CN109804392B - 服务网络维护分析和控制 - Google Patents
服务网络维护分析和控制 Download PDFInfo
- Publication number
- CN109804392B CN109804392B CN201680088650.3A CN201680088650A CN109804392B CN 109804392 B CN109804392 B CN 109804392B CN 201680088650 A CN201680088650 A CN 201680088650A CN 109804392 B CN109804392 B CN 109804392B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- service
- network
- sequence
- time
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 383
- 238000004458 analytical method Methods 0.000 title abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 85
- 230000035945 sensitivity Effects 0.000 claims abstract description 66
- 230000036962 time dependent Effects 0.000 claims abstract description 30
- 239000002245 particle Substances 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000009826 distribution Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000002347 injection Methods 0.000 claims description 18
- 239000007924 injection Substances 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 239000000243 solution Substances 0.000 description 22
- 230000008569 process Effects 0.000 description 15
- 238000013439 planning Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- H04L41/0826—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network costs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
-
- 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
- H04L41/0893—Assignment of logical groups to network elements
-
- 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
- H04L41/12—Discovery or management of network topologies
-
- 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
- H04L41/147—Network analysis or design for predicting network behaviour
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5019—Ensuring fulfilment of SLA
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
现代日常生活依赖于诸如电网的广泛服务网络中的网络设备的可靠操作。分析和控制系统执行复杂的技术分析以确定针对服务网络的维护优化。在考虑要跨时间相关的网络拓扑而被执行的维护任务以及网络设备对服务中断的服务灵敏度之后,该系统达到优化。
Description
技术领域
本申请涉及在服务网络中执行和优化维护操作。
背景技术
现代的日常生活依赖于诸如电网等各种服务网络。同时,各种网络设备、服务节点、和服务网络的其他方面的可靠操作需要持续的维护和相关联的停机时间段。维护操作的复杂分析和执行的改进将进一步增强和优化服务网络的运行。
附图说明
图1示出了服务网络的示例。
图2示出了为服务网络实现的维护调度和网络拓扑优化系统。
图3示出了图2的系统电路的实现。
图4示出了服务网络中的网络设备的维护时序的实现。
图5是系统可以实现以用于服务网络的维护操作的调度、工作分配/指派和网络拓扑的逻辑的流程图。
图6是系统可以实现以用于服务网络的维护计划和网络拓扑的迭代优化的逻辑的流程图。
图7示出了系统可以实现以用于确定服务目标对服务中断的灵敏度的逻辑的流程图。
图8示出了电网服务网络拓扑。
图9和10是系统可以实现以用于基于离散粒子群优化算法来在维护团队之间进行工作负载平衡的逻辑的流程图。
图11示出了应用于将维护团队指派给维护任务的离散粒子群优化算法中的粒子流。
具体实施方式
网络设备的预防性维护是操作诸如电网等复杂服务网络的长期可靠性的关键。电网中的网络设备可以是例如向一个或多个服务目标提供服务的配电变压器。定期维护有助于避免意外的设备故障并且提高服务质量。然而,网络设备的维护通常需要维护网络设备的电气和/或机械隔离。服务网络的网络拓扑可以是可重新配置的,使得到其服务先前通过被维护的网络设备来提供的服务目标的服务可以经由另一操作网络设备重新路由到服务目标。然而,网络设备的维护可能不可避免地导致到服务网络的一些服务目标的服务中断。
可以按照很多可能的方式在一组调度约束下调度一段时间内的服务网络的网络设备的给定的一组N个维护任务。对于符合该组调度约束的任何一个可能的维护计划,可以随时间配置服务网络的网络拓扑以最小化由维护引起的服务中断的总体影响。由维护引起的中断的影响可以通过服务目标的丢失值来测量。不同的服务目标可能对服务中断具有不同的灵敏度。这些灵敏度未必反映在由服务网络提供的服务的单价中。例如,即使服务目标之间可能没有电价差异(例如,每千瓦的价格),服务目标对服务中断的灵敏度也可能不同。这些灵敏度可以使用各种服务参数的历史值来估计和量化,包括但不限于历史服务负载和服务中断的历史投诉、以及每个服务目标的预测的服务负载和对不间断服务的预定义请求。
以下示例性实现公开了用于服务网络的维护计划和时间相关拓扑的迭代优化的方法和系统,以用于在考虑到各种调度和拓扑约束以及服务目标对服务中断的灵敏度的情况下最小化由于服务中断而引起的总体影响。优化算法可以基于整数和/或混合整数优化技术。在一个另外的实现中,可以使用基于矩阵的优化算法来实现在一组指派约束下的优化的维护计划中布置的维护任务到一组N个维护团队的工作负载平衡分配。
作为示例,图1示出了电网或电网的一部分的形式的服务网络100。电网用于解释的目的,并且下面描述的系统和技术不限于电网。电网100包括由图例112示出的各种网络设备。虽然下面参考特定类型的网络设备用于讨论,但是网络设备可以广泛变化。网络设备的示例包括配电变压器、配电发电机、开关、总线、电压调节器、架空线和地下电缆。
对于以下示例,网络设备包括配电变压器(或者称为服务节点)102、开关110、总线106和线路部分108。配电变压器102电连接到服务目标116并且是用于向服务目标116提供服务的网关。诸如204003、204005、24007-204010等一些配电变压器可以向单个服务目标供电。但是通常,诸如204001和204005等配电变压器可以连接到多个服务目标。优选地,每个服务目标由一个配电变压器提供服务。每个配电变压器可以经由电网中的多个可能路径之一供电。这样,服务目标同样可以经由连接到它的配电变压器的多个可能路径之一来被提供服务。
开关110优选地手动地或经由计算机化控制接口可配置。当网络设备需要维护时,开关110可以用于将网络设备与电网100的其余部分电隔离。开关110可以另外用于重新配置电网100的网络拓扑。术语网络拓扑用于指代网络设备与服务网络(这里是电网)的网络路径之间的网络连接状态。因此,网络拓扑可以实时地(经由计算机化控制接口)重新配置以适应网络设备的维护。例如,如果沿着到服务目标的当前服务路径的网络设备被调度用于维护,则可以重新配置网络拓扑以允许经由不包括该网络设备的另一替代路径来服务于服务目标。除了配电变压器之外的网络设备(诸如总线106、开关110和线路部分108)可以不直接连接到任何服务目标,但是它们的维护可能导致某些网络拓扑下的某些服务目标的服务中断。
电网100还可以包括专用网络节点,诸如注入节点114。注入节点114表示源连接到服务网络的位置。在电网100的上下文中,注入节点114提供用于输送到电网100中以供其他实体消耗的电力的输入节点。用于从明确定义的源来分发服务的电网100或其他服务网络可以具有多于一个注入节点114。具有多个注入节点可能是优选的,因为一些网络设备的维护可以完全切断一个注入节点并且服务网络可以仍然需要重新配置以使用其他注入节点作为源。对于图1的电网100,可能进一步优选的是,总是以这样的方式配置,使得每个配电变压器仅由一个注入节点供电。
