基于智能光網(wǎng)絡(luò)系統(tǒng)的配用電業(yè)務(wù)承載方案研究

楊鴻珍，趙建朋，范 超，劉俊毅，由奇林，董亞文

（1.國(guó)網(wǎng)浙江省電力有限公司信息通信分公司，杭州 310007；2.國(guó)網(wǎng)信息通信產(chǎn)業(yè)集團(tuán)安徽繼遠(yuǎn)軟件有限公司，合肥 230088）

0 引言

近年來，隨著分布式電源、微電網(wǎng)、智能用電、電動(dòng)汽車等業(yè)務(wù)的快速發(fā)展，配電網(wǎng)功能和形態(tài)發(fā)生顯著變化[1]。配電網(wǎng)成為有源電網(wǎng)，潮流雙向流動(dòng)，負(fù)荷也主動(dòng)參與電網(wǎng)調(diào)節(jié)，這使得電網(wǎng)與用戶之間建立了雙向互動(dòng)的能源流和信息流。作為承載配電網(wǎng)各類業(yè)務(wù)的通信基礎(chǔ)設(shè)施，配電通信系統(tǒng)的穩(wěn)定性、安全性、自愈性越發(fā)顯得重要[2-3]。

配電通信系統(tǒng)主要分為骨干層與接入層，骨干層通信網(wǎng)絡(luò)為配電主站與子站之間的通信通道，而接入層通信網(wǎng)絡(luò)則是從配電主站至配電終端的通信接入通道。通信骨干層原則上采用光纖專網(wǎng)，而接入層網(wǎng)絡(luò)因地制宜，可綜合采用光纖專網(wǎng)、無線專網(wǎng)、中低壓電力線載波、無線公網(wǎng)等多種方式[4]。

隨著供電可靠性要求不斷提高，國(guó)網(wǎng)公司提出建設(shè)泛在電力物聯(lián)網(wǎng)，增加末端信息采集的頻度和廣度，強(qiáng)化配電網(wǎng)自愈保護(hù)能力，因此大量高頻采集、保護(hù)以及計(jì)算機(jī)視覺業(yè)務(wù)將依賴通信網(wǎng)絡(luò)的傳輸。業(yè)務(wù)數(shù)據(jù)類型由過去窄帶低速串口電量信息、2M 保護(hù)專線，逐步過渡至分鐘級(jí)采集、毫秒級(jí)控制、視頻/圖像等大帶寬IP（互聯(lián)網(wǎng)協(xié)議）業(yè)務(wù)[5-6]。采用無源光網(wǎng)絡(luò)建設(shè)配電通信系統(tǒng)接入層，能夠充分滿足配電網(wǎng)發(fā)展對(duì)通信網(wǎng)帶寬資源利用的高效性、靈活性、可靠性和可管理性要求。PON（無源光網(wǎng)絡(luò)）是一種樹形拓?fù)渚W(wǎng)絡(luò)，且網(wǎng)絡(luò)設(shè)備均為無源的，具有經(jīng)濟(jì)性高、安裝便捷等優(yōu)點(diǎn)。無源光網(wǎng)絡(luò)主要由局端OLT（光線路終端）、用戶側(cè)ONU（光網(wǎng)絡(luò)單元）和無源分纖/分光設(shè)備組成。PON 因其設(shè)備的經(jīng)濟(jì)性高、組網(wǎng)靈活等優(yōu)勢(shì)，廣泛應(yīng)用于電信光分配網(wǎng)絡(luò)，為用戶家庭寬帶接入提供了便捷方式。

面對(duì)承載業(yè)務(wù)的多樣化，傳統(tǒng)TDM（時(shí)分復(fù)用）“剛性通道”網(wǎng)絡(luò)帶寬資源共享方式容易造成資源的浪費(fèi)，采用IP 統(tǒng)計(jì)方式承載業(yè)務(wù)可以提高帶寬利用效率，但容易在網(wǎng)絡(luò)負(fù)載較高時(shí)發(fā)生帶寬、時(shí)延敏感業(yè)務(wù)無法得到及時(shí)、可靠、穩(wěn)定傳輸?shù)膯栴}，因此有必要為不同顆粒度業(yè)務(wù)需要提供面向業(yè)務(wù)通信需求的承載保障措施，設(shè)計(jì)端到端QoS 路由策略。文獻(xiàn)[7]針對(duì)網(wǎng)絡(luò)流量建立路徑代價(jià)及分布模型，提出了一種基于瓶頸鏈路的最小代價(jià)路徑路由選擇算法。文獻(xiàn)[8]則針對(duì)保護(hù)業(yè)務(wù)低時(shí)延通信需求，綜合最大化鏈路利用率開展路由選擇算法研究，通過遺傳算法求得滿足時(shí)延要求的、最大利用鏈路資源的保護(hù)業(yè)務(wù)傳輸路徑。文獻(xiàn)[9]提出了一種二進(jìn)制粒子群算法求解多優(yōu)先級(jí)業(yè)務(wù)擁塞規(guī)避問題。文獻(xiàn)[10]考慮電力通信網(wǎng)多播路由場(chǎng)景，利用改進(jìn)的量子進(jìn)化算法求解在多約束條件下的最小代價(jià)多播樹。

本文主要依托配用電領(lǐng)域光纖網(wǎng)絡(luò)智能系統(tǒng)生成的網(wǎng)絡(luò)拓?fù)湫畔?，采用了群智能?yōu)化算法求解了多約束條件下代價(jià)最小路由選擇問題。算法充分考慮了配用電生產(chǎn)控制與管理信息業(yè)務(wù)差異化QoS 需求，通過研究原組合優(yōu)化問題的對(duì)偶形式，設(shè)計(jì)了嵌套的粒子群算法，從而獲得多約束條件下最優(yōu)路徑結(jié)果。最后，仿真實(shí)驗(yàn)開展了相關(guān)算法的性能對(duì)比分析。

1 配用電智能無源光網(wǎng)絡(luò)

得益于星形、環(huán)形組網(wǎng)與電網(wǎng)拓?fù)涓叨锐詈?，電網(wǎng)企業(yè)采用xPON（EPON 或GPON）光纖接入技術(shù)可以實(shí)現(xiàn)從廠站至用戶側(cè)配用電線路上電力終端的全覆蓋，為各類業(yè)務(wù)提供靈活的接入。OLT設(shè)備安裝于220 kV 或110 kV 變電站，ONU 終端放置于環(huán)網(wǎng)柜、開關(guān)柜、用戶臺(tái)區(qū)側(cè)；從OLT 的下聯(lián)接口至ONU 的上聯(lián)接口之間稱作無源光網(wǎng)絡(luò)，網(wǎng)絡(luò)采用了高分光比無源器件為多個(gè)終端提供時(shí)分通道；PON 網(wǎng)路的上下行數(shù)據(jù)傳輸方式有所不同。下行通道采用了廣播方式將所有終端數(shù)據(jù)發(fā)送至各個(gè)ONU，ONU 通過分組的報(bào)文頭地址段匹配來接收屬于自己的數(shù)據(jù)；而上行通道則采用了TDMA（時(shí)分多址）接入方式。

