Kubernetes容器集群環境下新型供電系統響應速度優化

蔡勛瑋，趙 俊，趙 麗，齊 明，李艷西

（國網湖南省電力有限公司信息通信分公司，湖南長沙 410004）

隨著電網用戶用電需求的增加，供電系統的供電設施數量與位置受到較大影響，導致供電系統響應速度緩慢，穩定性下降，無法確保供電系統響應速度的最優[1-2]。

近幾年來，我國多個電網公司先后設計了高標準的供電系統響應速度優化方案，如文獻[3]和文獻[4]利用啟發式算法計算出供電系統響應速度指數，動態顯示供電系統內潮流分布情況，計算新型供電系統響應速度的數值要比傳統電網計算出的數值更準確。雖然電網公司在一定程度上優化了供電系統的響應速度，但不能使響應速度達到最優，也無法保證其穩定性和可靠性，并且優化方案的自動尋優能力依然較低。

為解決以上出現的問題，文中設計了一種基于Kubernetes 容器集群環境下新型供電系統響應速度優化方案，該優化方案利用Kubernetes 容器的隔離特點，減少新型供電系統在不同運行環境下受到的干擾，采用Kubernetes 容器集群與響應速度優化算法實現響應速度的最優，根據供電系統的優化目標構建響應速度優化模型，并給出相關的優化解析表達式，提升新型供電系統響應速度的穩定性和可靠性。

1 響應速度指標計算

根據供電系統供電故障范圍以及恢復供電時間設定系統開關權限，并對新型供電系統的響應速度進行饋線分區，圖1 為新型供電系統響應速度的饋線分區示意圖。

圖1 新型供電系統響應速度的饋線分區

在圖1 所示的新型供電系統中，以響應速度重合器R1和R2、振蕩器F為邊界線，將響應速度饋線分成3 個區域；在計算Kubernetes 容器集群環境下新型供電系統響應速度指標時，根據響應速度重合器的功能將新型供電系統分為若干個響應區域，對于每一種新型供電系統響應速度優化方案，通過列舉供電系統中發生供電故障的位置，分析異常供電對饋線區域響應速度的影響并確定供電電流，以此計算供電系統響應速度指標[5-6]。

在響應速度饋線區內，保護設備的安裝位置與供電電源位置決定了故障發生的次數，重合器的安裝位置對新型供電系統響應速度的優化至關重要，且用電保護設備可提升供電系統響應速度的穩定性[7-8]，響應速度函數的表達式如下：

式中，λi為用戶停電頻率；Ni為負荷數量；R是供電系統用電設備總和。

斷電持續時的系統平均停電頻率指數為：

式中，Ti是負荷點i每年斷電時間。

通過以上分析可知，供電系統響應速度指標是用戶斷電頻率與斷電持續時間的加權系數，用戶的斷電頻率可側面反映新型供電系統響應速度的高低[9-10]。

如果供電系統出現異常供電的位置發生在響應速度饋線區內，由于饋線區內沒有提前安裝用電負荷保護設備，所以響應速度饋線區內的所有負荷斷電；如果供電系統出現異常供電的位置發生在響應速度饋線區外，并且饋線區內的重合器依然與供電系統的變電站相連，供電系統會繼續向響應速度饋線區內的所有負荷供電，否則新型供電系統的變電站會轉為孤島運行模式，此時，供電系統響應速度饋線區內的所有負荷都將處于斷電模式，在饋線區內的各個部分，響應節點的故障次數與發生供電故障概率呈正相關關系[11-12]。

當異常供電出現在響應速度饋線區外側時，計算響應速度饋線區內重合器與振蕩器電源輸出的最大電流之和，與響應速度饋線區內負荷斷電時間曲線作對比，若饋線區內用電設備的用電量大于總發電量，則響應速度饋線區內負荷故障次數減少。新型供電系統響應速度指標計算流程如圖2 所示。

圖2 新型供電系統響應速度指標計算流程

2 響應速度優化流程

將新型供電系統響應速度饋線區內的各種響應速度優化算法結合起來，確定供電系統響應速度優化變量，分析各個響應速度指數之間的關系，使用Kubernetes 的命令行工具算法，將供電系統響應速度優化變量部署到容器集群環境中，通過潮流計算實現對供電系統響應速度的優化。Kubernetes 容器集群環境下新型供電系統響應速度優化流程如下：

首先，在饋線區域內，將供電系統響應速度優化變量初始化，通過粒子群優化算法反饋響應速度優化變量的初始化狀態，并動態調整響應速度指數，根據混沌序列的遍歷性，修改新型供電系統響應速度優化方案，對每個響應速度優化變量引入特定混沌因子x(r)=y(c)x(r-1)[1-x(r-1)]，利用混沌序列提升供電系統優化響應速度的能力，并對供電系統響應速度優化參數進行混沌擾動，新型供電系統響應速度指標ΔE受到負荷斷電持續時間C(t)影響，γ(t)表示由新型供電系統供電的用戶遭受斷電持續的時間，建立如下響應速度優化表達式：

式中，Stcp為饋線區長度的調節步長。供電系統響應速度優化參數需要限制在預先確定的粒子群內，如果超出粒子群的邊界，則響應速度的優化變量取邊界值，利用混沌序列生成一個響應速度優化粒子群后，粒子的原始參數是供電系統響應速度標準范圍內的平均值[13-14]。

然后，將新型供電系統響應速度優化變量代入響應速度表達式中，動態顯示供電系統響應速度的潮流分布情況，計算響應速度優化函數值。為了防止自適應混沌粒子群優化算法陷入局部極值，可以在使用混沌粒子群優化算法時引入交叉變異操作，幫助供電系統粒子種群處于多樣化狀態。

對供電系統響應速度變量中的部分維分量采取變異操作，提高供電系統的全局尋優能力，防止響應速度優化算法早熟，響應速度優化粒子群的各維配置隨機數與響應速度優化概率相等，則對該供電系統響應粒子速度進行交叉變異操作，即：

最后，計算響應速度迭代次數，采用潮流分布計算方法評估供電系統響應速度優化的穩定性，并將其作為反饋信息，動態調整響應速度優化策略和響應算子，利用混沌序列對響應速度優化參數進行調整，通過整合多個響應速度優化函數，計算呈現多樣化狀態的響應速度值。

為了進一步確定最優的新型供電系統響應速度優化方案，使用模糊隸屬度函數評估供電系統響應速度各個函數對應的隸屬度，并定義模數隸屬度函數，如式（5）所示：

式中，um是響應速度優化函數fm的隸屬度值，fm是第m個響應速度優化函數值分別是第m個供電系統響應速度優化函數值的最大值和最小值。

3 實驗研究

為了驗證提出的Kubernetes 容器集群環境下新型供電系統響應速度優化方法的穩定性和可靠性，文中采用了潮流分布和粒子群優化算法，與傳統的新型供電系統響應時間優化方法（文獻[3]方法）進行實驗對比。通過粒子群優化算法計算出的供電系統響應時間結果與傳統方法響應時間結果對比情況如表1。

表1 響應時間對比實驗結果

由表1 可知，提出的Kubernetes 容器集群環境下新型供電系統響應速度優化方法具有更高的穩定性和可靠性，新型供電系統響應速度更快，利用響應速度優化算法調整新型供電系統響應速度饋線區內的重合器和振蕩器配置，使Kubernetes 容器集群環境下新型供電系統響應速度更快，響應速度饋線區內的負荷均衡性更好。

傳統方法響應速度優化方法中供電系統需要持續超大功率供電，圖3 為傳統方法負荷曲線。

圖3 傳統方法負荷曲線

根據圖3 可知，傳統方法增加了配電網對地電流的約束條件，導致傳統方法對負荷提供供電能力減弱，限制了傳統方法內各種供電設備的設置條件，工作人員只能先通過自身的專業經驗對供電系統響應速度進行優化，再調整供電系統響應速度優化方法，這樣造成供電系統響應速度饋線區內全局優化能力較低。使用傳統優化算法計算響應速度函數值時，計算出的供電系統響應速度值不準確，與實際標準相差較大。

除此之外，傳統方法響應速度優化方法通常用配電網的電壓極值來反映響應速度大小，通過設計人員給定的供電設備數量計算供電負荷，反復檢查對比響應速度優化方案，再最終確定供電系統響應速度優化方案，這樣缺少了響應速度優化的計算步驟，使計算出的供電系統響應速度準確度較低，降低了供電系統響應速度的穩定性。

傳統方法響應速度優化方法與文中方法的響應時間存在較大差別，對比結果如圖4 所示。

圖4 目標函數值實驗結果

由圖4 可知，新型供電系統響應速度優化方法中響應時間變量最小，基于Kubernetes 容器集群計算軟件得到的供電系統響應時間數值居中，傳統方法得到的供電系統響應時間數值偏大。并且在提出的響應速度優化方法中，新型供電系統的平均有損功耗小于傳統方法的功耗，傳統方法響應速度計算軟件只能對供電負荷進行模擬，全局搜索能力低。文中把新型供電系統響應速度優化軟件與智能優化結合，這樣能夠提高新型供電系統的全局搜索能力，使供電系統響應速度更快，穩定性和可靠性較高。

4 結束語

文中采用潮流分布和粒子群優化算法，設計了Kubernetes 容器集群環境下新型供電系統響應速度優化方案，其響應速度較優，且全局搜索能力更好，供電系統響應速度更快，穩定性和可靠性更高。