图2示出了网络设备维护调度和网络拓扑优化以及维护任务分配/指派系统的示例实现200。系统200包括服务于服务目标116的服务网络100、计算和控制子系统201、以及数据库222、224和226,它们都经由通信网络210连接。图2中的服务网络100是图1的服务网络的框图描述,包括服务节点(诸如配电变压器)102和其他网络设备104、106、108、注入节点114和开关110。数据库222、224和226可以分别保存服务网络拓扑数据、维护计划/任务/团队数据和服务目标帐户。
计算和控制子系统201包括通信接口202、系统电路204、输入/输出(I/O)接口206和显示电路208,其在本地生成机器接口210或用于远程显示,例如,在本地或远程计算机上运行的web浏览器中。机器接口210和I/O接口206可以包括GUI、触敏显示器、语音或面部识别输入、按钮、开关、扬声器和其他用户界面元件。I/O接口206还可以包括磁或光媒体接口(例如,CDROM或DVD驱动器)、串行和并行总线接口、以及键盘和鼠标接口。
通信接口202可以包括无线发射器和接收器(“收发器”)212以及由收发器212的发射/接收电路使用的任何天线214。收发器212和天线214可以支持Wi-Fi网络通信,例如,在任何版本的IEEE 802.11下,例如802.11n或802.11ac。通信接口202还可以包括有线收发器216。有线收发器216可以为多种通信协议中的任何一种提供物理层接口,诸如任何类型的以太网、有线数据服务接口规范(DOCSIS)、数字用户线(DSL)、同步光纤网络(SONET)或其他协议。
系统电路204可以包括任何组合的硬件、软件、固件或其他电路。系统电路204可以例如用一个或多个片上系统(SoC)、专用集成电路(ASIC)、微处理器、离散模拟和数字电路以及其他电路来实现。系统电路204是计算和控制子系统201中的任何期望功能的实现的一部分。
如图3中作为示例所示,系统电路204可以包括一个或多个指令处理器302和存储器304。存储器304存储例如服务网络维护优化和维护任务分配/指派指令308(称为指令)和操作系统306。在一个实现中,处理器302执行指令308和操作系统306以执行图2的计算和控制子系统201的任何期望功能。图2的数据库222、224和226提供服务网络的优化参数和网络配置信息以用于指令308、操作系统306执行针对服务网络的维护优化和分配/指派。
图3的存储器304还存储用于计算和控制子系统201的服务网络维护数据。例如,存储器304可以存储维护计划312。维护计划312指定如何及时分配一组N个维护任务。维护计划可以存储在各种形式的数据结构中。例如,它可以存储为表(二维阵列),其中一个列用于一组N个维护任务的维护任务标识符并且相应列用于用于维护的可用时隙序列中该组N个维护任务的开始时隙的标识符,这将在下面更详细地描述。关于由维护任务标识符标识的维护任务的信息和关于由时隙标识符标识的时隙的信息可以存储在存储器304中的其他地方或者从数据库224获取。存储器304还可以存储时间相关的网络拓扑314。例如,时间相关的网络拓扑可以存储为与时隙序列对应的网络拓扑的序列。每个时隙处的网络拓扑可以被存储为确定服务网络的网络拓扑的可配置开关的通断(on-off)状态(断开或闭合)。
可以在优化过程期间更新存储在存储器310中的维护计划312和到网络拓扑314的序列。然后,最终优化的维护计划312和最终优化的网络拓扑的序列可以经由图2的I/O接口206永久地存储在诸如磁盘和固态存储器等非易失性存储器中,或者存储在数据库222和224中。
存储器304还可以存储维护计划322的各种约束、网络拓扑324的约束、以及维护团队分配/指派325的约束。约束的类型和存储它们的形式将在下面更详细地描述。作为示例,维护团队分配/指派的约束还可以包括冲突矩阵328,其将在下面更详细地描述。
存储器304还可以存储从图2的服务目标帐户数据库226获取的历史服务负载数据和预测的负载数据320。历史服务负载数据和预测的负载数据320可以用在维护计划和网络拓扑优化中,如下所述。
存储器304还可以包括被计算并且用于为一组M个维护团队分配该组N个维护任务的指派矩阵326。关于维护团队的信息可以从数据库224获取。如下面将进一步详细描述的,指派矩阵可以在维护任务的指派优化过程期间确定,并且最终优化的指派矩阵可以永久地存储在非易失性存储器中。
图4示出了维护时隙配置的示例。如下所示,图4的时隙配置特别适用于基于整数编程或混合整数编程(MIP)的维护计划和拓扑优化算法。具体地,服务网络的操作时间段402可以被划分为交替时间窗口404和406。时间段402例如可以是一个月。时间窗口404表示不允许维护网络设备的时间段,而时间窗口406表示允许维护的时间段。例如,时间窗口404可以包括维护团队不可用的时间段,诸如周末、假日和傍晚/夜间。另一方面,时间窗口406可以包括正常工作时间的时间段。或者,对于主要在正常工作时间提供服务并且优选地在非工作时间维护的一些服务网络,用于执行维护任务的时间窗口406可以包括周末、假日和晚上/夜晚而不是正常工作时间。
示出了可用于由时间窗口序列407维护的时间窗口序列406。每个时间窗口406可以进一步划分为一组预定义时间单位408以进行维护。例如,可以按小时调度维护工作,并且预定义时间单位可以相应地为一小时。因此,时间窗口序列407可以被转换为预定义时间单位的时间序列410。然后可以将该组N个维护任务调度到时间序列410上。维护中的网络设备可以针对特定维护计划从一个时间单位到下一时间单位而变化。因此,时间序列410中的每个预定义时间单位可以对应于网络拓扑,诸如412、414和416。网络拓扑可以从一个时间单位到另一时间单位而变化。因此,时间序列410可以对应于由418示出的网络拓扑的序列。在下面的公开内容中,术语“时间单位”、“维护时间单位”、“时隙”和“维护时隙”可互换地使用。因此,维护时间序列中的时隙或时间单位可以例如通过索引1至L来标识,并且可以有助于在下面描述的维护计划和网络拓扑优化中使用整数编程或MIP算法。
图5是系统可以实现以用于服务网络的维护操作的调度、工作分配/指派和网络拓扑的逻辑的流程图。该实现可以包括(1)在框502中,服务网络的服务目标对服务中断的灵敏度进行建模,(2)在框504中,确定维护计划和网络拓扑的序列以在维护计划的一组约束和网络拓扑的一组约束下最小化维护对由服务网络提供给服务目标的服务的影响,(3)在框506中,根据维护计划来分配/指派维护资源,以及(4)在框534中,根据网络拓扑的优化的序列来配置服务网络的可配置开关。
具体地,在框502中,可以基于与服务网络和服务目标相关的各种输入数据来建模和计算服务目标对服务中断的灵敏度。例如,对于每个服务目标,这些输入数据可以包括用于投诉的历史数据512和历史服务负载数据514。灵敏度还可以基于每个服务目标的其他预定义输入数据,诸如允许用于服务中断的时间508和禁止用于服务中断的时间510。灵敏度建模框502的输出是服务目标对服务中断的灵敏度的量化度量,如516所示。用于服务目标灵敏度建模框502的输入数据508、510、512和514通常是时间相关的,并且因此灵敏度建模输出的灵敏度值516同样是时间相关的。在图4的维护时间序列410的上下文中,每个服务目标的灵敏度值可以从维护时间序列410中的一个时间单位到下一时间单位而变化。
在框504中,维护计划和网络拓扑优化可以实现为维护优化子框518和网络拓扑优化子框520的迭代改进。因此,二维优化过程(维护计划的维度和网络拓扑的另一维度)可以在两个子过程之间分离和迭代。对于涉及两个维度之一的优化的子过程,可以固定另一维度。例如,当在子框518中优化维护计划时,可以固定网络拓扑的序列,以最小化由网络设备的维护对由服务网络向服务目标提供的服务的影响。然后在子框520中可以固定优化的维护计划,以优化网络拓扑的序列。在优化一个维度之后,另一维度可能变得未优化。因此,子框518和520迭代直到满足某个预定义条件。例如,当不再能够对拓扑序列或维护计划序列进行维护影响改进,或者迭代次数达到预定义最大数目时,迭代可以停止。
可以从历史服务负载数据导出用于服务目标的预测的服务负载数据524,并且将其用作框504的输入之一以用于评估受维护影响的服务目标的丢失服务量。网络拓扑约束528和维护计划约束522可以进一步分别输入到子框520和518中。
优化框504的输出之一、网络拓扑的优化的序列530可以输入到服务网络配置框534中。服务网络的每个可配置开关可以根据在530中实施为与维护时间序列相对于的网络拓扑的序列的时间相关的网络拓扑来自动配置为打开或关闭状态。框504的另一输出、优化的维护计划532、以及关于可用的维护资源的信息(诸如维护团队536和维护资源分配/指派约束537)可以输入到维护资源分配/指派框506中。维护资源分配/指派框506的输出可以是基于实现预定义维护资源分配/指派度量而与优化的维护计划对应的维护资源指派。例如,维护资源可以是多个维护团队,并且它们可以被指派给维护任务以实现维护团队之间的平衡工作负载。
图6是系统可以实现以用于服务网络的维护计划和网络拓扑的序列的迭代优化的逻辑的流程图。因此,图6可以是图5的框504的示例性实现。在框602中,将迭代次数i设置为0。在框604中,基于图4中所示并且如上所述的原理来确定维护时间序列。在框606中,确定在具有L个时隙的维护时间序列上的该组N个维护任务的维护计划的初始布置以及与维护时间序列对应的网络拓扑的序列的初始布置。可能优选的是,确定初始维护计划和网络拓扑的序列,使得能够满足维护计划的约束集和网络拓扑的约束集。
