CN111628932A - 基于蚁群算法的电力路径优化探索方法 - Google Patents

基于蚁群算法的电力路径优化探索方法 Download PDF

Info

Publication number
CN111628932A
CN111628932A CN202010462588.8A CN202010462588A CN111628932A CN 111628932 A CN111628932 A CN 111628932A CN 202010462588 A CN202010462588 A CN 202010462588A CN 111628932 A CN111628932 A CN 111628932A
Authority
CN
China
Prior art keywords
node
time delay
matrix
distance matrix
path
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.)
Pending
Application number
CN202010462588.8A
Other languages
English (en)
Inventor
唐志强
陈思
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Weineng Technology Co ltd
Original Assignee
Jiangsu Weineng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Weineng Technology Co ltd filed Critical Jiangsu Weineng Technology Co ltd
Priority to CN202010462588.8A priority Critical patent/CN111628932A/zh
Publication of CN111628932A publication Critical patent/CN111628932A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/121—Shortest path evaluation by minimising delays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/122—Shortest path evaluation by minimising distances, e.g. by selecting a route with minimum of number of hops
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/124—Shortest path evaluation using a combination of metrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了基于蚁群算法的电力路径优化探索方法，涉及电力系统技术领域。本发明包括记录并计算电力系统中各通信网络节点距离信息，并构建节点距离矩阵；获取电力系统中通信网络节点的信息传输的时延信息，并定义时延向量；根据节点距离矩阵以及所述时延向量，计算并构建时延距离矩阵；对蚁群算法的初始参数进行初始化赋值；采用蚁群算法在时延距离矩阵内循环搜索，获取当前电力系统的最短路径矩阵以及最短路径总长度。本发明利用电力系统中通信网络节点位置距离信息以及信息传输的时延信息构建节点距离矩阵以时延距离矩阵，便于通过蚁群算法在时延距离矩阵内循环搜索，进而高效获取最优迂回信道。

