CN108880886B - 一种跨区域电力系统保护通信网规划方法 - Google Patents
一种跨区域电力系统保护通信网规划方法 Download PDFInfo
- Publication number
- CN108880886B CN108880886B CN201810635737.9A CN201810635737A CN108880886B CN 108880886 B CN108880886 B CN 108880886B CN 201810635737 A CN201810635737 A CN 201810635737A CN 108880886 B CN108880886 B CN 108880886B
- Authority
- CN
- China
- Prior art keywords
- chromosome
- node
- chromosomes
- population
- nodes
- 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
Links
- 238000004891 communication Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 67
- 210000000349 chromosome Anatomy 0.000 claims abstract description 123
- 230000035772 mutation Effects 0.000 claims abstract description 15
- 108090000623 proteins and genes Proteins 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 12
- 230000008439 repair process Effects 0.000 claims description 12
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000010187 selection method Methods 0.000 claims description 4
- 238000011423 initialization method Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000005457 optimization Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 230000002068 genetic effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 239000010410 layer Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000012792 core layer Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010036590 Premature baby Diseases 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种跨区域电力系统保护通信网规划方法，其步骤：采用变长染色体编码方法对第一代种群进行初始化；设置适应度函数，根据目标种群的特征来评价染色体的适应程度；根据适应度函数选出亲本染色体：通过选择算子，选择亲本染色体，使其遗传到下一代；对亲本染色体进行交叉处理，产生新的染色体，以提高物种的多样性；对交叉处理后的亲本染色体进行变异处理，以提高种群的搜索能力；将亲本染色体及新生成的染色体合并，作为当代种群的后代，进行下一轮进化，直到达到预先设定的代数后退出循环，得到最终的规划方案，即末代种群中适应度最大的染色体。本发明能满足线路保护业务对时延的要求。
Description
技术领域
本发明涉及一种电力通信网技术领域，特别是关于一种跨区域电力系统保护通信网规划方法。
背景技术
随着中国电网建设的不断发展，尤其是能源跨省、跨区及外送输电通道建设开发，电网的结构和规模愈加复杂，大电网的安全运行和稳定控制面临着很大的挑战。人为失误、设备故障、自然灾害等系统内部因素和外部因素都可能给系统的安全稳定运行造成较大威胁。现有系统保护功能均是对局部而言(如本地的电场、变电站等设备节点等)，最多到区域级别，不能实现跨区域的联合安全稳定控制，已不能满足复杂大电网系统安全稳定运行的需要。