框608、610、612、614和616形成迭代循环620,以用于从框606确定的其初始值开始来优化维护计划和网络拓扑的序列。在框608中,迭代次数i前进1。在框610中,在先前迭代中的优化的维护计划的当前迭代中优化维护计划,其中来自先前迭代的网络拓扑的序列是固定的。维护计划610本身的优化可以是迭代过程,如下面将在示例性实现中更详细地描述的。
用于维护计划的优化框610可以实现为对服务网络的第一维护引起的影响的迭代最小化。第一维护引起的影响可以是例如在所有服务目标上以及在维护时间序列的所有时间单位(或时隙)上的总和、在维护时间序列的每个时间单位的每个服务目标的维护引起的影响。在维护时间序列中的每个时间单位处对每个服务目标的维护引起的影响可以通过将在每个服务目标的每个时间单位期间的预测的服务负载损失和丢失服务的单位值相乘来确定。在每个服务目标的时间单位期间的预测的服务负载损失可以基于该时间单位期间的每个服务目标的预测的服务负载数据。在一个示例性实现中,预测的服务负载数据可以是针对每个服务目标的多个先前时段(例如,几个月)的同一天的同一小时期间的历史服务负载的平均值。本领域普通技术人员理解,仅当该服务目标受到维护计划的影响时,预测的服务负载损失对于服务目标在时间单位中不为零,即,其服务由网络设备提供以用于根据维护计划在该时间单位内进行维护。每个时间单位的每个服务目标的服务负载的单位值可以由服务价格(由服务网络的提供商收取)来确定,该服务价格由每个服务目标对服务中断的时间相关灵敏度来调节(在每个时间单位,由于灵敏度的时间相关性),这将从下面的示例中变得很清楚。
框610中的优化过程可以受制于维护计划的这组约束。例如,当该组N个维护任务中的维护任务需要多个时间单位来完成时,该维护任务可以被约束到维护时间序列中的连续时间单位(或时隙)。在下面更详细地描述的示例实现中,其他类型的调度约束将变得很清楚。
同样地,用于网络拓扑的序列的优化框612也可以实现为对服务网络的第二维护引起的影响的迭代最小化。对服务网络的第二维护引起的影响可以包括上面讨论的第一维护引起的影响。另外,第二维护引起的影响可以包括由于在维护时间序列期间必须将服务网络的开关从网络拓扑的序列中的一个网络拓扑重新配置为下一网络拓扑而产生的不利影响。开关重新配置的不利影响(或影响)可以由为实现整个网络拓扑的序列而需要执行的开关动作的总数来表示。然后,对服务网络的第二维护引起的影响可以是第一维护引起的影响和开关动作的总数的加权和。类似于框610,框612中的网络拓扑的序列的优化可以受制于服务网络的网络拓扑的这组约束。例如,在电网中,为了安全和网络管理的目的,可能需要配置可配置开关使得每个网络设备在任何给定时间由至多一个注入节点供电。网络拓扑约束的其他示例将在下面更详细地描述的示例实现中变得很清楚。
因此,上面的框610和612中的优化过程都基于在维护计划的该组约束和网络拓扑的该组约束下对服务网络的维护包括的影响的迭代最小化。优化过程可以基于在上面并且在下面的示例中更详细地描述的整数编程和/或混合整数编程(MIP)算法。
在框614中,可以确定关于网络拓扑的序列的当前优化是否在对服务网络的维护影响方面做出任何改进。换言之,可以在框614中确定框612中的网络拓扑优化是否已经对来自先前迭代的网络拓扑的序列进行了任何修改。如果没有进行改进或修改,则迭代优化循环620结束,并且最近优化的维护计划和网络拓扑的序列被传递到框618以进行进一步处理。否则,在框616中确定迭代循环的迭代次数是否已经达到预定义最大迭代次数。如果已经达到最大迭代次数,则迭代循环620结束,并且最近优化的维护计划和网络拓扑的序列被传递到框618以进行进一步处理。否则,在框608中使迭代次数i进一步前进1并且优化循环620继续。
在框618中,获取优化的维护计划和优化的网络拓扑的序列,并且可以经由图2的I/O接口206将其永久地存储在非易失性存储器中。然后,优化的维护计划和优化的网络拓扑的序列可以用于网络拓扑配置和维护资源分配/指派,如图5的框506和534分别所示。
以下公开内容提供了在电网中由图4至图6描述的原理的详细实现的示例。首先描述用于对服务中断的时间相关灵敏度的示例性建模,因为其用于维护计划和网络拓扑优化。可以在服务目标水平针对每个服务目标评估对服务中断的时间相关灵敏度。或者,可以在配电变压器水平(对于电网形式的服务网络)评估对服务中断的时间相关灵敏度。相应地,可以通过对服务目标求和或对配电变压器求和来执行由于上述调度和网络拓扑优化的维护的第一和第二维护引起的影响的计算。以下详细描述和公式将目标水平的灵敏度评估作为示例。
图7示出了系统可以实现该逻辑700以用于确定服务目标对服务中断的灵敏度的逻辑700的流程图。具体地,可以基于每个服务目标的历史负载数据和预测负载数据、历史投诉数据、预先预定义不间断服务请求和基本设备数据来建模每个服务目标对服务中断的灵敏度,如702所示。输入历史数据可以从图2的历史服务目标账户数据库226获取,并且在框704处输入到灵敏度模型700中。在维护时间序列的第k小时的该组服务目标中的第j服务目标的时间相关灵敏度可以由Sjk表示并且可以例如包含如框706、708、710和712中所示计算并且由下式中的四个项表示的四个不同分量:
Sjk=β1X1,jk+β2X2,jk+β3X3,jk+β4X4,jk, (I)
其中X1,jk表示在第k小时向服务目标提供服务的配电变压器的预测负载水平;X2,jk表示在第k小时向服务目标提供服务的配电变压器的预测重要性水平;X3,jk表示第k小时的服务对象的预测的服务中断投诉等效值;并且X4,jk表示第k小时的服务目标的对不间断服务的请求的预测等效值。以上的所有预测可以基于等效小时的历史数据和/或其他预定义数据来进行。因此,Sjk可以是如上所述的四个项的加权和,如在框714中计算的。加权系数β1、β2、β3和β4,并且可以由电网的专家来确定。在一个实现中,β1、β2、β3和β4可以分别设置为0.25。
例如,第一项X1,jk可以在框706中根据以下公式来计算:
其中Pjk是在第k小时向第j服务目标提供服务的配电变压器的预测负载水平;Pj,min和Pj,max分别是根据历史负载数据而估计的向第j服务目标提供服务的配电变压器的预测的最小和最大下个月负载水平;SSj表示向第j服务目标提供服务的配电变压器的容量;并且S表示服务网络的总容量。权重因子α1和α2由专家评估方法来确定。例如,在一个实现中,α1和α2分别设置为0.7和0.3。
例如,第二项X2,jk可以在框708中根据以下公式来计算:
X2,jk=yjk (3)
其中yjk表示第k小时的第j服务目标的重要性水平。第j服务目标的重要性水平可以从各种数据挖掘技术来导出。
例如,第三项X3,jk可以在框710中根据以下公式来计算:
X3,jk=c1×cjk (4)
其中c1是在例如0.8到1.2之间的专家确定的权重值,并且cjk是第k小时的第j服务目标的历史中断等价值。
例如,第四项X4,jk可以在框712中根据以下公式来计算:
X4,jk=Ujk×50+(1-Ujk)×12.5 (5)
其中Ujk∈[0,1]是二进制值并且表示在第k小时的第j服务目标的对不间断服务请求的等效值。
如上所述,在一些替代实现中,灵敏度计算可以被聚合到网络设备或配电变压器水平。例如,等式(1)-(5)中的订阅j可以指代第j网络设备或配电变压器而不是第j服务目标,并且等式(3)可以被修改为连接到它的所有服务目标的平均重要性等级。
对于维护计划优化的示例性实现,可以使用图4中所示的维护时间序列。例如,维护时间序列可以包含L个时间单位或时隙。因此,维护可以方便地由一组整数索引{1,2,3,....,L}表示。利用这种简化的时间方案,可以使用具有调度约束的整数编程方法来方便地执行维护计划优化。在优化过程之后,可以使用图4中固有的简单对应关系将时间索引转换为实际时间(例如,特定日期的特定小时)。
使用整数编程方法,可以设计维护计划优化过程以最小化网络设备的第一维护服务丢失影响
以下列出了由每个符号表示的量:
Lm:要维护的网络设备的数目;
i:要维护的第i网络设备(注意,该符号i先前在图6中用作迭代索引并且其使用在此处被再循环);
Di:在预定义时间单位方面测量的设备的维护工作持续时间;
d:Di内的时间点;
a:第a服务目标;
Pa(Xi+d):在时间Xi+d的第a服务目标的预测的有效功率
ρa(Xi+d):被调节了灵敏度值的在时间Xi+d的第a服务的丢失服务的价格;以及
outLoad(Xi):由网络拓扑确定的具有由于在时间Xi开始的维护工作的服务中断的该组服务目标。
在上面的的特定构造中,时间相关网络拓扑或网络拓扑的序列确定了outLoad(Xi)。每个服务目标对服务中断的时间相关灵敏度用于导出ρa(Xi+d)。在保持整数编程方法简单的一个实现中,ρa(Xi+d)可以基于灵敏度值而被给出离散的一组z值。例如,可以首先将灵敏度范围划分为在0到100之间的z值。然后,ρa(Xi+d)可以根据下式来确定:
这里灵敏度Sa(Xi+d)可以从上面描述的Sjk来得出,因为下标对应于服务目标并且Xi+d与维护时间序列中的时隙相关。
的最小化可以进一步受制于各种调度约束。例如,理想地,开始时间Xi可以是维护时间序列{1,2,...,L}中的任何时隙。但是,为了确保维护任务在维护时间序列结束时完成,可以在整数编程优化过程中构造以下约束:
作为调度约束的另一示例,可能需要在维护时间序列的每个时隙期间至多有一个维护任务正在进行。在CP表单中,该约束可以设置为:
Xj+Dj≤Xi if Xi-Xj>0, (9)
或者
Xi+Di≤Xj if Xi-Xj<0, (10)
其中上述调度约束只是示例。预期服务网络的其他类型的调度约束。
