一种输电网感知层终端部署分析与规划方法及系统

1.本发明涉及电气工程领域，特别是关于一种输电网感知层终端部署分析与规划方法及系统。


背景技术：

2.输电网感知层是电力传感网的重要组成部分，负责全面感知终端和数据状态，具有点多、面广、类型多样、风险问题突出、场景复杂、投资巨大和运维问题等突出的特点，如何合理规划感知层网络，有效评估感知层试点建设项目，推进感知层的有序建设，实现感知层的方便运维，是当前感知层建设迫切需要解决的难题。但是，目前对于感知层网络部署规划的研究还缺乏完整的体系。
3.目前，感知层的终端部署等偏于人工经验，虽然针对输电线路在线监测、变电站电网设备在线监测、配电自动化终端等已经发布了配套的标准，但是在规划建设层面，还没有形成规范、有效的体系，具有一定的盲目性。感知层部署与应用需求、技术成熟度、电网运行风险、经济效益价值、运维管理和通信可得性等多维因素相关。因此，需要一种能够针对不同的应用场景对感知层建设进行有效指导的终端部署分析方法。


技术实现要素：

4.针对上述问题，本发明的目的是提供一种能够针对不同的应用场景对感知层建设进行有效指导的输电网感知层终端部署分析与规划方法及系统。
5.为实现上述目的，本发明采取以下技术方案：第一方面，提供一种输电网感知层终端部署分析与规划方法，包括：
6.对待规划区域内的电网设备进行风险评估，确定电网设备的总风险；
7.根据待规划区域内电网设备的总风险，建立感知层优化模型；
8.对构建的感知层优化模型进行分解协同优化，确定待规划区域的感知层部署方案。
9.进一步地，所述对待规划区域内的电网设备进行风险评估，确定电网设备的总风险，包括：
10.根据待规划区域内电网设备的状态评估结果和故障频率数据，确定电网设备故障率；
11.根据电网设备故障率和对应的检修成本，确定电网设备损失风险；
12.根据电网设备故障率、设备故障导致的失负荷总量和单位电能的损失成本，确定负荷损失风险；
13.根据电网设备损失风险和负荷损失风险，确定电网设备的总风险。
14.进一步地，所述根据待规划区域内电网设备的总风险，建立感知层优化模型，包括：
15.确定感知层优化模型的目标函数；
16.确定感知层优化模型的约束条件；
17.采用层次分析法，确定感知层优化模型内各目标函数的权重。
18.进一步地，所述感知层优化模型的目标函数包括成本函数、收益函数和风险函数；所述成本函数包括投资成本和运维成本，投资成本为：
[0019][0020]
其中，f
11
为投资成本；如果在位置候选点i部署传感器，则xi＝1，否则xi＝0；ni为感知层部署候选点总数；ci为在感知层部署候选点i部署传感器的建设费用；
[0021]
运维成本为：
[0022][0023]
其中，f
12
为运维成本；a
ur
为0-1变量，若待规划区域内第u个感知层电网设备与第r个感知层电网设备建立通信连接，则为1，反之则为0；r
ur
为第u个感知层电网设备与第r个感知层电网设备之间的通信距离；m为感知层电网设备总数；v
t
为第t年单位距离的通信成本；c为两个感知层电网设备之间通信的固有成本；t为感知层计划投运总年限；c
it
为第t年感知层部署候选点i部署传感器的运维成本；
[0024]
所述收益函数为：
[0025][0026]
其中，f
21
为收益函数，表示感知层部署方案对电网业务的支撑程度，其值越大说明部署方案越能支撑电网业务；y
iq
为业务-位置候选点关联矩阵；nq为电网业务总数；
[0027]
所述风险函数为：
[0028][0029]
其中，f3为风险函数，其值越大则感知层部署方案越有可能监控到电网设备故障状态，其值越小则感知层部署方案越有可能监控不到电网设备的故障；rb为电网设备b的总风险；nb为待规划区域内电网设备的总数；s
ib
为电网设备-传感器终端关联矩阵中的第i行第b列的数值。
[0030]
进一步地，所述感知层优化模型的约束条件包括成本约束和通信约束；
[0031]
所述成本约束，包括建设成本约束与运行成本约束：
[0032]
[0033][0034]
其中，ck为所允许的最大建设成本，cb为所允许的最大运维成本；
[0035]
所述通信约束为：
[0036]
0≤qv≤q
max
[0037][0038]
其中，q
max
为感知层设备每天能存储的最大数据总量；qv为第v个感知层电网设备每天接收的信息总量；j