针对当前电力系统保护通信网无法满足跨区域联合安全稳定控制要求的问题，需要在现有通信网的基础上对区域之间的通信链路进行规划。构建实时、智能的跨区系统保护通信网络是当前电力系统的有效保护方式，该网络主要承载了交直流协控、抽蓄控制、精准切负荷、全景状态感知等生产控制类业务。为了保证拓建的系统保护通信网可以满足低通信时延且高经济性的要求，需对区域间通信链路的规划问题进行深入研究。
目前，电力通信网在进行规划的时候主要考虑的因素包括：网络本身的可靠性、网络通信时延、特定业务规划需求。针对网络本身的可靠性的计算，其主要参考的指标为网络的成环率以及站点电压等级；网络通信时延主要是指节点之间通信时，数据从发端到受端所经历的时间；特定业务规划指的是在规划的时候，有一些特定的业务需要在两个节点之间直接传输，也就是说需要在两点之间直接敷设一条链路。但是，以上网络进行规划的时候，均是本地网络，没有实现对跨区域通信网互联网络的规划。
专利公开号为CN103489076A的文献中涉及一种电力通信网络路径优化方法，它包括以下步骤：1)将电力通信网络核心层的所有节点通过算法以最小距离连接成环；2)在电力通信网络接入层中找到距离电力通信网络核心层最近的节点；3)将找到的距离电力通信网络核心层最近的所有接入层节点连接到电力通信网络中且记录其连接距离；4)将所有连接距离相加，得到最小通信路径。该技术方案首先将核心网中的节点连成环，然后对每个接入层的节点，找到与其最近的核心网中节点并连接。由此可知，该方法主要是考虑了距离，并没有考虑节点的站点等级，也没有考虑到通信时延这一重要因素。
专利公开号为CN107294775A的文献中涉及一种电力通信网络中的业务路由分配方案的优化，特别涉及基于层次分析法和遗传算法的通信网优化方法。本发明从电力通信网络总体风险度和节点与业务风险均衡度出发，采用了层次分析法，结合定性与定量方法，把复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据，从而提出了评价通信网络好坏的一个标准。再以此标准为目标，采用改进的遗传算法，提出了新的编码方式和变异方式，解决了传统遗传算法二进制编码对此问题表达能力不足的问题，对通信网进行优化。该技术方案在对电力通信网进行优化的时候考虑的是对承载业务进行优化，通过计算节点、业务的风险值等指标构成网络质量评价标准，之后采用定制的遗传算法解决业务路由优化问题，但是该方法是从业务路由的角度对网络进行评价，并未考虑业务通信时延及站点等级因素。
专利公开号为CN106951615A的文献中涉及一种基于密母算法的电力运输网络拓扑结构设计方法，主要解决现有技术设计的电力运输网络鲁棒性弱、通信效率低的问题。其实现步骤为：1)设定密母算法参数；2)初始化种群得到初始种群M0；3)对初始种群M0进行交叉操作，得到新的种群M1；4)对新的种群M1种群进行局部优化操作，得到局部最优种群M2；5)根据新的种群M1和局部最优种群M2生成下一代种群M3；6)判断当前迭代次数，若满足最大迭代次数，则从M3种群中输出最优电力运输网络，否则，返回步骤3)。该技术方案采用密母算法对电力传输网进行规划，该算法本质上是遗传算法的变种，该方法考虑的是节点鲁棒性和节点间的通信效率，且通信效率的计算公式中仅与距离及网络节点数有关系，个体鲁棒性计算公式也没考虑到站点等级的差异，此外，该方法并未考虑规划的成本因素。
专利公开号为CN102868451B的文献中涉及一种电力系统光通信网络多目标优化规划的方法，这是一种基于Pareto优化理论和遗传算法的多目标电力光通信网络智能优化方法。Pareto优化理论针对解决存在互相冲突目标的网络优化问题，而遗传算法本身就是一种结合了方向搜索和统计搜索特性的多向优化算法，它能够有效避开局部最优点而找到全局最优点。本发明在多目标优化的框架下综合考虑网络负担和经济性，并选出Pareto最优点来构造出Pareto优化曲线从而对实际规划进行科学指导。该技术方案中采用遗传算法对电力光通信网进行规划，该方法考虑了建网成本因素以及网络负载率，该方法针对的规划对象是现有光通信网，但是并未考虑跨区域通信网络规划的问题。
综上所述，目前已有的文献对电力通信网的规划中没有考虑到跨区域规划的情况，且对建网成本及区域间平均通信时延不够重视，因此这些方法并不适用于跨区电力系统保护通信网的规划问题。
发明内容
针对上述问题，本发明的目的是提供一种跨区域电力系统保护通信网规划方法，该方法能够有效地满足线路保护业务对时延的要求，并同时兼顾网络的风险，业务分布和带宽，从而有效降低网络的风险。