上述维护计划优化方案在10kV配电系统中实现,其中8个配电变压器各自服务于一个服务目标。该配电系统的单线图如图1所示(注意,虽然图1用于说明目的,其中每个配电变压器可能支持多个服务目标,但是这里,例如,假定每个配电变压器仅服务于一个服务目标)。包括整个月的服务数据的服务目标的信息以小时为单位可用。维护计划时间段设置为该整个月。可以做出四个进一步的假定:
(1)已经计算了服务目标灵敏度值作为维护调度优化的输入;
(2)维护工作只能在周一至周五和白天的上午8点到下午5点被调度并且不允许进行加班维护,并且每个网络设备的最小维护工作时间为1小时,导致一个月内的可能的调度时隙的转换后的整数维护时间序列{1,2,3,...198};
(3)图1中的三个网络设备需要被调度用于进行维护:总线210004(也标记为122)、总线210002和210023之间的开关124、以及总线210022与配电变压器204005之间的线路126,如图1中的符号104所示;
(4)上述三种网络设备的维护工作持续时间分别为:2小时、3小时和5小时。
为了比较的目的,首先执行维护计划优化而不考虑服务目标对服务中断的灵敏度。换言之,使用丢失服务的直接成本而不是等式(7)的丢失服务的灵敏度调节成本,并且ρa针对所有服务目标被设置为恒定值¥50/kWh。维护计划优化结果如表1所示,其中优化的维护计划下的总影响为¥86634.9。
表1.不考虑服务目标灵敏度的调度
网络设备 | 开始时间 | 维护影响(¥) |
21004 | 第21天下午13点 | 18438.81 |
124 | 第16天下午13点 | 58390.19 |
126 | 第2天下午11点 | 8805.94 |
对于基于服务目标灵敏度的维护计划优化,在一个实现中将ρa(Xi+d)划分为三个水平:
考虑到服务目标对服务中断的灵敏度的维护计划优化结果在下面的表2中示出,其中由于维护中断总影响为¥74182.7,表示相对于在不考虑服务目标灵敏度的情况下的维护计划优化有显著的改进。该改进表明,考虑到服务目标的灵敏度的优化试图在灵敏度值较低时调度维护。
表2.考虑到目标灵敏度的调度
网络设备 | 开始时间 | 开始时间 | 维护影响(¥) |
21004 | 第22天下午13点 | 22日下午14点 | 18663.2 |
124 | 第21天下午12点 | 21日下午14点 | 50236 |
126 | 第2天下午11点 | 2日下午15点 | 5283.56 |
受被维护的三个网络设备影响的那些服务目标的灵敏度值分别在表3、表4和表5中给出。
表3. 21004的维护期间受影响的服务目标的灵敏度
表4.维护期间受影响的服务目标的灵敏度126
服务目标204008、204009和204010的月平均灵敏度值分别是47.15、42.11和40.05。因此,根据等式(11),在经济损失成本小于50000¥/MWh的时间点不可能对设备210004进行维护。相反,服务目标204004的灵敏度值很低,这表示可以在损失价格为30000¥/MWh时调度设备126的维护。
然后可以在图5的520(或图6的612)中的网络拓扑优化中固定优化的维护计划。使用混合整数编程(MIP)方法,可以将要最小化的网络拓扑优化的对服务网络的第二维护影响构造为:
/>
因此,除了包括在调度优化中的第一维护影响之外,拓扑优化的第二影响还可以包括配置网络拓扑的特定序列所需要的开关动作的不利影响。这里,sn是开关动作的总数。在总维护影响内的开关影响的比例可以由因子ωsw来控制。开关影响被包括在网络拓扑优化中,因为在不包括开关影响的情况下,网络拓扑的优化的序列可能导致过多的网络重新配置和大量的开关动作,这可能例如不利地降低服务网络的可配置开关的寿命。但是,在拓扑优化期间对开关影响进行过大的加权(大的ωsw)可能导致不完整的开关动作,当额外开关动作的成本高于服务目标的负载损耗成本时导致负载切断(shedding)。在这样的情况下,优化解决方案可以选择由于维护工作而不恢复服务目标的服务中断负载,而不是采取更多的开关动作来进行服务恢复,以便满足最小化总成本的目的。例如,可以将适当的权重ωsw设置为受影响的服务目标的最小负载乘以受影响目标的最小服务损失成本。
表5.维护124期间受影响的服务目标的灵敏度
/>
网络拓扑优化的目标是找到在上述调度优化过程中确定的给定维护计划的情况下最小化的网络拓扑的序列。服务目标对服务中断的灵敏度优选地在等式(12)中的第二项/>内考虑,类似于上面针对维护计划的优化的描述。此外,拓扑优化可以受制于一组网络拓扑约束。例如,电网网络的该组拓扑约束可以包括但不限于:
(1)每个配电变压器可以仅从一个注入节点通电;
(2)必须通过断开其所有邻居开关来隔离维护中的网络设备。
在拓扑优化过程中还可以考虑非拓扑特定的其他约束,诸如DC功率流约束。
作为示例,以上基于MIP的拓扑优化可以在10kV配电网系统800中实现,如图8中的单线图所示,其中25个服务目标在表6中列出并且在图8中示出。系统800包括两个注入节点,被示出为线路2714和线路1703。表6中示出了一个月的25个服务目标的服务负载数据和计算灵敏度。
为了说明简单,假定仅需要维护一个网络设备110003并且用于维护的调度是固定的以用于网络拓扑优化。为了比较,首先执行网络拓扑的优化,而不考虑服务目标对服务中断的灵敏度。换言之,首先假定所有服务目标的服务损失的单位成本是相同的并且约为¥50/kWh。表7中给出了在不考虑服务目标的灵敏度的情况下的网络拓扑优化的结果。
表6.服务负载和灵敏度
表7.不考虑服务目标的灵敏度的网络拓扑优化
在根据所提出的优化的网络拓扑的网络重新配置计划中,开关110003-110002、110003-110009、110003-104009和110003-104015的断开旨在隔离节点110003。开关104011-210033和104019-104007的闭合恢复受维护的网络设备110003的隔离影响的服务目标。由于电力线的安全限制,服务目标104009随着开关104012-104009的断开而被切断。可以看出,104009的服务负载是所有受影响的服务目标中最小的一个。考虑到,在不考虑灵敏度的情况下所有服务目标的电力单位损失是相同的,上述优化已经获取了最佳结果。
当考虑服务目标对服务中断的灵敏度时,例如,当如等式(11)所示将ρa(Xi+d)划分为三个水平时,在表8中给出了网络拓扑优化的结果和相应的重新配置计划。
表8.考虑到服务目标的灵敏度的网络拓扑优化
表8示出了在考虑服务目标对服务中断的灵敏度之后,负载切断已经从104009变为104002。负载104009的灵敏度是30.304,根据等式11,其大于30并且因此相应的单元服务损失是¥50,000/MWh。负载104002的灵敏度值为24.744,其小于30并且因此相应的单元服务损失成本为¥30,000/MWh。尽管服务目标104002的服务负载量大于服务目标104009的服务负载量,但是拓扑优化过程正确地标识出由于灵敏度考虑切断104002中的总服务影响较低。
本领域普通技术人员理解,上述实现用于示出图4至图7中公开的原理的工作方式,并且从实际的服务网络方案中大大简化。例如,上面的网络拓扑优化示例仅假定维护一个网络设备,对应于非常简化的维护计划。然而,上述实现的组合示出了如何将这些原理应用于具有复杂拓扑和需要维护的大量网络设备的服务网络中。
一旦如上所述确定了优化的维护计划,就可以根据维护计划将各种维护资源分配或指派给该组N个维护任务。这些资源包括但不限于设备、工具和团队。作为示例,以下实现集中于将该组N个维护任务指派给该组M个维护团队。指派的目标是平衡所有维护团队的工作时间。平衡的指派在用于指派维护任务的一组约束下进行优化。在下面用于维护任务分配的等式中使用的符号和下标将从在上面的维护计划和拓扑优化中使用的等式重置。虽然这些符号和下标可以在某种程度上重复用于指代相似的量,但它们通常应当被视为一组新的数学表示。
在一个实现中,M个维护团队到该组N个维护任务的指派可以通过具有M行和N列的二进制N×M矩阵方便地描述。矩阵的每一行表示一个维护团队的维护任务指派。每个矩阵元素xjk可以是二进制数0或1,其指示特定维护任务是否被指派给特定团队。最佳维护任务分配旨在找到最小化用于指派的目标函数f(xjk)的全局最优的指派矩阵,该函数量化维护团队之间的工作时间不平衡并且是用于指派的维护时间段(例如,图4中的402)期间的任何两个维护团队之间的工作时间差的平方和f(xjk):
Xp和Xq分别表示维护时间段期间的维护团队p和q的工作小时数。换言之,其中tk表示第k维护任务所需要的时隙数。
该组指派约束可以包括但不限于:
当h>g时,h∈(2,N),g∈(1,N);并且
其中ygh是N×N矩阵,其被称为冲突矩阵,其对指派矩阵施加第一约束,并且T表示根据已知和优化的维护计划的某个维护任务的开始或结束时间。第一约束指定由同一维护团队执行的两个任务需要与早期维护任务的结束和后一维护任务的开始相隔MinTimeGap或更多小时。这里,MinTimeGap表示预定义任务间最小时间间隔。这种约束保证了维护团队有足够的时间将人员和设备从一个网络设备移动到下一网络设备。例如,预定义MinTimeGap可以是4小时。第二约束指定指派必须符合完成第k维护任务所需要的维护团队数目mk。
根据经受指派约束的等式13的最小化的维护任务指派优化可以基于适合于处理整数非线性问题的离散粒子群优化(DPSO)算法。具体地,用于DPSO算法的粒子群的每个粒子可以具有由N×M指派矩阵xjk表示的位置。可能存在例如P个粒子。粒子的位置表示指派矩阵xjk的单个指派解。等式(13)的f(xjk)可以用作DPSO算法的拟合函数。每个解粒子与根据等式(13)而计算的适合度值相关联。DPSO的目标是找到与最小适合度值对应的全局最优指派矩阵xjk。每个粒子也对应于通过DPSO迭代而在优化参数空间中飞行时确定粒子位置的速度。如下面将更详细描述的,粒子通过跟随当前的最佳粒子而飞过问题空间。PSO算法可以用一组随机粒子(xjk的解)来初始化,并且然后通过更新解的几代来搜索最优。在每次迭代中,通过遵循两个“最佳”值来更新每个粒子。第一“最佳”值是迄今为止特定粒子达到的最佳解(具有最佳适合度)。该解被称为每个粒子的xbest(对应于适合度值)。追踪的另一“最佳”解是迄今为止群中任何粒子所获取的最佳解。这个最佳解是所有粒子的xbest中的全局最佳解,并且被称为gbest,其对应于fgbest的适合度值。
在找到两个最佳解之后,每个粒子用以下等式更新其速度和位置
vi=w*vi-1+c1*rand()*(xbest-xcurrenti)+c2*Rand()*(gbest-xcurrenti) (16)
xcurrenti+1=xcurrenti+vi (17)
其中rand()和Rand()是在0到1之间的两个随机数,c1和c2是学习因子(例如,c1=c2=1.4962),w是惯性因子(例如,在0.8到1.2之间)。对于另一示例,w=length(fxbest)*min(fxbest)/sum(fxbest)),并且xcurrent表示在每次DPSO迭代之后每个粒子的位置。DPSO迭代索引由i表示。最佳解xbest和gbest在每次迭代之后更新。
图9是系统可以实现以用于基于上述DPSO算法来进行维护团队之间的工作负载平衡的逻辑900的流程图。在框902中,可以将各种数据输入到DPSO算法中。这些数据包括但不限于关于该组M个维护团队的信息、关于该组N个维护任务的信息、优化的维护计划以及上述的该组指派约束。
在框904中,可以确定群的大小P。可以设置群中的每个粒子的初始位置,即,可以设置P个初始指派矩阵xjk。例如,可以随机地设置初始指派矩阵。此外,在框904中,将DPSO迭代索引设置为0。在框906中,将约束应用于粒子。特别地,可以调节粒子的矩阵元素(指派矩阵),使得能够满足诸如等式14和15等约束。在框908中,DPSO算法确定是否可以找到满足约束的粒子。如果不是,则DPSO算法标记在框910中没有找到解。否则,DPSO算法前进到框912以基于等式16和17来更新粒子。
在框914中,确定最小工作时间不平衡。该值可以是全局最佳适合度值fgbest。如果它达到预定的可接受工作时间不平衡或者迭代索引i已经达到预定的最大迭代次数,则DPSO算法结束并且在框920中获取全局最佳粒子(或最佳指派矩阵)。否则,DPSO算法在框918中使迭代索引i前进,并且进行到由框906、908、912、914、916和918形成的循环中的下一次迭代。
图10示出了在更新和飞行粒子时框912的更多细节。具体地,跟踪每个粒子的位置、速度、最佳适合度值和解,如框1002、1004和1006所示。此外,还跟踪全局最佳适合度值和全局最佳解,如框1008和1010所示,在框1012中,基于等式13来计算当前迭代中的每个粒子的适合度值。在框1014中,可以将新计算的每个粒子的适合度值与相同粒子的先前最佳适合度值进行比较。如果新计算的粒子的适合度值小于先前跟踪的粒子的最佳适合度值,则使用新计算的适合度值来更新粒子的跟踪的最佳适合度值。在框1015中,可以相应地更新粒子的最佳解。在框1016和1018中,如果所有粒子的任何新计算的适合度值小于先前跟踪的全局最佳适合度值,则更新全局最佳适合度值和解。在框1020中,基于等式16来更新粒子的速度。在框1022中,基于等式17来更新粒子的位置(即,粒子的指派矩阵)。可以使用各种离散化算法将每个粒子的指派矩阵的矩阵元素维护为二进制数。例如,可以通过在更新粒子的位置时应用离散化函数来实现指派矩阵(粒子)的二值化,如以下等式18所示:
Sig(vjk)=1/(1+exp(-vjk), (18)
其中vjk和xcurrentjk表示每个粒子的速度和位置的矩阵元素。xjk表示每个粒子的新离散位置。
图11中进一步示出了上述DPSO实现中的解的流程。每列1102、1104、1106、1108或1110表示每个粒子的指派矩阵的演进。行1112、1114、1116和1118表示DPSO迭代。在图11中,完成了四次迭代。由1120、1122、1124、1126和1128所示的作为演进中的解的阴影指派矩阵每个表示迄今为止每个粒子具有最小适合度值的解。具有暗阴影的解1124表示到目前为止具有全局最佳适合度值的指派矩阵。如果DPSO过程在这四次迭代之后结束,则最佳指派矩阵将被确定为1124。
在一个实现中,公开了一种基本方法。该方法包括从维护任务数据库获取要在服务网络的网络设备上执行的一组N个维护任务,其中每个网络设备与向服务网络的一组服务目标中的至少一个服务目标提供服务相关联并且每个维护任务跨越以预定义时间单位测量的任务持续时间。该方法还包括确定服务网络的预定义操作时间段期间的可允许维护窗口,并且将可允许维护窗口划分为预定义时间单位的维护时间序列。该方法还包括在维护时间序列上为一组N个维护任务创建维护计划。该方法还包括创建捕获随时间推移的网络配置并且对应于维护时间序列的网络拓扑的序列,其中每个网络拓扑由维护时间序列中的相应预定义时间单位期间的服务网络的一组可配置开关的通断状态来确定。该方法还包括获取该组服务目标的历史服务负载数据,并且获取维护计划的约束和网络拓扑的序列的约束。该方法还包括通过固定网络拓扑的序列并且最小化对一组服务目标的第一维护引起的影响,同时满足维护计划的约束,迭代地优化维护计划,并且通过固定维护计划并且最小化对一组服务目标的第二维护引起的影响,同时满足网络拓扑的约束,迭代地优化网络拓扑的序列。此外,该方法包括在确定网络拓扑的序列的优化已经生成对网络拓扑的序列的修改之后,将维护计划的迭代优化和网络拓扑的序列的迭代优化重复少于预定义迭代次数。该方法最后包括将优化的维护计划存储在维护任务数据库中,并且将网络拓扑的优化的序列存储在服务网络拓扑数据库中,并且根据网络拓扑的优化的序列在维护时间序列期间配置一组可配置开关。这里,每个网络设备对服务中断的灵敏度可以包括时间相关负载水平、重要性水平、服务中断的时间相关历史投诉等效值和量化每个网络设备的对不间断服务的请求的时间相关索引的加权组合。
可选地,在上述基本方法实现中,每个网络设备的时间相关负载水平可以包括归一化为服务网络的总服务负载容量的每个网络设备的服务负载容量和根据历史服务负载数据在每个网络设备的预测的下个月最大和最小服务负载之间归一化的每个网络设备的预测的时间相关服务负载的加权线性组合。
可选地,在上面的基本方法实现中,每个网络设备的重要性水平可以包括与网络设备相关联并且其服务由网络设备提供的所有服务目标的平均重要性。
作为上述基本方法实现中的另一选项,每个网络设备的服务中断的时间相关历史投诉等效值与从与网络设备相关联并且其服务由网络设备在类似的时间内提供的所有服务目标接收的历史客户投诉的数目成比例。
作为上述基本方法实现中的又一选项,量化每个网络设备的对不间断服务的请求的时间相关索引包括取决于每个网络设备是否连接到请求不间断服务的至少一个服务目标而从至少两个预定义值中选择的值。
在另一实现中,公开了一种基本系统。该系统包括通信接口、存储器以及与存储器和通信接口通信的电路。存储器包括针对服务网络的网络拓扑的序列,捕获服务网络的网络配置并且对应于在服务网络的预定义操作时间段期间从划分服务网络的网络设备的可允许维护窗口而确定的预定义时间单位的维护时间序列,其中每个网络设备与向服务网络的一组服务目标中的至少一个服务目标提供服务相关联,并且网络拓扑的序列中的每个网络拓扑由维护时间序列中的相应预定义时间单位期间的服务网络的一组可配置开关的通断状态确定。存储器还包括一组N个维护任务的维护计划,在维护时间序列上针对服务网络的网络设备从维护任务数据库获取,其中每个维护任务跨越以预定义时间单位测量的任务持续时间。存储器还包括用于该组服务目标的历史服务负载数据、对维护计划的约束、对网络拓扑的序列的约束、以及与存储器和通信接口通信的电路。该系统的电路被配置为通过固定网络拓扑的序列并且最小化对一组服务目标的第一维护引起的影响,同时满足维护计划的约束,迭代地优化维护计划。该系统的电路还被配置为通过固定维护计划并且最小化对一组服务目标的第二维护引起的影响,同时满足网络拓扑的约束,迭代地优化网络拓扑的序列。在确定网络拓扑的序列的优化已经生成对网络拓扑的序列的修改之后,该系统的电路还被配置为将维护计划的优化步骤和网络拓扑的序列的优化步骤迭代少于预定义迭代次数。最后,将优化的维护计划存储在维护任务数据库中,并且网络拓扑的优化的序列存储在服务网络拓扑数据库中,并且根据网络拓扑的优化的序列在维护时间序列期间经由通信接口配置一组可配置开关。这里,每个网络设备的时间相关负载水平包括归一化为服务网络的总服务负载容量的每个网络设备的服务负载容量和根据历史服务负载数据在每个网络设备的预测的下个月最大与最小服务负载之间归一化的每个网络设备的预测的时间相关服务负载的加权线性组合。
在上述基础系统中,服务网络可以可选地是电网或电网的一部分,并且网络设备可以可选地包括用于从电力源接收电力注入的至少两个电力服务注入节点。
可选地,在上述基本系统中,每个网络设备的重要性水平可以包括与网络设备相关联并且其服务由网络设备提供的所有服务目标的平均重要性。
作为上述基本系统中的另一选项,每个网络设备的服务中断的时间相关历史投诉等效值可以与从与网络设备相相关联并且其服务由网络设备在类似的时间内提供的所有服务目标接收的历史客户投诉的数目成比例。
作为上述基本系统中的另一选项,量化每个网络设备的对不间断服务的请求的时间相关索引包括取决于每个网络设备是否连接到请求不间断服务的至少一个服务目标而从至少两个预定义值中选择的值。
