一种基于边缘计算的电网线路优选方法及系统与流程

本发明涉及电网，尤其涉及一种基于边缘计算的电网线路优选方法及系统。

背景技术：

1、大数据环境下同步多通道数据多尺度分析方法展开，充分利用memd算法在多尺度分析方面的优势，研究在获取多传感器空间方位的先验知识的情况下，如何进行更有效的方向向量选择，以实现多元信号包网络面和局部均值更有效的估计，提高memd分解的精度，实现更有效的多元emd分解；目前的memd算法中普遍采用基于方向向量的方法，将局部均值的计算看作是所有的包络线沿着n维空间方向向量积分的一种估计，因此估计的准确性取决于方向向量选择。已有的方向向量选择算法(均匀角度坐标算法、低差异点集算法)只考虑了向量选择的均匀性，并未考虑任何先验知识。无法对多元信号的最优线路和局部均值有效地计算。

技术实现思路

1、本发明的目的在于提供一种基于边缘计算的电网线路优选方法及系统，以解决上述背景技术中存在的技术问题。

2、为实现上述目的，本发明的技术方案如下：

3、一种基于边缘计算的电网线路优选方法，具体包括以下步骤：

4、s1、在目标电网的若干个关键节点布置传感器；

5、s2、在目标电网的边缘节点处布置传感器收集器，若干个传感器通过通信线缆汇总至该传感器收集器；

6、s3、构建蚁群算法模型和遗传算法模型，利用蚁群算法模型在步骤一中的若干个关键节点中筛选出若干个第一待分配节点，若干个第一待分配节点连接形成第一优化路径；利用遗传算法模型在步骤一中的若干个关键节点中筛选出若干个第二待分配节点，若干个第二待分配节点连接形成第二优化路径；

7、s4、比较第一优化路径与第二优化路径，得出模型推荐最优线路；

8、s5、将最优线路、边缘节点收到的传感器信号与传感器总数的比例、告警数量以及特殊情况相结合，综合判定最优信号传递路线，输出信号传递路线最优选择结果。

9、进一步的，所述s1中的关键节点包括：电网的功率单元，每个功率单元处布置至少一个传感器，所述传感器用于获取与其对应功率单元的工作状态，所述传感器有异常和正常两种状态。

10、进一步的，所述s3中的蚁群算法模型的表达式如下：

11、

12、式中，表示第t代蚂蚁中第k只蚂蚁往节点i或节点j处走的概率；α表示信息素的重要程度；β表示启发因子的相对重要程度；nij表示启发因子；jk(i)表示蚂蚁k当期可以选择的节点；τij(t)表示第t代蚂蚁在i～j路径上的信息素；

13、其中，dij表示节点i到节点j的距离。

14、进一步的，当所有的蚂蚁完成一次迭代，则所经路径上的信息素进行迭代：

15、τij(t+1)＝(1-ρ)τij(t)+δτij；

16、

17、式中，τij(t+1)表示迭代至第t+1代蚂蚁在i～j这条路径上留下的信息素总和；表示第k只蚂蚁在i～j这条路径上留下的信息素；q表示一只蚂蚁一生所拥有的信息素；k表示蚂蚁编号；m表示蚂蚁数量；lk表示蚂蚁k走过的路径总距离。

18、进一步的，所述s3中的遗传算法模型的工作步骤如下；

19、s31、以任意关键节点为起点、边缘节点作为终点，采用非定长编码的方式初始化种群，根据先验知识，每个关键节点的下一跳节点从x个相邻节点中随机选出；

20、s32、对种群进行交叉处理，采用单点交叉，在两条染色体中，随机产生一个交叉位置，以概率pc进行交叉；

21、s33、对种群进行变异处理，在染色体中，以概率pm进行变异；

22、s34、种群根据设置的适应度函数选择适应度高及适应环境的能力更强的个体成为新的种群，判断迭代次数是否达到预设值，若达到则对已生成路径的节点进行标记，并作为第二待分配节点输出，若未达到则返回至s32。

23、进一步的，所述s31中，以任意关键节点为起点、边缘节点作为终点，采用非定长编码的方式初始化种群，根据先验知识，每个关键节点的下一跳节点从x个相邻节点中随机选出；

24、当电网中关键节点的总数量为0～100时，x＝9；当电网中关键节点的总数量为100～300时，x＝15；当电网中关键节点的总数量为300～1000时，x＝20。

25、进一步的，所述s32中pc的表达式如下：

26、

27、式中，pc表示遗传算法的交叉率；hmax表示种群的最大适应度值；hmin表示种群的最小适应度值；he表示种群的平均适应度值，h′表示要交叉的个体的适应度值；a和b为(0,1)区间内的常数值；

28、所述s33中pm的表达式如下：

29、

30、式中，pm表示遗传算法的变异率；hmax表示种群的最大适应度值；hmin表示种群的最小适应度值；he表示种群的平均适应度值，h表示要变异的个体的适应度值；c和d为区间(0,1)内的常数值。

31、进一步的，所述s34中的适应度函数具体为：

32、

33、

34、式中，ws表示剩余能量值的权重；wd表示关键节点zu和关键节点zu+1之间距离的权重；we表示消耗的能量值的权重；s(zu,zu+1)表示关键节点zu和关键节点zu+1剩余能量值的罚函数；d(zu,zu+1)表示关键节点zu和关键节点zu+1之间距离；e(zu,zu+1)表示关键节点zu和关键节点zu+1消耗的能量值；y表示路径中的关键节点数；e表示关键节点zu和关键节点zu+1的平均初始能量值；eu表示关键节点zu的剩余能量值；eu+1表示关键节点zu+1的剩余能量值。

35、进一步的，所述s5中的特殊情况具体包括以下：

36、情况一、传感器异常(存在告警数据)+模型推荐最优线路异常(存在告警数据)，边缘节点无法收到传感器数据(异常)；

37、情况二、传感器异常+模型推荐最优线路正常，边缘节点无法收到传感器数据(异常)；

38、情况三、传感器正常+模型推荐最优线路异常，边缘节点无法收到传感器数据(异常)，则无故障次优线路为最优线路；

39、情况四、传感器正常+模型推荐最优线路正常，边缘节点取蚁群算法和遗传算法中较短线路(正常)。

40、一种基于边缘计算的电网线路优选系统，包括：

41、若干个传感器，布置在目标电网的关键节点处；

42、传感器收集器。布置在目标电网的边缘节点处，若干个传感器通过通信线缆连接传感器收集器；

43、第一模型构建单元，用于构建蚁群算法模型，利用蚁群算法模型在步骤一中的若干个关键节点中筛选出若干个第一待分配节点，若干个第一待分配节点连接形成第一优化路径；

44、第二模型构建单元，用于构建遗传算法模型，利用遗传算法模型在步骤一中的若干个关键节点中筛选出若干个第二待分配节点，若干个第二待分配节点连接形成第二优化路径；

45、比较模块，用于比较第一优化路径与第二优化路径，得出模型推荐最优线路；

46、输出模块，将最优线路、边缘节点收到的传感器信号与传感器总数的比例、告警数量以及特殊情况相结合，综合判定最优信号传递路线，输出信号传递路线最优选择结果。

47、与现有技术相比，本发明的有益效果是：

48、本发明通过多传感器获取电网中多传感空间方位信息、区域体积和采样点数量，并采用多传感方位的方向向量选择方法来解决电网中方向向量选择不均匀的问题；实现多元信号包络面和局部均值更有效的估计，提高memd分解的精度，实现更有效的多元emd分解。