CN111027738A - 一种基于遗传算法的电力通信光缆敷设优化方法 - Google Patents
一种基于遗传算法的电力通信光缆敷设优化方法 Download PDFInfo
- Publication number
- CN111027738A CN111027738A CN201910994629.5A CN201910994629A CN111027738A CN 111027738 A CN111027738 A CN 111027738A CN 201910994629 A CN201910994629 A CN 201910994629A CN 111027738 A CN111027738 A CN 111027738A
- Authority
- CN
- China
- Prior art keywords
- optical cable
- communication
- population
- objective function
- genetic algorithm
- 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.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 140
- 238000004891 communication Methods 0.000 title claims abstract description 113
- 230000002068 genetic effect Effects 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 9
- 210000000349 chromosome Anatomy 0.000 claims description 61
- 108090000623 proteins and genes Proteins 0.000 claims description 34
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 239000000835 fiber Substances 0.000 claims description 3
- 238000005215 recombination Methods 0.000 claims description 3
- 230000006798 recombination Effects 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
Abstract
本发明涉及电力通信领域,公开了一种基于遗传算法的电力通信光缆敷设优化方法,包括步骤:A)统计电力通信网络中的光缆线路数据;B)利用通信网络中的通信站点和光缆线路建立网络连通无向图;C)建立约束条件,构造目标函数;D)利用遗传算法对目标函数进行求解;E)获得经济性最佳的光缆敷设线路。本发明通过模拟实际的电力通信网建设的状态和网络结构,建立网络连通无向图,形成一个面向整个电力通信网络规划的模型,然后建立约束条件,在满足光缆可靠性和通信站点失效率约束条件下利用遗传算法对目标函数进行求解,获得经济性最佳的电力通信光缆敷设线路。
Description
技术领域
本发明涉及电力通信领域,尤其是涉及一种基于遗传算法的电力通信光缆敷设优化方法。
背景技术
电力通信网作为电力系统的专用通信网络,对保证电力系统安全、稳定、可靠运行起着非常重要的作用,是传统电网向智能电网转变的通信基础。目前,随着智能电网快速发展,电网的网络结构也越来越复杂,网络规模庞大,所承载的各种电力通信业务种类也逐渐增多,信息的数据量也越来越大,因此电力通信网络需要不断扩建,以满足日益增加的业务需求,为保证建成的电力通信网能够达到经济、可靠、高效的要求,需要在建设初期进行科学有效的规划,电力通信光缆系统的建设不仅要满足当前实际需求,还要综合考虑后期对通信光缆扩展的问题。传统的电力通信光缆敷设规划往往依靠经验进行,缺乏有效的优化设计。
例如,一种在中国专利文献上公开的“一种应用于10kV电网的EPON光缆网络结构”,其公告号为CN 204316504 U,该实用新型包括:主干光缆线路,所述主干光缆线路为与多条分支主干或者分支连接的光缆线路;分支主干光缆线路,所述分支主干光缆线路为负责汇接几条分支光缆的线路;分支光缆线路,所述分支光缆线路为只连接有1个配变的线路;光缆交接箱,所述光缆交接箱安装在多条光缆汇集且需要进行光纤调度/分光处;光分配器,所述光分配器安装在光缆交接箱内;光缆接头盒,所述光缆接头盒用于分支光缆和分支主干光缆之间的固定接续,或主干光缆中间固定接续;所述主干光缆和分支光缆以分光器为界划分。虽然该实用新型从机械结构方面改善了光缆网络结构,但是并未从整个电力通信网络对光缆进行优化,不能解决光缆敷设经济规划的问题。
发明内容
本发明是为了解决传统电力通信网络的光缆线路后期扩展规划可靠性差、经济性差的问题,提供一种基于遗传算法的电力通信光缆敷设优化方法,本发明能够通过对电力通信光缆线路建立网络连通无向图,对光缆线路进行优化,在满足电力通信网络可靠性和通信站点失效率的约束条件下,利用遗传算法对目标函数进行求解,得出经济性最佳的线路规划结果。
