CN107248926B - 一种面向多目标的epon规划方法 - Google Patents
一种面向多目标的epon规划方法 Download PDFInfo
- Publication number
- CN107248926B CN107248926B CN201710299223.6A CN201710299223A CN107248926B CN 107248926 B CN107248926 B CN 107248926B CN 201710299223 A CN201710299223 A CN 201710299223A CN 107248926 B CN107248926 B CN 107248926B
- Authority
- CN
- China
- Prior art keywords
- network
- scheme
- station
- planning
- stations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向多目标的EPON规划方法,通过构造成本模型、可靠性模型和平均时延模型,并进行最优化模型的求解,以实现网络成本和可靠性的优化。仿真结果表明,该方法能有效解决多目标的OLT规划问题,并具有良好的适应性。
Description
技术领域
本发明涉及一种EPON规划方法,特别是一种面向多目标的EPON规划方法。
背景技术
为配用电通信网中一种重要的光纤接入技术,EPON的规划优化成为研究的重点。EPON中的OLT负责配电侧和上层数据网络之间的信息交互,其数量和位置对网络可靠性和经济性有重要影响。因此,合理规划部署OLT是建设经济可靠的EPON的关键。
专利号为CN102307357A的《一种网络规划方法及***》的专利,其公开了一种网络规划的方法及***,其特征对现有网络的路测数据信息进行预处理,得到网络规划所需的网络参数信息。根据所述可行解利用禁忌搜索算法、模拟退火算法或蚁群算法得到网络规划方案的最终解。模拟退火算法虽具有摆脱局部最优解的能力,能够以随机搜索技术从概率的意义上找出目标函数的全局最小点。但是,由于模拟退火算法对整个搜索空间的状况了解不多,不便于使搜索过程进入最有希望的搜索区域,使得模拟退火算法的运算效率不高。模拟退火算法对参数(如初始温度)的依赖性较强,且进化速度慢。
专利号为CN102981099A的《基于遗传算法的配电网单相接地故障定位方法及定位装置》的专利2,公开了一种基于遗传算法的配电网单相接地故障定位方法及定位装置。该定位方法充分利用了零序电流暂态分量,通过小波变换提取零序电流的准确相位信息,并利用具有出色全局寻优能力的遗传算法来搜寻故障区段。但是该方法适用的场景有限,而且实现起来较复杂,实时处理工作量大大增加,负担和代价较大。
专利号为CN105025497A的《一种网络规划方法及***》的专利3,公开了一种网络规划方法及***,该发明的关键是根据每个基站的特征参数,将具有相同地理经纬度信息的基站划分至同一站址;根据每个站址的地理经纬度信息,将站址之间的地理经纬度差值在预设范围内的站址划分为一个基站簇。用以解决无线网络进行网络规划时造成网络资源浪费的问题。但该方法需要计算的数据众多,具体案例的决策方式需要具体分析,缺少算法限定,规划目标较为单一。
发明内容
本发明的目的在于克服现有技术的不足之处,而提供一种在保证EPON可靠性和接入容量限制的基础上,可以最大限度的节省经济成本,进而实现建设高效、经济的一种面向多目标的EPON规划方法。
一种面向多目标的EPON规划方法,第一:建立模型,首先根据规划过程中的指标建立相对应的数学模型,包括建设成本、网络平均时延两个目标函数模型,网络可靠性、和接入容量限制两个限制条件;第二:基于遗传算法的规划过程,(1):首先给出一种OLT规划方案,方案经过编码后通过进入到算法;
(2):计算该方案的网络可靠性指标值和接入容量,若该方案满足预设的限制条件,则该方案通过,并得到该方案的建设成本和网络时延的加权和,进入第四步;若方案不满足限制条件,则进入第三步;
(3):该不满足限制条件的方案经过遗传和变异产生新的方案,继续重复步骤2,直到产生符合限制条件的方案;
(4).通过算法本身的特性,最终得出在满足限制条件下的规划方案,并使得成本和时延最低。
第三:得出最优方案,根据实际不同的要求设定不同的限制条件,通过遗传算法可得出不同限制条件下的最优规划方案。
(一)网络建设成本模型:网络成本同时考虑OLT站点的建设费用和EPON线缆的铺设费用,则线路的成本为
Ci=d1·l (1)
其中:C1为网络线缆建设成本;d1为单位长度的线缆建设成本;l为EPON线缆的建设长度。线缆长度取决于CP站点的位置和数目,这里采取聚类的方法,即每一个EN站点接入到距离最近的CP站点,则建设线路总长度为
其中,lij为第i个EN站点接入到第j个CP站点的长度;eij为0-1变量,即
站点建设成本为
