電力通信光纖網絡中多周期光纜檢測

高 麗，周佳琪，林勛惠，李泳成

(1.國網江蘇省電力有限公司,揚州供電分公司,江蘇 揚州 225100； 2.蘇州大學 電子信息學院，江蘇 蘇州 215006)

0 引 言

為滿足經濟與社會發展需求，我國正大力推進智能電網建設，以實現智能化、信息化和自動化的電力網絡運營。在“十三五”期間，我國共建設了超過8 000座智能變電站，并安裝了大量智能設備，這導致電力通信容量需求急劇增長[1]。為應對這一挑戰，具有大容量、低時延和低能耗優勢的光纖網絡成為了電力通信的主要承載網絡[2]。在電力通信光纖網絡中，需要定期開展光纜纖芯測試，以保障新業務接入和重要業務故障迂回等需求。目前，光纜纖芯檢測主要是通過電網運維人員進入變電站站點，采用光時域反射計(Optical Time Domain Reflectometer, OTDR)手動進行[3]。然而，隨著變電站規模不斷增長，運維人員需要進入的變電站站點數量眾多且位置分散，這給日常的光纜纖芯檢測工作帶來了極大挑戰，需要耗費大量的人力和時間成本[4]。為此，對電力通信光纖網絡中光纜纖芯檢測進行合理和高效的規劃十分重要且必要。本文針對電力通信光纖網絡多周期光纜檢測問題展開了研究，以最小化總入站站點數量為目標，構建了整數線性規劃(Integer Linear Programing，ILP)模型，并提出了一個基于有效檢測光纜數的啟發式算法。仿真結果表明，本文所提啟發式算法與ILP模型結果基本一致，能有效減少需要進入的變電站站點數量。

1 電力通信光纖網絡多周期光纜檢測

1.1 問題定義

在電力通信光纖網絡中，每個變電站就是一個通信節點，變電站之間通過光纜相連。在進行光纜纖芯檢測時，只需要進入光纜兩側的任意一個變電站站點，即能完成針對該光纜的檢測。圖1所示為一個光纜檢測的實例。假設一個光纖網絡由6個節點(變電站)、9個鏈路(光纜)組成。現給出兩種光纜檢測方案。方案一：進入站點0檢測光纜f1和f2，進入站點1檢測光纜f3、f4和f5，進入站點2檢測光纜f6，進入站點3檢測光纜f7和f9，進入站點4檢測光纜f8，入站站點總數為5。方案二：進入站點1檢測光纜f1、f3、f4和f5，進入站點2檢測光纜f2和f6，進入站點3檢測光纜f7和f9，進入站點5檢測光纜f8，入站站點總數為4。

圖1 光纖網絡光纜檢測的實例Figure 1 Example of optical cable detectionin optical fiber network

由圖可知，不同方案需要入站的站點數量存在差異，相應的光纜檢測成本也不相同。因此，在完成所有光纜測試的前提下，盡可能少地進入變電站以節約運維成本，是一個值得研究的重要問題。本文從電力通信光纖網絡多周期運維的實際需求出發，考慮了一個電力通信光纖網絡多周期光纜檢測問題，并做出如下假設：(1) 電力通信光纖網絡運維分為多個周期進行；(2) 每個周期內需要對網絡中所有的光纜至少完成一次檢測；(3) 在所有周期的光纜檢測完成后，每個變電站站點至少被進入一次；(4) 在每個周期內，存在部分變電站站點必須進行光纜檢測。

1.2 ILP模型

通過以上問題描述，本文以最小化總入站站點數量為目標，構建了一個ILP模型。該模型的集合、參數、變量、優化目標及約束條件描述如下:

集合

N: 電力通信光纖網絡中變電站站點的集合。

L: 電力通信光纖網絡中光纜鏈路的集合。

Ln: 變電站站點n相鄰光纜鏈路的集合，n∈N。

T: 電力通信光纖網絡光纜檢測周期的集合。

Mt: 電力通信光纖網絡在周期t內必須進入的變電站站點集合，t∈T。

參數

變量

優化目標

約束條件

在每個周期內，光纖網絡中所有的光纜都進行了檢測。

對每個周期內必須進入的變電站站點進行光纜檢測。

在完成所有周期的光纜檢測后，每個變電站站點至少被進入一次。

2 啟發式算法

隨著智能電網建設規模的不斷擴大，整個電力通信光纖網絡的節點和鏈路數量也將快速增長，這將極大地增加采用ILP規劃模型求解電力通信光纖網絡多周期光纜檢測規劃問題的難度。為此，本文也提出了一個基于有效檢測光纜數的啟發式算法，具體步驟如下：

步驟1：給定電力通信光纖網絡G(N,L),其中，N為變電站站點的集合;L為光纜鏈路的集合;總的運維周期數為T。令當前周期數t=1。

步驟2：設置4個集合，Γ=NULL，E=N，Z=NULL和Q=L。其中，Γ為已進入的變電站站點集合；E為未進入的變電站站點集合；Z為已檢測的光纜鏈路集合；Q為未檢測的光纜鏈路集合。遍歷集合E中所有變電站站點，將進入變電站e可以檢測的光纜鏈路集合設為Fe,計算每個變電站e的有效檢測光纜數We。

步驟3：令t=t+1，如果t>T,則終止；反之，返回步驟2。

3 結果與性能分析

3.1 測試條件

本文采用揚州電網的變電站拓撲評估提出的多周期光纜檢測規劃算法的性能。該測試拓撲包含36個節點(變電站站點)和62個鏈路(光纜)。具體仿真條件如下：光纜檢測的總周期數為4；單個周期內每根光纜至少被檢測1次；每個周期內設有數個必須進入的變電站站點。本文利用AMPL/Gurobi[5]軟件求解ILP規劃模型，并采用Java語言實現啟發式算法。

3.2 結果分析

(1)h值的影響

首先評估h值對于啟發式算法性能的影響，如圖2所示，本文比較了不同h值下啟發式算法的總入站站點數量。由圖可知，總入站站點數量隨著h值的增加而降低，當h值達到0.8時，總進站站點數量達到最低。再進一步增加h值，總入站站點數量反而增加了。這是因為，當h值較小時，每個站點的有效檢測光纜數會隨著站點進站次數的增加而急劇減少，不同站點的We值將變得非常接近。這導致進入的大量變電站站點并不能有效覆蓋未檢測的光纜纖芯，運維人員需要進入更多的變電站站點才能完成所有光纜的檢測。隨著h值的增加，不同變電站站點的We值差異明顯，更多覆蓋大量未檢測光纜的站點被優先選擇入站，從而有效減少了變電站站點入站數量。當h值為1時，在前T-1個周期內，覆蓋更多有效檢測光纜數的站點被選擇為入站站點。然而，為了確保每個變電站站點至少進入一次，在第T個周期內，將必須進入大量從未被進入的變電站站點，這將導致總進站站點數量的增加。

圖2 h值的影響Figure 2 The effect of h value

(2) 總入站站點數量

我們也比較了不同多周期光纜檢測規劃算法的性能，包括提出的ILP模型和啟發式算法(h值設為0.8)，以及用于對比的隨機算法。其中，隨機算法從所有站點中隨機選擇進入的站點，然后對其包含的光纜進行檢測，直到所有的光纜都被完成檢測。圖3所示為不同多周期光纜檢測規劃算法的總進站站點數量。圖中，“ILP”為ILP規劃模型的結果，“Random”和“Heuristic”分別為隨機算法和啟發式算法的結果。由圖可知，啟發式算法的總進站站點數量為83次，遠低于隨機算法的結果(119次)，降幅達到了30%。這是因為啟發式算法考慮了每個變電站站點的有效檢測光纜數量，最大程度地避免了進入的變電站站點存在大量已檢測光纜的情況，有效減少了需要進入的變電站數量。此外，啟發式算法的結果與ILP模型的結果一致，這再次證明了本文所提啟發式算法的高效性。

圖3 總入站站點數量Figure 3 Total number of inbound sites

(3) 單個站點入站次數

我們也比較了不同規劃算法下單個變電站的入站次數，如圖4所示。由圖可知，相比于隨機算法，啟發式算法能有效減少單個站點進站的次數。啟發式算法單站平均入站次數為2.31，而隨機算法的結果為3.31。這表明，經過所有周期，啟發式算法可以幫助運維人員少進入每個變電站站點一次，極大地節約了光纜檢測的人力和時間成本。這也是因為啟發式算法考慮了變電站站點有效檢測光纜數量，提高了選擇的變電站站點光纜檢測的效率。同時，我們也可看到啟發式算法和ILP模型的結果也基本一致(單站平均入站次數為2.31)，再次說明啟發式算法在解決多周期光纜檢測問題方面性能優異，能接近理論最優解。

圖4 單站入站次數Figure 4 Number of inbound single station

4 結束語

為保障電力網絡的高可靠運行，需要周期性地進入變電站站點檢測電力通信光纖網絡中的光纜纖芯。然而，變電站站點數量多、分布廣，這給電網運維人員進行光纜檢測帶來了巨大挑戰。本文對電力通信光纖網絡多周期光纜檢測展開了深入研究。以最小化總入站站點數量為目標，構建了一個ILP模型，并提出了一種基于有效檢測光纜數的啟發式算法。研究結果表明，提出的啟發式算法能減少30%的總入站站點數量和1次平均單站入站次數，有效節約了電力通信光纖網絡運維的人力和時間成本。此外，啟發式算法結果與ILP模型獲得的理論最優值基本一致，驗證了其高效性。