为实现上述目的，本发明采取以下技术方案：一种跨区域电力系统保护通信网规划方法，该方法包括以下步骤：1)采用变长染色体编码方法生成染色体长度随机的初始种群，并通过设置染色体修复函数，使初始种群中的染色体变为有效的染色体；2)设置适应度函数，根据目标种群的特征来评价染色体的适应程度；3)根据适应度函数选出亲本染色体：通过选择算子选择亲本染色体，使其遗传到下一代，以提高种群的平均质量；4)对亲本染色体进行交叉处理，产生新的染色体，以提高物种的多样性；5)对交叉处理后的亲本染色体进行变异处理，以提高种群的搜索能力；6)将亲本染色体及新生成的染色体合并，作为当代种群的后代，返回步骤2)进行下一轮进化，直到达到预先设定的代数后退出循环，得到最终的规划方案，即末代种群中适应度最大的染色体。
进一步，所述步骤1)中，所述变长染色体编码方法采用长度为k的节点编号序列Sk来表示区域A、B间新建链路的集合，新建的链路个数l＝k/2；对于长度为k的染色体，则从1到k，依次生成其节点编号，若当前位置为奇数位，则从区域A的节点集V(A)中等概率选择一个节点；若为偶数位，则从区域B的节点集V(B)中等概率随机选择一个节点。
进一步，所述节点编号序列Sk为：
Sk＝n1n2...nk-1nk
其中：
mod(k,2)＝0
式中，ni表示编号为i的节点；V(A)表示区域A中节点的集合；V(B)表示区域B中节点的集合；mod(k,2)表示对长度k进行模2运算，即节点编号序列Sk中包含偶数个节点。
进一步，所述步骤1)中，染色体修复函数设置方法包括以下步骤：1.1)设定初始种群大小为PopSize、最大染色体长度为MaxChLen；1.2)令Pos＝0，Pos是用来初始化Pop的游标，初始化种群集合Pop为空集合；1.3)初始化染色体集合Chsome；1.4)修复染色体集合Chsome，将染色体集合Chsome添加到种群集合Pop；1.5)令Pos＝Pos+1，返回至步骤1.2)中重新初始化种群，直到Pos≥PopSize。
进一步，所述步骤1.3)中，初始化方法为：1.3.1)令Cur＝0，Cur是用来初始化Chsome的游标，随机生成一个整数x，满足0＜x＜MaxChLen；1.3.2)从V(A)中随机选取编号为nodeA的节点，满足0＜nodeA＜M；M表示区域A中节点的数量；1.3.4)从V(B)中随机选取编号为nodeB的节点，满足0＜nodeB＜N；N表示区域B中节点的数量；1.3.5)将编号为nodeA的节点,编号为nodeB的节点加入染色体集合Chsome；1.3.6)令Cur＝Cur+1，返回至步骤1.3.2)中，直到Cur>x。
进一步，所述步骤2)中，染色体Si的适应度函数为：
其中，α为建网成本与平均时延之间的平衡因子；
为区域A，区域B间平均通信时延；t(ni,nj)表示节点ni,nj之间的最小通信时延；C(El)表示成本函数。
进一步，所述步骤3)中，选择算子的选择方法采用两两竞争的方法选出亲本染色体：通过将物种随机划分为若干包含两个个体的分组，每个分组中选取适应度较高的染色体，将其作为亲本染色体。
进一步，所述步骤4)中，交叉方法采用单点交叉方法，对于两个基因Sa＝n1n2...na和Sb＝n1n2...nb，随机选取两个点i,j，根据以下约束条件进行部分基因交换：
进一步，所述步骤5)中，所述变异方法包括插入、删除以及突变：插入：随机选取两个节点，将其放到基因的末尾；删除：随机选取一个位置i，满足mod(i，2)＝0，删除基因中第i,i+1位置两个点；突变：随机选择一个位置i，若满足mod(i,2)＝0，在满足站点电压等级约束下，从区域A中随机选取一个站点；否则，从区域B中选取一个站点，替换基因中第i个节点。
进一步，所述步骤4)和步骤5)中，采用基因修复对非法的新生成的染色体进行修复，具体方法如下：对基因中的第(2n-1,2n)位染色体，记其染色体为(Ch2n-1,Ch2n)，从2n+1的位置开始查找，是否存在第(2n’-1,2n’)位置的染色体，与(Ch2n,Ch2n+1)相同，若存在，则将第(2n’-1,2n’)位置的染色体其从基因中移除；其中，n为1～(k/2-1)的整数，n’为2～k/2之间大于n的整数。
本发明由于采取以上技术方案，其具有以下优点：1、本发明能满足电力通信网中线路保护业务路由配置的时延、误码率、业务承载数量、风险、带宽等综合约束的需求。2、本发明结合线路保护业务的特征，详细分析了时延、误码率、风险、承载业务数量、带宽等约束要求；之后基于网络拓扑，以时延最短为优化目标，基于各项约束的量化，建立了路由配置的优化模型；最后针对优化模型进行可选路由的求解，使本发明能够有效地满足线路保护业务对时延的要求，并同时兼顾网络的风险，业务分布和带宽，从而有效降低网络的风险。
