搜索单元还包括：检测单元，在所述将当前的所述蚂蚁数增加一之后，检测当前的所述蚂蚁数是否大于所述蚁群算法的总蚂蚁数；第二更新单元，当检测结果为是时，更新所述信息素矩阵，并将当前循环次数加一，并当加一后的所述当前循环次数大于所述总循环次数时，输出最终的最短路径矩阵和最短路径总长；第二循环单元，当所述检测结果为否时，令所述当前循环次数为一，重新通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点。
在该技术方案中，令蚂蚁数ka＝ka+1，若增加1之后的ka>总蚂蚁数Nant，则计算信息素浓度Xc＝1/Lb，并更新信息素矩阵X，X＝Xcl×X，在向量P中依次查找最短路径中包括的节点，若其中相邻两个节点分别为ni、nj，则矩阵X中对应元素xninj＝xninj+XC、xnjni＝xnjni+XC。之后，再设置循环次数k＝k+1，如果加1后的k>C，输出最短路径矩阵P、最短路径总长Lb，否则，令k＝1，返回继续时延距离矩阵中循环搜索待寻找路径的终止节点。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
本发明的再一方面提出了一种电力系统，包括上述任一项所述的基于蚁群算法的路径探索装置，因此，该电力系统具有与上述任一项所述的基于蚁群算法的路径探索装置相同的技术效果，在此不再赘述。
通过以上技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
附图说明
图1示出了根据本发明的一个实施例的基于蚁群算法的路径探索方法的流程图；
图2示出了根据本发明的一个实施例的基于蚁群算法的路径探索装置的框图；
图3示出了根据本发明的一个实施例的电力系统的框图；
图4示出了根据本发明的另一个实施例的基于蚁群算法的路径探索方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的基于蚁群算法的路径探索方法的流程图。
如图1所示，根据本发明的一个实施例的基于蚁群算法的路径探索方法，用于电力系统，包括：
步骤102，根据电力系统中的通信网节点距离信息，构建节点距离矩阵。
步骤104，根据电力系统中的通信网节点传输时延信息，构建时延向量。
步骤106，根据节点距离矩阵和时延向量，确定时延距离矩阵。
步骤108，初始化蚁群算法的初始参数。
步骤110，根据初始参数，通过蚁群算法在时延距离矩阵中进行循环搜索，以输出电力系统的最短路径矩阵和最短路径总长。
在该技术方案中，可以利用电力系统中的通信网节点距离信息、通信网节点传输时延信息等构建节点距离矩阵及时延距离矩阵，从而利用这些已有的通信网拓扑结构，确定时延距离矩阵，以便在时延距离矩阵中基于蚁群算法对任意两点间可能存在的有线迂回信道进行搜索，从而得到最优有线迂回信道。其中，电力通信网往往信道众多，并且传输时延很小，便于建立有线迂回信道。通过该技术方案，应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。具体地，利用电力系统中有关通信网节点距离的信息，构建节点距离矩阵D，其中，D为N×N矩阵，单位为km，总节点数N，D中第i行第j列元素dij表示i、j两个节点间的距离，如果二者不直接相连，则将dij设为一个很大的数值m，例如设置m＝999。同时，利用电力系统中有关通信节点传输时延的信息，还可以构建时延向量T，其中，T为N维列向量，单位为s，T中第i个元素ti表示i节点的传输时延。
在上述技术方案中，优选地，步骤106具体包括：以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点，其中，所述蚁群算法的蚂蚁数起始为一，每循环搜索一次，所述蚂蚁数增加一；当搜索到所述待寻找路径的终止节点时，更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长，并将当前的所述蚂蚁数增加一，当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
在该技术方案中，当开始循环时，循环次数记作k＝1，设起始蚂蚁数ka＝1；以节点a为起点，利用蚁群算法在Dnew矩阵中搜索，记录搜索路径，如果某一节点已经去过，那么在本次搜索中不会再去；如果搜索到b节点，则第k次循环的第ka只蚂蚁搜索成功，从而，将最短路径矩阵P更新，记录该蚂蚁走过的路径，将最短路径节点数Nb更新，记录该蚂蚁走过的节点数，以及将最短路径总长Lb更新，记录该蚂蚁走过的路径总长。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
