负载与风险联合均衡的电力通信网路由优化算法

针对电力通信网对高可靠性和高可用性的要求,提出一种考虑链路负载与业务风险联合均衡的电力通信网路由优化算法,以降低网络的阻塞率和业务传输风险。首先基于电力通信业务流特征,分析了节点和链路的带宽资源占用情况,建立了负载均衡模型。其次,结合电力通信网特点分析了光纤链路可用率,并考虑业务重要度分析了不同保护方式下业务的风险,进而设计了风险均衡模型。最后,引入均衡因子对链路负载与风险进行联合均衡,以同时降低网络的阻塞率和风险。选取江苏省某市的电力光缆路由网作为测试网络验证所提算法的有效性,仿真结果表明,与典型的负载均衡路由算法和最小故障风险损失的路由算法相比,该文所提算法能够同时降低网络的阻塞率和业务风险,均衡链路负载流量和风险值。     

基于改进蚁群算法的电力通信网络路由策略研究

针对传统电力通信网络路由效率低、成本开销大等缺点,在软件定义网络的基础上,提出了一种基于改进蚁群算法的电力通信网络QoS路由策略。建立了以时延、路径数和抖动等为约束条件的路由模型,并使用改进的蚁群算法进行路径选择。通过仿真和传统路由策略进行端到端延迟、丢包率和链路利用率等性能比较。结果表明,相比于传统策略,该策略的负载分布更加均匀,在端到端的时延、丢包率、链路利用率等性能上都有明显提高,具有一定的实用性。     

基于改进拉格朗日松弛算法的电力通信网络负载均衡优化策略研究

针对传统电力通信网络路由策略存在的负载分布不均和丢包率较高等问题,基于软件定义网络,提出了一种基于改进拉格朗日松弛算法的电力通信网络QoS路由策略。以链路时延、可用带宽和丢包率为约束建立路由模型,并采用改进的拉格朗日松弛算法进行路径选择。通过仿真与传统路由方法进行对比,验证了该方法的可行性。结果表明,与传统路由策略相比,该方法能够规划出符合QoS要求的路径,负载分布更加均衡,有效降低了业务丢包率,丢包率由45%降低到0.1%,具有一定的实用价值。     

基于改进VECMP的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可降低瓶颈节点的过载,提高网络资源的利用率以及系统可靠性.针对电力通信网络路由算法效率较低的问题,文中在传统等价多路径ECMP算法和遗传算法的基础上,结合可变等价多路径算法VECMP与改进的遗传算法IGA用于电力网络中的路由优化.通过优化三种遗传算子,提高了 VECMP算法的效率,并通过算例与...     

低压电力线载波通信的动态路由算法

针对已投入使用的电力线载波中继路由算法存在的可靠性低、自适应能力性和负载均衡性差等缺点,提出了一种新的负载均衡算法-蚁群动态路由算法.该算法结合了信道质量和负载均衡等特性来构造优化目标函数,同时,根据电力线载波网络拓扑结构,改进了蚁群算法(ACS)的转移规则、信息素、禁忌表更新规则.仿真实验表明,采用该算法能够找到有效通信路由线路,并收敛于最优路由线路,大大改善网络中的负载均衡情况,提高了低压电力线载波通信可靠性.     

一种面向负载均衡的电力OTN路由优化算法

电力光传送网(optical transmission network,OTN)业务规划以最短路径为主,未考虑全局的负载均衡,容易引起局部压力高,从而增加网络运行的风险。针对该问题,分析已有业务路由优化算法常见目标与约束,并结合OTN特有的光信噪比(optical signal noise ratio,OSNR)特征,提出一种以负载均衡为目标,综合考虑电力OTN所特有的光传输约束和跳数等传统约束的业务路由优化算法。该算法首先综合考虑链路负载和OSNR、路由跳数,建立以网络负载均衡为目标,以OSNR、光功率和跳数为约束的业务路由优化模型;其次,分析优化模型的特征,并选用蚁群算法对路由进行优化;最后,依据西南某省电力公司现网数据进行仿真,验证了该机制相对于其他传统路由优化算法能够在保证OSNR和业务跳数的情况下,使网络负载更加均衡。     

广域保护通信多路径路由选择的改进蚁群算法

广域保护系统对通信过程中的实时性和可靠性都有严格的要求。目前满足广域保护通信系统的路由算法是在综合了时延和可靠性的要求下,计算一条最优主路径,而没有考虑在主路径链路或节点失效后的备用路径问题。针对此问题,提出了一种基于蚁群算法的多路径路由算法,用于计算满足广域保护通信要求的主路由和备用路由,以提高广域保护通信的可靠性。基于链路的时延和可用率改进蚁群算法的信息素,通过改进的蚁群算法可以在广域保护通信网络寻找到从源节点到目的节点之间的多条不同质量的传输路径。实验结果表明,通过所提出的多路径选择算法计算得到的多条路径都能满足广域保护通信系统对实时性和可靠性的要求。     

基于一致性算法的柔性互联配电网负载均衡控制

传统配电网馈线负载均衡依赖网络重构来解决,但不能保障参与重构每回线路的负载动态均衡。强随机性分布式电源及冲击性负荷的高比例接入,加剧了配电网中馈线负载的实时不均衡,限制分布式电源接入容量。而网络重构动作过程的时间尺度较长,难以解决含高比例分布式电源的主动配电网负载不均衡问题。柔性互联配电网能够实现馈线间准确的潮流控制,显著有利主动配电网运行。为了解决有源配电网中馈线负载不均衡问题以及分布式电源的就地消纳,提出了一种动态调节的基于柔性互联的馈线经济负载率模型,提高了馈线运行的经济性的同时实现了分布式电源的就地消纳。同时将一致性算法与负载均衡控制策略相结合,避免了信息处理集中化的同时实现了非健全通信网络下系统的稳定运行。最后,在PSCAD/EMTDC仿真平台中搭建四端柔性互联配电网仿真模型验证了所提模型与控制策略有效性。     

用于水轮机-引水管道参数辨识的改进型人工鱼群算法

提出了一种融合蚁群算法的改进型人工鱼群算法,对水轮机-引水管道系统进行参数辨识。该算法在每次迭代中先应用鱼群算法对搜索空间进行全局搜索,然后以当代全局最优解为基础利用蚁群算法对其领域进行局部搜索。根据现场实测数据,所提算法通过最小化目标函数辨识出了水轮机-引水管道模型参数。基于实测数据的建模结果表明,与传统辨识方法相比,所提算法具有更好的全局优化能力和鲁棒性能。     

中压配电网静动态中继结合的分级分层电力线载波通信路由算法

为了满足中压配电网配电自动化系统高可靠性、高实时性的数据传输需求,电力线载波通信(PLC)技术需要灵活可靠的路由组网算法。在分析中压配电网结构特点的基础上,提出了一种静动态中继相结合的分级分层PLC路由算法。根据中压配电网的拓扑结构,采用静态中继法将PLC网络分为3个级次,保证网络整体逻辑结构与配电网的物理结构大致相符,加快PLC网络的组网速度;每一级次内使用改进分层搜索算法进行动态中继自组网,保证组网的灵活性与可靠性。仿真结果表明所提算法能够根据配电网的结构及信道环境自适应地组网,路由优化过程兼顾了链路质量与中继负载均衡性;所提算法计算量小、组网速度快,通过调整算法中的权重参数可以灵活满足组网对可靠性与实时性的不同要求。     

基于边缘计算的电力任务最优调度算法研究

针对云计算框架的传播延迟,无法满足电力系统对低延迟和可靠性的要求。在移动边缘计算框架的基础上,提出了一种用于电力任务调度的改进蚁群算法。在蚁群算法选择的最短路径的基础上添加了负载平衡能力,降低总体能耗和防止某个移动边缘云超载。通过仿真分析验证了该调度方法的优越性。结果表明,随着用户设备、边缘云、带宽和总计算资源数量的增加,文中调度方法在平均能耗和任务卸载数量方面均优于贪心算法和距离优先算法,具有一定的实用价值。     

面向电力物联网信息感知的低压电力线与微功率无线通信融合方法

为提高电力物联网信息感知层面的覆盖范围和可靠性,提出一种构建低压电力线与微功率无线通信跨层融合网络(CPW)的方法。首先建立CPW的统一介质访问控制(MAC)层模型,为实现CPW网络层的融合提供基础支持;然后提出一种结合布朗运动与局部收敛次数控制的改进蚁群算法,完成了CPW的组网过程;对CPW的子业务流进行分配,并提出业务分配中的误码率需求因子,实现了低压电力线与微功率无线通信网络的跨层融合。仿真结果表明,该跨层融合网络的通信链路服务质量优于电力线与无线双模或级联通信网络,用户可以根据不同业务设置相应的误码率需求因子,以兼顾通信链路质量与网络负载均衡,保障CPW的高效性和可靠性。     

基于风险度评价和改进蚁群算法的配电网网架规划

提出一种基于风险度评价和改进蚁群算法的配电网灵活规划方法.将规划年的预测负荷、电价及导线价格等参数的变化由原来的离散状态转变为多场景区间,从而将电网规划中的单一不确定性问题转化为多个确定性问题.在求解不确定性问题时,提出一种基于云模型的改进蚁群算法,通过定性关联规则推理对蚁群算法中信息素参数ρ和信息素强度Q进行定性控制和动态选取,根据算法进化情况自适应更新支路信息素,有效克服了传统蚁群算法易陷入局部最优解及收敛速度慢的问题.应用改进蚁群算法,依次获得各个场景的规划方案,并以风险度最小为标准确定鲁棒性最优的规划方案,实现电网的灵活规划.算例分析验证了所提方法的有效性.     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

一种低压电力线载波通信路由方法

低压电力线载波通信信道常常表现出噪声干扰强、信号衰减大、时变性强,直接影响电力线载波通信的范围,降低电力线载波通信的可靠性.文中通过分析低压电力线网络拓扑结构,提出了一种基于Q学习和改进蚁群系统融合的电力线载波通信路由方法.首先采用Q学习算法对电力线网络进行全局搜索得到各路径上信息素初始值;然后利用蚁群算法正反馈收敛机制以及改进后自适应调整搜索策略得到最优路由.将文中算法与两种蚂蚁系统算法进行仿真对比,结果表明,文中算法能更快地建立起网络中主节点到各从节点的路由,并能根据通信信道的变化动态的维护路由,具有很强的抗毁性和自愈性,提高了低压电力线载波通信的可靠性.     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

蚁群K-medoids融合的聚类算法

蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法（AKCA）,该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。