C2=M·d2 (4)
其中,d2为CP站点安装成本。
所以,总的建设成本模型为
C=C1+C2
(二)网络可靠性模型:EPON中EN终端到CP的路由为固定的单路由,一个完整的网络中包含N个EN终端,也就是有N条路由。CP站点越多,单个CP站点平均接入的EN站点相对较少,单个CP故障影响的EN就会越少,网络的稳定性也会相应提高。
单个链路li的可靠性为
其中,tw为链路的正常工作时间,tall为总时间。
网络的可靠性平均值,网络平均可靠性为
网络的可靠性是网络规划优化的一项重要指标。基于可靠性的网络规划优化是在满足给定的可靠性限制条件下,建设经济性最好的网络。EPON的可靠性分为网络平均可靠性和单个链路可靠性。
(三)网络平均时延模型:第i条链路端到端时延Ti可表示为
其中li为第i条链路的光纤长度,c为光速。所以网络的平均时延为
(四)接入容量限制:终端EN的接入数量与CP数量、分光等级和分光比有关[6]。安装的CP站点必须保证可接入所有的EN终端站点。为了简化,本文假设将ODN放置在CP站点中。EPON一般情况下多采用二级分光,只有在少数偏远地区和用户分布较为分散的情况下采取三级或者三级以上的分光等级。
单个CP站点可以通过多个ODN网络接入多个EN站点,若第i个CP站点接入EN站点的个数为Qi,为避免单个CP站点接入过多EN站点而引起的排队时延,每一个CP站点接入的EN站点数量限制为
其中,q表示单个CP站点接入上限。
并且,网络规划中还要保证安装的CP站点必须覆盖全部的EN站点,即
因此,基于以上分析及建模,可以得到面向多目标多约束条件的最优化数学模型,在不同场景中可以采取不同的目标策略,进而选择适合该场景的算法进行求解,最终得到最优的OLT选址部署方案。
基于遗传算法的具体规划过程为:Step 1:初始化种群,采用二进制编码,第一步是把网络中节点进行编号并且排序,第二部是按照这个顺序将每个节点当作染色体的一个基因,当基因值为1时,表示该节点被选为建设为OLT的CP节点;
Step 3:染色体进行交叉和变异;
Step 4:计算染色体适应度并选择染色体。选择算子采用正比于染色体适应度的算子,式中Q(sv)是染色体sv的选择概率。根据问题域中染色体的适应度大小选择染色体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群;
Step 5:若收敛,则算法结束;若不收敛,重复上述交叉和变异过剩,计算新的种群。
综上所述的,本发明相比现有技术如下优点:
本发明的面向多目标的EPON规划方法首先基于站点的建设成本和光纤费用,采用聚类的方法构造了经济成本模型。然后基于可靠性理论,建立EPON通信链路可靠性模型和网络可靠性模型,并构建了网络平均时延模型以及接入容量模型。基于上述模型,建立了面向多优化目标、多约束条件的OLT站点规划模型。最后,使用遗传算法对该最优化问题进行求解分析。通过仿真表明,该方法在保证EPON可靠性和接入容量限制的基础上,可以最大限度的节省经济成本,进而实现建设高效、经济的EPON。
附图说明
图1是本发明的算法流程示意图。
具体实施方式
下面结合实施例对本发明进行更详细的描述。
实施例1
一种面向多目标的EPON规划方法,第一:建立模型,首先根据规划过程中的指标建立相对应的数学模型,包括建设成本、网络平均时延两个目标函数模型,网络可靠性、和接入容量限制两个限制条件;第二:基于遗传算法的规划过程,(1):首先给出一种OLT规划方案,方案经过编码后通过进入到算法;
(2):计算该方案的网络可靠性指标值和接入容量,若该方案满足预设的限制条件,则该方案通过,并得到该方案的建设成本和网络时延的加权和,进入第四步;若方案不满足限制条件,则进入第三步;
(3):该不满足限制条件的方案经过遗传和变异产生新的方案,继续重复步骤2,直到产生符合限制条件的方案;
(4).通过算法本身的特性,最终得出在满足限制条件下的规划方案,并使得成本和时延最低。
第三:得出最优方案,根据实际不同的要求设定不同的限制条件,通过遗传算法可得出不同限制条件下的最优规划方案。
其中:
1.模型介绍
(1)网络成本模型:网络成本同时考虑OLT站点的建设费用和EPON线缆的铺设费用,则线路的成本为
C1=d1·l (12)
其中:C1为网络线缆建设成本;d1为单位长度的线缆建设成本;l为EPON线缆的建设长度。线缆长度取决于CP站点的位置和数目,这里采取聚类的方法,即每一个EN站点接入到距离最近的CP站点,则建设线路总长度为
其中,lij为第i个EN站点接入到第j个CP站点的长度;eij为0-1变量,即
站点建设成本为
C2=M·d2 (15)
其中,d2为CP站点安装成本。
所以,总的建设成本模型为
C=C1+C2 (16)