在上述技术方案中，优选地，蚁群算法的初始参数包括：待寻找路径的起始节点、待寻找路径的终止节点、蚁群算法的总蚂蚁数、总循环次数、初始信息素矩阵、信息素残留系数、初始最短路径矩阵、初始最短路径节点数、初始最短路径总长。
在该技术方案中，蚁群算法的初始参数包括但不限于上述各项，其中，设置蚁群算法的初始参数包括：将待寻找路径的起始节点、待寻找路径的终止节点分别设为节点a、节点b，其中，a为任一变电站节点，b为任一保护智能中心节点；设置蚁群算法中总蚂蚁数Nant，Nant＝总节点数N×2/3，如果结果不是整数，则向上取整；设置总循环次数C，例如设置C＝100；设置信息素矩阵X，其中，X为N×N阶矩阵，矩阵中每个元素值均为1；设置信息素残留系数Xcl，例如设置Xcl＝0.95；设置最短路径矩阵P，最短路径矩阵P为包含N个0元素的列向量；设置最短路径节点数Nb，最短路径节点数Nb值为0；设置最短路径总长Lb，最短路径总长Lb值为一很大的值，例如Lb＝999。通过该技术方案，对蚁群算法的多种参数进行了设置，从而便于进一步在时延距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，步骤110包括：以待寻找路径的起始节点为起点，通过蚁群算法在时延距离矩阵中循环搜索待寻找路径的终止节点，其中，蚁群算法的蚂蚁数起始为一，每循环搜索一次，蚂蚁数增加一；当搜索到待寻找路径的终止节点时，更新初始最短路径矩阵、初始最短路径节点数和初始最短路径总长，并将当前的蚂蚁数增加一；当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
在该技术方案中，当开始循环时，循环次数记作k＝1，设起始蚂蚁数ka＝1；以节点a为起点，利用蚁群算法在Dnew矩阵中搜索，记录搜索路径，如果某一节点已经去过，那么在本次搜索中不会再去；如果搜索到b节点，则第k次循环的第ka只蚂蚁搜索成功，从而，将最短路径矩阵P更新，记录该蚂蚁走过的路径，将最短路径节点数Nb更新，记录该蚂蚁走过的节点数，以及将最短路径总长Lb更新，记录该蚂蚁走过的路径总长。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
在上述技术方案中，优选地，步骤110还包括：在将当前的蚂蚁数增加一之后，检测当前的蚂蚁数是否大于蚁群算法的总蚂蚁数；当检测结果为是时，更新初始信息素矩阵，并将当前循环次数加一，并当加一后的当前循环次数大于总循环次数时，输出最终的最短路径矩阵和最短路径总长；当检测结果为否时，令所述当前循环次数为一，重新通过蚁群算法在时延距离矩阵中循环搜索待寻找路径的终止节点。
在该技术方案中，令蚂蚁数ka＝ka+1，若增加1之后的ka>总蚂蚁数Nant，则计算信息素浓度Xc＝1/Lb，并更新信息素矩阵X，X＝Xcl×X，在向量P中依次查找最短路径中包括的节点，若其中相邻两个节点分别为ni、nj，则矩阵X中对应元素xninj＝xninj+XC、xnjni＝xnjni+XC。之后，再设置循环次数k＝k+1，如果加1后的k>C，输出最短路径矩阵P、最短路径总长Lb，否则，令k＝1，返回继续时延距离矩阵中循环搜索待寻找路径的终止节点。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
图2示出了根据本发明的一个实施例的基于蚁群算法的路径探索装置的框图。
如图2所示，根据本发明的一个实施例的基于蚁群算法的路径探索装置200，用于电力系统，包括：构建单元202，根据电力系统中的通信网节点距离信息，构建节点距离矩阵，以及根据电力系统中的通信网节点传输时延信息，构建时延向量；时延距离矩阵确定单元204，根据节点距离矩阵和时延向量，确定时延距离矩阵；初始化单元206，初始化蚁群算法的初始参数；循环搜索单元208，根据初始参数，通过蚁群算法在时延距离矩阵中进行循环搜索，以输出电力系统的最短路径矩阵和最短路径总长。
在该技术方案中，可以利用电力系统中的通信网节点距离信息、通信网节点传输时延信息等构建节点距离矩阵及时延距离矩阵，从而利用这些已有的通信网拓扑结构，确定时延距离矩阵，以便在时延距离矩阵中基于蚁群算法对任意两点间可能存在的有线迂回信道进行搜索，从而得到最优有线迂回信道。其中，电力通信网往往信道众多，并且传输时延很小，便于建立有线迂回信道。通过该技术方案，应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。具体地，利用电力系统中有关通信网节点距离的信息，构建节点距离矩阵D，其中，D为N×N矩阵，单位为km，总节点数N，D中第i行第j列元素dij表示i、j两个节点间的距离，如果二者不直接相连，则将dij设为一个很大的数值m，例如设置m＝999。同时，利用电力系统中有关通信节点传输时延的信息，还可以构建时延向量T，其中，T为N维列向量，单位为s，T中第i个元素ti表示i节点的传输时延。
在上述技术方案中，优选地，时延距离矩阵确定单元204包括：有效距离向量确定单元2042，将节点距离矩阵中的任一元素的时延向量与光的光纤传播速度阈值相乘，得到任一元素的有效距离向量；计算单元2044，计算所述节点距离矩阵中第i个节点对应的等效距离向量与第j个节点对应的等效距离向量的和，以及将所述节点距离矩阵中第i行第j列的元素dij与所述和的二分之一相加，得到所述时延距离矩阵中第i行第j列的元素d‘ij。
在该技术方案中，将构建的时延向量T乘以光的光纤传播速度，其中，光的光纤传播速度阈值也就是光在光纤中的速度约为2×105km/s，得到等效距离向量dr，也就是说，第i个元素dri＝2×105×ti。令d‘ij＝dij+(dri+drj)/2，得到增加了时延的距离矩阵Dnew。通过该技术方案，可以获取时延的距离矩阵Dnew，从而便于在时延的距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，所述蚁群算法的所述参数包括：待寻找路径的起始节点、待寻找路径的终止节点、所述蚁群算法的总蚂蚁数、总循环次数、信息素矩阵、信息素残留系数、最短路径矩阵、最短路径节点数、最短路径总长。
在该技术方案中，蚁群算法的初始参数包括但不限于上述各项，其中，设置蚁群算法的初始参数包括：将待寻找路径的起始节点、待寻找路径的终止节点分别设为节点a、节点b，其中，a为任一变电站节点，b为任一保护智能中心节点；设置蚁群算法中总蚂蚁数Nant，Nant＝总节点数N×2/3，如果结果不是整数，则向上取整；设置总循环次数C，例如设置C＝100；设置信息素矩阵X，其中，X为N×N阶矩阵，矩阵中每个元素值均为1；设置信息素残留系数Xcl，例如设置Xcl＝0.95；设置最短路径矩阵P，最短路径矩阵P为包含N个0元素的列向量；设置最短路径节点数Nb，最短路径节点数Nb值为0；设置最短路径总长Lb，最短路径总长Lb值为一很大的值，例如Lb＝999。通过该技术方案，对蚁群算法的多种参数进行了设置，从而便于进一步在时延距离矩阵Dnew中通过蚁群算法搜索最短路径信道，提升了路径搜索的效率。
在上述技术方案中，优选地，循环搜索单元208包括：第一循环单元2082，以待寻找路径的起始节点为起点，通过蚁群算法在时延距离矩阵中循环搜索待寻找路径的终止节点，其中，蚁群算法的蚂蚁数起始为一，每循环一次，蚂蚁数增加一；第一更新单元2084，当搜索到待寻找路径的终止节点时，更新初始最短路径矩阵、初始最短路径节点数和初始最短路径总长，并将当前的蚂蚁数增加一；循环搜索单元208还用于：当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
在该技术方案中，当开始循环时，循环次数记作k＝1，设起始蚂蚁数ka＝1；以节点a为起点，利用蚁群算法在Dnew矩阵中搜索，记录搜索路径，如果某一节点已经去过，那么在本次搜索中不会再去；如果搜索到b节点，则第k次循环的第ka只蚂蚁搜索成功，从而，将最短路径矩阵P更新，记录该蚂蚁走过的路径，将最短路径节点数Nb更新，记录该蚂蚁走过的节点数，以及将最短路径总长Lb更新，记录该蚂蚁走过的路径总长。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
在上述技术方案中，优选地，循环搜索单元208还包括：检测单元2086，在将当前的蚂蚁数增加一之后，检测当前的蚂蚁数是否大于蚁群算法的总蚂蚁数；第二更新单元2088，当检测结果为是时，更新初始信息素矩阵，并将当前循环次数加一，并当加一后的当前循环次数大于总循环次数时，输出最终的最短路径矩阵和最短路径总长；第二循环单元20810，当检测结果为否时，令所述当前循环次数为一，重新通过蚁群算法在时延距离矩阵中循环搜索待寻找路径的终止节点。
在该技术方案中，令蚂蚁数ka＝ka+1，若增加1之后的ka>总蚂蚁数Nant，则计算信息素浓度Xc＝1/Lb，并更新信息素矩阵X，X＝Xcl×X，在向量P中依次查找最短路径中包括的节点，若其中相邻两个节点分别为ni、nj，则矩阵X中对应元素xninj＝xninj+XC、xnjni＝xnjni+XC。之后，再设置循环次数k＝k+1，如果加1后的k>C，输出最短路径矩阵P、最短路径总长Lb，否则，令k＝1，返回继续时延距离矩阵中循环搜索待寻找路径的终止节点。通过该技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
图3示出了根据本发明的一个实施例的电力系统的框图。
如图3所示，根据本发明的一个实施例的电力系统300，包括基于蚁群算法的路径探索装置200，因此，该电力系统300具有与图2示出的基于蚁群算法的路径探索装置200相同的技术效果，在此不再赘述。
图4示出了根据本发明的另一个实施例的基于蚁群算法的路径探索方法的流程图。
如图4所示，根据本发明的另一个实施例的基于蚁群算法的路径探索方法的流程包括：
步骤402，依据通信网相关信息构建距离矩阵D、时延向量T。
步骤404，对D、T处理后得到考虑时延的距离矩阵Dnew。
步骤406，初始化：设置起点a、终点b，蚂蚁数Nant，循环总数C，信息素矩阵X，信息素残留系数Xcl，最短路径矩阵P，最短节点数Nb，最短路径总长Lb。其中，起点a为任一变电站节点，终点b为任一保护智能中心节点。
步骤408，设置循环次数k＝1。
步骤410，蚂蚁数ka＝1。
步骤412，第k次循环第ka只蚂蚁在矩阵Dnew中从a进行搜索。
步骤414，判断是否搜索到b，其中，b为终点，当判断结果为是则进入步骤416，当判断结果为否则进入步骤418。
步骤416，更新P、Nb、Lb。
步骤418，设置ka＝ka+1。
步骤420，判断ka是否大于Nant，当判断结果为是则进入步骤422，当判断结果为否则返回步骤412。
步骤422，更新矩阵X。
步骤424，设置k＝k+1。
步骤426，判断k是否大于C，当判断结果为是则进入步骤428，当判断结果为否则返回步骤410。
步骤428，输出P、Lb。
以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，将蚁群算法应用于电力系统灾后通信网络受损情况下变电站与保护智能中心之间的有线迂回信道的构建，便于建立最短路径信道，并使得信道构建更加快捷方便，为电力系统灾后紧急运行提供了便利。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于蚁群算法的路径探索方法，用于电力系统，其特征在于，包括：
根据所述电力系统中的通信网节点距离信息，构建节点距离矩阵；
根据所述电力系统中的通信网节点传输时延信息，构建时延向量；
根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵；
初始化蚁群算法的初始参数；
根据所述初始参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，以输出所述电力系统的最短路径矩阵和最短路径总长；
所述根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵，具体包括：
将所述时延向量与光在光纤中的传播速度相乘，得到所述节点距离矩阵中的每个节点的等效距离向量；
计算所述节点距离矩阵中第i个节点对应的等效距离向量与第j个节点对应的等效距离向量的和；
将所述节点距离矩阵中第i行第j列的元素dij与所述和的二分之一相加，得到所述时延距离矩阵中第i行第j列的元素d’ij。
2.根据权利要求1所述的基于蚁群算法的路径探索方法，其特征在于，所述蚁群算法的所述初始参数包括：
待寻找路径的起始节点、待寻找路径的终止节点、所述蚁群算法的总蚂蚁数、总循环次数、信息素矩阵、信息素残留系数、最短路径矩阵、最短路径节点数、最短路径总长。
3.根据权利要求2所述的基于蚁群算法的路径探索方法，其特征在于，所述根据所述初始参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，包括：
以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点，其中，所述蚁群算法的蚂蚁数起始为一，每循环搜索一次，所述蚂蚁数增加一；
当搜索到所述待寻找路径的终止节点时，更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长，并将当前的所述蚂蚁数增加一；
当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
4.根据权利要求3所述的基于蚁群算法的路径探索方法，其特征在于，所述根据所述参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，还包括：
在所述将当前的所述蚂蚁数增加一之后，检测当前的所述蚂蚁数是否大于所述蚁群算法的总蚂蚁数；
当检测结果为是时，更新所述信息素矩阵，并将当前循环次数加一，并当加一后的所述当前循环次数大于所述总循环次数时，输出最终的最短路径矩阵和最短路径总长；
当所述检测结果为否时，重新在所述当前循环次数中，以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点；
当加一后的所述当前循环次数小于或等于所述总循环次数时，令当前的所述蚂蚁数为一，重新通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点。
5.一种基于蚁群算法的路径探索装置，用于电力系统，其特征在于，包括：
构建单元，根据所述电力系统中的通信网节点距离信息，构建节点距离矩阵，以及根据所述电力系统中的通信网节点传输时延信息，构建时延向量；
时延距离矩阵确定单元，根据所述节点距离矩阵和所述时延向量，确定时延距离矩阵；
初始化单元，初始化蚁群算法的初始参数；
循环搜索单元，根据所述初始参数，通过所述蚁群算法在所述时延距离矩阵中进行循环搜索，以输出所述电力系统的最短路径矩阵和最短路径总长；
所述时延距离矩阵确定单元包括：
有效距离向量确定单元，将所述时延向量与光在光纤中的传播速度相乘，得到所述节点距离矩阵中的每个节点的等效距离向量；
计算单元，计算所述节点距离矩阵中第i个节点对应的等效距离向量与第j个节点对应的等效距离向量的和，以及将所述节点距离矩阵中第i行第j列的元素dij与所述和的二分之一相加，得到所述时延距离矩阵中第i行第j列的元素d’ij。
6.根据权利要求5所述的基于蚁群算法的路径探索装置，其特征在于，所述蚁群算法的所述初始参数包括：
待寻找路径的起始节点、待寻找路径的终止节点、所述蚁群算法的总蚂蚁数、总循环次数、信息素矩阵、信息素残留系数、最短路径矩阵、最短路径节点数、最短路径总长。
7.根据权利要求6所述的基于蚁群算法的路径探索装置，其特征在于，所述循环搜索单元包括：
第一循环单元，以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点，其中，所述蚁群算法的蚂蚁数起始为一，每循环搜索一次，所述蚂蚁数增加一；
第一更新单元，当搜索到所述待寻找路径的终止节点时，更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长，并将当前的所述蚂蚁数增加一；
所述循环搜索单元还用于：
当未搜索到所述待寻找路径的终止节点但搜索无法进行下去时，直接将当前的所述蚂蚁数增加一，不更新所述最短路径矩阵、所述最短路径节点数和所述最短路径总长。
8.根据权利要求7所述的基于蚁群算法的路径探索装置，其特征在于，所述循环搜索单元还包括：
检测单元，在所述将当前的所述蚂蚁数增加一之后，检测当前的所述蚂蚁数是否大于所述蚁群算法的总蚂蚁数；
第二更新单元，当检测结果为是时，更新所述信息素矩阵，并将当前循环次数加一，并当加一后的所述当前循环次数大于所述总循环次数时，输出最终的最短路径矩阵和最短路径总长；
第二循环单元，当所述检测结果为否时，重新在所述当前循环次数中，以所述待寻找路径的起始节点为起点，通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点；
当加一后的所述当前循环次数小于或等于所述总循环次数时，令当前的所述蚂蚁数为一，重新通过所述蚁群算法在所述时延距离矩阵中循环搜索所述待寻找路径的终止节点。
9.一种电力系统，其特征在于，包括如权利要求5至8中任一项所述的基于蚁群算法的路径探索装置。
CN201510463911.2A 2015-07-31 2015-07-31 基于蚁群算法的路径探索方法、装置及电力系统 Active CN105069698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510463911.2A CN105069698B (zh) 2015-07-31 2015-07-31 基于蚁群算法的路径探索方法、装置及电力系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510463911.2A CN105069698B (zh) 2015-07-31 2015-07-31 基于蚁群算法的路径探索方法、装置及电力系统

Publications (2)

Publication Number Publication Date
CN105069698A CN105069698A (zh) 2015-11-18
CN105069698B true CN105069698B (zh) 2019-02-22

Family

ID=54499056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510463911.2A Active CN105069698B (zh) 2015-07-31 2015-07-31 基于蚁群算法的路径探索方法、装置及电力系统

Country Status (1)

Country Link
CN (1) CN105069698B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106533777B (zh) * 2016-11-29 2018-08-10 广东工业大学 基于矩阵行列的智能变电站信息流路径确定方法及系统
CN110768904B (zh) * 2019-10-31 2022-02-15 广东电网有限责任公司 电力通信网的业务通信检测方法、装置、终端及存储介质
CN111181854B (zh) * 2020-01-02 2021-12-10 国网浙江省电力有限公司信息通信分公司 确定配用电多业务差异QoS最优路由的方法及系统
CN111628932A (zh) * 2020-05-27 2020-09-04 江苏蔚能科技有限公司 基于蚁群算法的电力路径优化探索方法
CN115270377B (zh) * 2022-09-26 2023-01-31 浙江华东工程数字技术有限公司 一种基于改进蚁群算法的多电缆最佳路径规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667972A (zh) * 2009-10-19 2010-03-10 国网信息通信有限公司 电力通信网络业务路由方法及设备
CN104485690A (zh) * 2014-12-18 2015-04-01 国家电网公司 一种基于多阶段动态规划的电网多源调峰方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101667972A (zh) * 2009-10-19 2010-03-10 国网信息通信有限公司 电力通信网络业务路由方法及设备
CN104485690A (zh) * 2014-12-18 2015-04-01 国家电网公司 一种基于多阶段动态规划的电网多源调峰方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Ant system:optimization by a colony of cooperating agents;Marco Dorigo, Vittorio Maniezzo, and Alberto Colorni;《IEEE Transactions on Systems Man&Cybernetics Part B Cybernetics》;19960229;第26卷;第29-41页
电力通信网资源管理系统中配置管理和路由搜索的研究与实现;何松;《中国优秀硕士学位论文全文数据库 信息科技辑》;20081115(第11期);第19-22，28，33-36页
长链型无线传感器网络QoS路由优化的研究;张君艳 等;《计算机应用研究》;20100731;第27卷(第7期);第2720-2723页

Also Published As

Publication number Publication date
CN105069698A (zh) 2015-11-18

Similar Documents

Publication Publication Date Title
CN105069698B (zh) 基于蚁群算法的路径探索方法、装置及电力系统
CN103837154B (zh) 路径规划的方法及系统
CN104123279B (zh) 关键词的聚类方法和装置
CN110837602A (zh) 基于表示学习和多模态卷积神经网络的用户推荐方法
CN109636049A (zh) 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法
CN106650074B (zh) 一种基于遗传蚁群融合算法的数字微流控芯片灾难性故障测试方法
CN110319845A (zh) 用于确定两点之间的可达路径的方法、装置和系统
Volgenant A Lagrangean approach to the degree-constrained minimum spanning tree problem
CN111130907B (zh) 基于宽带载波网络拓扑形成物理拓扑的方法
CN104617985B (zh) 基于蚁群算法的电力通信网线路优化方法及装置
US20230052730A1 (en) Method for predicting operation state of power distribution network with distributed generations based on scene analysis
CN107121146B (zh) 基于路链深度的最优路径规划方法
CN109634987A (zh) 电网图数据库的查询方法及装置
CN113988464B (zh) 基于图神经网络的网络链路属性关系预测方法及设备
CN110290001B (zh) 电力通信网的单链结构优化方法、装置及设备
CN104268629A (zh) 一种基于先验信息和网络固有信息的复杂网络社区检测方法
CN101330417A (zh) 一种求网络最短路径的商空间覆盖模型及其构建方法
CN101916312A (zh) 基于人工免疫和蚁群算法结合的船舶航线智能生成方法
Dai et al. The trapping problem and the average shortest weighted path of the weighted pseudofractal scale-free networks
CN111935010A (zh) 基于蚁群算法的网络路径优化探索方法
CN112113569A (zh) 一种巡检路径优化方法及装置
CN109669957A (zh) 一种基于多蚁群遗传算法的分布式数据库查询优化方法
CN113792594A (zh) 一种基于对比学习的视频中语言片段定位方法及装置
Rais et al. Improved dynamic ant colony system (DACS) on symmetric Traveling Salesman Problem (TSP)
CN105187309B (zh) 双变电站路径探索方法、装置及电力系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20171027

Address after: No. 1298 Xuchang City, Henan province 461001 XJ Avenue

Applicant after: Xuji Group Co., Ltd.

Applicant after: Tsinghua University

Applicant after: State Grid Corporation of China

Applicant after: Electric Power Research Institute of State Grid Liaoning Electric Power Co., Ltd.

Address before: No. 1298 Xuchang City, Henan province 461001 XJ Avenue

Applicant before: Xuji Group Co., Ltd.

Applicant before: Tsinghua University

Applicant before: State Grid Corporation of China

GR01 Patent grant
GR01 Patent grant