为了实现上述目的,本发明采用以下技术方案:
一种基于遗传算法的电力通信光缆敷设优化方法,包括步骤:
A)统计电力通信网络中的光缆线路数据;
B)利用通信网络中的通信站点和光缆线路建立网络连通无向图;
C)建立约束条件,构造目标函数;
D)利用遗传算法对目标函数进行求解;
E)获得经济性最佳的光缆敷设线路。
通过模拟实际的电力通信网建设的状态和网络结构,建立网络连通无向图,形成一个面向整个电力通信网络规划的模型,然后建立约束条件,在满足光缆可靠性和通信站点失效率约束条件下利用遗传算法对目标函数进行求解,获得经济性最佳的光缆敷设线路。
进一步地,步骤A)中,光缆线路数据包括:n个通信站点、k条已有光缆线路、m条待定建设光缆线路、光缆线路的成本和光缆线路的可靠性。
进一步地,步骤B)进一步包括:用节点表示通信站点,用实线表示已有的光缆线路,用虚线表示待定建设的光缆线路,对每一条光缆线路进行编号。
进一步地,步骤C)建立约束条件,包括步骤:
C1)利用网络连通无向图获得第i条光缆线路无故障时的网络成环率ai和网络连通率bi,计算第i条光缆线路可靠性ci=ai+bi;
C5)获得任意三个通信站点发生故障的失效率为
本发明中从成环率和网络连通率两个方面定义了光缆线路可靠性,当光缆线路出现故障时,会导致通信网络的连通性变差,通过利用无故障和发生故障时光缆线路可靠性差值建立光缆可靠性约束条件,如果一个通信站点发生故障,那么与该故障通信站点相连的光缆将无法进行正常通信,充分考虑通信站点故障发生的多种组合情况,建立了通信站点失效率约束条件。
通信网络的环状结构可以保障一条光缆发生故障不至于影响整个通信网络区域,通过环的另一侧还能继续进行通信,所以在建立约束条件的时候还需要考虑成环率。本发明将网络连通率定义为能够正常进行通信的通信站点数与整个通信网络通信站点数之比。
进一步地,步骤C)中,构造目标函数包括步骤:
C11)获得光缆线路的成本集合{e1,e2,...,ei,...,ek+m},其中,ei表示第i条光缆线路的建设成本;
从成本的角度出发,不同的光缆线路由于长度、运营等原因使得成本不同,在满足约束条件下,获得目标函数值最小的解便是经济性最佳的光缆线路组合。
进一步地,步骤D)中利用遗传算法对目标函数进行求解,包括步骤:
D1)种群初始化,设定交叉概率和变异概率,设置每条染色体上的基因数为(k+m),种群规模为N,第1代的种群记为其中,表示第t代种群的第N条染色体, 表示第t代种群的第N条染色体的第一个基因,基因的位置代表光缆线路的编号;
D2)进行编码,每条染色体代表目标函数的一组解,基因表示光缆线路,基因为1表示光缆线路已经建设或预测建设,基因为0表示不建设光缆线路;
D3)对种群中的每组解进行评估,计算每组解的可靠性和失效率,获得满足约束条件的H个染色体,H≤N,计算目标函数值,根据目标函数值从小到大对染色体进行排序;
D4)设置停止条件,若满足停止条件,则结束算法,获得最优解,若不能满足,则进入步骤D5);
D5)对染色体进行选择,获得选择后的种群;
D6)按照交叉概率对选择的染色体进行交叉操作,把种群中的两条染色体作为父代,染色体的部分基因进行交叉重组,形成新的染色体,获得交叉后的种群;
D7)在交叉后的种群中,设定变异位置,对变异位置上的基因值作变动,按照变异概率进行个体基因变异,将值为0的基因突变为1,将值为1的基因突变为0;
D8)产生新一代的群体,重复步骤D3)。
遗传算法是一种搜索式启发算法,用于解决求函数最值的优化问题。通过按照是否对线路进行建设将求解问题的解变成一组编码,编码中将已经建设好的光缆线路所对应的基因设置为1,代表预测建设的光缆线路所对应的基因也设置为1,代表不建设的光缆线路所对应的基因设置为0,先进行初始化,建立一个种群,然后通过仿照生物界的遗传、交叉、变异、自然选择现象进行一个淘汰的过程,通过一代代地优化,找到在满足约束条件下,找到使目标函数最小的解,也就是经济性最佳的光缆线路规划组合。
进一步地,步骤D5)中对染色体进行选择,包括步骤:
D51)确定每次选择染色体的个数h,h<H;
D52)从H个染色体中随机选择h个染色体,对每个入选染色体的目标函数值进行排序,选择目标函数值最小的个体进入子代种群;
D53)重复步骤D52),直到新的种群规模达到原来的种群规模N,得到新一代种群。
通过从从H个染色体中随机选择h个染色体,每条染色体入选的概率相同,然后找到最好的染色体放进新一代种群中,这样可以避免算法局部收敛问题。通过择优选择的方式,解决了早期的比较好的个体迅速占据种群和后期的种群中因个体相差不大而导致种群停止进化的问题。
进一步地,步骤D6)中采用两两互不重复的方式对染色体进行交叉操作,获得染色体组合(X1,X2),(X3,X4),...,(XN-1,XN),对于每个染色体组合生成一个[0,1]之间的随机数,判断该随机数是否小于交叉概率,若是,则对这个染色体组合进行交叉操作,若否,则不对这个染色体组合进行交叉操作。
通过计算3代种群的平均目标函数值,从而判断目前种群的目标函数值是否变化不大趋于稳定,另一个方面从迭代次数考虑,当达到迭代次数时,算法停止。
本发明具有如下有益效果:能够通过对电力通信光缆线路建立网络连通无向图,对光缆线路进行优化,在满足电力通信网络可靠性和通信站点失效率的约束条件下,利用遗传算法对目标函数进行求解,得出经济性最佳的线路规划结果。