作为上述基本系统中的又一选项,用于调度的约束至少包括一组N个维护任务在时间上不交叠的限制。
在另一系统中,上述基础系统的电路还可以被配置为根据维护时间序列期间的优化的维护计划,标识可用于指派给一组N个维护任务的M个维护团队,其中一组N个维护任务中的每个维护任务需要预定义数目的维护团队来完成,根据一组指派约束来构造二进制矩阵元素的多个不同的N×M指派矩阵,每个二进制矩阵元素指示一组N个维护任务中的相应维护任务是否被指派给M个维护团队中的相应维护团队,在一组指派约束下演进多个指派矩阵中的每个指派矩阵,以使用离散粒子群优化(DPSO)算法确定具有M个维护团队之间的最佳工作时间平衡的指派矩阵,其中拟合函数是M个维护团队中的任何两个维护团队之间的工作时间差的平方和,并且根据具有最佳工作时间平衡的指派矩阵,将M个维护团队指派给一组N个维护任务。这里,该组指派约束包括指派给M个维护团队中的同一维护团队的两个维护任务之间的时间跨度等于或长于预定义任务间最小时间间隔的限制。
在上面的其他系统中,多个指派矩阵中与每个维护团队相关联的矩阵元素是DPSO算法中的粒子。
返回到图2,在联网部署中,计算和控制子系统201可以在服务器客户端用户网络环境中以服务器的身份或作为客户端用户计算机来运行,或者在对等(或分布式)网络环境中作为对等计算机系统来运行。计算和控制子系统201还可以实现为或并入各种设备,诸如个人计算机(“PC”)、平板PC、机顶盒(“STB”)、个人数字助理(“PDA”)、诸如智能手机或平板电脑等移动设备、掌上电脑、笔记本电脑、台式电脑、网络路由器、开关或网桥、或者能够执行一组指令的任何其他机器(顺序或否则),这些指令指定要由该机器采取的操作。此外,虽然示出了单个计算和控制子系统201,但术语“子系统”还应当被视为包括单独或联合执行一组或多组指令以执行一个或多个计算机功能的系统或子系统的任何集合。计算和控制子系统201的系统电路可以替代地实现为虚拟计算机器。
上面描述的方法、设备、处理、框架、电路和逻辑可以按照很多不同的方式并且以硬件和软件的很多不同组合来实现。例如,所有或部分实现可以是包括指令处理器的电路,诸如中央处理单元(CPU)、微控制器或微处理器;或者实现为专用集成电路(ASIC)、可编程逻辑器件(PLD)或现场可编程门阵列(FPGA);或者实现为包括分立逻辑或其他电路元件的电路,包括模拟电路元件、数字电路元件或两者;或其任何组合。例如,电路可以包括分立的互连硬件组件,或者可以组合在单个集成电路管芯上,分布在多个集成电路管芯之间,或者在公共封装件中的多个集成电路管芯的多芯片模块(MCM)中实现。
因此,电路可以存储或访问用于执行的指令,或者可以仅在硬件中实现其功能。指令可以存储在除了暂态信号之外的有形存储介质中,诸如闪存、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM);或者存储在磁盘或光盘上,诸如光盘只读存储器(CDROM)、硬盘驱动器(HDD)或其他磁盘或光盘;或者存储在另一机器可读介质中或上。诸如计算机程序产品等产品可以包括存储介质和存储在介质中或上的指令,并且这些指令当由设备中的电路执行时可以引起设备实现以上描述或附图中示出的任何处理。
可以分发实现。例如,电路可以包括多个不同的系统组件,诸如多个处理器和存储器,并且可以跨越多个分布式处理系统。参数、数据库和其他数据结构可以单独存储和控制,可以并入单个存储器或数据库中,可以按照很多不同的方式在逻辑上和物理上组织,并且可以按照很多不同的方式实现。示例实现包括链接列表、程序变量、散列表、数组、记录(例如,数据库记录)、对象和隐式存储机制。指令可以形成单个程序的部分(例如,子程序或其他代码部分),可以形成多个单独的程序,可以分布在多个存储器和处理器上,并且可以按照很多不同的方式实现。示例实现包括独立程序,并且作为库的一部分,诸如动态链接库(DLL)等共享库。例如,库可以包含共享数据和一个或多个共享程序,这些程序包括当由电路执行时执行以上描述或附图中示出的任何处理的指令。
本文中描述的原理可以按照很多不同的形式实施。然而,并非所有描绘的组件都是必需的,并且一些实现可以包括附加组件。在不脱离本文所述的权利要求的精神或范围的情况下,可以对组件的布置和类型进行变化。可以提供附加的、不同的或更少的组件。
虽然上面全局使用一些数学符号(包括下标和上标)来表示某些物理或概念量,但是其他数学符号可以仅在描述的逻辑部分内一致地指代相同的量。因此,本领域普通技术人员理解,一些符号可以在不同的逻辑部分中再循环以表示不同的量。
在整个本说明书中以单数或复数来引用“一个示例”、“示例(anexample)”、“示例(examples)”、“一个实施例”、“实施例”、“示例实施例”等表示结合实施例或示例描述的一个或多个特定特征、结构或特性被包括在本公开的至少一个实施例或一个示例中。因此,在整个本说明书中各个地方以单数或复数出现短语“在一个实施例中”、“在实施例中”、“在示例实施例中”、“在一个示例中”、“在示例中”等并不一定都指同一实施例或单个实施例。此外,特定特征、结构或特性可以在一个或多个实施例或示例中以任何合适的方式组合。
本文中描述中使用的术语仅用于描述特定示例的目的,而不是限制性的。如本文中使用的,除非上下文另有明确说明,否则单数形式“一个(a)”、“一个(an)”和“该(the)”旨在包括复数形式。此外,如本文中的描述和所附权利要求中使用的,除非上下文另有明确规定,否则“在......中”的含义包括“在......中”和“在......上”。还应当理解,本文中使用的术语“和/或”是指并且包含一个或多个相关所列项目的任何和所有可能的组合。将进一步理解,术语“可以包括(may include)”、“包括(including)”、“包括(comprises)”和/或“包括(comprising)”当在本说明书中使用时指定所述特征、操作、元素和/或组件的存在,但不排除一个或多个其他特征、操作、元件、组件和/或组的存在或添加。
应当注意,附图的流程图中所示的步骤可以使用可执行程序代码在一组计算机设备中执行。并且在一些状态下,步骤的顺序可以与附图中的顺序不同,尽管在流程图中示出了示例逻辑顺序。
已经具体描述了各种实现。然而,很多其他实现也是可能的。
Claims (20)
1.一种方法,包括:
从维护任务数据库获取要在服务网络的网络设备上被执行的一组N个维护任务,其中每个网络设备与向所述服务网络的一组服务目标中的至少一个服务目标提供服务相关联并且每个维护任务跨越按照预定义时间单位被测量的任务持续时间;
确定所述服务网络的预定义操作时间段期间的可允许维护窗口,并且将所述可允许维护窗口划分为所述预定义时间单位的维护时间序列;
在所述维护时间序列上针对所述一组N个维护任务创建维护计划;
创建随时间捕获网络配置并且对应于所述维护时间序列的网络拓扑的序列,其中每个网络拓扑由所述维护时间序列中的对应预定义时间单位期间的所述服务网络的一组可配置开关的通断状态确定;
获取针对所述维护计划的约束和针对网络拓扑的所述序列的约束;
通过固定网络拓扑的所述序列并且最小化对所述一组服务目标的第一维护引起的影响,同时满足针对维护计划的所述约束,来迭代地优化所述维护计划;
通过固定所述维护计划并且最小化对所述一组服务目标的第二维护引起的影响,同时满足针对网络拓扑的所述约束,来迭代地优化网络的所述拓扑序列;
在确定网络拓扑的所述序列的所述优化已经生成对网络拓扑的所述序列的修改之后,将所述维护计划的迭代优化和网络拓扑的所述序列的迭代优化重复少于预定义迭代次数;
将优化的所述维护计划存储在所述维护任务数据库中,并且将网络拓扑的优化的所述序列存储在服务网络拓扑数据库中;以及
根据网络拓扑的优化的所述序列在所述维护时间序列期间配置所述一组可配置开关。
2.根据权利要求1所述的方法,其中所述服务网络包括电网的一部分。
3.根据权利要求2所述的方法,其中所述网络设备还包括用于从电力源接收电力注入的至少两个电力服务注入节点。
4.根据权利要求2所述的方法,其中所述网络设备包括配电变压器。
5.根据权利要求4所述的方法,其中针对拓扑的所述序列的所述约束还包括:
每个配电变压器仅由一个注入节点供电的限制;以及
所述网络设备中的网络设备通过在所述网络设备的维护期间重新配置所述一组可配置开关而被隔离的限制。
6.根据权利要求1所述的方法,其中对所述一组服务目标的所述第二维护引起的影响包括所述第一维护引起的影响与用于实现网络拓扑的所述序列的所述一组可配置开关的开关动作的总数的加权和。
7.根据权利要求1所述的方法,其中对所述一组服务目标的所述第一维护引起的影响包括由于维护的估计的丢失服务量乘以针对在所述维护时间序列和网络拓扑的所述序列上综合的每个网络设备的经调节的单元服务值,其中针对每个网络设备的所述丢失服务量根据预测的服务负载数据而被估计,并且其中针对每个网络设备的所述经调节的单元服务值包括被调节对针对每个网络设备的服务中断的灵敏度的单位服务价格。
8.根据权利要求7所述的方法,其中对针对每个网络设备的服务中断的所述灵敏度包括时间相关负载水平、重要性水平、针对服务中断的时间相关历史投诉等效值和量化针对每个网络设备针对不间断服务的请求的时间相关指数的加权组合。
9.根据权利要求1所述的方法,其中用于调度的所述约束至少包括所述一组N个维护任务在时间上不交叠的限制。
10.根据权利要求1所述的方法,还包括:
根据所述维护时间序列期间的优化的所述维护计划来标识可用于指派给所述一组N个维护任务的M个维护团队,其中所述一组N个维护任务中的每个维护任务需要预定义数目的维护团队来完成;
按照一组指派约束来构造二进制矩阵元素的多个不同的N×M指派矩阵,每个二进制矩阵元素指示所述一组N个维护任务中的对应维护任务是否被指派给所述M个维护团队中的对应维护团队;
在所述一组指派约束下演进所述多个指派矩阵中的每个指派矩阵,以使用离散粒子群优化(DPSO)算法来确定具有所述M个维护团队之间的最佳工作时间平衡的指派矩阵,所述DPSO算法具有拟合函数,所述拟合函数是所述M个维护团队中的任何两个维护团队之间的工作时间差的平方和;以及
根据具有所述最佳工作时间平衡的所述指派矩阵来将所述M个维护团队指派给所述一组N个维护任务。
11.根据权利要求10所述的方法,其中所述一组指派约束包括被指派给所述M个维护团队中的同一维护团队的两个维护任务之间的时间跨度等于或长于预定义任务间最小时间间隔的限制。
12.根据权利要求10所述的方法,其中所述多个指派矩阵中与每个维护团队相关联的矩阵元素是所述DPSO算法中的粒子。
13.一种系统,包括:
通信接口;
存储器,包括:
针对服务网络的网络拓扑的序列,所述网络拓扑捕获所述服务网络的网络配置并且对应于在所述服务网络的预定义操作时间段期间从划分针对所述服务网络的网络设备的可允许维护窗口而被确定的预定义时间单位的维护时间序列,其中每个网络设备与向所述服务网络的一组服务目标中的至少一个服务目标提供服务相关联,并且其中网络拓扑的所述序列中的每个网络拓扑由所述维护时间序列中的对应预定义时间单位期间的所述服务网络的一组可配置开关的通断状态确定;
针对一组N个维护任务的维护计划,所述维护计划在所述维护时间序列上针对所述服务网络的所述网络设备从维护任务数据库被获取,其中每个维护任务跨越按照所述预定义时间单位被测量的任务持续时间;
针对所述维护计划的约束;以及
针对网络拓扑的所述序列的约束;以及
与所述存储器和所述通信接口通信的电路,所述电路被配置为;
通过固定网络拓扑的所述序列并且最小化对所述一组服务目标的第一维护引起的影响,同时满足针对所述维护计划的所述约束,来迭代地优化所述维护计划;
通过固定所述维护计划并且最小化对所述一组服务目标的第二维护引起的影响,同时满足针对网络拓扑的所述约束,来迭代地优化网络拓扑的所述序列;
在确定网络拓扑的所述序列的优化已经生成对网络拓扑的所述序列的修改之后,将针对所述维护计划的优化步骤和针对网络拓扑的所述序列的优化步骤迭代少于预定义迭代次数;
将优化的所述维护计划存储在所述维护任务数据库中,并且将网络拓扑的优化的所述序列存储在服务网络拓扑数据库中;以及
根据网络拓扑的优化的所述序列在所述维护时间序列期间经由所述通信接口配置所述一组可配置开关。
14.根据权利要求13所述的系统,其中所述服务网络包括电网的一部分。
15.根据权利要求14所述的系统,其中所述网络设备包括配电变压器。
16.根据权利要求15所述的系统,其中针对拓扑的所述序列的所述约束还包括:
每个配电变压器仅由一个注入节点供电的限制;以及
所述网络设备中的网络设备通过在所述网络设备的维护期间重新配置所述开关而被隔离的限制。
17.根据权利要求13所述的系统,其中对所述一组服务目标的所述第二维护引起的影响包括所述第一维护引起的影响与用于实现网络拓扑的所述序列的所述一组可配置开关的开关动作的总数的加权和。
18.根据权利要求13所述的系统,其中对所述一组服务目标的所述第一维护引起的影响包括由于维护的估计的丢失服务量乘以针对在所述维护时间序列和网络拓扑的所述序列上综合的每个网络设备的经调节的单元服务值,其中针对每个网络设备的所述丢失服务量根据预测的服务负载数据而被估计,并且其中针对每个网络设备的所述经调节的单元服务值包括被调节对针对每个网络设备的服务中断的灵敏度的单位服务价格。
19.根据权利要求18所述的系统,其中对针对每个网络设备的服务中断的所述灵敏度是时间相关负载水平、重要性水平、针对服务中断的时间相关历史投诉等效值和量化针对每个网络设备针对不间断服务的请求的时间相关指数的加权组合。
20.根据权利要求13所述的系统,其中所述电路还被配置为:
根据所述维护时间序列期间的优化的所述维护计划来标识可用于指派给所述一组N个维护任务的M个维护团队,其中所述一组N个维护任务中的每个维护任务需要预定义数目的维护团队来完成;
按照一组指派约束来构造二进制矩阵元素的多个不同的N×M指派矩阵,每个二进制矩阵元素指示所述一组N个维护任务中的对应维护任务是否被指派给所述M个维护团队中的对应维护团队;
在所述一组指派约束下演进所述多个指派矩阵中的每个指派矩阵,以使用离散粒子群优化(DPSO)算法来确定具有所述M个维护团队之间的最佳工作时间平衡的指派矩阵,所述DPSO算法具有拟合函数,所述拟合函数是所述M个维护团队中的任何两个维护团队之间的工作时间差的平方和;以及
根据具有所述最佳工作时间平衡的所述指派矩阵来将所述M个维护团队指派给所述一组N个维护任务。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/096251 WO2018035682A1 (en) | 2016-08-22 | 2016-08-22 | Service network maintenance analysis and control |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109804392A CN109804392A (zh) | 2019-05-24 |
CN109804392B true CN109804392B (zh) | 2023-12-26 |
Family
ID=61245978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680088650.3A Active CN109804392B (zh) | 2016-08-22 | 2016-08-22 | 服务网络维护分析和控制 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10979294B2 (zh) |
CN (1) | CN109804392B (zh) |
WO (1) | WO2018035682A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180123896A1 (en) * | 2016-11-01 | 2018-05-03 | Huawei Technologies Co., Ltd. | Systems and methods for hierarchical network management |
US10826773B2 (en) * | 2018-10-01 | 2020-11-03 | Arista Networks, Inc. | Method and system for sidelining of a network device |
US10958517B2 (en) * | 2019-02-15 | 2021-03-23 | At&T Intellectual Property I, L.P. | Conflict-free change deployment |
US11693708B2 (en) * | 2019-04-24 | 2023-07-04 | Netflix, Inc. | Techniques for increasing the isolation of workloads within a multiprocessor instance |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7444200B1 (en) * | 2007-06-01 | 2008-10-28 | Advanced Micro Devices, Inc. | Preventative maintenance scheduling incorporating facility and loop optimization |
US7508920B1 (en) * | 2005-06-23 | 2009-03-24 | Sprint Communications Company L.P. | Scheduling of automated tests in a telecommunication system |
CN101764406A (zh) * | 2009-12-24 | 2010-06-30 | 国电南瑞科技股份有限公司 | 基于发电损失和负荷供应充裕度的检修计划安全评估方法 |
CN102243734A (zh) * | 2010-11-08 | 2011-11-16 | 华北电力大学 | 考虑多约束、多目标条件的检修计划智能优化方法 |
CN105469317A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种电力通信网络可靠性分析方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7716077B1 (en) * | 1999-11-22 | 2010-05-11 | Accenture Global Services Gmbh | Scheduling and planning maintenance and service in a network-based supply chain environment |
EP1202142A1 (en) | 2000-10-25 | 2002-05-02 | Abb Research Ltd. | Maintenance planning system and method |
