变电站通信网络负荷信息调度方法探析

变电站通信网络负荷信息调度方法探析

摘要:采用当前方法对变电站通信网络中负荷信息进行分散协调调度时,调度后系统运行的时间较长,且变电站通信网络中个别链路被利用的概率较低,导致网络链路利用率低。为此,提出基于蚁群优化的通信网络负荷信息分散协调调度方法。将最大化网络链路利用率作为优化目标,构建负荷信息分散协调调度模型,采用蚁群优化算法对负荷信息分散协调调度模型进行求解,获得负荷信息分散协调调度模型的最优解,在变电站通信网络中实现负荷信息的分散协调调度。实验结果表明,所提方法的系统运行效率高、网络链路利用率高。

关键词:蚁群优化算法;变电站通信网络;负荷信息;调度方法

0引言

变电站通信网络中信息流的执行、传输、处理和采集等操作容易大大加快电力系统的动态过程,提高了变电站对信息决策和信息反馈的依赖程度[1-2]。由于变电站设备智能化和网络化的普及,负荷信息过载容易引起物理网络和信息网络之间出现连锁故障[3,4],甚至造成电力系统瘫痪[5],对变电站通信网络提出了更高的要求。因此,负荷信息分散协调调度方法成为目前研究的热点。甄岩等[6]在网络数据层和控制层解耦中引入无线传感网络,通过调度策略完成多个负荷信息分散任务,但该方法调度后的系统运行时间较长。叶伟伟等[7]衡量用户的满意度和系统的服务能力,通过遗传算法结合系统负载平衡实现负荷信息分散的协调调度,但该方法存在链路利用率低的问题。徐冉等[8]构建整数线性规划模型,利用贪婪的启发式算法对整数线性规划模型进行求解,但该方法存在系统运行效率低的问题。为了解决上述方法中存在的问题,提出基于蚁群优化的通信网络负荷信息分散协调调度方法。

1负荷信息分散协调调度模型

最大化链路利用率通常是变电站通信网络负荷信息分散协调调度的目标[9]。在上述优化目标的基础上构建变电站通信网络的一般化流量模型。设G=(N,E)代表的是有向图,存在于变电站通信网络中,其中,E描述的是边组合而成的集合;N描述的是变电站通信网络中存在的节点组合而成的集合。W描述的是两个节点即每条边间存在的直连链路构成的权重集合;C代表的是容量集合;wij、cij代表的是节点i与节点j之间存在的直线链路。如果节点i与节点j在变电站通信网络中存在的直连链路为e,可以将其表示为ce、we。下一跳集合NHi即为节点i对应的直连节点,设ye代表的是节点i与节点j在变电站通信网络中存在的直连链路e上对应的流量,其主要目的是在单位时间内对节点i与节点j之间传输的数据量进行衡量[10-11],存在下式:(1)式(1)为变电站通信网络的链路容量条件。设s代表的是源节点;t代表的是目的节点;集合S是由所有流的源节点构成的;集合Ts是源节点s在变电站通信网络中对应的目的节点t构成的集合,通过上述分析可知,集合S和集合Ts都存在于集合N中,是N的子集。设dij代表的是任意节点i、j在变电站通信网络中存在的流量需求;集合Ti是由节点i在变电站通信网络中对应的目的节点构成的,如果集合S中不存在节点i,此时集合Ti为空集,存在下式:(2)(3)通过上述公式可知,去除节点s、t,在变电站通信网络中其余节点之间不存在流量需求[12-13]。所以,不对环路进行考虑,设Traffic描述的是满足变电站通信网络所有流量需求的网络总流量,其计算公式如下:(4)为了满足负荷信息分散协调调度的需求,需要建立完整的变电站通信网络流量模型,并列出流量平衡约束条件[14]。设xp代表的是从s到t的路径p在变电站通信网络中分担的流量需求,边e在变电站通信网络中对应的编号为l,路径p在变电站通信网络中对应的元素值为p[l],p[l]的值为0或为1,存在下式:(5)(6)(7)可以通过xp的定义获得式(5),s和t之间存在的流量需求可通过式(6)得到满足,式(7)描述的是链路e在满足所有流量需求时对应的流量。设λe代表的是链路利用率;θ代表的是变电站通信网络中存在的最大链路利用率,在区间[0,1]内取值,其计算公式分别如下:(8)(9)根据上述公式对式(1)进行转变,获得下式:(10)针对变电站通信网络负荷信息分散协调调度问题的流量模型而言,最大化θ最大链路利用率和最小化网络总流量Traffic是主要的优化目标,构建负荷信息分散协调调度模型:(11)

2模型求解

变电站通信网络的负荷信息分散协调调度方法利用蚁群优化算法对1中构建的负荷信息分散协调调度模型进行求解,具体过程如下:设m代表的是蚂蚁在每轮迭代中存在的数目,Dt代表的是t时刻每只蚂蚁身上存在的待分配负荷信息;随机选择一个机组gi,蚂蚁将携带的负荷信息卸下一部分,之后继续在通信网络中选择机组,将身上携带的负荷信息全部分配完毕[15-16],通过k蚂蚁获得解kttL+∆,计算公式如下:(12)由式(12)计算得到的kttL+∆即为蚂蚁对负荷信息分散协调调度任务的分配结果,在最终的负荷信息分散协调调度中应用最优解,最小化变电站通信网络中存在的负荷信息[17]。设()kttfL+∆为定义的适应函数,其表达式如下:(13)(14)(15)(16)适应函数的值的大小由获得解确定,解越差适应度函数的值越大。式中,,kitta+∆、,kittb+∆、,kittc+∆均为在时间段t到t+Δt内按照kttL+∆分配后,机组获得的预测值。设,kitp代表的是蚂蚁k在t时刻将机组gi当作目标时对应的概率函数,其表达式如下:(17)式中,allowedk描述的是蚂蚁k在变电站通信网络中可以选择的机组构成的集合,存在kallowed⊆G,当ikg∈allowed时,存在下式:(18)式中,τi,t描述的是蚂蚁在t时刻选择机组gi中存在的信息素;li,t/ri描述的负荷百分比,由信息素τi,t和li,t/ri构成运算因子μi,t[18-19]。α描述的是信息素的重要性,即信息启发式因子,其他蚂蚁反馈对蚂蚁本身的影响随信息启发式因子α值的增大而增大;β描述的是能见度的重要性,即期望启发式因子,通常用来强调初始启发式信息对应的影响力;ηi,t代表的是启发函数,其表达式如下:(19)对信息素做初始化处理τi=1/n,通过下式对信息素进行更新,满足信息素在任何状态下的和均为1:(20)(21)式中,Dt代表的是负荷任务,设置终止条件:(22)当负荷任务Dt满足上述公式时,停止迭代,输出最优值,实现负荷信息的分散协调调度[20]。

3实验与分析

为了验证基于蚁群算法的变电站通信网络负荷信息分散协调调度方法的整体有效性,选用新疆维吾尔自治区哈密市某城区变电站进行测试,该变电站主要承担哈密市行政区域内35万多个高低压用电客户的供电任务。采用基于NS-3的开源工具对变电站通信网络的负荷信息分散协调调度方法进行ndnSIM仿真测试。蚁群算法参数设置为:蚁群数量m=40,信息素衰减因子p=0.5,初始状态下的信息素=0.0001,最大迭代次数C=6,总信息素量g=200,用哈密市某城区的实际算例对基于蚁群算法的变电站通信网络负荷信息分散协调调度方法、文献[6]方法和文献[7]方法进行测试,各调度方法的初始参数设置相同,对比三种不同方法调度后系统的运行时间,测试结果如下:分析图1(a)可知,采用基于蚁群算法的变电站通信网络负荷信息分散协调调度方法实现调度后,在多次迭代中系统的运行时间均低于0.4s;分析图1(b)和图1(c)可知,采用文献[6]方法和文献[7]方法对变电站网络中存在的负荷信息进行分散协调调度时,调度后系统的运行时间分别在第二次迭代和第四次迭代中高达1.0s、0.8s。对比基于蚁群算法的变电站通信网络负荷信息分散协调调度方法、文献[6]方法和文献[7]方法的测试结果可知,基于蚁群算法的变电站通信网络负荷信息分散协调调度方法实现调度后系统的运行时间较短,缩短了系统的反应时间,验证基于蚁群算法的变电站通信网络负荷信息分散协调调度方法的系统运行效率高。分别采用基于蚁群算法的变电站通信网络负荷信息分散协调调度方法、文献[6]方法和文献[7]方法进行测试,对比三种不同方法的网络链路利用率,网络链路利用率越高,表明方法的调度效果越好,三种不同方法的测试结果如下:分析图2可知,在多次迭代中基于蚁群算法的变电站通信网络负荷信息分散协调调度方法的网络链路利用率均高于文献[6]方法和文献[7]方法的网络链路利用率。因为基于蚁群算法的变电站通信网络负荷信息分散协调调度方法在构建负荷信息分散协调调度模型时,将网络链路利用率作为优化目标,并通过蚁群优化算法对负荷信息分散协调调度模型进行求解,在变电站通信网络中实现负荷信息的分散协调调度,提高了变电站通信网络的负荷信息分散协调调度方法的网络链路利用率。

4结束语

当前负荷信息分散协调调度方法存在系统运行效率低和网络链路利用率低的问题。提出基于蚁群算法的变电站通信网络负荷信息分散协调调度方法,通过构建的负荷信息分散协调调度模型完成变电站通信网络中存在的负荷信息的分散协调调度,缩短了系统的运行时间,优化了调度效果,为变电站通信网络的稳定、安全运行提供了保障。

作者:董金良 刘小伟 李海江 单位:新疆哈密抽水蓄能有限公司