附图说明
图1是本发明的流程框图。
图2是本发明的一种网络连通无向图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
如图1、图2所示,一种基于遗传算法的电力通信光缆敷设优化方法,包括步骤:A)统计电力通信网络中的光缆线路数据,光缆线路数据包括:10个通信站点、11条已有光缆线路、6条待定建设光缆线路、光缆线路成本和光缆线路可靠性。
B)利用通信网络中的通信站点和光缆线路建立网络连通无向图,用节点表示通信站点,用实线表示已有的光缆线路,用虚线表示待定建设的光缆线路。
C)建立约束条件,包括步骤:
C1)利用网络连通无向图获得第i条光缆线路无故障时的网络成环率ai和网络连通率bi,其中,qi表示构成通信网络环结构的通信站点数,ri表示能够正常进行通信的通信站点数,计算第i条光缆线路可靠性ci=ai+bi;
C5)获得任意三个通信站点发生故障的失效率为
C6)获得任意h个通信站点发生故障的失效率为
构造目标函数包括步骤:
C11)获得光缆线路的成本集合{e1,e2,...,ei,...,e17},其中,ei表示第i条光缆线路的建设成本;
D)利用遗传算法对目标函数进行求解;
包括步骤:
D1)种群初始化,设定交叉概率和变异概率,设置每条染色体上的基因数为17,种群规模为N,第1代的种群记为其中,表示第t代种群的第N条染色体, 表示第t代种群的第N条染色体的第一个基因,基因的位置代表光缆线路的编号;
D2)进行编码,每条染色体代表目标函数的一组解,基因表示光缆线路,基因为1表示光缆线路已经建设或预测建设,基因为0表示不建设光缆线路;
D3)对种群中的每组解进行评估,计算每组解的可靠性和失效率,获得满足约束条件的H个染色体,H≤N,计算目标函数值,根据目标函数值从小到大对染色体进行排序;
D4)计算第g代种群的平均目标函数值设置停止阈值β,停止条件为或者达到迭代次数,为第g-1代种群的平均目标函数值,为第g-2代种群的平均目标函数值,若满足停止条件,则结束算法,获得最优解,若不能满足,则进入步骤D5);
D5)对染色体进行选择,包括步骤:
D51)确定每次选择染色体的个数h,h<H;
D52)从H个染色体中随机选择h个染色体,对每个入选染色体的目标函数值进行排序,选择目标函数值最小的个体进入子代种群;
D53)重复步骤D52),直到新的种群规模达到原来的种群规模N,获得选择后的种群。
D6)采用两两互不重复的方式对染色体进行交叉操作,获得染色体组合(X1,X2),(X3,X4),...,(XN-1,XN),对于每个染色体组合生成一个[0,1]之间的随机数,判断该随机数是否小于交叉概率,若是,则对这个染色体组合进行交叉操作,若否,则不对这个染色体组合进行交叉操作,把种群中的两条染色体作为父代,染色体的部分基因进行交叉重组,形成新的染色体,获得交叉后的种群;
D7)在交叉后的种群中,设定变异位置,对变异位置上的基因值作变动,按照变异概率进行个体基因变异,将值为0的基因突变为1,将值为1的基因突变为0;
D8)产生新一代的群体,重复步骤D3)。
E)获得经济性最佳的光缆敷设线路。
本发明能够通过对电力通信光缆线路建立网络连通无向图,对光缆线路进行优化,在满足电力通信网络可靠性和通信站点失效率的约束条件下,利用遗传算法对目标函数进行求解,得出经济性最佳的线路规划结果。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明保护范围以内。
Claims (9)
1.一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,包括步骤:
A)统计电力通信网络中的光缆线路数据;
B)利用通信网络中的通信站点和光缆线路建立网络连通无向图;
C)建立约束条件,构造目标函数;
D)利用遗传算法对目标函数进行求解;
E)获得经济性最佳的光缆敷设线路。
2.根据权利要求1所述的一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,步骤A)中,光缆线路数据包括:n个通信站点、k条已有光缆线路、m条待定建设光缆线路、光缆线路成本和光缆线路可靠性。
3.根据权利要求1所述的一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,步骤B)进一步包括:用节点表示通信站点,用实线表示已有的光缆线路,用虚线表示待定建设的光缆线路。
4.根据权利要求1所述的一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,步骤C)建立约束条件,包括步骤:
C1)利用网络连通无向图获得第i条光缆线路无故障时的网络成环率ai和网络连通率bi,计算第i条光缆线路可靠性ci=ai+bi;
C3)统计每个通信站点连接的光缆数量,获得站点光缆数集合{A1,A2,...,An},获得单个通信站点发生故障时的失效率为
C5)获得任意三个通信站点发生故障的失效率为
7.根据权利要求1所述的一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,步骤D)中利用遗传算法对目标函数进行求解,包括步骤:
D1)种群初始化,设定交叉概率和变异概率,设置每条染色体上的基因数为(k+m),种群规模为N,第1代的种群记为其中,表示第t代种群的第N条染色体, 表示第t代种群的第N条染色体的第一个基因,基因的位置代表光缆线路的编号;
D2)进行编码,每条染色体代表目标函数的一组解,基因表示光缆线路,基因为1表示光缆线路已经建设或预测建设,基因为0表示不建设光缆线路;
D3)对种群中的每组解进行评估,计算每组解的可靠性和失效率,获得满足约束条件的H个染色体,H≤N,计算目标函数值,根据目标函数值从小到大对染色体进行排序;
D4)设置停止条件,若满足停止条件,则结束算法,获得最优解,若不能满足,则进入步骤D5);
D5)对染色体进行选择,获得选择后的种群;
D6)按照交叉概率对选择的染色体进行交叉操作,把种群中的两条染色体作为父代,染色体的部分基因进行交叉重组,形成新的染色体,获得交叉后的种群;
D7)在交叉后的种群中,设定变异位置,对变异位置上的基因值作变动,按照变异概率进行个体基因变异,将值为0的基因突变为1,将值为1的基因突变为0;
D8)产生新一代的群体,重复步骤D3)。
8.根据权利要求7所述的一种基于遗传算法的电力通信光缆敷设优化方法,其特征是,步骤D5)中对染色体进行选择,包括步骤:
D51)确定每次选择染色体的个数h,h<H;
D52)从H个染色体中随机选择h个染色体,对每个入选染色体的目标函数值进行排序,选择目标函数值最小的个体进入子代种群;
D53)重复步骤D52),直到新的种群规模达到原来的种群规模N,得到新一代种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994629.5A CN111027738B (zh) | 2019-10-18 | 2019-10-18 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994629.5A CN111027738B (zh) | 2019-10-18 | 2019-10-18 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027738A true CN111027738A (zh) | 2020-04-17 |
CN111027738B CN111027738B (zh) | 2023-04-21 |
Family
ID=70200919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910994629.5A Active CN111027738B (zh) | 2019-10-18 | 2019-10-18 | 一种基于遗传算法的电力通信光缆敷设优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027738B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115567A (zh) * | 2020-08-01 | 2020-12-22 | 富盛科技股份有限公司 | 一种光纤最小消耗路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166812A (zh) * | 2013-03-28 | 2013-06-19 | 广东电网公司电力调度控制中心 | 电力通信系统可靠性测定方法 |
CN104299053A (zh) * | 2014-10-13 | 2015-01-21 | 国家电网公司 | 基于遗传算法配用电通信网最优路径选择的方法 |
CN105871724A (zh) * | 2016-03-21 | 2016-08-17 | 广州供电局有限公司 | 电力通信网线路优化方法及系统 |
CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
US20170116522A1 (en) * | 2015-10-05 | 2017-04-27 | Telekom Malaysia Berhad | Method For Task Scheduling And Resources Allocation And System Thereof |
CN108494678A (zh) * | 2018-03-16 | 2018-09-04 | 北京智芯微电子科技有限公司 | 基于遗传算法的备用路由配置方法及系统 |
CN110135079A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备的宏观弹性评价方法及系统 |
-
2019
- 2019-10-18 CN CN201910994629.5A patent/CN111027738B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166812A (zh) * | 2013-03-28 | 2013-06-19 | 广东电网公司电力调度控制中心 | 电力通信系统可靠性测定方法 |
CN104299053A (zh) * | 2014-10-13 | 2015-01-21 | 国家电网公司 | 基于遗传算法配用电通信网最优路径选择的方法 |