附图说明
图1是本发明的区域间通信网拓扑示意图；
图2是本发明的整体流程示意图；
图3是本发明的染色体编码示例示意图；
图4是本发明的交叉导致的异常染色体修复流程示意图；
图5是本发明实施例中的拓扑网络示意图；
图6是本发明实施例中的规划方法结果示意图。
具体实施方式
由于跨区域通信网规划属于多目标优化问题，故本发明采用遗传算法在有限的时间内解决此问题。本发明根据网络构建成本及区域间节点通信平均时延两大因素，并考虑了不同电压等级站点间敷设链路的约束条件，建立了通信网规划问题的多目标优化模型，之后基于遗传算法对问题进行求解。并设计近似现网的电力通信网拓扑进行仿真实验，其结果表明，本发明可以在不同站点等级限制条件下给出有效的规划方案。下面结合附图和实施例对本发明进行详细的描述。
如图1、图2所示，本发明提供一种跨区域电力系统保护通信网规划方法，其包括以下步骤：
1)种群初始化：采用变长染色体编码方法生成染色体长度随机的初始种群，并通过设置染色体修复函数，使初始种群中的染色体变为有效的染色体；
变长染色体编码方法：将每一个可能的规划方案对应一个染色体，由于规划方案中的链路个数是未知的，故采用变长染色体编码方法，使用长度为k的节点编号序列Sk来表示区域A、B间新建链路的集合，其新建的链路个数l＝k/2。
节点编号序列Sk为：
Sk＝n1n2...nk-1nk (1)
其中：
mod(k,2)＝0 (3)
式中，ni表示编号为i的节点；V(A)表示区域A中节点的集合；V(B)表示区域B中节点的集合；mod(k,2)表示对长度k进行模2运算，即节点编号序列Sk中包含偶数个节点；
变长染色体编码过程为：对于长度为k的染色体，则从1到k，依次生成其节点编号，若当前位置为奇数位，则从区域A的节点集V(A)中等概率选择一个节点；若为偶数位，则从区域B的节点集V(B)中等概率随机选择一个节点。
如图3所示，为一个长度为6的染色体编码示例，S6＝n1,n2,n3,n4,n5,n6表示区域A，B间新增3条链路e1,2,e3,4,e5,6。其中，n1,n3,n5属于区域A，n2,n4,n6属于区域B。
由于长度随机生成的染色体中可能含有无效的链路，也就是重复的边，因此需要设置染色体修复函数，使其变为有效的染色体，其设置方法包括以下步骤：
1.1)设定初始种群大小为PopSize、最大染色体长度为MaxChLen；
1.2)令Pos＝0，Pos是用来初始化Pop的游标，初始化种群集合Pop为空集合；
1.3)初始化染色体集合Chsome；
初始化方法为：
1.3.1)令Cur＝0，Cur是用来初始化Chsome的游标，随机生成一个整数x，满足0＜x＜MaxChLen；
1.3.2)从V(A)中随机选取编号为nodeA的节点，满足0＜nodeA＜M；M表示区域A中节点的数量；
1.3.4)从V(B)中随机选取编号为nodeB的节点，满足0＜nodeB＜N；N表示区域B中节点的数量；
1.3.5)将编号为nodeA的节点,编号为nodeB的节点加入染色体集合Chsome；
1.3.6)令Cur＝Cur+1，返回至步骤1.3.2)中，直到Cur>x；
1.4)修复染色体集合Chsome，将染色体集合Chsome添加到种群集合Pop；
1.5)令Pos＝Pos+1，返回至步骤1.2)中重新初始化种群，直到Pos≥PopSize。
其中，MaxChLen是最大染色体长度，表示初始种群中染色体最多包含的边数，这样设置是因为在对网络进行规划的时候，需要新建的边数是未知的，需要借此来生成长度受限的染色体，其在进化的过程中染色体包含的边数不受该限制。
此外，步骤1.4)中为对随机生成染色的修复，这是因为随机生成的染色体中可能存在重复的基因片段，需要修正。
2)设置适应度函数，根据目标种群的特征来评价染色体的适应程度，进而准确的反映出染色体质量。
适应度函数的设置由建网成本和区域间平均传输时延两方面决定：
建网成本：节点ni与节点nj之间需要建设线路(即边(ni,nj)∈El，包含l条边的集合El＝{(ni,nj)|ni∈V(A),nj∈V(B)})时，e(ni,nj)取值取为1，其它情况取为0。
式中，e(ni,nj)为0-1变量，表示节点ni与节点nj之间是否需要建设线路；c(ni,nj)表示节点ni与节点nj之间敷设链路的经济成本；
建网成本由(4)式中的成本函数C(El)表示，其值越小说明建网成本越低。
区域间平均通信时延是指区域A中所有节点与区域B中所有节点进行通信的时均值。跨区域通信网要达到的目标是跨区域的互联互通，要求两个区域中节点相互通信的时延满足预先设定的要求。定义区域A，区域B间平均通信时延