為了滿足配電自動(dòng)化、電能質(zhì)量監(jiān)測(cè)、臺(tái)區(qū)用戶用能信息實(shí)時(shí)采集處理、用戶費(fèi)控與雙向友好互動(dòng)等典型或新型配用電業(yè)務(wù)承載需求，本文提出采用無源光網(wǎng)絡(luò)綜合承載多種配用電業(yè)務(wù)，如圖1 所示。圖1 中光網(wǎng)絡(luò)針對(duì)于配電業(yè)務(wù)采用不等比分光，雙PON 口上聯(lián)至不同變電站OLT（也可以雙上聯(lián)至同一變電站OLT 不同的PON口）實(shí)現(xiàn)手拉手保護(hù)，同時(shí)，為增強(qiáng)帶寬利用效率，在臺(tái)區(qū)側(cè)ONU 下聯(lián)FE（快速以太網(wǎng)）口與用采集中器相連，通過傳輸用電信息采集規(guī)約實(shí)現(xiàn)與用采主站通信。不同變電站OLT 北向通過交換機(jī)或路由器接入上一級(jí)SDH（同步數(shù)字傳輸體制）主干傳輸網(wǎng)絡(luò)，傳輸網(wǎng)絡(luò)通過MSTP（多業(yè)務(wù)傳輸平臺(tái)）/IP 協(xié)議實(shí)現(xiàn)了不同數(shù)據(jù)協(xié)議的統(tǒng)一的、IP 化傳輸。為了保障多業(yè)務(wù)信息安全防護(hù)負(fù)荷電力監(jiān)控系統(tǒng)安全防護(hù)要求，提升配用電無源光網(wǎng)絡(luò)的可觀可測(cè)、運(yùn)維效率，本小節(jié)分別針對(duì)基于配用電無源光網(wǎng)絡(luò)的安全防護(hù)、運(yùn)維管理展開論述。

圖1 配用電網(wǎng)無源光網(wǎng)絡(luò)多業(yè)務(wù)統(tǒng)一承載方案示意

圖1 采取多項(xiàng)措施滿足不同配用電業(yè)務(wù)安全防護(hù)等級(jí)要求。在傳輸網(wǎng)絡(luò)側(cè)，利用SDH 的時(shí)隙化通道實(shí)現(xiàn)配電、用電業(yè)務(wù)傳輸物理隔離；在變電站OLT 設(shè)備側(cè)采用了不同業(yè)務(wù)板卡實(shí)現(xiàn)了生產(chǎn)控制與管理信息業(yè)務(wù)的接入?yún)R聚物理隔離；在光網(wǎng)絡(luò)中，采用不同波長(zhǎng)、不同纖芯同樣實(shí)現(xiàn)了不同安全防護(hù)等級(jí)業(yè)務(wù)的物理隔離；在ONU 設(shè)備側(cè)，采用雙ONU 分別承載不同大區(qū)業(yè)務(wù)實(shí)現(xiàn)物理隔離，并為不同業(yè)務(wù)劃分VLAN（虛擬局域網(wǎng)）實(shí)現(xiàn)同一大區(qū)內(nèi)不同業(yè)務(wù)之間邏輯隔離的安全防護(hù)效果；在通信控制協(xié)議層面，PON 網(wǎng)絡(luò)采用了三重?cái)噭?dòng)及數(shù)字證書實(shí)現(xiàn)了數(shù)據(jù)加密與接入認(rèn)證方式[11]。

隨著配用電應(yīng)用系統(tǒng)建設(shè)的不斷推進(jìn)，基于PON 技術(shù)的光纖分配網(wǎng)絡(luò)規(guī)模不斷增長(zhǎng)，主要體現(xiàn)為光網(wǎng)絡(luò)設(shè)備數(shù)量增多、光纖跳接日益頻繁、光纖資源分布越來越分散，采用紙質(zhì)標(biāo)簽標(biāo)記，人工記錄光纖資源方式的光配線網(wǎng)絡(luò)管理方式難以為繼。本節(jié)提出一種基于uID（非接觸電子標(biāo)簽）的智能光網(wǎng)絡(luò)系統(tǒng)，如圖2 所示。

圖2 智能無源光分配網(wǎng)絡(luò)系統(tǒng)

針對(duì)傳統(tǒng)光網(wǎng)絡(luò)的智能化改造十分便捷，以光交接箱為例，改造包含3 個(gè)步驟：首先，采用電子標(biāo)簽與跳纖連接頭強(qiáng)綁定，在普通跳纖兩端增加eID（電子標(biāo)簽），實(shí)現(xiàn)連接關(guān)系的自動(dòng)識(shí)別；智能插框增加控制電路及指示燈，可自動(dòng)讀取eID 跳纖信息，也可通過亮燈指導(dǎo)施工；然后，增加主處理單元用于收集各業(yè)務(wù)插框信息，統(tǒng)一上傳到ODN（光分配網(wǎng)）網(wǎng)管。同時(shí)，整套智能系統(tǒng)還提供了手持終端，可通過藍(lán)牙與對(duì)纖器相連，以及通過無線公網(wǎng)與ODN 網(wǎng)管對(duì)接，實(shí)現(xiàn)設(shè)備信息的自動(dòng)采集上報(bào)、自動(dòng)下載工單，極大提高了巡檢搶修的效率。針對(duì)傳統(tǒng)光網(wǎng)絡(luò)的設(shè)備改造可以通過設(shè)備的充分利舊、從TMS（終端管理系統(tǒng)）[12]導(dǎo)入初始資源信息至ODN 網(wǎng)管，最終完成了向智能光網(wǎng)絡(luò)系統(tǒng)的平滑演進(jìn)。該智能改造可以實(shí)現(xiàn)完整的光網(wǎng)絡(luò)拓?fù)渥詣?dòng)生成，形成管線、端口資源管理能力；對(duì)接GIS（網(wǎng)格管理系統(tǒng)）實(shí)現(xiàn)故障快速定位；優(yōu)化提升工單管理系統(tǒng)的自動(dòng)化、便捷性。

2 基于智能拓?fù)湫畔⒌臉I(yè)務(wù)QoS 的路由選擇算法研究

2.1 多約束QoS 路由模型

本節(jié)將基于智能光網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)?、管線、端口信息，針對(duì)配用電不同業(yè)務(wù)QoS 需求開展最優(yōu)路由選擇算法的研究，解決業(yè)務(wù)的可靠、穩(wěn)定傳輸問題。任意網(wǎng)絡(luò)拓?fù)淇梢猿橄鬄榧訖?quán)有向圖G=（E，V），其中V 為網(wǎng)絡(luò)節(jié)點(diǎn)集合，E 為鏈路集合。每條鏈路（i，j）∈E 由代價(jià)參數(shù)cost（i，j）以及帶寬參數(shù)bandwidth（i，j）、時(shí)延參數(shù)delay（i，j）等QoS 性能指標(biāo)唯一刻畫；類似的，每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)n∈V 也由代價(jià)參數(shù)cost（n），丟包率參數(shù)packet_loss（n）和時(shí)延參數(shù)delay（n）等QoS 性能指標(biāo)唯一刻畫。上述所有QoS 參數(shù)均為非負(fù)的。定義P（s，t）為從源節(jié)點(diǎn)s 至目的節(jié)點(diǎn)t 所有鏈路和網(wǎng)絡(luò)節(jié)點(diǎn)集合。給定路徑約束條件如下：

式中：

目標(biāo)函數(shù)cost[P（s，t）]定義為：

求解獲得某路徑滿足上述所有約束條件，并最小化路徑花費(fèi)的優(yōu)化問題被稱為MCOP（多約束最優(yōu)路徑）問題。即便是僅包含1 個(gè)或2 個(gè)約束條件的MCOP 問題都已被證明為NP（非確定性）完全問題[13]。因此除了遍歷算法之外，求解該問題的最優(yōu)解是十分困難的，下文將設(shè)計(jì)啟發(fā)式算法求解該優(yōu)化問題。

