CN117540584A - 内生不确定性和非线性重构下电热通信系统韧性提升方法 - Google Patents
内生不确定性和非线性重构下电热通信系统韧性提升方法 Download PDFInfo
- Publication number
- CN117540584A CN117540584A CN202410030662.7A CN202410030662A CN117540584A CN 117540584 A CN117540584 A CN 117540584A CN 202410030662 A CN202410030662 A CN 202410030662A CN 117540584 A CN117540584 A CN 117540584A
- Authority
- CN
- China
- Prior art keywords
- model
- constraints
- base station
- uncertainty
- communication
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005485 electric heating Methods 0.000 claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 13
- 230000001419 dependent effect Effects 0.000 claims abstract description 9
- 230000009977 dual effect Effects 0.000 claims abstract description 4
- 230000009467 reduction Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 58
- 230000002787 reinforcement Effects 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000001010 compromised effect Effects 0.000 claims description 8
- 230000002040 relaxant effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及电热信息物理系统韧性提升技术领域，公开了一种内生不确定性和非线性重构下电热通信系统韧性提升方法，首先建立电热信息物理系统韧性协同提升模型，包括：电有线通信网模型和热无线通信网模型，以及基于决策依赖不确定性建立的自然灾害不确定集模型；再以总体投资和运行成本最小为目标函数，利用改进的Yen’s算法对电热信息物理系统韧性协同提升模型进行降维和线性化处理，从而建立电热信息物理系统韧性提升线性化模型；最后通过强对偶理论，将不确定性问题重构为确定性问题，利用提出的松弛列与约束生成鲁棒割平面求解方法。本发明更经济的实现电热信息物理系统的韧性提升，减少自然灾害对系统的威胁，保障系统运行安全。
Description
技术领域
本发明涉及电热信息物理系统韧性提升技术领域，具体为内生不确定性和非线性重构下电热通信系统韧性提升方法。
背景技术
综合能源信息物理系统是构建我们清洁低碳社会的重要技术路线之一。随着通信设备的广泛应用，综合能源信息物理系统数字化、智能化水平显著提升，进而促进能源间的高效交互，实现各类能源互联、互济。而当遇到自然灾害时，由于智能化通信设备分布广泛，将会使系统遭受到更多的自然灾害威胁。因此，研究电热信息物理系统通信网络的韧性提升方法，对增强系统的安全运行能力，促进能源的高效利用有重大现实意义。
现有韧性提升方法中，多聚焦于电热信息物理系统的物理侧，对物理系统进行加固、扩容等。而电热信息物理系统是信息和物理两类系统的耦合，两类系统出现的故障由于耦合作用将会互相传递，但目前很少研究聚焦于信息侧。虽然也有考虑信息侧的影响的，但都是从灾后恢复的角度提出相应的提升方法，尚缺乏灾前预防阶段信息侧的任性提升策略对系统安全经济运行的影响研究。相较于灾后恢复，灾前预防角度更是解决自然灾害影响的本质措施。
同时在方法上，物理侧采用的求解算法现已成熟，而信息侧由于非线性和决策依赖问题无法通过现有方法实现求解。
发明内容
针对上述问题，本发明的目的在于提供一种内生不确定性和非线性重构下电热通信系统韧性提升方法，计及混合整数非线性问题和决策依赖不确定性问题，考虑电热子系统之间的互相协同，从电热信息物理系统的信息侧研究电热信息物理系统的韧性提升方法，更经济的实现电热信息物理系统的韧性提升，减少自然灾害对系统的威胁，保障系统运行安全。技术方案如下：
内生不确定性和非线性重构下电热通信系统韧性提升方法，包括以下步骤：
步骤1：建立电热信息物理系统韧性协同提升模型，包括：电有线通信网模型和热无线通信网模型，以及基于决策依赖不确定性建立的自然灾害不确定集模型；
步骤2：以总体投资和运行成本最小为目标函数，利用改进的Yen’s算法对电热信息物理系统韧性协同提升模型进行降维和线性化处理，从而建立电热信息物理系统韧性提升线性化模型；
步骤3：通过强对偶理论，将不确定性问题重构为确定性问题，利用提出的松弛列与约束生成鲁棒割平面求解方法。
进一步的，所述电有线通信网络的投资成本和运行成本如下式所示：
（1）；
（2）；