(2)网络可靠性模型:网络的可靠性是网络规划优化的一项重要指标。基于可靠性的网络规划优化是在满足给定的可靠性限制条件下,建设经济性最好的网络。EPON的可靠性分为网络平均可靠性和单个链路可靠性。EPON中EN终端到CP的路由为固定的单路由,一个完整的网络中包含N个EN终端,也就是有N条路由。CP站点越多,单个CP站点平均接入的EN站点相对较少,单个CP故障影响的EN就会越少,网络的稳定性也会相应提高。
单个链路li的可靠性为
其中,tw为链路的正常工作时间,tall为总时间。
网络的可靠性平均值,网络平均可靠性为
(3)网络平均时延模型:第i条链路端到端时延Ti可表示为
其中li为第i条链路的光纤长度,c为光速。所以网络的平均时延为
(4)接入容量限制:终端EN的接入数量与CP数量、分光等级和分光比有关[6]。安装的CP站点必须保证可接入所有的EN终端站点。为了简化,本文假设将ODN放置在CP站点中。EPON一般情况下多采用二级分光,只有在少数偏远地区和用户分布较为分散的情况下采取三级或者三级以上的分光等级。
单个CP站点可以通过多个ODN网络接入多个EN站点,若第i个CP站点接入EN站点的个数为Qi,为避免单个CP站点接入过多EN站点而引起的排队时延,每一个CP站点接入的EN站点数量限制为
其中,q表示单个CP站点接入上限。
并且,网络规划中还要保证安装的CP站点必须覆盖全部的EN站点,即
因此,基于以上分析及建模,可以得到面向多目标多约束条件的最优化数学模型,在不同场景中可以采取不同的目标策略,进而选择适合该场景的算法进行求解,最终得到最优的OLT选址部署方案。
2.算法流程
遗传算法是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由经过基因编码的一定数目的染色体组成。在算法实现过程中,首先需要进行染色体编码,在产生初代种群之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一次迭代过程中,根据问题域中染色体的适应度大小选择染色体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境,末代种群中的最优个体经过解码,可作为问题近似最优解。其流程图如图1。
Step 1:初始化种群。采用二进制编码,第一步是把网络中节点进行编号并且排序,第二部是按照这个顺序将每个节点当作染色体的一个基因,当基因值为1时,表示该节点被选为建设为OLT的CP节点。
Step 3:染色体进行交叉和变异。
Step 4:计算染色体适应度并选择染色体。选择算子采用正比于染色体适应度的算子,式中Q(sv)是染色体sv的选择概率。根据问题域中染色体的适应度大小选择染色体,并借助于自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集的种群。
Step 5:若收敛,则算法结束;若不收敛,重复上述交叉和变异过剩,计算新的种群。
本实施例未述部分与现有技术相同。
Claims (1)
1.一种面向多目标的EPON规划方法,其特征在于,具体步骤为:第一:建立模型,首先根据规划过程中的指标建立相对应的数学模型,包括建设成本、网络平均时延两个目标函数模型,网络可靠性、和接入容量限制两个限制条件;第二:基于遗传算法的规划过程,(1):首先给出一种OLT规划方案,方案经过编码后通过进入到算法;
(2):计算该方案的网络可靠性指标值和接入容量,若该方案满足预设的限制条件,则该方案通过,并得到该方案的建设成本和网络时延的加权和,进入第四步;若方案不满足限制条件,则进入第三步;
(3):该不满足限制条件的方案经过遗传和变异产生新的方案,继续重复步骤(2),直到产生符合限制条件的方案;
(4).通过算法本身的特性,最终得出在满足限制条件下的规划方案,并使得成本和时延最低;
第三:得出最优方案,根据实际不同的要求设定不同的限制条件,通过遗传算法可得出不同限制条件下的最优规划方案;
网络建设成本模型为:网络成本同时考虑OLT站点的建设费用和EPON线缆的铺设费用,则线路的成本为
C1=d1·l (1)
其中:C1为网络线缆建设成本;d1为单位长度的线缆建设成本;l为EPON线缆的建设长度,线缆长度取决于CP站点的位置和数目,这里采取聚类的方法,即每一个EN站点接入到距离最近的CP站点,则建设线路总长度为
其中,lij为第i个EN站点接入到第j个CP站点的长度;eij为0-1变量,即
站点建设成本为
C2=M·d2 (4)
其中,d2为CP站点安装成本,
所以,总的建设成本模型为,
C=C1+C2,
网络可靠性模型为:EPON中EN终端到CP的路由为固定的单路由,一个完整的网络中包含N个EN终端,也就是有N条路由,CP站点越多,单个CP站点平均接入的EN站点相对较少,单个CP故障影响的EN就会越少,网络的稳定性也会相应提高,
单个链路li的可靠性为
其中,tw为链路的正常工作时间,tall为总时间,
网络的可靠性平均值,网络平均可靠性为
网络平均时延模型为:第i条链路端到端时延Ti可表示为
其中li为第i条链路的光纤长度,c为光速,所以网络的平均时延为