为：
上式中，t(ni,nj)表示节点ni,nj之间的最小通信时延，其值一般和传输距离成正比。
平均通信时延
值越小则区域间通信时延可靠性越高。
由此可知，建网成本、通信平均时延都是越小越好，因此对二者的加权和取倒数作为适应度函数；定义染色体Si的适应度函数为：
其中，α为建网成本与平均时延之间的平衡因子，需要根据实际需求设定其值，如果认为区域间通信平均时延影响更大，则适当增加α的大小；反之，需要减小α的大小。
3)根据适应度函数选出亲本染色体：通过选择算子选择亲本染色体，使其遗传到下一代，进而提高种群的平均质量；
由于选择压力过大是导致早熟收敛的一个重要原因，过大的选择压力虽然可以加快算法的收敛速度，但这同时也会导致适应度较低的个体迅速被淘汰，种群多样性降低，也就说算法的搜索空间减小，进而容易导致算法收敛到局部最优。但是，降低选择压力会降低搜索效率，其收敛速度变慢，消耗过多的计算资源。
故选择方法采用两两竞争的方法选出亲本染色体：通过将物种随机划分为若干包含两个个体的分组，每个分组中选取适应度较高的染色体，将其作为亲本染色体。该选择方法会保留每一代种群中的最优个体，保证其一定可以遗传到下一代中。
4)对亲本染色体进行交叉处理：交叉算子通过交换染色体的部分基因来产生新的染色体，以提高物种的多样性。
交叉方法采用单点交叉方法，对于两个基因Sa＝n1n2...na和Sb＝n1n2...nb，随机选取两个点i,j，根据以下约束条件进行部分基因交换：
在本实施例中，选取Si+j＝na1...nainb1...nbj作为交叉结果。
5)对交叉处理后的亲本染色体进行变异处理：由于跨区电力系统保护通信网互联互通规划时需要从两个区域中分别选择节点以新增链路的特性，故采用变异算子提高种群的搜索能力；
变异方法包括插入、删除以及突变，以同等概率随机选择一种变异方法，通过多样的变异方法提高种群的搜索能力，防止出现早熟的现象。
5.1)插入：随机选取两个节点，将其放到基因的末尾。
5.2)删除：随机选取一个位置i，满足mod(i，2)＝0，删除基因中第i,i+1位置两个点。
5.3)突变：随机选择一个位置i，若满足mod(i,2)＝0，在满足站点电压等级等约束下，从区域A中随机选取一个站点；否则，从区域B中选取一个站点，替换基因中第i个节点；
其中，站点电压等级采用图论的方法将其抽象为节点的权值，对于节点ni，其站点等级w(ni)为：
站点间电压差值Δw(ni,nj)可以定义为：
Δw(ni,nj)＝|w(ni)-w(nj)| (9)
在本发明中，将站点电压等级作为电力通信网线路规划的约束条件，即在构建区域A到区域B中的链路时分为三种情况进行分析：
(1)只允许相同站点等级互连，应选取区域A，B中站点等级相同的节点；
(2)允许最多跨一个等级站点互连，选取的区域A，B中的站点等级需要为相邻级别或者同等级站点；
(3)不限制站点等级，从区域A，B中选取的站点为任意等级；
6)将亲本染色体及新生成的染色体合并，作为当代种群的后代，返回步骤2)进行下一轮进化，直到达到预先设定的代数后退出循环，得到最终的规划方案，即末代种群中适应度最大的染色体。
上述步骤4)和步骤5)中，由于交叉和变异处理可能导致新生成的染色体非法(即存在重复的边)，因此采用基因修复对这些异常的染色体进行修复。具体方法如下：
对基因中的第(2n-1,2n)位染色体，记其染色体为(Ch2n-1,Ch2n)，从2n+1的位置开始查找，是否存在第(2n’-1,2n’)位置的染色体，与(Ch2n,Ch2n+1)相同，若存在，则将第(2n’-1,2n’)位置的染色体其从基因中移除。其中，n为1～(k/2-1)的整数，n’为2～k/2之间大于n的整数。
实施例：
为了验证本发明提出的规划方法对跨区电力跨区互联互通规划问题的有效性，将使用本发明的方法对某地区的光传输网进行仿真实验，如图5所示，该网络中共有3类站点，分别为500kV站点，220kV站点以及110kv站点；左侧区域A中共有16个站点，右侧区域B中共有18个站点。本发明遗传算法中，如图6所示，种群规模为60，迭代次数为300，交叉概率为0.6，变异率为0.1。本发明在计算两点间通信时延时，使用两点间通信距离除以信号在光纤中的传播速度作为近似值，信号在光纤中传播速度约为4.9μs/km。
表1不同权重下的规划方法
表1是在不同权重分配时，三种站点电压等级限制条件下的规划方法。从整体来看，随着α的增加，本发明给出的规划方法中边数也随之增加，这是因为α的增加表示的是时延更为重要，因而需要新建较多的链路来减少区域间通信的平均时延。以上三种限制的规划结果代表了不同场景下的构建方案，应根据实际情况选择适合的约束条件。