US20070011035A1 (en) * | 2003-08-25 | 2007-01-11 | Ofir Yaffe | System and method for optimizing transportations assignments and mainetenance activities |
US8401726B2 (en) * | 2006-07-20 | 2013-03-19 | The Boeing Company | Maintenance interval determination and optimization tool and method |
US8117007B2 (en) * | 2008-09-12 | 2012-02-14 | The Boeing Company | Statistical analysis for maintenance optimization |
US20120059684A1 (en) | 2010-09-02 | 2012-03-08 | International Business Machines Corporation | Spatial-Temporal Optimization of Physical Asset Maintenance |
US20140122143A1 (en) * | 2012-10-30 | 2014-05-01 | Trimble Navigation Limited | Optimizing resource assignment |
US20140164622A1 (en) * | 2012-12-06 | 2014-06-12 | Telefonaktiebolaget L M Ericsson (Publ) | Intelligent large network configuration management service |
US10177993B2 (en) * | 2015-11-25 | 2019-01-08 | International Business Machines Corporation | Event-based data transfer scheduling using elastic network optimization criteria |
US10163078B2 (en) * | 2016-06-30 | 2018-12-25 | The Boeing Company | Aircraft non-periodic maintenance scheduling system |
-
2016
- 2016-08-22 CN CN201680088650.3A patent/CN109804392B/zh active Active
- 2016-08-22 US US16/326,849 patent/US10979294B2/en active Active
- 2016-08-22 WO PCT/CN2016/096251 patent/WO2018035682A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7508920B1 (en) * | 2005-06-23 | 2009-03-24 | Sprint Communications Company L.P. | Scheduling of automated tests in a telecommunication system |
US7444200B1 (en) * | 2007-06-01 | 2008-10-28 | Advanced Micro Devices, Inc. | Preventative maintenance scheduling incorporating facility and loop optimization |
CN101764406A (zh) * | 2009-12-24 | 2010-06-30 | 国电南瑞科技股份有限公司 | 基于发电损失和负荷供应充裕度的检修计划安全评估方法 |
CN102243734A (zh) * | 2010-11-08 | 2011-11-16 | 华北电力大学 | 考虑多约束、多目标条件的检修计划智能优化方法 |
CN105469317A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种电力通信网络可靠性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018035682A1 (en) | 2018-03-01 |
US10979294B2 (en) | 2021-04-13 |
CN109804392A (zh) | 2019-05-24 |
US20190215240A1 (en) | 2019-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210182106A1 (en) | Resource configuration prediction method and device | |
CN109804392B (zh) | 服务网络维护分析和控制 | |
Jetcheva et al. | Neural network model ensembles for building-level electricity load forecasts | |
US10033570B2 (en) | Distributed map reduce network | |
US9209625B2 (en) | Method and system to co-optimize utilization of demand response and energy storage resources | |
CN108647914B (zh) | 生产排程方法、装置、计算机设备和存储介质 | |
CN110249310A (zh) | 云计算系统中的用于虚拟机的资源管理 | |
CN107077385B (zh) | 用于减少计算实例启动时间的系统、方法及存储介质 | |
US20150121113A1 (en) | Energy control via power requirement analysis and power source enablement | |
Nieße et al. | Conjoint dynamic aggregation and scheduling methods for dynamic virtual power plants | |
CN102622260B (zh) | 一种在线迭代编译的优化方法和优化系统 | |
US8285409B2 (en) | Effective cycle time management employing a multi-horizon model | |
CN105074664A (zh) | 成本最小化的任务调度程序 | |
CN102317930A (zh) | 用于提供网络资源增长管理的方法和系统 | |
Liu et al. | Restoration of power distribution systems with multiple data centers as critical loads | |
Dengiz et al. | Decentralized optimization approaches for using the load flexibility of electric heating devices | |
Li et al. | Efficient resource scaling based on load fluctuation in edge-cloud computing environment | |
Brazier et al. | A review of multi agent based decentralised energy management issues | |
US20160307127A1 (en) | Spatio-temporal crew planning | |
US10931107B2 (en) | System and method for management of an electricity distribution grid | |
US10931108B2 (en) | Scheduling the activities of daily living (ADLs) with minimum power usage cost on smart grid network | |
Kyselova et al. | Context-aware framework for energy management system | |
CN113015985A (zh) | 基于人工智能的房间分配优化系统 | |
Zhou et al. | AHPA: adaptive horizontal pod autoscaling systems on alibaba cloud container service for kubernetes | |
US20160286479A1 (en) | Reducing energy consumption of small cell devices |
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 |