电力分配（共7篇）
电力分配 篇1
排放权是指权利人在符合法律规定的条件下向环境排放污染物的权利。Thomas等对碳排放权进行了界定,认为各成员国为了达到碳排放总量控制的目的,在实施的经济手段和国家减排指标控制下,碳减排企业所享有的规定额度的碳排放量的权利[1]。电力碳排放权是在确定电力系统碳减排目标的前提下,受某区域环境容量和经济发展需要等因素影响,尤其是电力生产行业特有的特点的影响,各电力生产碳排放主体所获得的温室气体的排放权,即其享有碳排放量的使用、占有和收益的权利。电力碳排放权分配包括将电力碳排放权分配给国内的每个行政区域以及每个行政区域将其所获得的电力碳排放权分配给各个行政区域内的电厂集团两个过程。本文主要研究将电力碳排放权分配给各个行政区域内的电厂集团过程。
目前,国际上对发电企业进行碳排放分配主要有两种模型: 一种是基于发电量的排放权分配方式,即排放限额与发电企业的发电量成正比。这种分配机制将会减少漏排现象的发生,但是在这种分配方式下,发电企业会因为其较低的碳排放量而得到过多的额外补贴,而那些碳排放量很高的企业则会付出过高的成本代价。另一种分配模式是基于发电类型的碳排放分配方式,该种分配方式是基于公平性考虑,由加州公用事业委员会( California Public Utilities Commission,CPUC) 提出的[2]。两种分配方式各有利弊,当该电力公司所分得的碳权总量小于电力行业的限额时,按发电量分配碳排放权比较适合这些电力公司,而且电力公司还可以将满足生产所剩下的碳排放权配额在碳交易市场中交易,以获得额外的收入; 与之相反,当电力公司所分得的碳排放权总量大于行业限制排放的限额时,基于发电类型分配碳排放权比较适合电力公司。当碳排放总量超过排放限额时,可以从排放权交易市场中购买额外的排放额度。以江苏省电力碳排放权初始分配为例进行实证研究,以提出合理、有效的2020 年江苏省电力碳排放权初始分配方案,为电力碳排放实践提供理论借鉴。
1 区域电力碳排放权初始分配思路
1.1分配原则
区域电力碳排放权初始分配是针对某个区域,将获得的电力碳排放权分配到该区域的各个电厂集团,即电力碳排放权的电厂集团间的分配。考虑到区域内不同电厂集团内部的电源结构的不同,清洁能源、高效发电机组以及低碳电力技术等因素,以及国家相关政策的影响,提出电力碳排放权分配的原则如下:
( 1) 效益原则。从经济学角度去看,效益原则主要考虑的是各个电厂的不同发电类型机组的发电成本、发电效率和发电效益。由于是在同一个区域内进行不同电厂的分配,各个电厂的电价一致,因此效益原则转化为区域发电经济成本最小化问题。
( 2) 优化电源结构原则。每个电厂的电源结构直接影响了该电厂的CO2排放水平。在我国 《可再生能源发展 “十二五”规划》中提出,将加快推进水电、核电建设,积极有序做好风电、太阳能、生物质能等可再生能源的转化利用。因此,在进行区域电力碳排放权初始分配时,优化电源结构的原则有利于鼓励各个电厂进行转型,扩大清洁能源发电的比例,从而促进电力行业实行低碳减排的目标。
( 3) 利于国家电力行业政策实施原则。按照电力工业产业政策和发展规划,加大高效、清洁机组的建设力度,保持电力工业持续健康发展,国家出台相关政策鼓励各个电厂关停小火电机组,尽可能的去上马大火电机组的项目,有利于降低电力的碳排放系数,从而从整体上减少电力行业的CO2排放。
1. 2 分配程序
站在区域整体的角度来看碳排放权的初始分配问题,考虑到上述碳排放权初始分配的效益原则、优化电源结构原则、利于国家政策实施原则、动态原则等,结合电力行业的特征,以省级行政区域为例,提出区域电力行业碳排放权电厂集团分配的基本路径,如图1 所示。
由图1 可以看出,区域电力行业碳排放权分配路径主要包括两步:
( 1) 将区域电力行业碳排放总量分配给该区域内不同类型的发电机组。由于发电有多种方式,每种方式下的能源消耗水平各不相同,依据效益原则,该步骤的分配需要遵循总成本最小的原则,即以各个不同类型发电机组总的发电成本最小作为分配目标。
