高 麗，周佳琪，林勛惠，李泳成

(1.國網(wǎng)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(xué) 電子信息學(xué)院，江蘇 蘇州 215006)

0 引 言

為滿足經(jīng)濟與社會發(fā)展需求，我國正大力推進智能電網(wǎng)建設(shè)，以實現(xiàn)智能化、信息化和自動化的電力網(wǎng)絡(luò)運營。在“十三五”期間，我國共建設(shè)了超過8 000座智能變電站，并安裝了大量智能設(shè)備，這導(dǎo)致電力通信容量需求急劇增長[1]。為應(yīng)對這一挑戰(zhàn)，具有大容量、低時延和低能耗優(yōu)勢的光纖網(wǎng)絡(luò)成為了電力通信的主要承載網(wǎng)絡(luò)[2]。在電力通信光纖網(wǎng)絡(luò)中，需要定期開展光纜纖芯測試，以保障新業(yè)務(wù)接入和重要業(yè)務(wù)故障迂回等需求。目前，光纜纖芯檢測主要是通過電網(wǎng)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(guī)模不斷增長，運維人員需要進入的變電站站點數(shù)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(zhàn)，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(wǎng)絡(luò)中光纜纖芯檢測進行合理和高效的規(guī)劃十分重要且必要。本文針對電力通信光纖網(wǎng)絡(luò)多周期光纜檢測問題展開了研究，以最小化總?cè)胝菊军c數(shù)量為目標(biāo)，構(gòu)建了整數(shù)線性規(guī)劃(Integer Linear Programing，ILP)模型，并提出了一個基于有效檢測光纜數(shù)的啟發(fā)式算法。仿真結(jié)果表明，本文所提啟發(fā)式算法與ILP模型結(jié)果基本一致，能有效減少需要進入的變電站站點數(shù)量。

1 電力通信光纖網(wǎng)絡(luò)多周期光纜檢測

1.1 問題定義

在電力通信光纖網(wǎng)絡(luò)中，每個變電站就是一個通信節(jié)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(cè)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(shè)一個光纖網(wǎng)絡(luò)由6個節(jié)點(變電站)、9個鏈路(光纜)組成。現(xiàn)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(shù)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(shù)為4。

圖1 光纖網(wǎng)絡(luò)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(shù)量存在差異，相應(yīng)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(jié)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(wǎng)絡(luò)多周期運維的實際需求出發(fā)，考慮了一個電力通信光纖網(wǎng)絡(luò)多周期光纜檢測問題，并做出如下假設(shè)：(1) 電力通信光纖網(wǎng)絡(luò)運維分為多個周期進行；(2) 每個周期內(nèi)需要對網(wǎng)絡(luò)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(nèi)，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?cè)胝菊军c數(shù)量為目標(biāo)，構(gòu)建了一個ILP模型。該模型的集合、參數(shù)、變量、優(yōu)化目標(biāo)及約束條件描述如下:

集合

N: 電力通信光纖網(wǎng)絡(luò)中變電站站點的集合。

L: 電力通信光纖網(wǎng)絡(luò)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(wǎng)絡(luò)光纜檢測周期的集合。

Mt: 電力通信光纖網(wǎng)絡(luò)在周期t內(nèi)必須進入的變電站站點集合，t∈T。

參數(shù)

變量

優(yōu)化目標(biāo)

約束條件

在每個周期內(nèi)，光纖網(wǎng)絡(luò)中所有的光纜都進行了檢測。

對每個周期內(nèi)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(fā)式算法

隨著智能電網(wǎng)建設(shè)規(guī)模的不斷擴大，整個電力通信光纖網(wǎng)絡(luò)的節(jié)點和鏈路數(shù)量也將快速增長，這將極大地增加采用ILP規(guī)劃模型求解電力通信光纖網(wǎng)絡(luò)多周期光纜檢測規(guī)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(shù)的啟發(fā)式算法，具體步驟如下：

步驟1：給定電力通信光纖網(wǎng)絡(luò)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(shù)為T。令當(dāng)前周期數(shù)t=1。

步驟2：設(shè)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(shè)為Fe,計算每個變電站e的有效檢測光纜數(shù)We。

步驟3：令t=t+1，如果t>T,則終止；反之，返回步驟2。

3 結(jié)果與性能分析

3.1 測試條件

本文采用揚州電網(wǎng)的變電站拓?fù)湓u估提出的多周期光纜檢測規(guī)劃算法的性能。該測試拓?fù)浒?6個節(jié)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(shù)為4；單個周期內(nèi)每根光纜至少被檢測1次；每個周期內(nèi)設(shè)有數(shù)個必須進入的變電站站點。本文利用AMPL/Gurobi[5]軟件求解ILP規(guī)劃模型，并采用Java語言實現(xiàn)啟發(fā)式算法。

3.2 結(jié)果分析

(1)h值的影響

首先評估h值對于啟發(fā)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(fā)式算法的總?cè)胝菊军c數(shù)量。由圖可知，總?cè)胝菊军c數(shù)量隨著h值的增加而降低，當(dāng)h值達(dá)到0.8時，總進站站點數(shù)量達(dá)到最低。再進一步增加h值，總?cè)胝菊军c數(shù)量反而增加了。這是因為，當(dāng)h值較小時，每個站點的有效檢測光纜數(shù)會隨著站點進站次數(shù)的增加而急劇減少，不同站點的We值將變得非常接近。這導(dǎo)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(yōu)先選擇入站，從而有效減少了變電站站點入站數(shù)量。當(dāng)h值為1時，在前T-1個周期內(nèi)，覆蓋更多有效檢測光纜數(shù)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(nèi)，將必須進入大量從未被進入的變電站站點，這將導(dǎo)致總進站站點數(shù)量的增加。

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

(2) 總?cè)胝菊军c數(shù)量

我們也比較了不同多周期光纜檢測規(guī)劃算法的性能，包括提出的ILP模型和啟發(fā)式算法(h值設(shè)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(guī)劃算法的總進站站點數(shù)量。圖中，“ILP”為ILP規(guī)劃模型的結(jié)果，“Random”和“Heuristic”分別為隨機算法和啟發(fā)式算法的結(jié)果。由圖可知，啟發(fā)式算法的總進站站點數(shù)量為83次，遠(yuǎn)低于隨機算法的結(jié)果(119次)，降幅達(dá)到了30%。這是因為啟發(fā)式算法考慮了每個變電站站點的有效檢測光纜數(shù)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(shù)量。此外，啟發(fā)式算法的結(jié)果與ILP模型的結(jié)果一致，這再次證明了本文所提啟發(fā)式算法的高效性。

圖3 總?cè)胝菊军c數(shù)量Figure 3 Total number of inbound sites

(3) 單個站點入站次數(shù)

我們也比較了不同規(guī)劃算法下單個變電站的入站次數(shù)，如圖4所示。由圖可知，相比于隨機算法，啟發(fā)式算法能有效減少單個站點進站的次數(shù)。啟發(fā)式算法單站平均入站次數(shù)為2.31，而隨機算法的結(jié)果為3.31。這表明，經(jīng)過所有周期，啟發(fā)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(jié)約了光纜檢測的人力和時間成本。這也是因為啟發(fā)式算法考慮了變電站站點有效檢測光纜數(shù)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(fā)式算法和ILP模型的結(jié)果也基本一致(單站平均入站次數(shù)為2.31)，再次說明啟發(fā)式算法在解決多周期光纜檢測問題方面性能優(yōu)異，能接近理論最優(yōu)解。

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

4 結(jié)束語

為保障電力網(wǎng)絡(luò)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(wǎng)絡(luò)中的光纜纖芯。然而，變電站站點數(shù)量多、分布廣，這給電網(wǎng)運維人員進行光纜檢測帶來了巨大挑戰(zhàn)。本文對電力通信光纖網(wǎng)絡(luò)多周期光纜檢測展開了深入研究。以最小化總?cè)胝菊军c數(shù)量為目標(biāo)，構(gòu)建了一個ILP模型，并提出了一種基于有效檢測光纜數(shù)的啟發(fā)式算法。研究結(jié)果表明，提出的啟發(fā)式算法能減少30%的總?cè)胝菊军c數(shù)量和1次平均單站入站次數(shù)，有效節(jié)約了電力通信光纖網(wǎng)絡(luò)運維的人力和時間成本。此外，啟發(fā)式算法結(jié)果與ILP模型獲得的理論最優(yōu)值基本一致，驗證了其高效性。