2.2 粒子群算法基本原理

粒子群算法被廣泛應(yīng)用于各類連續(xù)性函數(shù)最優(yōu)化問題。該算法基于族群間協(xié)作的仿生學(xué)原理，群體中的每一個(gè)個(gè)體通過在解空間中搜索來不斷調(diào)整自己的運(yùn)行軌跡，調(diào)整方式既包含基于群體中其他個(gè)體的協(xié)作信息，還包含了自身歷史經(jīng)驗(yàn)信息。這種結(jié)合了先驗(yàn)信息與似然信息的優(yōu)化策略構(gòu)成了一種群體貝葉斯機(jī)制，自然界中天空飛翔的鳥群，江海中結(jié)群而游的魚群等，都采用了類似的全體性協(xié)作方式完成覓食、躲避障礙物等行為。科學(xué)家正是通過觀察動(dòng)物界的這種協(xié)作智能設(shè)計(jì)出了各種群智能算法。

以鳥群覓食為例，在某處存在食物等待鳥群的發(fā)現(xiàn)，而所有的鳥都事先不知道食物的具體位置，那么對(duì)于鳥群而言選擇最靠近食物的某只鳥的區(qū)域搜索是一種有效的策略。粒子群算法基于該設(shè)想設(shè)計(jì)出了一般數(shù)學(xué)優(yōu)化模型與求解方式。很顯然，設(shè)計(jì)面向最優(yōu)化問題的粒子群算法必須首先構(gòu)造一個(gè)群體，而該群體中的每一個(gè)個(gè)體就是“粒子”，此“粒子”可以類比于尋找最優(yōu)解（食物）的鳥兒。此外，每一個(gè)粒子應(yīng)該在最優(yōu)化問題的解空間內(nèi)開展搜索，這比鳥群在三維空間中搜索食物更加抽象。開始時(shí)，所有粒子可以均勻分布在解空間之中，且每個(gè)粒子均包含其在解空間的位置變換函數(shù)來調(diào)整其位置；參考上述鳥群覓食策略，這個(gè)位置變換函數(shù)應(yīng)至少包含自身經(jīng)驗(yàn)與群體協(xié)作兩個(gè)要素；綜上，所有粒子均可以通過自身搜索與協(xié)作來快速找出問題的最優(yōu)解。

考慮一個(gè)由M 個(gè)粒子組成的群體在D 維解空間搜索，第i 粒子的當(dāng)前位置為xm=（xm1，xm2，…，xmD），速度為vm=（vm1，vm2，…，vmD），為了評(píng)價(jià)粒子當(dāng)前位置的好壞，還需設(shè)計(jì)適應(yīng)函數(shù)，并將xm代入F（xm）求適應(yīng)值，最直接的就是以最優(yōu)化問題的目標(biāo)函數(shù)作為適應(yīng)函數(shù)。將粒子自身歷史最優(yōu)位置記為pbestm=（pm1，pm2，…，pmD）；而所有粒子中最優(yōu)位置記為gbest=（gm1，gm2，…，gmD），為了降低粒子在搜索過程中位置變換幅度過大而導(dǎo)致的收斂速度變慢問題，將粒子在第d（1≤d≤D）維的位置變化范圍限定在[Xmin，d，Xmax，d]內(nèi)，速度變化范圍限定在[-Vmin，d，Vmax，d]內(nèi)。

粒子群算法第k 次迭代中粒子i 的第d 維速度更新公式為：

第k 次迭代中粒子i 的第d 維位置更新公式為：

式中：w 為當(dāng)前速度的非負(fù)慣性系數(shù)；c1，c2分別為個(gè)體歷史最優(yōu)和群體最優(yōu)的加權(quán)系數(shù)；r1，r2為服從某一概率分布的隨機(jī)變量。設(shè)置慣性系數(shù)的目的在于避免粒子過快的進(jìn)入當(dāng)前最優(yōu)值，阻止局限于局部次優(yōu)解的可能性；通過增加c1，c2和r1，r2來確保粒子以適合的步長(zhǎng)改變當(dāng)前位置，并引入一定的隨機(jī)性，從而保證了所有粒子在搜索過程中增強(qiáng)協(xié)作性，降低局部次優(yōu)解對(duì)粒子搜索的影響。粒子群算法基本步驟如下：

（1）將族群初始化，以隨機(jī)的方式求出每個(gè)粒子的初始位置與速度。

（2）根據(jù)適應(yīng)函數(shù)計(jì)算出其適應(yīng)值以作為判斷每個(gè)粒子當(dāng)前位置的優(yōu)劣。

（3）找出每個(gè)粒子到目前為止，搜尋過程中的最優(yōu)解pbestm。

（4）找出所有粒子到目前為止所搜尋到的全體最優(yōu)解gbest。

（5）判斷算法是否收斂，若是則終止迭代并輸出結(jié)果，否則根據(jù)式（8）—（9）定義的更新公式計(jì)算粒子新的位置。

2.3 路由選擇算法設(shè)計(jì)

本小節(jié)設(shè)計(jì)一種基于粒子群優(yōu)化算法的最優(yōu)路徑求解方法，首先定義路徑時(shí)延函數(shù)和路徑丟包率懲罰因子分別為λdl和λpl，于是可以定義粒子群優(yōu)化算法的匹配度函數(shù)如下：

其中，

至此，多約束最優(yōu)路徑問題可以通過求解如下最大最小化問題獲得，問題建模如下：

其中，內(nèi)層最小化問題被描述為給定（λdl，λpl）時(shí)的最小化問題，通過傳統(tǒng)的基于鏈路狀態(tài)（如迪杰斯特拉算法）路由選擇算法求解獲得最優(yōu)路徑P*（s，d），而外層最大化問題則被描述為給定P*（s，d）時(shí)的最大化問題，通過粒子群優(yōu)化算法獲得?；谏鲜龇治?，本文所提出的最優(yōu)路徑計(jì)算方法具體執(zhí)行步驟如下：

第一步：參數(shù)初始化。確定粒子數(shù)量M，搜索空間維數(shù)D=2（因?yàn)樗阉骺臻g為λdl≥0，λpl≥0），每個(gè)粒子的初始位置與速度，速度變化范圍下限Vmin，d，上限Vmax，d，加速度常數(shù)c1，c2，隨機(jī)數(shù)r1，r2，慣性常量w。根據(jù)智能ODN 網(wǎng)管所提供的網(wǎng)絡(luò)拓?fù)湫畔ⅲü?jié)點(diǎn)QoS 參數(shù)向量（dl，pl，cost）、拓?fù)渲忻織l鏈路的QoS 參數(shù)向量（dl，bw，cost）的參數(shù)值。假設(shè)路由請(qǐng)求R（s，t）=（s，t）以及相應(yīng)QoS 屬性約束值（DL，BW，PL），設(shè)置算法收斂條件如迭代次數(shù)達(dá)最大值LOOP 或相鄰兩次迭代獲得的路徑代價(jià)之差在一個(gè)足夠小的范圍ε 內(nèi)。

第二步：依據(jù)網(wǎng)絡(luò)拓?fù)渲墟溌穾捫畔⒑蛶捈s束條件，從G=（E，V）中將不滿足帶寬約束條件的鏈路刪減掉。

第三步：通過經(jīng)典路由選擇算法求解給定（λdl，λpl）時(shí)的最小化問題[P*（s，d）]+λdlZdl+λplZpl獲得最優(yōu)路徑P*（s，d），并作為第四步的初始值。

第五步：重復(fù)第三步、第四步直到算法收斂，求出最終的多約束QoS 條件下的最優(yōu)路徑P*（s，d）。

3 仿真分析

本節(jié)針對(duì)提出的基于粒子群最優(yōu)路徑算法開展實(shí)驗(yàn)仿真分析。圖3 所示為浙江杭州地區(qū)某用戶側(cè)配變臺(tái)區(qū)無源光網(wǎng)絡(luò)接入至變電站傳輸網(wǎng)的網(wǎng)絡(luò)拓?fù)涑橄髨D。采用本文所提算法與隨機(jī)路徑分配、遺傳算法進(jìn)行性能仿真對(duì)比，相關(guān)鏈路與網(wǎng)絡(luò)節(jié)點(diǎn)QoS 參數(shù)值已在拓?fù)鋱D中標(biāo)注出來，且每條鏈路、每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)分別以三元組（延遲，帶寬，代價(jià)）（延遲，丟包率，代價(jià)）唯一刻畫。

通過計(jì)算機(jī)執(zhí)行蒙特卡洛仿真，其中粒子個(gè)數(shù)M=10，迭代結(jié)束條件為路徑代價(jià)變化在某個(gè)最優(yōu)值的ε 鄰域內(nèi)或當(dāng)?shù)螖?shù)超過100。

仿真實(shí)驗(yàn)以某配電自動(dòng)化三遙業(yè)務(wù)路由請(qǐng)求R（s，t）=（9，4）為例，其路徑約束充分考慮遙控業(yè)務(wù)的可靠性（99.99%）與及時(shí)性（延時(shí)小于1 s），設(shè)置路徑約束三元組為（dl=1，bw=70，pl=0.000 1）。圖3 中還給出了基于本文算法所計(jì)算得到的最優(yōu)路徑（用粗線條標(biāo)注出），其中，節(jié)點(diǎn)⑤至節(jié)點(diǎn)⑦之間虛線鏈路由于帶寬不滿足要求而刪除。

圖3 網(wǎng)絡(luò)抽象拓?fù)鋱D

通過圖4 的對(duì)比發(fā)現(xiàn)，采用本文設(shè)計(jì)的路由選擇算法較隨機(jī)路徑分配方法、遺傳算法能夠在滿足多約束QoS 條件下獲得更低的鏈路代價(jià)、更快的收斂速度，這主要是源于2 個(gè)方面的原因。首先，本文設(shè)計(jì)的算法提供了一種兩階段優(yōu)化策略，外層采用了粒子群群智能優(yōu)化算法，通過粒子之間的協(xié)作求解最優(yōu)懲罰因子，內(nèi)層采用了經(jīng)典路由選擇算法求解出最優(yōu)路徑；其次，除了初始階段粒子群算法的位置、速度函數(shù)是隨機(jī)分配的，在后續(xù)迭代過程中，這些函數(shù)的初始值均來自于上次迭代計(jì)算中內(nèi)層經(jīng)典路由選擇算法計(jì)算的最優(yōu)路徑，因此加快了粒子群優(yōu)化算法的收斂速度。

圖4 算法收斂速度仿真對(duì)比

4 結(jié)語

首先，面向配用電業(yè)務(wù)場(chǎng)景，提出了基于無源光網(wǎng)絡(luò)的電力多業(yè)務(wù)承載建設(shè)方案，從通信網(wǎng)組網(wǎng)方案、信息安全防護(hù)、光網(wǎng)絡(luò)智能化運(yùn)維等角度開展應(yīng)用研究。接著，基于非接觸式電子標(biāo)簽、移動(dòng)終端、智能光網(wǎng)絡(luò)網(wǎng)管建立了一套針對(duì)智能電網(wǎng)通信網(wǎng)的自動(dòng)化管理系統(tǒng)，提升了網(wǎng)絡(luò)狀態(tài)信息采集與運(yùn)維效率。最后，以智能光網(wǎng)絡(luò)系統(tǒng)的網(wǎng)絡(luò)狀態(tài)信息可觀、可測(cè)為基礎(chǔ)，面向配用電不同業(yè)務(wù)的多QoS 約束條件，設(shè)計(jì)了最優(yōu)路徑算法，該算法基于群智能優(yōu)化算法，通過智能粒子群之間的協(xié)作優(yōu)化方式，實(shí)現(xiàn)了最優(yōu)路徑的快速迭代計(jì)算，并與其他傳統(tǒng)算法相比，具有收斂速度較快，性能較優(yōu)等優(yōu)勢(shì)。