Description

基于蚁群算法的电力路径优化探索方法
技术领域
本发明属于电力系统技术领域，特别是涉及一种基于蚁群算法的电力路径优化探索方法。
背景技术
现有电力系统中，为保持电力监控的高效性以及电力输送的安全性；电力系统中的建立电力通信节点；众多电力通信节点相互通信连通，构成了较为复杂的电力通信网络，以保证电力系统高效的信息传输。由于电力通信网络交错复杂，当某个电力通信节点所在电力线路出现问题不能正常通信后，能够高效快速的在电力通信网络建立最优的迂回信道及其重要。现有技术中，在电力通信节点临时闭塞后不能高效的探索最优迂回信道，影响电力系统整体通信质量和效率。
为解决上述问题，本发明提出一种基于蚁群算法的电力路径优化探索方法，致力于实现电力通信节点临时闭塞后高效的探索最优迂回信道。
发明内容
本发明的目的在于提供基于蚁群算法的电力路径优化探索方法，通过蚁群算法应用于电力系统紧急闭塞后通信网络受损情况下电力网络节点与保护智能中心之间的有线迂回信道的构建，实现便捷建立最短路径信道以及构建信道，解决了现有的电力通信节点临时闭塞后不能高效的探索最优迂回信道的问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明为基于蚁群算法的电力路径优化探索方法，包括如下步骤：
A00：记录并计算电力系统中各通信网络节点距离信息，并构建节点距离矩阵；
A01：获取电力系统中通信网络节点的信息传输的时延信息，并定义时延向量；
A02：根据所述节点距离矩阵以及所述时延向量，计算并构建时延距离矩阵；
具体包括如下：
采用所述通信网络节点的时延向量与光纤中信息传播速度的乘积，作为所述节点距离矩阵中节点传输向量；
将所述节点距离矩阵中元素dmn与相对应的加权节点传输向量和相加，作为所述时延距离矩阵的元素d'mn；
其中，所述元素dmn相对应的加权节点传输向量和为所述节点距离矩阵中第m个节点的节点传输向量加权值与第n个节点的节点传输向量加权值之和；
其中，所述节点传输向量加权值＝节点传输向量*加权系数；
任一所述节点传输向量都对应一加权系数；与所述节点距离矩阵相对应的构建形成加权系数矩阵；所述加权系数范围为：[0.3-0.8]；
A03：对蚁群算法的初始参数进行初始化赋值；
A04：采用所述蚁群算法在所述时延距离矩阵内循环搜索，获取当前电力系统的最短路径矩阵以及最短路径总长度。
优选地，所述初始参数包括路径起始节点、路径终止节点、遍历蚂蚁总数、循环总量数、信息素矩阵、信息素残留、最短路径矩阵、最短路径节点数、最短路径长度。
优选地，A04具体包括如下步骤：
B00：遍历蚂蚁数起始值为一，从路径起始节点开始，采用所述蚁群算法在所述时延距离矩阵内循环搜索路径终止节点；
BO1：判断当前节点是否为路径终止节点或当前路径是否有下移节点；若是，执行B02；若否，则执行B03；
B02：更新所述最短路径矩阵、最短路径节点数以及最短路径长度后执行B03；
B03：将所述遍历蚂蚁数自增一。
优选地，步骤B03后包括如下过程：
C00：判断当前遍历蚂蚁数是否大于所述遍历蚂蚁总数；若是，执行C01；若否，执行C02；
C01：更新所述信息素矩阵并且所述当前循环量数自增一；
C02：判断当前循环量数是否大于循环总量数；若是，则输出最短路径节点数以及最短路径长度；若否，则执行C04；
C04：将所述当前循环量数赋值为一后执行B00。
本发明具有以下有益效果：
1、本发明利用电力系统中通信网络节点位置距离信息以及信息传输的时延信息构建节点距离矩阵以时延距离矩阵，便于通过蚁群算法在时延距离矩阵内循环搜索，进而高效获取最优迂回信道。
2、本发明将蚁群算法应用于电力系统紧急闭塞后通信网络受损情况下电力网络节点与保护智能中心之间的有线迂回信道的构建，实现便捷建立最短路径信道以及构建信道，便于电力系统紧急闭塞情况下的电力网络疏通。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于蚁群算法的电力路径优化探索方法的流程图；
图2为本发明基于蚁群算法的电力路径优化探索方法中采用蚁群算法在时延距离矩阵内循环搜索的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为基于蚁群算法的电力路径优化探索方法，包括如下步骤：
A00：记录并计算电力系统中各通信网络节点距离信息，并构建节点距离矩阵；
A01：获取电力系统中通信网络节点的信息传输的时延信息，并定义时延向量；
A02：根据节点距离矩阵以及时延向量，计算并构建时延距离矩阵；
此处，利用电力系统中通信网络节点位置距离信息以及信息传输的时延信息构建节点距离矩阵以时延距离矩阵，便于通过蚁群算法在时延距离矩阵内循环搜索，进而高效获取最优迂回信道；由于电力通信网络信道众多且时延较小，为有线迂回信道的建立提供了基础。
具体包括如下：
采用通信网络节点的时延向量与光纤中信息传播速度的乘积，作为节点距离矩阵中节点传输向量；其中，定义节点距离矩阵为D，其为总结点数量为S的S×S的矩阵，dmn表示为节点距离矩阵为D中第m行第n列元素；而对于不连接的节点则设置为∞；同时，构建时延向量J，J为S为列向量，时延向量J中第m个元素jm表示m节点的信息传输时延；
将节点距离矩阵中元素dmn与相对应的加权节点传输向量和相加，作为时延距离矩阵的元素d'mn；
其中，元素dmn相对应的加权节点传输向量和为节点距离矩阵中第m个节点的节点传输向量加权值与第n个节点的节点传输向量加权值之和；
其中，节点传输向量加权值＝节点传输向量*加权系数；加权系数范围为：[0.3-0.8]；
任一节点传输向量都对应一加权系数；与节点距离矩阵相对应的构建形成加权系数矩阵；具体的，加权系数矩阵Q为S×S的矩阵，相对应于节点距离矩阵为D；
A03：对蚁群算法的初始参数进行初始化赋值；具体的，初始参数包括路径起始节点、路径终止节点、遍历蚂蚁总数、循环总量数、信息素矩阵、信息素残留、最短路径矩阵、最短路径节点数、最短路径长度；实际使用时，路径起始节点为任一电力通信节点，路径终止节点为任一保护智能中心节点；一般遍历蚂蚁总数＝电力通信节点总数*0.6(得到的结果四舍五入取整)；循环总量数根据电力网络复杂度设置，范围一般为几十到几百之间；信息素矩阵与节点距离矩阵对应均为S×S的矩阵且信息素矩阵为单位矩阵，信息素残留为百分比数，一般为90-95％之间；
A04：采用蚁群算法在时延距离矩阵内循环搜索，获取当前电力系统的最短路径矩阵以及最短路径总长度。
请参阅图2所示，具体的包括如下：
B00：遍历蚂蚁数起始值为一，从路径起始节点开始，采用蚁群算法在时延距离矩阵内循环搜索路径终止节点；
BO1：判断当前节点是否为路径终止节点或当前路径是否有下移节点；若是，执行B02；若否，则执行B03；
B02：更新最短路径矩阵、最短路径节点数以及最短路径长度后执行B03；
B03：将遍历蚂蚁数自增一。
实际使用时，循环次数k赋值为1，设起始蚂蚁数为1；以路径起始节点开始，利用蚁群算法在节点距离矩阵D矩阵中搜索，并记录搜索路径；若电力通信节点已经遍历过，本次搜索不再遍历；若遍历到路径终止节点，则当前循环次数的当前蚂蚁数遍历成功；然后，将最短路径矩阵更新并记录该蚂蚁遍历路径，将最短路径节点数更新，记录该蚂蚁遍历的节点数，并将最短路径总长更新。通过本技术方案，将蚁群算法应用于电力系统紧急闭塞后通信网络受损情况下电力网络节点与保护智能中心之间的有线迂回信道的构建，实现便捷建立最短路径信道以及构建信道，便于电力系统紧急闭塞情况下的电力网络疏通。
步骤B03后包括如下过程：
C00：判断当前遍历蚂蚁数是否大于遍历蚂蚁总数；若是，执行C01；若否，执行C02；
C01：更新信息素矩阵并且当前循环量数自增一；
C02：判断当前循环量数是否大于循环总量数；若是，则输出最短路径节点数以及最短路径长度；若否，则执行C04；
C04：将当前循环量数赋值为一后执行B00；
实际使用时，若当前遍历蚂蚁数自增1后大于遍历蚂蚁总数，便计算信息素浓度并更新信息素矩阵，在最短路径矩阵中依次查找最短路径中包含的节点。再设置当前循环次数自增1，若当前循环次数大于循环总量数，输出最短路径矩阵以及最短路径总长度；否则，重新将当前循环次数赋值为1，返回再次在时延距离矩阵中循环搜索待寻找路径的终止节点。本发明将蚁群算法应用于电力系统紧急闭塞后通信网络受损情况下电力网络节点与保护智能中心之间的有线迂回信道的构建，实现便捷建立最短路径信道以及构建信道，便于电力系统紧急闭塞情况下的电力网络疏通。
值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.基于蚁群算法的电力路径优化探索方法，其特征在于，包括如下步骤：
A00：记录并计算电力系统中各通信网络节点距离信息，并构建节点距离矩阵；
A01：获取电力系统中通信网络节点的信息传输的时延信息，并定义时延向量；
A02：根据所述节点距离矩阵以及所述时延向量，计算并构建时延距离矩阵；
具体包括如下：
采用所述通信网络节点的时延向量与光纤中信息传播速度的乘积，作为所述节点距离矩阵中节点传输向量；
将所述节点距离矩阵中元素dmn与相对应的加权节点传输向量和相加，作为所述时延距离矩阵的元素d'mn；
其中，所述加权节点传输向量和为所述节点距离矩阵中第m个节点的节点传输向量加权值与第n个节点的节点传输向量加权值之和；
其中，所述元素dmn相对应的节点传输向量加权值＝节点传输向量*加权系数；
任一所述节点传输向量都对应一加权系数；与所述节点距离矩阵相对应的构建形成加权系数矩阵；所述加权系数范围为：[0.3-0.8]；
A03：对蚁群算法的初始参数进行初始化赋值；
A04：采用所述蚁群算法在所述时延距离矩阵内循环搜索，获取当前电力系统的最短路径矩阵以及最短路径总长度。
2.根据权利要求1所述的基于蚁群算法的电力路径优化探索方法，其特征在于，所述初始参数包括路径起始节点、路径终止节点、遍历蚂蚁总数、循环总量数、信息素矩阵、信息素残留、最短路径矩阵、最短路径节点数、最短路径长度。
3.根据权利要求2所述的基于蚁群算法的电力路径优化探索方法，其特征在于，A04具体包括如下步骤：
B00：遍历蚂蚁数起始值为一，从路径起始节点开始，采用所述蚁群算法在所述时延距离矩阵内循环搜索路径终止节点；
BO1：判断当前节点是否为路径终止节点或当前路径是否有下移节点；若是，执行B02；若否，则执行B03；
B02：更新所述最短路径矩阵、最短路径节点数以及最短路径长度后执行B03；
B03：将所述遍历蚂蚁数自增一。
4.根据权利要求3所述的基于蚁群算法的电力路径优化探索方法，其特征在于，步骤B03后包括如下过程：
C00：判断当前遍历蚂蚁数是否大于所述遍历蚂蚁总数；若是，执行C01；若否，执行C02；
C01：更新所述信息素矩阵并且所述当前循环量数自增一；
C02：判断当前循环量数是否大于循环总量数；若是，则输出最短路径节点数以及最短路径长度；若否，则执行C04；
C04：将所述当前循环量数赋值为一后执行B00。
CN202010462588.8A 2020-05-27 2020-05-27 基于蚁群算法的电力路径优化探索方法 Pending CN111628932A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010462588.8A CN111628932A (zh) 2020-05-27 2020-05-27 基于蚁群算法的电力路径优化探索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010462588.8A CN111628932A (zh) 2020-05-27 2020-05-27 基于蚁群算法的电力路径优化探索方法

Publications (1)

Publication Number Publication Date
CN111628932A true CN111628932A (zh) 2020-09-04

Family

ID=72272174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010462588.8A Pending CN111628932A (zh) 2020-05-27 2020-05-27 基于蚁群算法的电力路径优化探索方法

Country Status (1)

Country Link
CN (1) CN111628932A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114465913A (zh) * 2022-02-28 2022-05-10 国网新疆电力有限公司电力科学研究院 一种基于网络仿真技术的电力通信网优化方法及系统
CN114553742A (zh) * 2021-12-22 2022-05-27 山东大学 一种基于蚁群算法的网络拥塞节点识别方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102865872A (zh) * 2011-07-07 2013-01-09 株式会社日立制作所 路径生成系统、路径生成方法以及程序
CN105069698A (zh) * 2015-07-31 2015-11-18 许继集团有限公司 基于蚁群算法的路径探索方法、装置及电力系统
CN105187309A (zh) * 2015-08-07 2015-12-23 许继集团有限公司 双变电站路径探索方法、装置及电力系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102865872A (zh) * 2011-07-07 2013-01-09 株式会社日立制作所 路径生成系统、路径生成方法以及程序
CN105069698A (zh) * 2015-07-31 2015-11-18 许继集团有限公司 基于蚁群算法的路径探索方法、装置及电力系统
CN105187309A (zh) * 2015-08-07 2015-12-23 许继集团有限公司 双变电站路径探索方法、装置及电力系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114553742A (zh) * 2021-12-22 2022-05-27 山东大学 一种基于蚁群算法的网络拥塞节点识别方法及系统
CN114553742B (zh) * 2021-12-22 2023-11-03 山东大学 一种基于蚁群算法的网络拥塞节点识别方法及系统
CN114465913A (zh) * 2022-02-28 2022-05-10 国网新疆电力有限公司电力科学研究院 一种基于网络仿真技术的电力通信网优化方法及系统
CN114465913B (zh) * 2022-02-28 2024-02-06 国网新疆电力有限公司电力科学研究院 一种基于网络仿真技术的电力通信网优化方法及系统

Similar Documents

Publication Publication Date Title
CN111935010A (zh) 基于蚁群算法的网络路径优化探索方法
CN111628932A (zh) 基于蚁群算法的电力路径优化探索方法
CN111242171A (zh) 网络故障的模型训练、诊断预测方法、装置以及电子设备
CN110768899B (zh) 最短路径的确定方法、装置、存储介质及电子装置
Hao et al. Study of genetic search for the frequency assignment problem
CN110290001B (zh) 电力通信网的单链结构优化方法、装置及设备
CN115774855A (zh) 一种故障根因确定方法、装置、存储介质及电子装置
CN105187255A (zh) 故障分析方法、故障分析装置和服务器
US9065743B2 (en) Determining connectivity in a failed network
JP2860854B2 (ja) 電話通信ネットワークのルーチン・ループを検出する方法、その方法を使用するための電話通信ネットワーク、および電話通信ネットワークに使用する検出装置
CN110049018B (zh) 基于增强学习的spma协议参数优化方法、系统及介质
CN109450587A (zh) 频谱整合处理方法、装置以及存储介质
CN111083577B (zh) 一种电力通信拓扑结构优化方法
ATE466464T1 (de) Verfahren zur durchführung von überwachungsmassnahmen in paketorientierten telekommunikations- und datennentzen
CA2237407C (en) Network designer for communication networks
US9047570B2 (en) Evolving algorithms for telecommunications network nodes by genetic programming
CN114390489A (zh) 一种端到端网络切片的服务化部署方法
Bhadrashetti et al. Performance analysis of routing and wavelength assignment in optical networks
Li et al. Order aware service recovery algorithm in elastic optical network with multiple failures
Zhao et al. A RSA Policy with Failure Probability Based on Reinforcement Learning in Multi-band Optical Network
Pang et al. Adaptive fuzzy traffic predictor and its applications in ATM networks
RU2785586C1 (ru) Устройство оценки эффективности информационного обмена системы связи с учетом информационных потерь
CN116208545B (zh) 网络路由优化方法及装置、智能路由方法及装置
CN118301573B (zh) 5g组网信号处理方法及系统
Rubin Multiterminal Path Flows for Packet‐Switching Communication Networks

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200904

RJ01 Rejection of invention patent application after publication