max
为某种通讯方式下的最大允许连接数量。
[0039]
进一步地，所述采用层次分析法，确定感知层优化模型内各目标函数的权重，包括：
[0040]
对各目标函数值进行归一化；
[0041]
采用层次分析法，确定归一化后各目标函数值的权重。
[0042]
进一步地，所述采用层次分析法，确定归一化后各目标函数值的权重，包括：
[0043]
建立评价体系的层次结构，包括目标层和指标层，目标层为感知层建设的总体目标，指标层包括成本函数、收益函数和风险函数；
[0044]
对指标层的重要性进行两两比较，并建立两两比较判断矩阵；
[0045]
采用方根法，计算两两比较判断矩阵中各元素的权重，进而得到成本函数、收益函数和风险函数的权重。
[0046]
进一步地，所述对构建的感知层优化模型进行分解协同优化，确定待规划区域的感知层部署方案，包括：
[0047]
①
将构建的感知层优化模型分为规划层模型和运行层模型；
[0048]
②
调用求解器求解规划层模型，输出求解器得到的感知层部署方案与运行层模型目标函数的估计值，并将感知层部署方案与运行层模型目标函数的估计值发送至运行层模型；
[0049]
③
运行层模型根据感知层部署方案进行运行模拟，并对运行层模型目标函数的估计值进行评判，并将评判结果以约束条件的形式反馈至规划层模型；
[0050]
④
规划层模型根据运行层模型的评判结果，求解添加约束条件后的模型，得到修正后的感知层部署方案与运行层模型目标函数的估计值，并发送至运行层模型，进入步骤
③
，直到运行层模型不再向规划层模型提供反馈评判结果，迭代收敛，输出最终的感知层部署方案。
[0051]
第二方面，提供一种输电网感知层终端部署分析与规划系统，包括：
[0052]
风险评估模块，用于对待规划区域内的电网设备进行风险评估，确定电网设备的总风险；
[0053]
模型构建模块，用于根据待规划区域内电网设备的总风险，建立感知层优化模型；
[0054]
协同优化分解模块，用于对构建的感知层优化模型进行分解协同优化，确定待规划区域的感知层部署方案。
[0055]
第三方面，提供一种处理设备，包括计算机程序指令，其中，所述计算机程序指令被处理设备执行时用于实现上述输电网感知层终端部署分析与规划方法对应的步骤。
[0056]
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时用于实现上述输电网感知层终端部署分析与规划方法对应的步骤。
[0057]
本发明由于采取以上技术方案，其具有以下优点：
[0058]
1、采用本发明得到的感知层部署方案，能够权衡多个感知层建设指标(成本、收益、风险)，在最大化感知层建设收益的同时，限制建设成本与感知层风险。
[0059]
2、本发明中构建的感知层优化模型中包括成本函数、收益函数和风险函数，其中，风险函数可以有效表征感知层部署方案对电网高风险设备的覆盖程度，明确感知层的重点覆盖目标。
[0060]
3、本发明采用基于benders分解算法的分解协同求解方法对构建的模型进行求解，快速高效，具有良好的收敛特性。
[0061]
4、本发明可以有效指导感知层建设，避免出现为建而建或效益不达标的现象，使感知层能更好地适应泛在电力物联网业务发展，并节省感知层投资费用。
[0062]
综上所述，本发明可以广泛应用于电气工程领域中。
附图说明
[0063]
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
[0064]
图1是本发明一实施例提供的流程示意图；
[0065]
图2是本发明一实施例提供的多目标优化示意图；
[0066]
图3是本发明一实施例提供的业务-传感器关联矩阵示意图；
[0067]
图4是本发明一实施例提供的设备-传感器关联矩阵示意图；
[0068]
图5是本发明一实施例提供的输电网感知层部署优化框架示意图；
[0069]
图6是本发明一实施例提供的输电网感知层规划数学模型示意图；
[0070]
图7是本发明一实施例提供的两阶段协同优化方法示意图；
具体实施方式
[0071]
下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整地传达给本领域的技术人员。
[0072]
应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操