( 2) 将各个机组所获得的碳排放权分配给各个电厂集团。在该步骤的分配中需要考虑优化电源结构原则,以及利于国家政策实施原则。根据优化电源结构原则,给清洁能源发电机组( 不排放或基本不排放二氧化碳的机组) 分配适当的碳排放权,以鼓励各个发电集团积极调整、优化本集团的电源结构; 考虑利于国家政策实施原则,将每种发电类型所获得的碳排放权分配到各个发电集团,将发电集团中小火力发电机组应获得的碳排放权适度让给大火力发电机组,从而促进国家上大压小、节能减排措施的实施。汇总得到每个发电集团所获得的总的碳排放权。
2 区域电力行业碳排放权分配模型
根据上述分配路径,区域电力碳排放权分配模型包括两个模型: 一是将碳排放权分配给各个不同的发电机组的模型; 二是将各个发电机组所获得的碳排放权分配给各个电厂的模型。
2. 1 分配到不同类型的发电机组的模型
假设区域dj,( j = 1,2,…,n) 在第t年分配的碳排放权总量为Ejt。由于我国的实际情况,电力行业碳排放权限额一般小于碳排放总量,因此在进行区域电力碳排放权初始分配时,首先采用基于发电类型的分配方式,将区域所获得的碳排放权总量分配到不同发电类型的发电机组。
由于发电类型的不同,各个发电机组的单位电量的二氧化碳排放强度各不相同,清洁能源发电的二氧化碳排放较少甚至没有。按国内现有发电技术水平来研究,可假设被分配区域的发电类型有火电、水电、风电、生物质、光伏、核电等发电类型,则选取被分配区域dj第k种发电类型在第t年所获得的碳排放权为决策变量,记做Etjk,构建的分配模型如式1 所示:
式中,ctj,k为被分配区域dj在第t年的目标发电成本函数; qtj,k表示被分配区域dj在第t年的第k种发电机组的计划发电量; γtj,k表示被分配区域dj在第t年的第k种发电机组的二氧化碳排放强度; ξjt表示被分配区域dj在第t年的碳排放权交易价格; Qtj,∑表示区域dj在第t年的电量需求减去区域外来发电总量加上送往区域外的电量总量; qtj,kmax为第k种发电机组在第t年的最大发电量; ωj,k为第k种发电机组碳排放权比例系数,该系数的确定由专家评判给出。
模型中,目标函数表示各个发电机组的总发电经济成本最小。第一个约束条件是依据鼓励清洁能源发电原则,考虑各类型发电机组所获得的碳排放权的比例与各发电机组的二氧化碳量有关; 同时为了鼓励清洁能源发电,对于清洁能源机组的二氧化碳排放比例配以适当的系数。第二个与第三个约束条件是电量平衡式,分别表示第t年,各个机组的电量之和等于该区域的总电量需求减去区域外来发电总量加上送往区域外的电量总量; 以及第t年,各个发电机组的发电量小于等于各个机组的最大发电量。
2. 2 分配到电厂集团的模型
根据电力行业碳排放权各发电机组分配的结果,区域dj( j = 1,2,…,n) 第k种发电机组在第t年分配的碳排放权总量为Ejt,k。需要将6 类发电机组所获得的碳排放权初始分配到不同电厂集团。假设有m个电厂集团,每个电厂集团均有火电、水电、风电、生物质能、太阳能、核电等6 种发电类型的机组。在6 种发电类型的机组中,只有火电的CO2排放量最大,所占比重最高,因此重点考虑对火电机组的碳排放权的初始分配。
电力工业产业政策和发展规划要求提高建设高效、清洁机组的力度,保持电力工业持续健康发展,国家出台相关政策鼓励各个电厂关停小火电机组,尽可能的去上马大火电机组的项目,有利于降低电力的碳排放系数,从而从整体上减少电力行业的CO2排放,因此,按照机组的装机容量,将火力发电机组分类为大机组和小机组两类。根据文件规定,在大电网覆盖范围内,原则上不得建设单机容量30万k W以下纯凝汽式燃煤机组[3]。将装机容量在30万k W以下的归为小机组类别,30 万k W及以上的归为大机组类别。
假设电厂集团L在第t年火力发电类型中大火电发电机组有m个,其中小火电机组有i个,每个小火电机组的装机容量为NLi,k,每个大火电机组的装机容量为NLm,k,则电厂集团L在第t年火电发电机组所获得的碳排放权为:
其中 σLi,k和 σLm,k分别为小火电机组和大火电机组碳权分配的系数,且两个系数之和为1。
其他发电类型的CO2排放权分配原则为: 依据每个电厂集团的每类发电机组的装机容量进行分配。假设区域dj电厂集团L在第t年第k种发电类型的装机容量为ML,k,则区域dj在第t年第k种发电类型的总装机容量为。根据分配原则,可得到电厂集团L在第t年第k种发电类型所获得的碳排放权为:
则电厂集团L在第t年的碳排放权分配模型如下:
3 江苏省电力碳排放权分配实证