US20170116522A1 (en) * | 2015-10-05 | 2017-04-27 | Telekom Malaysia Berhad | Method For Task Scheduling And Resources Allocation And System Thereof |
CN105871724A (zh) * | 2016-03-21 | 2016-08-17 | 广州供电局有限公司 | 电力通信网线路优化方法及系统 |
CN106503844A (zh) * | 2016-10-19 | 2017-03-15 | 国网山东省电力公司济阳县供电公司 | 一种采用遗传算法的电力线路路径寻优方法 |
CN108494678A (zh) * | 2018-03-16 | 2018-09-04 | 北京智芯微电子科技有限公司 | 基于遗传算法的备用路由配置方法及系统 |
CN110135079A (zh) * | 2019-05-20 | 2019-08-16 | 中国石油大学(华东) | 一种海洋石油井控装备的宏观弹性评价方法及系统 |
Non-Patent Citations (2)
Title |
---|
江龙才;: "基于遗传算法的配用电光通信网路径寻优方法" * |
石悦;邱雪松;郭少勇;亓峰;: "基于改进遗传算法的电力光传输网规划方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115567A (zh) * | 2020-08-01 | 2020-12-22 | 富盛科技股份有限公司 | 一种光纤最小消耗路径规划方法 |
CN112115567B (zh) * | 2020-08-01 | 2024-04-16 | 富盛科技股份有限公司 | 一种光纤最小消耗路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111027738B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619454B (zh) | 一种基于改进遗传算法和prim算法的配电网规划方法 | |
CN110348048B (zh) | 基于考虑热岛效应负荷预测的配电网优化重构方法 | |
Dahmani et al. | Optimization of the connection topology of an offshore wind farm network | |
CN108880886B (zh) | 一种跨区域电力系统保护通信网规划方法 | |
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 | |
CN104618134B (zh) | 一种配电通信网多级分光无源光网络优化方法 | |
CN111431173B (zh) | 考虑负荷互补特性的中压配电网环网结构确定方法及系统 | |
CN111083577B (zh) | 一种电力通信拓扑结构优化方法 | |
CN109120009A (zh) | 计及分布式电源出力随机变化的主动配电网故障恢复方法 | |
CN106127304A (zh) | 一种适用于配电网网络拓扑设计方法 | |
CN105512472A (zh) | 大型风电基地功率汇集系统拓扑结构分层优化设计及其优化设计方法 | |
CN109040864B (zh) | 基于多种场景的电力光纤到户网络规划方案确定方法 | |
CN111222649A (zh) | 一种配电网自愈能力提升规划方法 | |
CN110929403B (zh) | 一种基于环路的微电网拓扑规划方法 | |
CN111027738B (zh) | 一种基于遗传算法的电力通信光缆敷设优化方法 | |
CN109685279A (zh) | 一种基于拓扑降解的复杂配电网pqm优化方法 | |
CN107248926B (zh) | 一种面向多目标的epon规划方法 | |
CN107911763B (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
Cai et al. | Urban medium voltage distribution network planning based on ASAGA and TSP path optimization method | |
CN114362143A (zh) | 一种海上风电场集电系统拓扑优化求解算法 | |
CN112836388B (zh) | 一种海上风电场集电线路设计方法 | |
CN115459273B (zh) | 一种广义蜂巢配电网拓扑结构模型的构建方法 | |
Ho | GA based algorithms for offshore wind farm collector cable optimization | |
CN112131689B (zh) | 基于电力系统拓扑图的部分信息网生长演化模型构建方法 | |
CN117933464A (zh) | 一种风电场的规划方法、控制装置和介质 |
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 |