CN111027738A - 一种基于遗传算法的电力通信光缆敷设优化方法 - Google Patents

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

一种基于遗传算法的电力通信光缆敷设优化方法

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a_i和网络连通率b_i，计算第i条光缆线路可靠性c_i＝a_i+b_i；

C2)获得第i根光缆发生故障时的网络成环率

和网络连通率

计算可靠性差值

设定可靠性阈值

建立光缆可靠性约束条件

其中，

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,...,A_n}，获得单个通信站点发生故障时的失效率为

C4)获得任意两个通信站点发生故障的失效率为

其中，A_ij表示第i个通信站点与第j个通信站点之间连接的光缆数；

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4个、5个、…、n个通信站点发生故障的失效率分别为d₄、d₅、...、d_n，设定失效率阈值μ，建立通信站点失效率约束条件d＜μ，其中

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。

进一步地，第i条光缆线路的网络成环率

qⁱ表示构成通信网络环结构的通信站点数，网络连通率

r_i表示能够正常进行通信的通信站点数。

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,...,e_i,...,e_k+m}，其中，e_i表示第i条光缆线路的建设成本；

C12)在满足约束条件

下，构造目标函数

其中，z_i取值为1或0，当x_i取值为1表示第i条光缆已经建设或预测建设，当x_i取值为0表示第i条光缆不被考虑建设。

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),...,(X_N-1,X_N)，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。

进一步地，步骤D4)中，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。

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a_i和网络连通率b_i，其中，

qⁱ表示构成通信网络环结构的通信站点数，

r_i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c_i＝a_i+b_i；

C2)获得第i根光缆发生故障时的网络成环率

和网络连通率

计算可靠性差值

设定可靠性阈值

建立光缆可靠性约束条件

其中，

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,...,A₁₀}，获得单个通信站点发生故障时的失效率为

C4)获得任意两个通信站点发生故障的失效率为

其中，A_ij表示第i个通信站点与第j个通信站点之间连接的光缆数；

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

设定失效率阈值μ，建立通信站点失效率约束条件d＜μ，其中

构造目标函数包括步骤：

C11)获得光缆线路的成本集合{e₁,e₂,...,e_i,...,e₁₇}，其中，e_i表示第i条光缆线路的建设成本；

C12)在满足约束条件

下，构造目标函数

其中，z_i取值为1或0，当x_i取值为1表示第i条光缆已经建设或预测建设，当x_i取值为0表示第i条光缆不被考虑建设。

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),...,(X_N-1,X_N)，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a_i和网络连通率b_i，计算第i条光缆线路可靠性c_i＝a_i+b_i；

C2)获得第i根光缆发生故障时的网络成环率

和网络连通率

计算可靠性差值

设定可靠性阈值

建立光缆可靠性约束条件

其中，

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,...,A_n}，获得单个通信站点发生故障时的失效率为

C4)获得任意两个通信站点发生故障的失效率为

i≠j，其中，A_ij表示第i个通信站点与第j个通信站点之间连接的光缆数；

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4个、5个、…、n个通信站点发生故障的失效率分别为d₄、d₅、...、d_n，设定失效率阈值μ，建立通信站点失效率约束条件d＜μ，其中

5.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，第i条光缆线路的网络成环率

q_i表示构成通信网络环结构的通信站点数，网络连通率

r_i表示能够正常进行通信的通信站点数。

6.根据权利要求1或4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)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,...,e_i,...,e_k+m}，其中，e_i表示第i条光缆线路的建设成本；

C12)在满足约束条件

下，构造目标函数

其中，z_i取值为1或0，当x_i取值为1表示第i条光缆已经建设或预测建设，当x_i取值为0表示第i条光缆不被考虑建设。

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。

9.根据权利要求8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D4)中，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。

Images