面向風險均衡的電力通信專網路由優化研究

張 霄，李疆生，金廣祥，江 璟

（國網經濟技術研究院有限公司，北京 102209）

電力通信專網是電力信息物理融合系統的重要載體，電力系統的正常穩定運行離不開電力通信網絡的控制。然而在傳統的電力系統研究中，通信網絡方面對電力系統的影響研究較少，因此本文在研究面對風險均衡的電力通信專網路由優化時，主要針對通信網絡鏈路中斷后對網絡業務路由路徑優化問題進行研究。針對該問題，本文首先對電力通信專網風險指標進行了選取，篩選出電網站點負荷壓力、業務平均通信時延、業務風險均衡度三項風險指標。接著通過構建數學模型對電力通信專網故障進行風險評估，并提出設計了一種改進的遺傳算法。最后，通過仿真實驗驗證了該算法的可行性。

1 電力通信專網故障狀態風險評估模型

1.1 電力通信專網

電力通信專網是電力空間和信息空間進行交互的平臺，是電力信息物理融合的系統，通過電力通信專網實現了電力空間和信息空間之間的信息流和能量流相互轉換。為更好地研究電力通信專網故障狀態下風險影響，將電力通信專網網絡評估模型定義為無向加權圖G（V,E）定義為：

定義中，Eij表示每個鏈路的鏈接，V表示節點集，E表示連接節點的通信鏈路集。

設電力通信專網中有K 條業務，單個業務為Sk，則該網絡中的業務可以用集合S={ }Sk表示，單個業務的路由拓撲可以用子圖Gk=( )Vk,Ek∈G表示。業務起始節點為Vks中途節點為Vki，目標節點為Vkd，則業務的路由路徑可以通過Vks…Vki…Vkd表示。因此，對業務路由優化可以轉化為對除起始節點和目標節點之外的中途節點Vkj的優化，優化對象可表示為

1.2 指標選取

根據上述的模型，以及結合以往的研究，本文影選擇電網站點負荷壓力、業務平均通信時延、業務風險均衡度作為電力通信專網的評價指標。

1.2.1 電網站點負荷壓力

電網負荷壓力則表示電力通信專網中業務路由經過全部站點時，業務對電網負荷壓力的累計值，具體可表示為：

式中，Vk表示k 條業務的路由路徑總節點數，表示k 條業務的路由路徑中節點i 的負荷壓力值，Ck表示k 條業務的站點負荷壓力影響值，load 表示電力通信專網中所有站點負荷壓力的累計值，也就是通信鏈路中斷對電網站點負荷壓力影響風險值，即I1=load。Load 越小，說明電力通信專網中所有站點負荷壓力較小，網絡中的業務的節點分布較為均衡，通信鏈路中斷對于電網站點負荷壓力的影響也相對較小；反之，說明電力通信專網中所有站點負荷壓力較大，網絡中的業務的節點分布不均，通信鏈路中斷對于電網站點負荷壓力的影響也相對較大。

1.2.2 業務平均通信時延

業務的平均通信時延為：

式中，k表示網絡鏈路上的所有業務數量，Tk表示網絡鏈路k業務的時延，-T表示網絡鏈路業務平均通信時延，也就是通信鏈路中斷對網絡業務的平均通信時延影響風險值，具體可表示為I2=-T。

1.2.3 業務風險均衡度

業務風險均衡度為BD，可以通過公式表示為：

式中，Li為網絡中第i 條鏈路所承載的業務數目， |E|表示網絡中總連路數，表示鏈路的平均承載業務數量。

1.3 電力通信專網故障風險評估

風險影響值表示風險發生概率與其造成影響的乘積。在本研究中，風險影響值則表示電力通信專網鏈路發生故障概率與該故障對整個電力系統造成的風險值的乘積，即通信鏈路中斷后的影響風險綜合值，具體可通過公式表示：

式中，R 表示通信鏈路中斷后的影響風險綜合值；H 表示跨信息空間和電力空間風險傳遞的概率；P表示通信鏈路發生故障的概率；I表示發生故障對電力系統的影響值，包括電網站點負荷壓力的影響風險值，業務平均通信時延的影響風險值，業務風險均衡度的影響風險值。

為降低電力通信專網鏈路中斷造成的影響，本研究將網絡中節點風險值和鏈路風險值作為主要指標進行優化。但由于實際過程中，電力生產會對這兩項指標有所要求，因此為構造故障狀態下優化策略的目標函數，我們對兩項指標進行條件約束，具體可通過公式表示為：

式中，Cmax表示單一業務經過站點負荷壓力總和，Lmax表示單一鏈路承載的最大業務，Tmax表示單一業務的最大時延。α,β,δ表示影響因素的權重常數，當滿足公式（10）時，F值最小，電力通信專網在網絡故障狀態下路由優化達到最佳狀態。

2 模型求解

遺傳算法是進化算法中最高效的一種算法，它最大優勢在于尋求全局最優解的時候，不需要初始化任何信息，進而提高了算法的速度。由于該算法具有適應性強、對問題沒有特定限制計算過程簡單等特點，因此，本研究采用遺傳算法對模型NP-Hard完全問題方面進行求解。遺傳算法的主要原理是將問題的所有解集當做一個種群，在種群之間經過不斷的交叉、選擇等遺傳學操作，達到求得問題最優解的目的。因此結合遺傳的步驟，對目標函數進行求解。具體如下：

2.1 編碼機制

常見的遺傳算法編碼機制包括二進制編碼、變長編碼、實數編碼和矩陣編碼等，本研究采用二進制編碼方式。該方法相較于其他方法，搜索能力更強，對于變異操作的種群穩定性也更好。

圖1 路由路徑編碼示意圖Fig.1 Routing path coding schematic

2.2 初始化種群

由于業務平均通信時延對電力通信專網業務的嚴格要求，因此在進行初始化種群前，種群已經篩選出了滿足最大時延Tmax約束的結果。所以接下對只需對拓撲中的路徑進行編碼，然后隨機選擇N條路徑，即可得到初始化種群。

2.3 適應度函數

適應度函數反映了一個個體的優秀程度。當適應度函數值較小時，個體劣性更強。反之，當適應度函數值較大時，個體就越優秀。其函數可表示為：

式中，fitness表示適應度。其中，f值越小表示越接近問題的最優解，而要滿足fitness相對較大，則應取其倒數。

2.4 選擇操作

為使選擇結果更符合全局最優解，本研究采用最佳保留法和輪盤賭相結合的策略進行選擇操作。

首先，假設種群數量為N（N=100），將N均分呈兩組并比較兩組的適應度值，選擇適應度值高的一組個體留下。重復操作，直至個體數量為0.25N。

其次，對原始種群N進行輪盤賭選擇，篩選出符合選擇的個體0.75N。

最后，將最佳保留發選擇留下的個體0.25N 與輪盤賭選擇留下的個體0.75N進行交叉和變異操作。

2.5 交叉操作

交叉操作即在種群中隨機挑選兩個個體，并將這兩個個體的部分結構進行交叉互換，以實現產生新個體的目的。電力通信專網中包括多個公共節點，任意選擇其中一個公共節點作為交叉點即可實現交叉操作。設定交叉概率為Pc，交叉點為v2，則具體的交叉操作可用圖2表示。

圖2 交叉操作示意圖Fig.2 Cross-operation diagram

2.6 變異結果

本研究的變異操作即從電力通信專網業務路徑中途節點中隨機選擇一個節點作為變異點，并保持從起始節點到變異節點路徑不變，變異節點到目標節點路徑進行隨機選擇的操作。設變異概率為Pw，變異節點為v2，則變異操作的具體流程如圖3所示。

圖3 變異操作示意圖Fig.3 Schematic diagram of mutation operation

3 實驗仿真

設電力通信專網有17 個節點，通信鏈路25條，承載7 條業務。其中，17 個節點包括中調節點03，500kV 樞紐站節點01、05、10、17，550kV 區域站02、04、06、08、12、14，220kV 變電站節點07、09、11、15、16，地調節點13；7 條業務分別是{[1，11]，[1，16]，[2，14]，[2，16]，[3，13]，[4，8]，[5，15]}。其拓撲圖如圖5所示：

已知13~14 的中斷概率P1=0.344，13~17 的中斷概率P2=0.214，站點的負荷壓力值如下表所示：

表1 站點負荷壓力Tab.1 Station load pressure

為使各個指標在同一數量級下進行比較，表中數據根據風險評估模型的第一個指標影響值進行了等比縮放，得到相對影響值。

由于在風險跨空間傳播機制中，間接影響較小，因此本研究只考慮直接影響，并將跨空間風險影響傳遞概率H 的值確定為1。當鏈路13~14 和13~17 都中斷時，通過遺傳算法，可對業務路徑進行重新分配。

設定遺傳算法的初始指標種群規模為100，染色體長度為7，交叉率Pt為0.9，變異率Pm為0.055，仿真迭代次數為300。通過適應度函數可計算出特性向量w1,w2,w3的值分別是0.85、0.14、0.49，由此可計算出三個向量的權重分別為α=0.57,β=0.097,δ=0.333。

以業務[2，16]為例，將本研究算法和輪盤賭選擇策略的遺傳算法進行路徑對比，可得到下圖：

圖4 電力通信專網拓撲示意圖Fig.4 Schematic diagram of power communication network topology

由圖可知，當鏈路13~14 和13~17 都中斷時，本研究提出的算法在站點負荷壓力值、業務平均通信時延以及業務風險均衡度三個方面，相較于輪盤賭策略的遺傳算法有較大程度的降低。可見本文提出的算法優于輪盤賭策略的遺傳算法，其對電力通信專網的影響綜合風險值可表示為：

另一方面，由于站點負荷壓力與總可選節點成反比，因此在站點負荷壓力變化不大的情況下，雖然輪盤賭遺傳算法收斂速度更快，但本文的算法產生的最優解更容易保持穩定。由此可見，本文的算法相較于輪盤賭遺傳算法具有更好的優化效果。

4 結語

本研究針對電力通信專網故障狀態下的業務場景，提出了一種改進的遺傳算法業務路由優化路徑方法。該方法通過分析信息空間和電力空間兩個空間之間的風險傳播影響機制以及的風險評估模型，采用最佳保留法和輪盤賭選擇策略相結合的改進遺傳算法進行業務路由優化。最后，通過仿真實驗對比分析輪盤賭策略的遺傳算法和本研究提出的算法對整體網絡業務的影響風險值，證實本研究提出的算法在影響風險值上有較大程度的減少。由此可以得出結論，本研究提出的算法切實可行。