作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。
[0073]
本发明实施例提供的输电网感知层终端部署分析与规划方法及系统，建立综合考虑感知层终端部署风险、收益与成本的感知层优化模型，采用层析分析法确定感知层优化模型内各目标函数的权重，最后采用分解协同算法对模型进行求解，为输电网感知层终端设备规划部署提供理论支撑和辅助决策。本发明能够对感知层建设进行有效指导，合理部署感知层网络。
[0074]
实施例1
[0075]
如图1所示，本实施例提供一种输电网感知层终端部署分析与规划方法，包括以下步骤：
[0076]
1)对待规划区域内的电网设备进行风险评估，确定电网设备的总风险。
[0077]
具体地，电网设备的风险包括设备损失风险、人身环境风险、系统损失风险和社会风险四个独立风险。
[0078]
更具体地，电网设备的风险评估在电网设备状态评估后进行，本发明实施例对非正常状态的电网设备进行风险评估，以确定电网设备可能导致的风险，为状态检修决策提供依据。本步骤的具体过程为：
[0079]
1.1)根据待规划区域内电网设备的状态评估结果和故障频率数据，确定电网设备故障率p。
[0080]
1.2)根据电网设备故障率p和对应的检修成本，确定电网设备损失风险r1。
[0081]
1.3)根据电网设备故障率p、设备故障导致的失负荷总量l2和单位电能的损失成本l3，确定负荷损失风险r2。
[0082]
1.4)根据电网设备损失风险r1和负荷损失风险r2，确定电网设备的总风险r：
[0083]
r＝p
×
l1 p
×
l2×
l3ꢀꢀꢀ
(1)
[0084]
2)如图5所示，根据待规划区域内电网设备的总风险，建立感知层优化模型，包括目标函数和约束条件，具体为：
[0085]
2.1)确定感知层优化模型的目标函数。
[0086]
单一优化目标只能对规划方案的某一方面进行优化，而感知层终端部署方案的决策包括众多变量，需要在众多目标函数下进行优化，如图2所示，所以需要将描述感知层终端部署方案各方面性能的不同评价指标进行综合，得到感知层优化模型的目标函数。多目标优化在某些限制条件下，同时考虑两个及两个以上目标的优化问题，其目的是寻找一个在整个优化期间内综合效益最佳的优化方案。多目标优化相比单目标优化，在优化难度、优化时需考虑的约束条件等方面要复杂的多，所以多目标优化需要采用与单目标优化完全不同的规划方法。因此，可以采用多目标优化解法，多目标的线性组合，对目标函数f进行最小化：
[0087][0088]
其中，n为目标函数的个数(指标个数)；λj为第j个目标函数的权重；fj为第j个目标函数。
[0089]
更具体地，感知层优化模型的目标函数包括成本函数、收益函数和风险函数，其中：
[0090]
2.1.1)成本函数。
[0091]
感知层终端的等值投资成本分为两部分，第一部分为初期投资的智能终端购买成本，通常包括智能终端本体费用、安装费用和通信装置配置费用；第二部分为维护智能终端正常运行所需要的成本，运维成本主要包括设备运行阶段的能耗费用以及运维检修人员日常维护费用：
[0092][0093]
其中，f
11
为投资成本；如果在位置候选点i部署传感器，则xi＝1，否则xi＝0；ni为感知层部署候选点总数；ci为在感知层部署候选点i部署传感器的建设费用。
[0094]
感知层电网设备的运维成本为：
[0095][0096]
其中，f
12
为运维成本；a
ur
为0-1变量，若待规划区域内第u个感知层电网设备与第r个感知层电网设备建立通信连接，则为1，反之则为0；r
ur
为第u个感知层电网设备与第r个感知层电网设备之间的通信距离；m为感知层电网设备总数；v
t
为第t年单位距离的通信成本；c为两个感知层电网设备之间通信的固有成本；t为感知层计划投运总年限；c
it
为第t年感知层部署候选点i部署传感器的运维成本。
[0097]
2.1.2)收益函数。
[0098]
感知层的收益函数采用业务支撑度进行表示，业务支撑度为表征部署方案对电网业务的支撑程度，其值越大则表明感知层部署方案能支撑更多的电网业务。
[0099]
因此，考虑智能终端部署方案业务支撑度的目标函数f
21
为：
[0100][0101]
其中，f
21
为收益函数，表示感知层部署方案对电网业务的支撑程度，其值越大说明部署方案越能支撑电网业务；y
iq
为业务-位置候选点关联矩阵，如图3所示，如果在位置候选点i部署的传感器可以支撑业务q，则y
iq
＝1，否则，y
iq
＝0；nq为电网业务总数。
[0102]
输电网数据采集业务包括线路温度监测及动态增容、线路故障智能诊断与异常放电主动侦测、线路外绝缘状态感知预警、共享铁塔安全智能监测、微气象全域监测与辅助决策、雷电监测预警与智能决策。
[0103]
2.1.3)风险函数。
[0104]
2.1.3.1)建立电网设备-传感器终端关联矩阵s，如图4所示，若位置候选点i部署的传感器能够监控到电网设备b的状态，则s
ib
＝1，否则s
ib
＝0，其中，s
ib
为电网设备-传感器终端关联矩阵s中的第i行第b列的数值，其值反映了感知层部署候选点i部署的传感器对电网设备b的感知状态，只能取0和1两个值，0表示感知层部署候选点i部署的传感器不能监控到电网设备b的状态，1表示感知层部署候选点i部署的传感器能够监控到电网设备b的状态。
[0105]
2.1.3.2)感知层部署的目标之一是监控电网设备的状态，即使感知设备故障，降低电网设备故障损失。因此，根据建立的电网设备-传感器终端关联矩阵s，确定考虑电网设备风险的感知层部署目标函数f3为：
[0106]
[0107]
其中，f3为风险函数，其值越大则说明感知层部署方案越有可能监控到电网设备故障状态，其值越小则说明感知层部署方案越有可能监控不到电网设备的故障；rb为电网设备b的总风险；nb为待规划区域内电网设备的总数。
[0108]
2.2)确定感知层优化模型的约束条件，包括成本约束和通信约束。
[0109]
2.2.1)成本约束。
[0110]
在部署规划感知层网络时，会受到建设资金的限制，所以需要成本约束，包括建设成本约束与运行成本约束：
[0111][0112][0113]
其中，ck为所允许的最大建设成本，cb为所允许的最大运维成本。
[0114]
2.2.2)通信约束
[0115]
感知层终端在对电网数据进行采集后，需要将电网数据通过有线或无线的方式传输给边缘节点，在数据传输过程中的限制条件统称为数据传输约束。例如：有线或无线通讯都有其最大的传输距离、各终端的通信方式必须与边缘计算节点的通讯方式兼容。为保证感知层设备的正常数据采集工作，感知层设备之间的通信距离必须限制在一定范围内，否则会严重影响通信质量。且感知层设备的数据存储能力需满足如下约束：
[0116]
0≤qv≤q
max
ꢀꢀꢀ
(9)
[0117]
其中，q
max
为感知层设备每天能存储的最大数据总量；qv为第v个感知层电网设备每天接收的信息总量。
[0118]
感知层的通讯方式多种多样，但是每种通讯方式的连接数量有限，感知层设备与其他设备的连接数量不能超过某种通讯方式下的最大允许连接数量：
[0119][0120]
其中，j
max
为某种通讯方式下的最大允许连接数量。
[0121]
2.3)采用层次分析法，确定感知层优化模型内各目标函数的权重，具体为：
[0122]
2.3.1)对各目标函数值进行归一化。
[0123]
具体地，上述所有目标函数(即感知层优化模型内的成本函数、风险函数、收益函数)的类型各异，量纲各不相同，数值之间相差悬殊，因此需要对各目标函数值进行归一化，使得所有目标函数值具有统一的度量范围，而后再进行评估，得到合理的评估目标数值。
[0124]
2.3.2)采用层次分析法，确定归一化后各目标函数值的权重：
[0125]
2.3.2.1)建立评价体系的层次结构，包括目标层和指标层，目标层为感知层建设的总体目标，指标层包括成本函数、收益函数和风险函数。
[0126]
2.3.2.2)对指标层的重要性进行两两比较，并建立两两比较判断矩阵a。
[0127]
具体地，重要性比较时的衡量尺度包括五个级别，采用9、7、5、3和1分别表示特别重要、很重要、比较重要、稍微重要和同样重要，然后根据各指标专家打分的平均分建立判断矩阵a，a
eh
为判断矩阵a中的第e行第h列元素，a
eh
＝9表示第e个指标相比于第h个指标特别重要，a
eh
＝1表示第e个指标相比于第h个指标同样重要，a
eh
＝1/9表示第e个指标相比于第h个指标特别不重要，判断矩阵a中的各元素满足a
eh
＝1/a
he
的关系。
[0128]
2.3.2.3)采用方根法，计算两两比较判断矩阵a中各元素的权重，进而得到成本函
数、收益函数和风险函数的权重：
[0129]
a)两两比较判断矩阵a中的元素按行相乘得一新向量。
[0130]
b)将新向量的每一分量开n次方，n可以为3。
[0131]
c)将得到的向量进行归一化，得到成本函数、风险函数和收益函数的权重向量wk：
[0132][0133]
wk＝{w1,w2,w3}
ꢀꢀꢀ
(12)
[0134]
其中，wk为目标函数的权重；w1为成本函数的权重向量；w2为风险函数的权重向量；w3为收益函数的权重向量。
[0135]
3)对构建的感知层优化模型进行分解协同优化，确定待规划区域的感知层部署方案，具体为：
[0136]
具体地，如图6所示，本发明将构建的感知层优化模型分为规划层和运行层两个层面，并采用benders分解算法对规划层和运行层的感知层优化模型进行协同求解，将规划层视为benders分解算法的主问题，将运行层视为benders分解算法的子问题，如图7所示，具体求解过程为：
[0137]
3.1)调用求解器求解规划层模型，即benders分解算法中的主问题，输出求解器得到的感知层部署方案与运行层模型目标函数的估计值，并将感知层部署方案与运行层模型目标函数的估计值发送至运行层模型。
[0138]
具体地，规划层模型的目标函数包括风险函数和收益函数；运行层模型的目标函数为成本函数，约束条件为对应的成本约束。规划层模型考虑感知层建设的目标与约束，时间尺度为1；运行层模型考虑感知层运行的目标与约束，时间尺度为t。
[0139]
3.2)运行层模型根据感知层部署方案进行运行模拟，并对运行层模型目标函数的估计值进行评判，并将评判结果以约束条件的形式反馈至规划层模型。
[0140]
具体地，运行模拟和评判过程为：根据步骤3.1)求解得到的感知层部署方案与运行层模型目标函数的估计值带入至运行层模型进行求解，并获取运行层模型相关对偶变量的最优值，根据对偶变量的最优值形成一条针对的约束条件(benders割)，这个约束条件即为评判结果，将该约束条件返回至规划层模型，以指导规划层模型的进一步优化。
[0141]
3.3)规划层模型根据运行层模型的评判结果，求解添加约束条件后的模型，得到修正后的感知层部署方案与运行层模型目标函数的估计值，并发送至运行层模型，进入步骤3.2)，直到运行层模型不再向规划层模型反馈评判结果，迭代收敛，输出最终的感知层部署方案。
[0142]
实施例2
[0143]
本实施例提供一种输电网感知层终端部署分析与规划系统，包括：
[0144]
风险评估模块，用于对待规划区域内的电网设备进行风险评估，确定电网设备的总风险。
[0145]
模型构建模块，用于根据待规划区域内电网设备的总风险，建立感知层优化模型。
[0146]
协同优化分解模块，用于对构建的感知层优化模型进行分解协同优化，确定待规
划区域的感知层部署方案。
[0147]
实施例3
[0148]
本实施例提供一种与本实施例1所提供的输电网感知层终端部署分析与规划方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
[0149]
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在处理设备上运行的计算机程序，处理设备运行计算机程序时执行本实施例1所提供的输电网感知层终端部署分析与规划方法。
[0150]
在一些实现中，存储器可以是高速随机存取存储器(ram：random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0151]
在另一些实现中，处理器可以为中央处理器(cpu)、数字信号处理器(dsp)等各种类型通用处理器，在此不做限定。
[0152]
实施例4
[0153]
本实施例提供一种与本实施例1所提供的输电网感知层终端部署分析与规划方法对应的计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的输电网感知层终端部署分析与规划方法的计算机可读程序指令。
[0154]
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
[0155]
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。