接入容量限制:假设将ODN放置在CP站点中,单个CP站点可以通过多个ODN网络接入多个EN站点,若第i个CP站点接入EN站点的个数为Qi,为避免单个CP站点接入过多EN站点而引起的排队时延,每一个CP站点接入的EN站点数量限制为
其中,q表示单个CP站点接入上限,
并且,网络规划中还要保证安装的CP站点必须覆盖全部的EN站点,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710299223.6A CN107248926B (zh) | 2017-05-02 | 2017-05-02 | 一种面向多目标的epon规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710299223.6A CN107248926B (zh) | 2017-05-02 | 2017-05-02 | 一种面向多目标的epon规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107248926A CN107248926A (zh) | 2017-10-13 |
CN107248926B true CN107248926B (zh) | 2023-04-25 |
Family
ID=60016464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710299223.6A Active CN107248926B (zh) | 2017-05-02 | 2017-05-02 | 一种面向多目标的epon规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107248926B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769843B (zh) * | 2018-05-31 | 2020-11-10 | 国家电网公司信息通信分公司 | 一种电力光纤入户的epon网络优化方法及*** |
CN109040864B (zh) * | 2018-07-09 | 2020-05-29 | 北京邮电大学 | 基于多种场景的电力光纤到户网络规划方案确定方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1548608A2 (en) * | 2003-12-24 | 2005-06-29 | Yamaha Hatsudoki Kabushiki Kaisha | Multiobjective optimization |
JP2010273346A (ja) * | 2003-01-22 | 2010-12-02 | Wireless Valley Communications Inc | 無線通信システム、及び無線通信方法 |
CN102868451A (zh) * | 2012-08-25 | 2013-01-09 | 江西省电力科学研究院 | 一种电力***光通信网络多目标优化规划的方法 |
CN103049799A (zh) * | 2012-12-10 | 2013-04-17 | 河海大学 | 一种基于多目标优化的电网规划设计方法 |
CN105809297A (zh) * | 2016-05-18 | 2016-07-27 | 西南石油大学 | 一种基于多目标差分进化算法的火电厂环境经济调度方法 |
CN105976063A (zh) * | 2016-05-18 | 2016-09-28 | 天津大学 | 一种多目标的区域多微网结构和容量优化规划方法 |
CN106326987A (zh) * | 2015-06-16 | 2017-01-11 | 富士通株式会社 | 多目标优化方法和装置 |
-
2017
- 2017-05-02 CN CN201710299223.6A patent/CN107248926B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010273346A (ja) * | 2003-01-22 | 2010-12-02 | Wireless Valley Communications Inc | 無線通信システム、及び無線通信方法 |
EP1548608A2 (en) * | 2003-12-24 | 2005-06-29 | Yamaha Hatsudoki Kabushiki Kaisha | Multiobjective optimization |
CN102868451A (zh) * | 2012-08-25 | 2013-01-09 | 江西省电力科学研究院 | 一种电力***光通信网络多目标优化规划的方法 |
CN103049799A (zh) * | 2012-12-10 | 2013-04-17 | 河海大学 | 一种基于多目标优化的电网规划设计方法 |
CN106326987A (zh) * | 2015-06-16 | 2017-01-11 | 富士通株式会社 | 多目标优化方法和装置 |
CN105809297A (zh) * | 2016-05-18 | 2016-07-27 | 西南石油大学 | 一种基于多目标差分进化算法的火电厂环境经济调度方法 |
CN105976063A (zh) * | 2016-05-18 | 2016-09-28 | 天津大学 | 一种多目标的区域多微网结构和容量优化规划方法 |
Non-Patent Citations (2)
Title |
---|
Wang Xueshun等."An Improved Multiple Objectives Optimization of QoS Routing Algorithm Base on Genetic Algorithm".《IEEE》.2009,全文. * |
石悦 ; 邱雪松 ; 郭少勇 ; 亓峰 ; ."基于改进遗传算法的电力光传输网规划方法".通信学报.2016,(01),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN107248926A (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hamida et al. | Optimal network reconfiguration and renewable DG integration considering time sequence variation in load and DGs | |
CN110619454B (zh) | 一种基于改进遗传算法和prim算法的配电网规划方法 | |
CN110348048B (zh) | 基于考虑热岛效应负荷预测的配电网优化重构方法 | |
CN110504705B (zh) | 一种海上风电集群电气***规划方法 | |
CN108880886B (zh) | 一种跨区域电力***保护通信网规划方法 | |
CN109040864B (zh) | 基于多种场景的电力光纤到户网络规划方案确定方法 | |
CN107248926B (zh) | 一种面向多目标的epon规划方法 | |
CN112531655B (zh) | 一种配网馈线分段开关的快速优化配置方法及*** | |
CN108769843B (zh) | 一种电力光纤入户的epon网络优化方法及*** | |
CN111222649A (zh) | 一种配电网自愈能力提升规划方法 | |
CN116546521A (zh) | 一种基于数字孪生技术的移动通信网络覆盖优化方法 | |
CN112990637A (zh) | 一种应用于配电网的多元协调规划方法 | |
CN110290001B (zh) | 电力通信网的单链结构优化方法、装置及设备 | |
Sathe et al. | Optimizing location and relocation of response units in guarding critical facilities | |
CN108493908B (zh) | 一种考虑通信约束的区域保护分区方法 | |
CN111083577B (zh) | 一种电力通信拓扑结构优化方法 | |
CN113868812A (zh) | 一种基于智能蚁群算法的中压配电网电缆路径规划方法 | |
CN107911763B (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
CN116187723A (zh) | 应用于配电线路降损场景下的资源调度方法及装置 | |
CN114336638B (zh) | 一种基于冒泡模型的中压有源配电网动态重构方法 | |
CN115239178A (zh) | 农村低压台区分布式光伏选址定容方法、***及介质 | |
CN112488343B (zh) | 一种基于超启发式算法的智慧城市智能感知终端选址方法 | |
CN110392409B (zh) | 基于配电通信网的WMSNs多路径QoS路由方法、***及存储介质 | |
CN111027738A (zh) | 一种基于遗传算法的电力通信光缆敷设优化方法 | |
Elroby et al. | Generalized optimal placement of PMUs considering power system observability, communication infrastructure, and quality of service requirements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |