基于蟻群優化的通信網絡負荷信息分散協調調度

董金良，劉小偉，李海江

（新疆哈密抽水蓄能有限公司，新疆維吾爾自治區哈密市 839000）

0 引言

變電站通信網絡中信息流的執行、傳輸、處理和采集等操作容易大大加快電力系統的動態過程，提高了變電站對信息決策和信息反饋的依賴程度[1-2]。由于變電站設備智能化和網絡化的普及，負荷信息過載容易引起物理網絡和信息網絡之間出現連鎖故障[3，4]，甚至造成電力系統癱瘓[5]，對變電站通信網絡提出了更高的要求。因此，負荷信息分散協調調度方法成為目前研究的熱點。甄巖等[6]在網絡數據層和控制層解耦中引入無線傳感網絡，通過調度策略完成多個負荷信息分散任務，但該方法調度后的系統運行時間較長。葉偉偉等[7]衡量用戶的滿意度和系統的服務能力，通過遺傳算法結合系統負載平衡實現負荷信息分散的協調調度，但該方法存在鏈路利用率低的問題。徐冉等[8]構建整數線性規劃模型，利用貪婪的啟發式算法對整數線性規劃模型進行求解，但該方法存在系統運行效率低的問題。為了解決上述方法中存在的問題，提出基于蟻群優化的通信網絡負荷信息分散協調調度方法。

1 負荷信息分散協調調度模型

最大化鏈路利用率通常是變電站通信網絡負荷信息分散協調調度的目標[9]。在上述優化目標的基礎上構建變電站通信網絡的一般化流量模型。

設G=（N，E）代表的是有向圖，存在于變電站通信網絡中，其中，E描述的是邊組合而成的集合；N描述的是變電站通信網絡中存在的節點組合而成的集合。W描述的是兩個節點即每條邊間存在的直連鏈路構成的權重集合；C代表的是容量集合；wij、cij代表的是節點i與節點j之間存在的直線鏈路。如果節點i與節點j在變電站通信網絡中存在的直連鏈路為e，可以將其表示為ce、we。

下一跳集合NHi即為節點i對應的直連節點，設ye代表的是節點i與節點j在變電站通信網絡中存在的直連鏈路e上對應的流量，其主要目的是在單位時間內對節點i與節點j之間傳輸的數據量進行衡量[10-11]，存在下式：

式（1）為變電站通信網絡的鏈路容量條件。

設s代表的是源節點；t代表的是目的節點；集合S是由所有流的源節點構成的；集合Ts是源節點s在變電站通信網絡中對應的目的節點t構成的集合，通過上述分析可知，集合S和集合Ts都存在于集合N中，是N的子集。

設dij代表的是任意節點i、j在變電站通信網絡中存在的流量需求；集合Ti是由節點i在變電站通信網絡中對應的目的節點構成的，如果集合S中不存在節點i，此時集合Ti為空集，存在下式：

通過上述公式可知，去除節點s、t，在變電站通信網絡中其余節點之間不存在流量需求[12-13]。所以，不對環路進行考慮，設Traffic描述的是滿足變電站通信網絡所有流量需求的網絡總流量，其計算公式如下：

為了滿足負荷信息分散協調調度的需求，需要建立完整的變電站通信網絡流量模型，并列出流量平衡約束條件[14]。

設xp代表的是從s到t的路徑p在變電站通信網絡中分擔的流量需求，邊e在變電站通信網絡中對應的編號為l，路徑p在變電站通信網絡中對應的元素值為p[l]，p[l]的值為0或為1，存在下式：

可以通過xp的定義獲得式（5），s和t之間存在的流量需求可通過式（6）得到滿足，式（7）描述的是鏈路e在滿足所有流量需求時對應的流量。

設λe代表的是鏈路利用率；θ代表的是變電站通信網絡中存在的最大鏈路利用率，在區間[0，1]內取值，其計算公式分別如下：

根據上述公式對式（1）進行轉變，獲得下式：

針對變電站通信網絡負荷信息分散協調調度問題的流量模型而言，最大化θ最大鏈路利用率和最小化網絡總流量Traffic是主要的優化目標，構建負荷信息分散協調調度模型：

2 模型求解

變電站通信網絡的負荷信息分散協調調度方法利用蟻群優化算法對1中構建的負荷信息分散協調調度模型進行求解，具體過程如下：

式中，τi,t描述的是螞蟻在t時刻選擇機組gi中存在的信息素；li,t/ri描述的負荷百分比，由信息素τi,t和li,t/ri構成運算因子μi,t[18-19]。α描述的是信息素的重要性，即信息啟發式因子，其他螞蟻反饋對螞蟻本身的影響隨信息啟發式因子α值的增大而增大；β描述的是能見度的重要性，即期望啟發式因子，通常用來強調初始啟發式信息對應的影響力；ηi,t代表的是啟發函數，其表達式如下：

對信息素做初始化處理τi=1/n，通過下式對信息素進行更新，滿足信息素在任何狀態下的和均為1：

式中，Dt代表的是負荷任務，設置終止條件：

當負荷任務Dt滿足上述公式時，停止迭代，輸出最優值，實現負荷信息的分散協調調度[20]。

3 實驗與分析

為了驗證基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法的整體有效性，選用新疆維吾爾自治區哈密市某城區變電站進行測試，該變電站主要承擔哈密市行政區域內35萬多個高低壓用電客戶的供電任務。采用基于NS-3的開源工具對變電站通信網絡的負荷信息分散協調調度方法進行ndnSIM仿真測試。

蟻群算法參數設置為：蟻群數量m＝40，信息素衰減因子p＝0.5，初始狀態下的信息素＝0.0001，最大迭代次數C＝6，總信息素量g＝200，用哈密市某城區的實際算例對基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法、文獻[6]方法和文獻[7]方法進行測試，各調度方法的初始參數設置相同，對比三種不同方法調度后系統的運行時間，測試結果如下：

分析圖1（a）可知，采用基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法實現調度后，在多次迭代中系統的運行時間均低于0.4s；分析圖1（b）和圖1（c）可知，采用文獻[6]方法和文獻[7]方法對變電站網絡中存在的負荷信息進行分散協調調度時，調度后系統的運行時間分別在第二次迭代和第四次迭代中高達1.0s、0.8s。對比基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法、文獻[6]方法和文獻[7]方法的測試結果可知，基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法實現調度后系統的運行時間較短，縮短了系統的反應時間，驗證基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法的系統運行效率高。

圖1 三種不同方法的系統運行時間Figure 1 System running time of three different methods

分別采用基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法、文獻[6]方法和文獻[7]方法進行測試，對比三種不同方法的網絡鏈路利用率，網絡鏈路利用率越高，表明方法的調度效果越好，三種不同方法的測試結果如下：

分析圖2可知，在多次迭代中基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法的網絡鏈路利用率均高于文獻[6]方法和文獻[7]方法的網絡鏈路利用率。因為基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法在構建負荷信息分散協調調度模型時，將網絡鏈路利用率作為優化目標，并通過蟻群優化算法對負荷信息分散協調調度模型進行求解，在變電站通信網絡中實現負荷信息的分散協調調度，提高了變電站通信網絡的負荷信息分散協調調度方法的網絡鏈路利用率。

圖2 三種不同方法的網絡鏈路利用率Figure 2 Network link utilization of three different methods

4 結束語

當前負荷信息分散協調調度方法存在系統運行效率低和網絡鏈路利用率低的問題。提出基于蟻群算法的變電站通信網絡負荷信息分散協調調度方法，通過構建的負荷信息分散協調調度模型完成變電站通信網絡中存在的負荷信息的分散協調調度，縮短了系統的運行時間，優化了調度效果，為變電站通信網絡的穩定、安全運行提供了保障。