接下来选取α＝0.96,β＝0.04且不限制站点等级的情况，选取末代种群中的最优个体，其染色体为[16,25,10,25,10,19,11,19]，解码后可以得出规划的新线路包含四条链路：e10,19,e10,25,e11,19,e16,25，其拓扑如图6所示。
由上述实例分析，可以看出本发明的方法可以针对不同约束条件均能给出优化方法。
上述各实施例仅用于说明本发明，各个步骤都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别步骤进行的改进和等同变换，均不应排除在本发明的保护范围之外。
Claims (4)
1.一种跨区域电力系统保护通信网规划方法，其特征在于，该方法包括以下步骤：
1)采用变长染色体编码方法生成染色体长度随机的初始种群，并通过设置染色体修复函数，使初始种群中的染色体变为有效的染色体；
2)设置适应度函数，根据目标种群的特征来评价染色体的适应程度；
3)根据适应度函数选出亲本染色体：通过选择算子选择亲本染色体，使其遗传到下一代，以提高种群的平均质量；
4)对亲本染色体进行交叉处理，产生新的染色体，以提高物种的多样性；
5)对交叉处理后的亲本染色体进行变异处理，以提高种群的搜索能力；
6)将亲本染色体及新生成的染色体合并，作为当代种群的后代，返回步骤2)进行下一轮进化，直到达到预先设定的代数后退出循环，得到最终的规划方案，即末代种群中适应度最大的染色体；
所述步骤1)中，所述变长染色体编码方法采用长度为k的节点编号序列Sk来表示区域A、B间新建链路的集合，新建的链路个数l＝k/2；对于长度为k的染色体，则从1到k，依次生成其节点编号，若当前位置为奇数位，则从区域A的节点集V(A)中等概率选择一个节点；若为偶数位，则从区域B的节点集V(B)中等概率随机选择一个节点；
节点编号序列Sk为：
Sk＝n1n2...nk-1nk
其中：
mod(k,2)＝0
式中，ni表示编号为i的节点；V(A)表示区域A中节点的集合；V(B)表示区域B中节点的集合；mod(k,2)表示对长度k进行模2运算，即节点编号序列Sk中包含偶数个节点；
所述步骤2)中，染色体Si的适应度函数为：
其中，α为建网成本与平均时延之间的平衡因子；
为区域A，区域B间平均通信时延；t(ni,nj)表示节点ni,nj之间的最小通信时延；C(El)表示成本函数；
所述步骤3)中，选择算子的选择方法采用两两竞争的方法选出亲本染色体：通过将物种随机划分为若干包含两个个体的分组，每个分组中选取适应度较高的染色体，将其作为亲本染色体；
所述步骤4)中，交叉方法采用单点交叉方法，对于两个基因Sa＝n1n2...na和Sb＝n1n2...nb，随机选取两个点i,j，根据以下约束条件进行部分基因交换：
所述步骤5)中，所述变异方法包括插入、删除以及突变：
插入：随机选取两个节点，将其放到基因的末尾；
删除：随机选取一个位置i，满足mod(i，2)＝0，删除基因中第i,i+1位置两个点；
突变：随机选择一个位置i，若满足mod(i,2)＝0，在满足站点电压等级约束下，从区域A中随机选取一个站点；否则，从区域B中选取一个站点，替换基因中第i个节点。
2.如权利要求1所述方法，其特征在于：所述步骤1)中，染色体修复函数设置方法包括以下步骤：
1.1)设定初始种群大小为PopSize、最大染色体长度为MaxChLen；
1.2)令Pos＝0，Pos是用来初始化Pop的游标，初始化种群集合Pop为空集合；
1.3)初始化染色体集合Chsome；
1.4)修复染色体集合Chsome，将染色体集合Chsome添加到种群集合Pop；
1.5)令Pos＝Pos+1，返回至步骤1.2)中重新初始化种群，直到Pos≥PopSize。
3.如权利要求2所述方法，其特征在于：所述步骤1.3)中，初始化方法为：
1.3.1)令Cur＝0，Cur是用来初始化Chsome的游标，随机生成一个整数x，满足0＜x＜MaxChLen；
1.3.2)从V(A)中随机选取编号为nodeA的节点，满足0＜nodeA＜M；M表示区域A中节点的数量；
1.3.4)从V(B)中随机选取编号为nodeB的节点，满足0＜nodeB＜N；N表示区域B中节点的数量；
1.3.5)将编号为nodeA的节点,编号为nodeB的节点加入染色体集合Chsome；
1.3.6)令Cur＝Cur+1，返回至步骤1.3.2)中，直到Cur>x。
4.如权利要求1至3任一项所述方法，其特征在于：所述步骤4)和步骤5)中，采用基因修复对非法的新生成的染色体进行修复，具体方法如下：
对基因中的第(2n-1,2n)位染色体，记其染色体为(Ch2n-1,Ch2n)，从2n+1的位置开始查找，是否存在第(2n’-1,2n’)位置的染色体，与(Ch2n,Ch2n+1)相同，若存在，则将第(2n’-1,2n’)位置的染色体其从基因中移除；其中，n为1～(k/2-1)的整数，n’为2～k/2之间大于n的整数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810635737.9A CN108880886B (zh) | 2018-06-20 | 2018-06-20 | 一种跨区域电力系统保护通信网规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810635737.9A CN108880886B (zh) | 2018-06-20 | 2018-06-20 | 一种跨区域电力系统保护通信网规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108880886A CN108880886A (zh) | 2018-11-23 |
| CN108880886B true CN108880886B (zh) | 2021-10-22 |
Family
ID=64339728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810635737.9A Active CN108880886B (zh) | 2018-06-20 | 2018-06-20 | 一种跨区域电力系统保护通信网规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108880886B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110971525B (zh) * | 2019-11-26 | 2021-02-19 | 武汉大学 | 一种面向电力通信网的业务运行的业务路由寻址方法 |
| CN110932270B (zh) * | 2019-12-12 | 2021-04-23 | 南方电网科学研究院有限责任公司 | 一种包含柔性开关的配电网故障恢复方法和装置 |
| CN111414849B (zh) * | 2020-03-19 | 2020-12-29 | 四川大学 | 一种基于演化卷积神经网络的人脸识别方法 |
| CN112557811B (zh) * | 2020-11-19 | 2024-01-12 | 安徽理工大学 | 一种基于改进遗传算法的含分布式电源配电网故障定位 |
| CN113315679B (zh) * | 2021-05-26 | 2022-05-10 | 广东电网有限责任公司 | 一种基于网络资源特征的链路丢包率推理方法及系统 |
| CN114205830B (zh) * | 2021-11-29 | 2024-01-05 | 国网经济技术研究院有限公司 | 一种智能电网通信网规划方法、系统、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489076A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种配电网变电站规划方法 |
| US8849737B1 (en) * | 2011-03-18 | 2014-09-30 | Rockwell Collins, Inc. | Prediction method of predicting a future state of a system |
-
2018
- 2018-06-20 CN CN201810635737.9A patent/CN108880886B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8849737B1 (en) * | 2011-03-18 | 2014-09-30 | Rockwell Collins, Inc. | Prediction method of predicting a future state of a system |
| CN103489076A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种配电网变电站规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| Optimal Planning of Smart Grid Communication Network for Interregional Wide-Area Monitoring Protection and Control System;Feng Qi,etc.;《2018 IEEE International Conference on Energy Internet》;20180525;第190-195页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108880886A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108880886B (zh) | 一种跨区域电力系统保护通信网规划方法 | |
| Gupta et al. | A bi-level evolutionary optimization for coordinated transmission expansion planning | |
| CN106487005B (zh) | 一种考虑输配电价的电网规划方法 | |
| CN108683186B (zh) | 一种面向供电能力提升的配电网双层扩展规划方法 | |
| CN111639870A (zh) | 考虑源荷不确定性的输电网多目标柔性规划方法及系统 | |
| CN106656598B (zh) | 电力通信网关键业务备选路由配置方法及系统 | |
| CN107256441B (zh) | 基于非支配排序遗传算法的配电网规划建设方案设计方法 | |
| CN110971525B (zh) | 一种面向电力通信网的业务运行的业务路由寻址方法 | |
| CN106941256B (zh) | 计及mpsc和mccc的配电网主变联络结构优化规划方法 | |
| Florez et al. | Multi-objective transmission expansion planning considering multiple generation scenarios | |
| CN104618134B (zh) | 一种配电通信网多级分光无源光网络优化方法 | |
| CN112994099B (zh) | 一种高比例分布式光伏并网消纳能力分析方法 | |
| CN103384354A (zh) | 一种无源光网络光分配网的优化设计方法 | |
| CN112990637A (zh) | 一种应用于配电网的多元协调规划方法 | |
| CN112381421A (zh) | 一种考虑电力市场全维度的源网荷多主体博弈规划方法 | |
| CN110826798B (zh) | 一种储能系统定容选址方法 | |
| CN115439000A (zh) | 考虑风光荷功率不确定性和相关性的配电网区块划分方法 | |
| Grond et al. | Practice-oriented optimization of distribution network planning using metaheuristic algorithms | |
| CN105574611A (zh) | 一种含分布式电源配电网络的检修计划优化方法 | |
| Wei et al. | Transmission network planning with N-1 security criterion based on improved multi-objective genetic algorithm | |
| CN112990608A (zh) | 一种适用于电力设施全覆盖的5g优化建设方法 | |
| CN111404727A (zh) | 一种基于备用路由潜在风险评估模型的路由分析方法 | |
| CN111083577B (zh) | 一种电力通信拓扑结构优化方法 | |
| Jin et al. | Cyber-physical risk driven routing planning with deep reinforcement-learning in smart grid communication networks | |
| Zhou et al. | Redesigning a supply chain distribution network: formulation and genetic algorithm-based solution procedure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |