探究低壓電力線通信的雙種群遺傳蟻群路由算法

鄧磊 古發輝 王文祥 江西應用技術職業學院

1 低壓電力線通信的雙種群遺傳蟻群路由算法

1.1 雙種群遺傳蟻群路由算法

蟻群算法是一種通過人工蟻群的自啟發式搜索進行組網，遺傳自適應蟻群系統算法主要就是通過對遺傳算法的隨機性綜合啟發式搜索組網，具有改善算法收斂性以及魯棒性的優勢，可以有效的提升其整條通信的可靠性。對人工蛛網結構進行分析，綜合人工蛛網蛛網算法進行低壓電力通信系統分級網絡構建，在單層人工蛛網結構中中心節點主要就是進行協調以及處理子網周邊節點的數據信息，也可以將其作為其他子網中心節點或者基站通信的中繼節點。通過對算法的改進，利用雙種群遺傳蟻群算法的并行搜索能力，可以在動態范圍中拓展到全局的搜索空間中，可以實現定期交換種群中優良解信息的目的，達到提升算法收斂性以及魯棒性的目的。

1.2 低壓配電網拓撲結構

低壓配電網拓撲結構中其主要通過電網中終端節點進行連接。而周邊多種因素均會對其產生不同程度的影響，因此，要綜合具體的負載等級、容量以及其實際的分布狀況合理確定，會因為線路故障會受到低壓在實踐中樹干式拓撲結構應用相對較為廣泛。

低壓電力線載波通信利用集中抄表系統可以有效的實現遠程控制管理，其主要通過集中器系統、采集器系統以及電表系統、低壓電力線等構成。其集中器中就是電力載波的方式進行處理，進而有效的進行信息數據的傳遞；其中遠程控制系統主要就是利用公用信道等進行遠程通信。

集中器主要通過網管構成，是不同電表中通信的終端節點系統，其中其電力線信道具有較強的干擾性、高衰減性的特征，可以臨時加入或者撤出終端節點。同時，其與電力線上信號傳輸過程中不理想狀態之下的傳輸距離對比分析可以發現，一些終端節點則無法直接的與集中器實現通信。

因此，在進行信息數據轉發中可以將節點作為主要的中繼節點，實現擴展通信距離的效果。低壓配電網終端主要功能就是負責臨時性的加入或者撤出，其工作狀態出現不同程度變化均會給傳輸通信的特征、電氣節點數據鏈路狀態產生直接的影響。而在其運行中其電壓電力線通信網絡的拓撲結構均呈現動態的變化，在此種狀態之下電網終端節點的集中器信息數據傳輸。

在低壓電力載波通信系統通信中，路由算法要對網絡全局變化實現系統化的分析。在其產生不同的工作狀態轉變的狀態之下可以利用節點的路徑進行快速的搜索處理，實現網絡的重組，選擇最優網絡則可以有效的保障通信的可靠性。

2 優化原理

通過單一種群進行全局空間搜索路由的一種算法，其最優解會出現局部的收斂性問題，多種群獨立并行特征會減少各種問題。通過兩個人工蟻群實現全局路徑的有效搜索，獲得初始解集合。最優解則屬于是遺傳優化父代解的一種形式，主要就是利用交叉、變異性進處理，尋找替代子代中最優解，通過蟻群算法實現對局部信息素、全局信息素的一種有效的更新，定期交換空間集合的優良解信息，降低最優解陷入局部最優的問題。利用多迭代獲得解可以保障算法收斂全局最優。

在進行算法初期計算中，主要利用兩個種群中人工螞蟻路徑轉移概率匯總的方式進行下一調節點的合理選擇。為了實現對螞蟻通過路徑的信息素更新優化，引導后續螞蟻合理選擇路徑，可以通過蟻周系統、蟻量系統以及蟻密度三種信息素更新模型進行處理。螞蟻在通過全部節點處理之后，可以實現每一代螞蟻尋找最優解將其遞交給遺傳算法，進行全局的搜索優化處理，進行遺傳優化則可以選擇最優路徑。

其迭代滿足條件要求之后，可以對種群中各個優良解回路信息素的進行處理，將其散入到另一個種群中，則可以打破停滯狀態，合理控制單一種群進化之后“早熟”問題，保障其具有全局最優性的主要特征優勢。

3 仿真實驗

通過對低壓電力線網絡拓撲結構進行模擬分析，利用Matlab 仿真軟件隨機生成50 個節點，根據要求一次編號。通過設定動態化的改變條件參數，通過各個算法實現對50 個終端節點的合理搜索處理，尋找其最優的路徑，并且要保障其連續保持20 次左右，撤出或者加入到單個終端節點中，通過模擬電力線負載狀況，利用仿真電力線終端節點進行臨時加入或者撤出狀態，分析其算法性能指標產生的不良影響。

通過分析終端節點分析其撤出尋優過程可以發現，在算法中通過對網絡中存在的50 個電氣節點組網尋優分析，GOACA 以及DPGOACA 平均路徑會出現較為穩定的變化，其獲得最優解之后，通過分析連續尋找20 次的結構信息，可以模擬電氣節點進行臨時撤出，在根據要求進行49 個電氣節點組網的尋優處理。而網絡動態變化會對算法重新尋優過程分析，在分析中，其3種算法的最優解的結果如下：

表2 節點撤出后算法尋優結果

在網絡中其初始隨機產生50 個電氣節點，三種算法均可以快速其出現尋優結構呈現連續的20 次的相同時候，可以通過模擬電器節點的方式進行臨時性的加入，在通過重新51個電氣節點進行組網尋優，ACA 算法則要通過多次的迭代才可以尋找其最優的路徑，而剩余兩種方式則可以快速的尋找適應新的網絡，只需少次迭代則可以快速的尋找最優的路徑。

節點加入后算法尋優結果

通過上表可以發現，DPGOACA 算法需要的迭代數相對較少，可以實現多個節點之間的組網尋優，通過分析確定其最優路徑長度是較為優異的結果。

結束語：

DPGOACA 算法通過雙種群自身獨有的獨立搜索能力可以實現擴大全局解空間，這樣可以提升尋找最優解可能性的目的，通過定期交換彼此解集中的優良解信息，也有效的降低了陷入局部最優的可能性，有效的改善了算法的尋優能力。進行低壓電力載波通信系統中進行動態變化低壓配電網拓撲結構模型化處理分析，利用仿真結果發現改進之后算法收斂良好，有著較強的魯棒性，在實踐中因為周邊環境相對較為復雜要綜合實際狀況配置對應的軟硬件，進而達到提升通信可靠性的目的。