CN105719016A - 一种基于免疫算法的电力通信网接入点的选址规划方法 - Google Patents

Abstract

本发明公开了一种基于免疫算法的电力通信网接入点的选址规划方法，其特征包括：1、确定接入点选址网络模型；2、建立接入点选址数学模型，包括成本、可靠性、时延和N?1原则约束；3、对免疫算法中抗体、抗原相关概念进行定义，使其符合接入点选址问题的要求；4、设置免疫算法的参数，初始化抗体种群；5、对抗体种群进行克隆、变异和选择，形成新一代种群；6、判断迭代终止条件，若满足则结束迭代，否则继续步骤；7、获得最优接入点选址方案。本发明能够在综合考虑经济建设成本、网络可靠性、N?1原则以及网络时延约束下保证电力通信网可靠有效的通信。

Description

一种基于免疫算法的电力通信网接入点的选址规划方法

技术领域

本发明涉及电力通信网数据网关领域，尤其涉及排队论理论构造网络时延约束和基于免疫算法的接入点规划策略。

背景技术

随着智能电网的广泛应用，通信基础设施逐渐向数字化、实时性、可扩展、可管理、安全可靠以及低成本方向发展，而电力通信网是保证智能电网安全有效运行的重要通信基础设施。因此，在电力通信网有效地监测及采集电网与用户之间通信的数据，并将这些信息数据通过各个数据接入点传送至上层业务系统，在电网中部署大量的智能电力终端。由于接入点是连接智能电力终端与外部业务系统之间的桥梁，起着数据网关的作用。因此，有效地规划接入点的数量与位置，从而提高智能电力终端与接入点间通信的可靠性，保证信息数据的完整性、安全性和可用性，对智能电网的正常运行起着重要作用。

目前，Haidine等研究了低压电网中接入点的最佳位置，考虑了网络建设成本和网络可靠性，但没有考虑N-1原则，使得网络的容灾能力较差。Silvia等在研究接入点规划时，使用N-1原则验证分析了链路故障对网络可靠性的影响，但没有将它作为规划的约束因素。另外，以上研究均没有考虑网络时延约束。因此，为了满足不同业务对时延的需求，研究时延可控的PLC接入点选址优化方法具有重要的研究价值。

发明内容

本发明克服了现有技术存在的不足之处，提出一种基于免疫算法的电力通信网接入点的选址规划方法，以期能有效地得到不同网络要求下的接入点选址规划方案，从而在综合考虑经济建设成本、网络可靠性、N-1原则以及网络时延约束下保证电力通信网可靠有效的通信。

本发明为解决技术问题采用如下技术方案：

本发明一种基于免疫算法的电力通信网接入点的选址规划方法，是应用于电力通信网与外部业务系统进行数据通信的网络环境中，其特点是，所述选址规划方法是按如下步骤进行：

步骤1、使用无向图G(E,L)表示电力通信网的拓扑结构；E和L分别表示所述电力通信网的终端节点集和链路集；并有，E＝{e₁,e₂,…,e_i,…e_n}；e_i表示第i个终端节点；1≤i≤n；n表示终端节点的个数；将所述链路集L中任意一条链路表示为l，l∈L；

假设所述电力通信网的终端节点集E中部署N个接入点；则由N个接入点形成M条路由P；假设选择第s个终端节点e_s为第j个接入点；1≤s≤n；1≤j≤N；则所述第i个终端节点e_i到第j个接入点的路由表示为p_i,j，并有 表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路；1≤k≤m；m表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中链路的总数；

步骤2、利用式(1)计算所述电力通信网的建设成本C：

$C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i---\left(1\right)$

式(1)中，c_i表示在第i个终端节点e_i上部署接入点的开销；x_i∈{0,1}；当x_i＝1时，表示在第i个终端节点e_i上部署接入点，当x_i＝0时，表示第i个终端节点e_i不部署接入点；

步骤3、利用式(2)计算第i个终端节点e_i到第j个接入点e_j的路由p_i,j的可靠性r_i,j：

$r_{i,j}=\underset{v_k\∈p_{i,j}}{\Π}{r}_{v_k}^{(i,j)}---\left(2\right)$

式(2)中，表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路的可靠性；

步骤4、利用式(3)和式(4)计算所述电力通信网的平均可靠性

$\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}---\left(3\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1---\left(4\right)$

式(3)中，y_i,j∈{0,1}，当y_i,j＝1时，表示通过路由p_i,j转发第i个终端节点e_i的流量；当y_i,j＝0时，表示没有通过路由p_i,j转发第i个终端节点e_i的流量；

式(4)表示任意个终端节点和第j个接入点之间只有一个路由；

步骤5、假设所述链路集L中任意一条链路l发生故障，则利用式(5)和式(6)计算所述电力通信网的平均可靠性

${\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l\×r_{i,j}---\left(5\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1---\left(6\right)$

式(5)中，当时，表示当链路l发生故障时，通过路由p_i,j转发第i个终端节点e_i的流量；当时，表示当链路l发生故障时，没有通过路由p_i,j转发第i个终端节点e_i的流量；P^l表示当链路l发生故障时，由N个接入点形成M条路由；

步骤6、利用式(7)计算数据包经过路由p_i,j发送至外部业务系统的总时延t_pi,j：

$t_{p_{i,j}}=t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)}---\left(7\right)$

式(7)中，表示数据包到达路由p_i,j中第k条链路时所需等到的队列长度；t_tra表示数据包在一条链路中的传输时延；t_pro表示一个终端节点响应数据包的处理时延；t_a表示数据包从接入点发送至外部业务系统的传输时延；

步骤7、利用式(8)计算经过M条路由P传送数据包到外部系统的平均时延

$\stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})---\left(8\right)$

步骤8、利用式(9)获得接入点选址规划的数学模型：

$\min C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i$

$s.t.\left\{\begin{array}{c}\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}\≥{\mathrm{\μ}}^l\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1\\ {\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l\×r_{i,j}\≥{\mathrm{\μ}}^l\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1\\ \stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})\≤\mathrm{\τ}\end{array}\right.---\left(9\right)$

式(9)中，μ表示网络可靠性阈值，μ^l表示当链路l发生故障时，网络可靠性阈值，τ表示网络时延阈值；

步骤9、参数设置：

根据电力通信网的规模设定种群规模为N_R；

定义记忆细胞数量为N_m、最大迭代次数为ω、进化次数为t；

初始化N_R＝α、N_m＝β、ω＝λ、t＝0、θ＝a、

步骤10、以所述数学模型为抗原，将随机生成α个抗体的初始抗体群；

步骤11、抗体评价

计算抗体与抗原间的亲和度以及抗体与抗体之间的亲和度，从而计算抗体浓度和期望繁殖概率；

步骤12、生成记忆细胞

将抗体与抗原的亲和度进行降序排序，取前β个抗体作为记忆细胞；

步骤13、形成父代子群

根据抗体与抗原的亲和度与抗体浓度的比值获得抗体的遗传率；将抗体的遗传率按降序排序，并提取前α-β个抗体作为父代种群；对父代种群进行克隆形成父代子群；

步骤14、群体更新

对所述父代子群中的抗体进行变异，变异后的抗体按比例接种局部疫苗，从而生成新群体，将所述记忆细胞加入所述新群体组成新一代抗体群；

步骤15、判断t＞λ是否成立，若成立，则将所述新一代抗体群作为最优解输出；否则，将t+1赋值给t，并返回步骤11顺序执行。

与现有技术相比，本发明的有益效果体现在：

1、本发明通过排队论理论构造网络时延约束；基于可靠性理论，建立网络可靠性函数，同时考虑网络建设成本，构造以经济性为目标，以可靠性、N-1原则和网络时延为约束的数学模型；提出了基于免疫算法的接入点规划算法，得到相应的染色体编码方案，并建立染色体亲和度函数，从而有效地得到不同网络要求下的接入点选址规划方案。相比于没有考虑端到端时延的规划方法，本文所提出的方法在经济性和可靠性方面虽略有下降，但在网络时延方面获得了大幅提升，从而保证了电力通信网可靠有效的通信。

2、本发明对电力通信网接入点的最佳位置规划问题建立了完整的多目标优化数学模型，该模型考虑了四种约束，使得该接入点选址问题考虑的更加全面，使结果更加具有有效性；

3、本发明考虑到了N-1原则，使得网络的抗灾能力更强大；

4、本发明针对模型最优解的问题，利用免疫算法进行求解，降低了计算的时间复杂度，具有较强的全局搜索能力和灵活度；

5、本发明在免疫算法的求解中，通过抗原与抗体的结合力与抗体之间的结合力这两种结合力对解进行评价和选择，抗体间的相互激励使得最优点周围的搜索效率明显提高，记忆细胞对抗体的抑制有效地避免了局部最优；

6、本发明在免疫算法中，对抗体进行选择时将每次进化后的最佳抗体中基因位排列组合较为固定的基因串提取出来，将这些固定的基因串按比例注射到抗体群中，从而抑制在变异时的退化现象，加快算法收敛速度。

附图说明

图1为本发明电力通信网20点系统示意图；

图2为本发明网络建设成本与网络平均可靠性的关系示意图；

图3为本发明端到端时延在不同网络下的变化情况示意图；

图4为本发明实验3电力通信网20点系统接入点部署示意图。

具体实施方式

本实施例中，一种基于免疫算法的电力通信网接入点的选址规划方法，是应用于电力通信网与外部业务系统进行数据通信的网络环境中；通过研究发现，电力通信网的组网模式主要有主从模式、对等模式和中心模式，其中对等模式的PLC网络较易部署，因此考虑采用对等模式组网的PLC网络。数据接入点为PLC的数据网关，用于连接PLC网络与因特网和外部业务系统。

电力通信网接入点选址规划需要考虑四个约束条件：

经济成本，要求在满足其它三个约束下使得网络建设的成本尽可能小；

可靠性约束，要求网络的平均可靠性不低于给定的阈值；

N-1原则，当一条通信链路发生故障时，保证每个终端节点至少与一个数据接入点通信；

网络时延约束，要求网络的平均时延不高于给定的阈值。

为了完成PLC网络通信接入点的选址规划，并且满足以最小化成本为目标，可靠性、N-1原则和网络时延为约束的条件，提出了基于免疫算法的接入点规划算法。该算法首先进行参数设置，然后进行初始化，接下来进行抗体评价，然后生成记忆细胞，形成父代子群，最后进行群体更新，直到生成最优解。由于接入点选址规划问题是一个多目标优化问题，该算法能够在有限时间内解决此类问题，而且在全局搜索能力和灵活度方面都表现较优。利用免疫算法的“疫苗”可以用来表征通信业务。具体的说，选址规划方法是按如下步骤进行：

步骤1、使用无向图G(E,L)表示电力通信网的拓扑结构；E和L分别表示电力通信网的终端节点集和链路集；并有，E＝{e₁,e₂,…,e_i,…e_n}；e_i表示第i个终端节点；1≤i≤n；n表示终端节点的个数；将链路集L中任意一条链路表示为l，l∈L；

假设电力通信网的终端节点集E中部署N个接入点；则由N个接入点形成M条路由P；假设选择第s个终端节点e_s为第j个接入点；1≤s≤n；1≤j≤N；则第i个终端节点e_i到第j个接入点的路由表示为p_i,j，并有 表示第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路；1≤k≤m；m表示第i个终端节点e_i到第j个接入点的路由p_i,j中链路的总数；

步骤2、在发明的规划问题中，网络的建设成本只考虑接入点的安装成本，因此利用式(1)计算电力通信网的建设成本C：

$C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i---\left(1\right)$

式(1)中，c_i表示在第i个终端节点e_i上部署接入点的开销；x_i∈{0,1}；当x_i＝1时，表示在第i个终端节点e_i上部署接入点，当x_i＝0时，表示第i个终端节点e_i不部署接入点；

步骤3、利用式(2)计算第i个终端节点e_i到第j个接入点e_j的路由p_i,j的可靠性r_i,j：

$r_{i,j}=\underset{v_k\∈p_{i,j}}{\Π}{r}_{v_k}^{(i,j)}---\left(2\right)$

式(2)中，表示第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路的可靠性。

为第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路的工作时间t_w与总时间t_all的比，路由p_i,j的可靠性为所有与该路由相连的通信链路的可靠性的乘积。

步骤4、利用式(3)和式(4)计算电力通信网的平均可靠性

$\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}---\left(3\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1---\left(4\right)$

式(3)中，y_i,j∈{0,1}，当y_i,j＝1时，表示通过路由p_i,j转发第i个终端节点e_i的流量；当y_i,j＝0时，表示没有通过路由p_i,j转发第i个终端节点e_i的流量；

式(4)表示任意个终端节点和第j个接入点之间只有一个路由；

步骤5、假设链路集L中任意一条链路l发生故障，则利用式(5)和式(6)计算电力通信网的平均可靠性

${\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l\×r_{i,j}---\left(5\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1---\left(6\right)$

式(5)中，当时，表示当链路l发生故障时，通过路由p_i,j转发第i个终端节点e_i的流量；当时，表示当链路l发生故障时，没有通过路由p_i,j转发第i个终端节点e_i的流量；P^l表示当链路l发生故障时，由N个接入点形成M条路由；

N-1原则是判定电力系统安全性的一种准则，即当N个元件中的任一元件发生故障后，其他线路不能因为过负荷跳闸从而导致用户发生停电现象；同时不破坏系统稳定性，且不出现电压崩溃等事故。根据N-1原则，当网络中有一条通信链路发生故障时，要求网络中任意一个终端节点至少与一个接入点相连，从而保证数据包能从网络中的终端节点正常传送到上层控制的系统。

步骤6、利用式(7)计算数据包经过路由p_i,j发送至外部业务系统的总时延

$t_{p_{i,j}}=t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)}---\left(7\right)$

式(7)中，表示数据包到达路由p_i,j中第k条链路时所需等到的队列长度；t_tra表示数据包在一条链路中的传输时延；t_pro表示一个终端节点响应数据包的处理时延；t_a表示数据包从接入点发送至外部业务系统的传输时延；

一个消息在源系统和目的系统的两个应用程序之间传递的端到端时延是在每一个遍历的节点处理、传输期间消耗时间的总和：智能电力设备会带来延迟处理和消息排队的时延、通信链路会导致一些传输消息的时延。因此，在电力线通信网络中，一个数据包经过m跳发送到目的接入点，经目的接入点处理后转发给外部业务系统。

步骤7、利用式(8)计算经过M条路由P传送数据包到外部系统的平均时延

$\stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})---\left(8\right)$

步骤8、利用式(9)获得接入点选址规划的数学模型：

$\min C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i$

$s.t.\left\{\begin{array}{c}\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}\≥\mathrm{\μ}\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1\\ {\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l\×r_{i,j}\≥{\mathrm{\μ}}^l\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1\\ \stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})\≤\mathrm{\τ}\end{array}\right.---\left(9\right)$

式(9)中，μ表示网络可靠性阈值，μ^l表示当链路l发生故障时，网络可靠性阈值，τ表示网络时延阈值；

免疫算法是根据免疫系统中对外来抗原的识别机制提出的，抗原对应于优化问题的目标函数，抗体(或B淋巴细胞)对应于优化解。目标函数决定了抗原与抗体的结合力，解的相似程度决定了抗体之间的结合力，通过两种结合力对解进行评价和选择，抗体间的相互激励使得最优点周围的搜索效率明显提高，记忆细胞对抗体的抑制有效地避免了局部最优。

基于免疫算法的接入点规划问题是由编码、评价、免疫操作和疫苗的提取与接种等部分组成。接入点规划问题被看成抗原，问题的特征信息被看成疫苗，把问题的解看成抗体。抗体是由基因组成的，即为网络中节点的规划方式形成的向量。本文采用二进制编码方式，将节点进行编号并排序，每个基因位代表一个待选节点，当被选中作为接入点时该接入点对应的基因位为1，否则基因位为0。最终，抗体的表现形式为[01000…10100]。

步骤9、参数设置：

根据电力通信网的规模设定种群规模为N_R；

根据电力通信网拓扑结构数据G(E,L)确定编码长度为L，相似度参数为ε；

定义记忆细胞数量为N_m、最大迭代次数为ω、进化次数为t；交叉概率为θ、变异概率为

初始化N_R＝α、N_m＝β、ω＝λ、t＝0、θ＝a、

步骤10、以数学模型为抗原，将随机生成α个抗体的初始抗体群；

步骤11、抗体评价

计算抗体与抗原间的亲和度以及抗体与抗体之间的亲和度，从而计算抗体浓度和期望繁殖概率；

亲和度函数由经济性、可靠性、N-1原则和网络时延四个方面一起决定。由于目标函数的优化方向对应抗体亲和度增加的方向，根据式(10)得抗体的亲和度函数为：

$f\left(s_b\right)=\left\{\begin{array}{cc}{\mathrm{\λ}}_1\×(B-C(s_b\left)\right),& \stackrel{\‾}{R}\≥\mathrm{\μ},{\stackrel{\‾}{R}}^l\≥{\mathrm{\μ}}^l,\stackrel{\‾}{t}\≤\mathrm{\τ}\\ 0,& others\end{array}\right.---\left(10\right)$

式(10)中B为一个大数，保证f(s_b)的值为正，λ₁为经济性的权重系数，C(s_b)表示抗体s_b(选址部署方案)的成本。

抗体亲和度：用来描述抗体之间的相似度，并求解抗体的浓度用来描述多样性。f(s_b)和f(s_w)分别为抗体s_b和抗体s_w的抗体与抗原的亲和度函数，则抗体s_b和抗体s_w的相似度为：

$P(s_b,s_w)=\frac{f\left(s_b\right)}{f\left(s_w\right)}---\left(11\right)$

用正数ε表示相似度参数，当存在正数ε使得|1-P(s_b,s_w)|≤ε成立，则称抗体s_b和抗体s_w相似，记sim(s_b,s_w)＝1，若不存在正数ε使得|1-P(s_b,s_w)|≤ε成立，则称抗体s_b和抗体s_w不相似，记sim(s_b,s_w)＝0。

抗体s_b的浓度是指种群中与s_b相似的抗体的数目与种群规模N_R的比值，记作抗体的遗传率是抗体与抗原亲和度与抗体浓度的比值：

步骤12、生成记忆细胞

将抗体与抗原的亲和度进行降序排序，取前β个抗体作为记忆细胞；

步骤13、形成父代子群

根据抗体与抗原的亲和度与抗体浓度的比值获得抗体的遗传率；将抗体的遗传率按降序排序，并提取前α-β个抗体作为父代种群；对父代种群进行克隆形成父代子群；

对父代种群S＝{s₁,s₂,...s_α-β}进行等比例克隆形成父代子群，父代子群的规模与初始种群规模相同，均为α。

步骤14、群体更新

对父代子群中的抗体进行变异，变异后的抗体按比例接种局部疫苗，从而生成新群体，将记忆细胞加入新群体组成新一代抗体群；

变异：判断抗体是否满足时延约束与可靠性约束，如果不满足，则随机挑选两个0位基因变成1；如果满足，则随机从全部位中选两个取反。

选择：不仅要保证优秀的抗体被选中保留下来，又要保证抗体的多样性，因此抗体的繁殖率是抗体与抗原亲和度与抗体浓度的比值，即

接种疫苗是根据先验致使来修改抗体上的某些基因，使抗体具有较高的亲和度。随着算法的进行，将每次进化后的最佳抗体中基因位排列组合较为固定的基因串提取出来，将这些固定的基因串按比例注射到抗体群中。显然，能抑制在变异时的退化现象，加快算法收敛速度。

步骤15、判断t＞λ是否成立，若成立，则将新一代抗体群作为最优解输出；否则，将t+1赋值给t，并返回步骤11顺序执行。

为了验证所提的基于免疫算法的接入点选址方法的有效性，对该算法对20点系统进行仿真实验，如图1为20点系统。仿真软件采用MatlabR2012a。在该算法中，编码长度设为20，相似度参数ε＝0.1，第i个终端节点e_i到第j个接入点的路由p_i,j中第k条通信链路的可靠性节点数据传输速率为16Kbps、32Kbps、64Kbps和128Kbps，建设一个接入点费用为10000元。

首先假设网络正常运行，只考虑网络可靠性约束时，调整μ的值使其在0.9到0.99之间变化，计算网络建设成本。由图3可得网络建设成本随着网络可靠性的提高而提高。例如，网络可靠性从0.9553增加到0.9754，网络成本增加30000元，即增加了三个接入点。

接下来研究端到端时延，从图2中可以看出端到端延时随着数据速率的增加而减小，随着网络可靠性的增加而减小。当网络可靠性较高时，意味着接入点的数量较多，因此能够减少终端节点和接入点之间数据转发的跳数。

表1.实验参数1

为了进一步考察端到端时延的必要性，给出如表1所示的两组实验。两组实验的可靠性要求完全相同，方案1没有考虑端到端时延的约束，实验2加入了时延的约束。采用免疫算法实验后，得到表2的实验结果，由结果可知实验1所得到的可靠性比实验2有较小的提高，但实验2的端到端时延却明显比实验1小，大约减小了38.5％，实验2的网络建设成本也仅多了一个接入点的安装费用。综合起来，加入端到端时延的约束明显有益于提高网络接入点规划的有效性。

表2.实验结果

最后综合考虑网络建设成本、可靠性及网络时延，并考虑有一条通信链路发生故障，即增加故障时的网络可靠性，设计如表2的三组实验方案。

表2实验参数2

表3给出了三个方案的实验结果，实验结果显示表明本文所提的接入点规划方法能够在满足所要求的不同约束下，提供出有效的规划方案，具有较高的灵活性和可扩展性。

表3.实验结果

以实验3为例，给出实验的具体接入点部署和路由表方案，如图4和表4可见。

表4.实验3具体路由表

当通信链路9-11发生故障时，只有终端节点为9的路由发生变化，由{9,11}变成了{9,8,4}，路由可靠性由0.956变成0.923，因此网络整体的平均可靠性也会相应降低，但并不整体网络的通信。

Claims (1)

1.一种基于免疫算法的电力通信网接入点的选址规划方法，是应用于电力通信网与外部业务系统进行数据通信的网络环境中，其特征是，所述选址规划方法是按如下步骤进行：

步骤1、使用无向图G(E,L)表示电力通信网的拓扑结构；E和L分别表示所述电力通信网的终端节点集和链路集；并有，E＝{e₁,e₂,…,e_i,…e_n}；e_i表示第i个终端节点；1≤i≤n；n表示终端节点的个数；将所述链路集L中任意一条链路表示为l，l∈L；

假设所述电力通信网的终端节点集E中部署N个接入点；则由N个接入点形成M条路由P；假设选择第s个终端节点e_s为第j个接入点；1≤s≤n；1≤j≤N；则所述第i个终端节点e_i到第j个接入点的路由表示为p_i,j，并有 表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路；1≤k≤m；m表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中链路的总数；

步骤2、利用式(1)计算所述电力通信网的建设成本C：

$C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i---\left(1\right)$

式(1)中，c_i表示在第i个终端节点e_i上部署接入点的开销；x_i∈{0,1}；当x_i＝1时，表示在第i个终端节点e_i上部署接入点，当x_i＝0时，表示第i个终端节点e_i不部署接入点；

步骤3、利用式(2)计算第i个终端节点e_i到第j个接入点e_j的路由p_i,j的可靠性r_i,j：

$r_{i,j}=\underset{v_k\∈p_{i,j}}{\Π}{r}_{v_k}^{(i,j)}---\left(2\right)$

式(2)中，表示所述第i个终端节点e_i到第j个接入点的路由p_i,j中第k条链路的可靠性；

步骤4、利用式(3)和式(4)计算所述电力通信网的平均可靠性

$\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}---\left(3\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1---\left(4\right)$

式(3)中，y_i,j∈{0,1}，当y_i,j＝1时，表示通过路由p_i,j转发第i个终端节点e_i的流量；当y_i,j＝0时，表示没有通过路由p_i,j转发第i个终端节点e_i的流量；

式(4)表示任意个终端节点和第j个接入点之间只有一个路由；

步骤5、假设所述链路集L中任意一条链路l发生故障，则利用式(5)和式(6)计算所述电力通信网的平均可靠性

${\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l\×r_{i,j}---\left(5\right)$

$\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1---\left(6\right)$

式(5)中，当时，表示当链路l发生故障时，通过路由p_i,j转发第i个终端节点e_i的流量；当时，表示当链路l发生故障时，没有通过路由p_i,j转发第i个终端节点e_i的流量；P^l表示当链路l发生故障时，由N个接入点形成M条路由；

步骤6、利用式(7)计算数据包经过路由p_i,j发送至外部业务系统的总时延

$t_{p_{i,j}}=t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)}---\left(7\right)$

式(7)中，表示数据包到达路由p_i,j中第k条链路时所需等到的队列长度；t_tra表示数据包在一条链路中的传输时延；t_pro表示一个终端节点响应数据包的处理时延；t_a表示数据包从接入点发送至外部业务系统的传输时延；

步骤7、利用式(8)计算经过M条路由P传送数据包到外部系统的平均时延

$\stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})---\left(8\right)$

步骤8、利用式(9)获得接入点选址规划的数学模型：

$\min C=\underset{i=1}{\overset{n}{\Σ}}{c}_i\×x_i$

$s.t.\left\{\begin{array}{c}\stackrel{\‾}{R}=\frac{1}{M}\×\underset{p_{i,j}\∈P}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}\×r_{i,j}\≥\mathrm{\μ}\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}=1\\ {\stackrel{\‾}{R}}^l=\frac{1}{M}\×\underset{p_{i,j}\∈P^l}{\overset{M}{\Σ}}\underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^{\′}\×r_{i,j}\≥{\mathrm{\μ}}^l\\ \underset{i=1}{\overset{n}{\Σ}}{y}_{i,j}^l=1\\ \stackrel{\‾}{t}=\frac{1}{M}\×\underset{P_{i,j}\∈P}{\Σ}(t_a+m\×t_{tra}+t_{pro}\×\underset{k=1}{\overset{m}{\Σ}}{\mathrm{len}}_k^{(i,j)})\≤\mathrm{\τ}\end{array}\right.---\left(9\right)$

式(9)中，μ表示网络可靠性阈值，μ^l表示当链路l发生故障时，网络可靠性阈值，τ表示网络时延阈值；

步骤9、参数设置：

根据电力通信网的规模设定种群规模为N_R；

定义记忆细胞数量为N_m、最大迭代次数为ω、进化次数为t；

初始化N_R＝α、N_m＝β、ω＝λ、t＝0、θ＝a、

步骤10、以所述数学模型为抗原，将随机生成α个抗体的初始抗体群；

步骤11、抗体评价

计算抗体与抗原间的亲和度以及抗体与抗体之间的亲和度，从而计算抗体浓度和期望繁殖概率；

步骤12、生成记忆细胞

将抗体与抗原的亲和度进行降序排序，取前β个抗体作为记忆细胞；

步骤13、形成父代子群

根据抗体与抗原的亲和度与抗体浓度的比值获得抗体的遗传率；将抗体的遗传率按降序排序，并提取前α-β个抗体作为父代种群；对父代种群进行克隆形成父代子群；

步骤14、群体更新

对所述父代子群中的抗体进行变异，变异后的抗体按比例接种局部疫苗，从而生成新群体，将所述记忆细胞加入所述新群体组成新一代抗体群；

步骤15、判断t＞λ是否成立，若成立，则将所述新一代抗体群作为最优解输出；否则，将t+1赋值给t，并返回步骤11顺序执行。