公式中，和分别是电有线通信网络的投资成本和运行成本； 、 、 、 和分别是线路l的加固成本、扩容成本、流量损失成本、时延成本和应急通信惩罚单
位成本；、和分别表示线路是否加固、是否扩容和是否采用应急通道，是则取1，否则
取0；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；Δx dt 表示电节点d的
通信流量损失量；表示电节点d最优路径经过的节点数量。
更进一步的，所述电有线通信网模型的约束包括：
1）流量平衡约束：
（3）；
2）线路流量约束：
（4）；
3）最优路径约束：
（5）；
4）最优路径唯一约束：
（6）；
5）实际路径唯一约束：
（7）；
6）实际路径最优约束：
（8）；
7）通信线路容量约束：
（9）；
8）线路可用性约束：
（10）；
9）线路故障时序约束：
（11）；
10）最大时延约束：
（12）；
11）故障与通信路径关联约束：
（13）；
12）线路可用与加固线路、故障之间的关联关系约束：
（14）；
公式中，表示电节点/>最优路径经过的节点数量；v edt 表示电节点/>实际路径e经过的节点数量；/>表示足够大的正实数；α edt 表示电节点/>实际路径e是否最优；β edt 表示故障线路是否在电节点/>的实际路径e中；/>表示线路l是否故障；/>表示t时刻线路l是否可用；/>表示线路l的通信流量；Δx dt 表示电节点d的通信流量损失量；x edt 表示电节点d的路径e的通信流量；/>表示最大时延量；/>表示电节点d的通信需求流量；OE表示电力节点路径集合；A led 表示参数矩阵；/>表示电节点d最优路径下的节点数量；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；/>和/>分别表示线路/>是否加固和是否扩容；/>表示线路/>的通信容量上限。
更进一步的，所述热无线通信网络的投资成本和运行成本如下式所示：
（15）；
（16）；
公式中，和分别表示热无线通信网络的投资成本和运行成本； 、 、 和分别表示基站的加固、扩容、流量损失和时延单位成本；和分别表示基站
是否加固和扩容；OJ和T分别表示通信基站集合和时间集合；OW表示热节点集合；表示
基站的流量损失；表示热节点是否能被基站捕捉；表示热节点与基站的距
离。
更进一步的，所述热无线通信网模型的约束包括：
1）热通信流量平衡约束：
（17）；
2）热力节点路径唯一约束：
（18）；
3）电力节点路径唯一约束：
（19）；
4）通信节点与基站的地理位置约束：
（20）；
5）基站容量约束：
（21）；
6）基站可用性约束：
（22）；
7）基站故障时序约束：
（23）；
8）基站服务节点约束：
（24）；
9）节点与基站可用性关联约束：
（25）；
10）基站最大时延约束：
（26）；
11）基站可用性与基站加固、故障关联约束：
（27）；
公式中，表示基站/>是否故障；/>表示/>时刻基站/>是否可用；/>和/>分别表示电节点/>和热节点/>是否能被基站/>捕捉；/>和/>分别表示基站/>的通信流量和流量损失；/>表示热节点/>的通信需求流量；/>表示最大时延量；/>和/>分别表示节点是否在基站/>的捕捉范围内和两者之间的距离；OJ表示通信基站集合；OW表示热节点集合；/>表示节点/>是否能被基站/>捕捉；/>和/>分别表示基站/>是否加固和扩容，/>表示基站/>的通信容量上限。
更进一步的，自然灾害不确定集模型的约束包括：
1）不确定集预算约束：
（28）；
（29）；
公式中，表示线路是否故障；
2）加固决策与故障的决策依赖不确定性约束：
（30）；
（31）；
公式中，和/>分别为电通信系统和热通信系统的故障预算参数。
更进一步的，所述电热信息物理系统韧性提升线性化模型具体包括：
A、鲁棒韧性协同提升模型
（32）；
（33）；
B、矩阵形式表示
1）目标函数：
（34）；
2）模型的投资约束：
（35）；
3）模型的运行约束：
（36）；
4）模型的不确定性约束：
（37）；
5）模型的决策变量范围约束：
（38）；
公式中，y为有关加固、扩容和应急通道使用组成的向量；为模型中的连续变量组成的向量；/>为模型中剩下的整数和二元变量组成的向量；w为不确定参数组成的向量；和/>为有关/>和/>的可行域表示；/>和/>为模型约束对应维数的向量形式 ； />和/>为模型约束对应维数的矩阵形式；f（y）是不确定参数/>有关/>的函数；/>为正整数，/>为正实数。
更进一步的，所述步骤3中的求解方法包括：
3.1：鲁棒最优子问题：
所述鲁棒最优子问题包括以下4个子问题模型：
1）最优子问题模型：
（39）；
2）最优割平面模型：
（40）；
3）不确定参数固定子问题模型：
（41）；
4）变量固定子问题模型：
（42）；
公式中，表示模型的运行约束，即公式（36）在最优子问题下的拉格朗日乘子；表示第k次迭代产生的不确定参数组成的向量；/>表示第k次迭代产生的辅助变量；/>表示第k次迭代产生的模型中剩下的整数和二元变量组成的向量；/>表示第k次迭代产生的模型中连续变量组成的向量；/>表示不确定参数组成的最优解向量；/>表示模型中剩下的整数和二元变量组成的最优解向量；
3.2：鲁棒可行子问题：
鲁棒可行子问题包括以下3个子问题模型：
1）可行子问题模型：
（43）；
2）固定参数可行子问题模型：
（44）；
3）可行割子问题模型：
（45）；
公式中，表示单位向量；s表示大于0的松弛连续变量；/>表示模型的运行约束，即公式（36）在可行子问题下的拉格朗日乘子；w q 表示第q次迭代产生的不确定参数组成的向量；/>表示第q次迭代产生的辅助变量；/>表示第q次迭代产生的模型中剩下的整数和二元变量组成的向量；/>表示第q次迭代产生的模型中连续变量组成的向量；/>表示第q次迭代不确定参数组成的最优解向量；
3.3：主问题：
MP模型：
（46）；
公式中，表示松弛辅助变量；
3.4：采用松弛和固定变量的思想，形成求解算法。
更进一步的，所述采用松弛和固定变量的思想，形成求解算法具体过程为：
步骤a：输入鲁棒韧性协同提升模型，给一个足够大的正数，初始化迭代次数k和q为0；
步骤b：求解MP模型获得当前最优解和最优值/>，/>为松弛辅助变量的最优值，更新下界为/>；
步骤c：求解可行子问题模型，获得最优解和/>；/>为第q次迭代产生的辅助变量，/>为第q次迭代不确定参数组成的最优解向量；如果/>，则求解固定参数可行子问题模型得到最优乘子/>，向MP模型添加鲁棒CCG可行割，即可行割子问题模型，更新迭代次数q并返回到步骤b；
步骤d：如果，求解最优子问题模型并得到，同时向MP模型添加鲁棒CCG最优割，即最优割平面模型；
步骤e：求解不确定参数固定子问题模型，得到第k次迭代产生的模型中剩下的整数和二元变量组成的最优解向量；
步骤f：求解变量固定子问题模型，得到当前最优值，更新上界UB=min(UB，/>)和k；c a 、c b 和c c 为模型约束对应维数的向量形式；/>为模型中剩下的整数和二元变量组成的最优解向量；/>为模型中的连续变量组成的最优解向量；
步骤g：如果，结束循环，迭代停止，输出最优值和最优解，/>为设定阈值；否则返回步骤b。
与现有技术相比，本发明的有益效果是：
1）本发明基于电和热通信网络的协同思想，建立了考虑受自然灾害影响的不确定性两阶段韧性协同提升模型，能够充分利用电和热系统的通信资源，保证安全运行的基础上，降低因防止自然灾害威胁而产生的经济成本，提高投资成本的有效利用率。
2）本发明在同时出现决策依赖不确定性和混合整数问题时，采用松弛列与约束生成鲁棒割平面算法，可以求解同时出现上述两个问题的韧性提升模型，且能在有限次迭代后有效求解决策依赖不确定性和混合整数问题的两阶段鲁棒优化模型，并能保证算法的收敛性。
附图说明
图1为考虑决策依赖不确定性和混合整数问题的电热信息物理系统韧性协同提升方法流程示意图。
图2为电热通信网络整体结构。
图3（a）为实例下的采用传统加固策略的投资规划结果。
图3（b）为实例下的采用本发明所提方法的投资规划结果。
图中：1-42为各节点编号； 51-电通信节点； 52 热通信节点； 53-关键节点； 54-基站； 55-基站服务范围； 56 受影响位置； 57-基站加固； 58-基站扩容； 59-线路加固；60-线路扩容 ；L1-L7为线路编号。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明提出一种内生不确定性和非线性重构下电热通信系统韧性提升方法，基于决策依赖不确定性，建立自然灾害故障不确定集，实现对自然灾害不确定性集的精准刻画，基于自然灾害不确定集，考虑现有方法无法求解二阶段混合整数模型的问题，采用固定变量和不确定参数方法，对二阶段模型重构，建立电热信息物理系统韧性提升模型，实现模型的凸化求解，进而实现韧性提升，提高电热信息物理系统应对自然灾害的安全运行能力。
如图1所示，首先建立电热信息物理系统韧性协同提升模型，包括电有线通信网模型、热无线通信网模型和自然灾害不确定集模型；然后以总体投资和运行成本最小为目标函数，利用改进的Yen’s算法对模型降维和线性化处理，基于上述模型建立电热信息物理系统韧性提升线性化模型；最后，通过强对偶理论，将不确定性问题重构为确定性问题，利用提出的松弛列与约束生成鲁棒割平面方法求解。
1、电和热通信系统模型
电和热通信系统由有线网络、无线网络及通信负荷等部件构成，整体结构如所图2所示。
（1）电有线通信网络模型：
电有线通信网络的投资成本和运行成本如公式（1）和公式（2）所示：
（1）；
（2）；
公式中，和/>分别表示电有线通信网络的投资成本和运行成本；/> 、/> 、 、/>和/>分别表示线路l的加固成本、扩容成本、流量损失成本、时延成本和应急通信惩罚单位成本；/>、/>和/>分别表示线路l是否加固、是否扩容和是否采用应急通道，是则取1，否则取0；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；Δx dt 表示电节点d的通信流量损失量；/>表示电节点d最优路径经过的节点数量。
电有线通信网模型的约束如公式（3）-公式（14），分别为流量平衡约束、线路流量约束、最优路径约束、最优路径唯一约束、实际路径唯一约束、实际路径最优约束、通信线路容量约束、线路可用性约束、线路故障时序约束、最大时延约束、故障与通信路径关联约束和线路可用与加固线路、故障之间的关联关系约束。具体如下：
1）流量平衡约束：
（3）；
2）线路流量约束：
（4）；
3）最优路径约束：
（5）；
4）最优路径唯一约束：
（6）；
5）实际路径唯一约束：
（7）；
6）实际路径最优约束：
（8）；
7）通信线路容量约束：
（9）；
8）线路可用性约束：
（10）；
9）线路故障时序约束：
（11）；
10）最大时延约束：
（12）；
11）故障与通信路径关联约束：
（13）；
12）线路可用与加固线路、故障之间的关联关系约束：
（14）；
公式中，表示电节点/>最优路径经过的节点数量；v edt 表示电节点/>实际路径e经过的节点数量；/>表示足够大的正实数；α edt 表示电节点/>实际路径e是否最优；β edt 表示故障线路是否在电节点/>的实际路径e中；/>表示线路l是否故障；/>表示t时刻线路l是否可用；/>表示线路l的通信流量；Δx dt 表示电节点d的通信流量损失量；x edt 为电节点d的路径e的通信流量；/>表示最大时延量；/>表示电节点d的通信需求流量；OE表示电力节点路径集合；A led 表示参数矩阵；/>表示电节点d最优路径下的节点数量；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；/>和/>表示线路/>是否加固和是否扩容；表示线路/>的通信容量上限。
（2）热无线通信网模型
热无线通信网络的投资成本和运行成本如公式（15）和公式（16）所示：
（15）；
（16）；
公式中，和/>分别表示热无线通信网络的投资成本和运行成本；/> 、/> 、 和/>分别表示基站j的加固、扩容、流量损失和时延单位成本；/>和/>分别表示基站/>是否加固和扩容；OJ和T分别表示通信基站集合和时间集合；OW表示热节点集合；/>表示基站j的流量损失；/>表示热节点/>是否能被基站/>捕捉；/>表示热节点/>与基站/>的距离。
热无线通信网模型如公式（17）-公式（27）分别为热通信流量平衡约束、热力节点路径唯一约束、电力节点路径唯一约束、通信节点与基站的地理位置约束、基站容量约束、基站可用性约束、基站故障时序约束、基站服务节点约束、节点与基站可用性关联约束、基站最大时延约束和基站可用性与基站加固、故障关联约束。具体如下：
1）热通信流量平衡约束：
（17）；/>
2）热力节点路径唯一约束：
（18）；
3）电力节点路径唯一约束：
（19）；
4）通信节点与基站的地理位置约束：
（20）；
5）基站容量约束：
（21）；
6）基站可用性约束：
（22）；
7）基站故障时序约束：
（23）；
8）基站服务节点约束：
（24）；
9）节点与基站可用性关联约束：
（25）；
10）基站最大时延约束：
（26）；
11）基站可用性与基站加固、故障关联约束：
（27）；
公式中，表示基站/>是否故障；/>表示/>时刻基站/>是否可用；/>和/>分别表示电节点/>和热节点/>是否能被基站/>捕捉；/>和/>分别为基站/>的通信流量和流量损失；/>为热节点/>的通信需求流量；/>为最大时延量；/>和/>分别表示节点/>是否在基站/>的捕捉范围内和两者之间的距离；OJ表示通信基站集合；OW表示热节点集合；/>表示节点/>是否能被基站/>捕捉；/>和/>分别表示基站/>是否加固和扩容，/>表示基站/>的通信容量上限。
（3）自然灾害不确定集模型
自然灾害不确定集约束主要有不确定集预算约束和加固决策与故障的决策依赖不确定性约束：
1）不确定集预算约束：
（28）；/>
（29）；
公式中，w l 表示线路l是否故障；
2）加固决策与故障的决策依赖不确定性约束：
（30）；
（31）；
公式中，和/>分别为电通信系统和热通信系统的故障预算参数。
2、韧性协同提升模型
（1）鲁棒韧性协同提升模型：
（32）；
（33）；
（2）矩阵形式表示：
公式（34）表示目标函数；公式（35）表示模型的投资约束，公式（36）表示模型的运行约束，即包括公式（3）-公式（14）和公式（17）-公式（27）。公式（37）代表模型的不确定性约束，即包括公式（28）-公式（31）；公式（38）是模型决策变量的范围约束。
1）目标函数：
（34）；
2）模型的投资约束：
（35）；
3）模型的运行约束：
（36）；
4）模型的不确定性约束：
（37）；
5）模型的决策变量范围约束：
（38）；
公式中，y为有关加固、扩容和应急通道使用组成的向量；为模型中的连续变量组成的向量；/>为模型中剩下的整数和二元变量组成的向量；w为不确定参数组成的向量；和/>为有关/>和/>的可行域表示；/>和/>为模型约束对应维数的向量形式 ； />和/>为模型约束对应维数的矩阵形式；f（y）是不确定参数/>有关/>的函数；/>为正整数，/>为正实数。
3、求解方法
（1）鲁棒最优子问题 ：
鲁棒最优子问题由以下4个子问题模型组成，分别是：
1）最优子问题模型（OSP）：
（39）；
2）最优割平面模型（optimal cuts）：
（40）；
3）不确定参数固定子问题模型（USP）：
（41）；
4）变量固定子问题模型（ISP）：
（42）；
公式中，代表模型的运行约束，即公式（36）在最优子问题下的拉格朗日乘子；为第k次迭代产生的不确定参数组成的向量；/>为第k次迭代产生的辅助变量；/>为第k次迭代产生的模型中剩下的整数和二元变量组成的向量；/>为第k次迭代产生的模型中连续变量组成的向量；/>为不确定参数组成的最优解向量；/>为模型中剩下的整数和二元变量组成的最优解向量。
（2）鲁棒可行子问题
鲁棒可行子问题由公式（43）-公式（45）组成：
1）可行子问题模型（FSP）：
（43）；
2）固定参数可行子问题模型（FSP1）：
（44）；
3）可行割子问题模型（feasible cuts）：
（45）；
公式中，为单位向量；s为大于0的松弛连续变量；/>代表模型的运行约束，即公式（36）在可行子问题下的拉格朗日乘子；w q 为第q次迭代产生的不确定参数组成的向量；/>为第q次迭代产生的辅助变量；/>为第q次迭代产生的模型中剩下的整数和二元变量组成的向量；/>为第q次迭代产生的模型中连续变量组成的向量；/>为第q次迭代不确定参数组成的最优解向量。
（3） 主问题
MP模型：
（46）。
（4）采用松弛和固定变量的思想，形成如下所提方法的求解算法。其中，代表模型（43）求解得到的最优值。形成求解算法具体过程为：
步骤a：输入鲁棒韧性协同提升模型，给一个足够大的正数，初始化迭代次数k和q为0；
步骤b：求解MP模型，即公式（46），获得当前最优解和最优值/>，/>为松弛辅助变量的最优值，更新下界为/>；/>
步骤c：求解FSP模型，即公式（43），获得最优解和/>；/>为第q次迭代产生的辅助变量，/>为第q次迭代不确定参数组成的最优解向量；如果/>，则求解FSP1模型，即公式（44），得到最优乘子/>，向模型MP，即公式（46）添加鲁棒CCG可行割，即公式（45），更新q并返回到步骤b；
步骤d：如果，求解OSP模型，即公式（39）并得到，同时向模型MP，即公式（46）添加鲁棒CCG最优割，即公式（40）；
步骤e：求解USP模型，即公式（41），得到第k次迭代产生的模型中剩下的整数和二元变量组成的最优解向量；
步骤f：求解ISP模型，即公式（42），得到当前最优值，更新上界UB=min(UB，/>)和k；c a 、c b 和c c 为模型约束对应维数的向量形式；/>为模型中剩下的整数和二元变量组成的最优解向量；/>为模型中的连续变量组成的最优解向量；
步骤g：如果，阈值/>=10-4，结束循环，迭代停止，输出最优值和最优解。否则返回步骤b。
4、实例分析
本实例选择修改后的RBTS-Bus2 电力系统/12-节点热力系统作为实例分析。
本实例基于matlab平台搭建韧性协同提升模型，并采用gurobi求解器求解。
表1 实例下的投资规划成本（$104）
。
实例下投资结果如表1及图3（a）和图3（b）所示；由表1、图3（a）和图3（b）对比可知，当采用传统加固策略时，总成本$64.14×104，而采用本发明所提方法由于加固策略的变化导致减少至$44.34×104，因此说明了本发明能在减少投资的情况下应对自然灾害的威胁，提升电热信息物理系统的安全运行能力。
可见，本发明所提的考虑决策依赖不确定性和混合整数问题的电热信息物理系统韧性协同提升方法，能更经济安全的应对自然灾害的威胁，提高电热信息物理系统的安全运行能力。
Claims (9)
1.内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，包括以下步骤：
步骤1：建立电热信息物理系统韧性协同提升模型，包括：电有线通信网模型和热无线通信网模型，以及基于决策依赖不确定性建立的自然灾害不确定集模型；
步骤2：以总体投资和运行成本最小为目标函数，利用改进的Yen’s算法对电热信息物理系统韧性协同提升模型进行降维和线性化处理，从而建立电热信息物理系统韧性提升线性化模型；
步骤3：通过强对偶理论，将不确定性问题重构为确定性问题，利用提出的松弛列与约束生成鲁棒割平面求解方法。
2.根据权利要求1所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述电有线通信网络的投资成本和运行成本如下式所示：
（1）；
（2）；
公式中，和/>分别是电有线通信网络的投资成本和运行成本；/> 、/> 、/> 、/>和/>分别是线路l的加固成本、扩容成本、流量损失成本、时延成本和应急通信惩罚单位成本；/>、/>和/>分别表示线路l是否加固、是否扩容和是否采用应急通道，是则取1，否则取0；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；/>为电节点d的通信流量损失量；/>为电节点d最优路径经过的节点数量。
3.根据权利要求2所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述电有线通信网模型的约束包括：
1）流量平衡约束：
（3）；
2）线路流量约束：
（4）；
3）最优路径约束：
（5）；
4）最优路径唯一约束：
（6）；
5）实际路径唯一约束：
（7）；
6）实际路径最优约束：
（8）；
7）通信线路容量约束：
（9）；
8）线路可用性约束：
（10）；
9）线路故障时序约束：
（11）；
10）最大时延约束：
（12）；
11）故障与通信路径关联约束：
（13）；
12）线路可用与加固线路、故障之间的关联关系约束：
（14）；
公式中，表示电节点/>最优路径经过的节点数量；v edt 表示电节点/>实际路径e经过的节点数量；/>表示足够大的正实数；α edt 表示电节点/>实际路径e是否最优；β edt 表示故障线路是否在电节点/>的实际路径e中；/>表示线路l是否故障；/>表示t时刻线路l是否可用；表示线路l的通信流量；Δx dt 表示电节点d的通信流量损失量；x edt 为电节点d的路径e的通信流量；/>为最大时延量；/>为电节点d的通信需求流量；OE为电力节点路径集合；A led 为参数矩阵；/>为电节点d最优路径下的节点数量；OL、OD和T分别表示电力通信线路集合、关键节点集合和时间集合；/>和/>表示线路/>是否加固和是否扩容；/>表示线路/>的通信容量上限。
4.根据权利要求3所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述热无线通信网络的投资成本和运行成本如下式所示：
(15)；
（16）；
公式中，和/>分别是热无线通信网络的投资成本和运行成本；/> 、/> 、/>和分别是基站j的加固、扩容、流量损失和时延单位成本；/>和/>分别表示基站/>是否加固和扩容；OJ和T分别表示通信基站集合和时间集合；OW表示热节点集合；/>为基站j的流量损失；/>表示热节点/>是否能被基站/>捕捉；/>分别表示热节点/>与基站/>的距离。
5.根据权利要求4所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述热无线通信网模型的约束包括：
1）热通信流量平衡约束：
（17）；
2）热力节点路径唯一约束：
（18）；
3）电力节点路径唯一约束：
（19）；
4）通信节点与基站的地理位置约束：
（20）；
5）基站容量约束：
（21）；
6）基站可用性约束：
（22）；
7）基站故障时序约束：
（23）；
8）基站服务节点约束：
（24）；
9）节点与基站可用性关联约束：
（25）；
10）基站最大时延约束：
（26）；
11）基站可用性与基站加固、故障关联约束：
（27）；
公式中，表示基站/>是否故障；/>表示/>时刻基站/>是否可用；/>和/>分别表示电节点/>和热节点/>是否能被基站/>捕捉；/>和/>分别为基站/>的通信流量和流量损失；为热节点/>的通信需求流量；/>为最大时延量；/>和/>分别表示节点/>是否在基站/>的捕捉范围内和两者之间的距离；OJ表示通信基站集合；OW表示热节点集合；/>表示节点/>是否能被基站/>捕捉；/>和/>分别表示基站/>是否加固和扩容，/>表示基站/>的通信容量上限。
6.根据权利要求5所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，自然灾害不确定集模型的约束包括：
1）不确定集预算约束：
（28）；
（29）；
公式中，w l 表示线路l是否故障；
2）加固决策与故障的决策依赖不确定性约束：
（30）；
（31）；
公式中，和/>分别为电通信系统和热通信系统的故障预算参数。
7.根据权利要求6所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述电热信息物理系统韧性提升线性化模型具体包括：
A、鲁棒韧性协同提升模型：
（32）；
（33）；
B、矩阵形式表示：
1）目标函数：
（34）；
2）模型的投资约束：
（35）；
3）模型的运行约束：
（36）；
4）模型的不确定性约束：
（37）；
5）模型的决策变量范围约束：
（38）；
公式中，y为有关加固、扩容和应急通道使用组成的向量；为模型中的连续变量组成的向量；/>为模型中剩下的整数和二元变量组成的向量；w为不确定参数组成的向量；和/>为有关/>和/>的可行域表示；/>和/>为模型约束对应维数的向量形式；/>和/>为模型约束对应维数的矩阵形式；f（y）是不确定参数/>有关/>的函数；/>为正整数，/>为正实数。
8.根据权利要求7所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述步骤3中的求解方法包括：
3.1：鲁棒最优子问题:
所述鲁棒最优子问题包括以下4个子问题模型：
1）最优子问题模型：
（39）；
2）最优割平面模型：
（40）；
3）不确定参数固定子问题模型：
（41）；
4）变量固定子问题模型：
（42）；
公式中，代表模型的运行约束，即公式（36）在最优子问题下的拉格朗日乘子；/>为第k次迭代产生的不确定参数组成的向量；/>为第k次迭代产生的辅助变量；/>为第k次迭代产生的模型中剩下的整数和二元变量组成的向量；/>为第k次迭代产生的模型中连续变量组成的向量；/>为不确定参数组成的最优解向量；/>为模型中剩下的整数和二元变量组成的最优解向量；
3.2：鲁棒可行子问题:
鲁棒可行子问题包括以下3个子问题模型：
1）可行子问题模型：
（43）；
2）固定参数可行子问题模型：
（44）；
3）可行割子问题模型：
（45）；
公式中，为单位向量；s为大于0的松弛连续变量；/>代表模型的运行约束，即公式（36）在可行子问题下的拉格朗日乘子；w q 为第q次迭代产生的不确定参数组成的向量；/>为第q次迭代产生的辅助变量；/>为第q次迭代产生的模型中剩下的整数和二元变量组成的向量；/>为第q次迭代产生的模型中连续变量组成的向量；/>为第q次迭代不确定参数组成的最优解向量；
3.3：主问题：
MP模型：
（46）；
公式中，为松弛辅助变量；
3.4：采用松弛和固定变量的思想，形成求解算法。
9.根据权利要求8所述的内生不确定性和非线性重构下电热通信系统韧性提升方法，其特征在于，所述采用松弛和固定变量的思想，形成求解算法具体过程为：
步骤a：输入鲁棒韧性协同提升模型，给一个足够大的正数，初始化迭代次数k和q为0；
步骤b：求解MP模型获得当前最优解和最优值/>，/>为松弛辅助变量/>的最优值，更新下界为/>；
步骤c：求解可行子问题模型，获得最优解和/>；/>为第q次迭代产生的辅助变量，/>为第q次迭代不确定参数组成的最优解向量；如果/>，则求解固定参数可行子问题模型得到最优乘子/>，向MP模型添加鲁棒CCG可行割，即可行割子问题模型，更新迭代次数q并返回到步骤b；
步骤d：如果，求解最优子问题模型并得到，同时向MP模型添加鲁棒CCG最优割，即最优割平面模型；
步骤e：求解不确定参数固定子问题模型，得到第k次迭代产生的模型中剩下的整数和二元变量组成的最优解向量；
步骤f：求解变量固定子问题模型，得到当前最优值，更新上界UB=min(UB，/>)和k；c a 、c b 和c c 为模型约束对应维数的向量形式；/>为模型中剩下的整数和二元变量组成的最优解向量；/>为模型中的连续变量组成的最优解向量；
步骤g：如果，结束循环，迭代停止，输出最优值和最优解，/>为设定阈值；否则返回步骤b。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410030662.7A CN117540584B (zh) | 2024-01-09 | 2024-01-09 | 内生不确定性和非线性重构下电热通信系统韧性提升方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410030662.7A CN117540584B (zh) | 2024-01-09 | 2024-01-09 | 内生不确定性和非线性重构下电热通信系统韧性提升方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117540584A true CN117540584A (zh) | 2024-02-09 |
| CN117540584B CN117540584B (zh) | 2024-03-29 |
Family
ID=89786579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410030662.7A Active CN117540584B (zh) | 2024-01-09 | 2024-01-09 | 内生不确定性和非线性重构下电热通信系统韧性提升方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117540584B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726151A (zh) * | 2024-02-08 | 2024-03-19 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017188083A1 (ja) * | 2016-04-27 | 2017-11-02 | 株式会社日立製作所 | マイクログリッドの運転計画装置および方法、並びにマイクログリッドの運転計画装置で使用される地域エネルギー管理装置およびエネルギー管理装置 |
| US20200313433A1 (en) * | 2018-06-06 | 2020-10-01 | Nanjing Institute Of Technology | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
| CN114282855A (zh) * | 2022-03-07 | 2022-04-05 | 四川大学 | 负荷重分配攻击下电-气耦合系统的综合防护方法 |
| CN114818379A (zh) * | 2022-05-24 | 2022-07-29 | 四川大学 | 考虑多维不确定性的信息物理主动配电系统互动规划方法 |
| CN117010621A (zh) * | 2023-06-28 | 2023-11-07 | 河海大学 | 一种基于随机分布鲁棒优化的综合能源系统韧性提升方法 |
| CN117252286A (zh) * | 2023-06-16 | 2023-12-19 | 国网甘肃省电力公司武威供电公司 | 一种提升灾害情况下电气双向耦合系统韧性的优化规划方法 |
-
2024
- 2024-01-09 CN CN202410030662.7A patent/CN117540584B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017188083A1 (ja) * | 2016-04-27 | 2017-11-02 | 株式会社日立製作所 | マイクログリッドの運転計画装置および方法、並びにマイクログリッドの運転計画装置で使用される地域エネルギー管理装置およびエネルギー管理装置 |
| US20200313433A1 (en) * | 2018-06-06 | 2020-10-01 | Nanjing Institute Of Technology | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
| CN114282855A (zh) * | 2022-03-07 | 2022-04-05 | 四川大学 | 负荷重分配攻击下电-气耦合系统的综合防护方法 |
| CN114818379A (zh) * | 2022-05-24 | 2022-07-29 | 四川大学 | 考虑多维不确定性的信息物理主动配电系统互动规划方法 |
| CN117252286A (zh) * | 2023-06-16 | 2023-12-19 | 国网甘肃省电力公司武威供电公司 | 一种提升灾害情况下电气双向耦合系统韧性的优化规划方法 |
| CN117010621A (zh) * | 2023-06-28 | 2023-11-07 | 河海大学 | 一种基于随机分布鲁棒优化的综合能源系统韧性提升方法 |
Non-Patent Citations (4)
| Title |
|---|
| 唐文艳, 顾元宪, 郭旭: "求解具有奇异性的桁架拓扑优化的遗传算法", 计算力学学报, no. 02, 30 April 2004 (2004-04-30), pages 64 - 69 * |
| 夏清;徐国新;康重庆;: "抗灾型电力系统的规划", 电网技术, no. 03, 5 February 2009 (2009-02-05), pages 5 - 11 * |
| 张殷;肖先勇;李长松;: "考虑信息物理交互的电力信息耦合网络脆弱性分析与改善策略研究", 电网技术, no. 10, 16 May 2018 (2018-05-16), pages 45 - 56 * |
| 文阳;周步祥;王慧;陈华;: "基于大规模风光互补的发电侧可调节鲁棒优化调度策略", 电测与仪表, no. 05, 10 March 2017 (2017-03-10), pages 15 - 21 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726151A (zh) * | 2024-02-08 | 2024-03-19 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
| CN117726151B (zh) * | 2024-02-08 | 2024-05-03 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117540584B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117540584B (zh) | 内生不确定性和非线性重构下电热通信系统韧性提升方法 | |
| CN104200263B (zh) | 一种基于禁忌差分进化和gis的配电网络线路规划方法 | |
| CN111898877B (zh) | 一种提升电网恢复速度的灾前抢修人员预部署方法 | |
| CN106487005A (zh) | 一种考虑输配电价的电网规划方法 | |
| CN105512472B (zh) | 大型风电基地功率汇集系统拓扑结构分层优化设计方法 | |
| CN105140917A (zh) | 适用于不确定性环境下的主动配电网鲁棒恢复控制方法 | |
| CN103034912A (zh) | 一种分布式电源选址定容的优化方法 | |
| CN103746376A (zh) | 一种基于负荷曲线的配电网动态供电恢复方法 | |
| Shayeghi et al. | Studying effect of bundle lines on TNEP considering network losses using decimal codification genetic algorithm | |
| CN104868465A (zh) | 基于模糊机会约束的电力系统网架重构优化方法 | |
| CN103199510A (zh) | 配电网故障恢复的有序二元决策图建模方法 | |
| CN105529701A (zh) | 一种基于人工蜂群算法的含直流换流站电源恢复路径优化方法 | |
| CN106127304A (zh) | 一种适用于配电网网络拓扑设计方法 | |
| CN105356465A (zh) | 一种经济性与安全性协调的输电网规划平台及应用 | |
| Augusteen et al. | Economic and various emission dispatch using differential evolution algorithm | |
| Wen et al. | Robust transmission expansion planning of ultrahigh-voltage AC–DC hybrid grids | |
| CN114239206A (zh) | 基于强化学习的灾后电-路协同修复方法、系统与设备 | |
| CN114914904A (zh) | 基于配电-信息-交通网耦合的多时段动态供电恢复方法 | |
| Shayeghi et al. | DCGA based-transmission network expansion planning considering network adequacy | |
| Pico et al. | Reachability analysis of power system frequency dynamics with new high-capacity HVAC and HVDC transmission lines | |
| CN103390249B (zh) | 基于多维度的配电调度辅助决策方法 | |
| CN106789641A (zh) | 智能电网中集中式广域保护通信网的拓扑设计方法 | |
| CN115169138A (zh) | 一种基于解析法的电力系统多层次恢复力评估方法和系统 | |
| CN103413194A (zh) | 一种含有高渗透率间歇性能源的区域电网规划系统及方法 | |
| Kuruganty | HVDC transmission system models for power system reliability evaluation |
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 |