江苏省2011 年末内电力系统拥有统调电厂97座,发电设备总容量6241 万k W ( 含新投产125 台、20. 8 万k W风电机组) ,全省统调发电量为3 620. 02亿k Wh,同比增长13. 90% ; 最大日发电量为12. 45亿k Wh,同比增长6. 92% ; 统调用电量为3 954. 14亿k Wh,同比增长12. 10% 。全省发电厂分为11 类,其中五大电力集团公司包括中国国电集团公司、中国华能集团公司、中国电力投资集团公司、中国大唐集团公司、中国华电集团公司,以及江苏省国信集团公司、国网新源公司、华润集团公司、国华集团公司、利港集团公司、协鑫集团公司和省内其他电厂,各发电集团公司在江苏大部分设有分公司,各分公司在江苏省境内拥有各种类型的发电厂。从总体来看,随着经济的快速增长,江苏省各发电集团发电量和装机容量稳步上升。
3. 1 数据来源及处理
通过计算可得,江苏省电力行业2015 年和2020 年所获得的电力碳排放权分配量分别为3. 7亿t和4. 3 亿t,为江苏省目标年的碳排放量的总量约束[11]。根据国家电网公司相关专家的预测,预计2015 年和2020 年江苏省全年的总发电量分别为5 452. 5 亿k W·h和6 764. 2 亿k W·h,这两个发电量为区域电力碳排放权初始分配模型中的电量总约束。江苏省与上海市同属于华东电网区域,江苏省未来的碳排放权价格将与上海碳交易所的碳排放权价格接轨。学者马艳艳等[4]在研究碳权的供求关系对碳排放权价格的决定机制时认为,中国对于节能减排的约束性指标也势必会产生大规模的碳交易需求,这将推动中国碳交易价格的上涨。上海目前的碳权平均成交价为27 元/t,再结合国内学者的研究和国家电网专家的建议[5,6],将碳交易价格初步定在30 元/t和40 元/t。二次分配的目标规划模型中发电成本可以参照表1 中不同发电技术的平均发电成本,不同火电发电类型的二氧化碳排放系数可以参照表2。至此,模型中相关参数已设定。
注: 数据来源于国家电网
注: 数据来源于国网能源研究院计算数据和IPCC计算数据
依据国家电网公司相关专家意见,对发电机组的年最大最小利用小时数做如下说明: ( 1) 依照国家政策,全额收购可再生能源电厂的上网电能,优先收购新能源、清洁能源电厂的上网电能,所以部分发电类型的机组全年一般满荷运行,一般不划定最大最小值。 ( 2) 江苏属于四类风场地区( 年度利用小时最低、上网电价最高) ,受自然条件影响,江苏风电场年度利用小时稳定在22 00 ~ 2 300 小时。( 3) 关于核电厂,作为清洁能源电厂,其电量被优先调度和收购,目前江苏全额收购。考虑其正常的检修和更换燃料棒,其年度利用小时在8 000 左右[9]。( 4) 关于天然气电厂,年利用小时数一般在3 500 ~ 4 500 小时左右[10]。( 5) 燃煤机组年利用小时数基本在5 500 ~ 6 000 小时。由于电网电源特性要求,对电厂有最小开机方式限制,火电机组不能无限制压缩,经专家计算预测,4 500 小时将是今后火电机组的运行底线。
3. 2 不同发电机组的碳排放量
用q1、q2、q3、q4、q5、q6、q7、q8、q9、q10分别代表煤电、气电、三余发电、垃圾和生物质燃烧发电、风电、太阳能发电、生物质发电、抽蓄发电、核电以及水电的年总发电量; 用E1、E2、E3、E4、E5、E6、E7、E8、E9、E10分别代表每种发电技术所获得的碳排放权分配量; E和Q分别表示江苏电力碳排放总量约束和发电量总量约束; qmax可由装机容量乘以年最大发电小时数得出。根据上面设定的参数、变量和相关数据,运用目标规划模型( 公式1) ,以2015 年江苏地区电力行业碳排放权分配为例,建立相应的线性规划模型,模型如下:
利用Lingo13. 0 软件可解出上述线性规划的解,其每种发电类型的碳排放权的见表3 所示。
分析各种类型发电机组所获得碳排放权分配量的比重以及按装机容量分配所得获得比重,可以看出,在2015 年,燃煤机组所占比例最大,但是,如果存在碳排放权交易,可以利用碳排放权市场对碳排放权进行有效的资源配置,并在满足江苏全社会正常生产和生活对电量需求的条件下,达到了总发电成本最小的目标。同时,非燃煤机组可以利用自己所分得的碳排放权在二级市场上交易,以获得收益,并可利用该收益达到间接降低非燃煤机组的发电成本目的,这样非燃煤机组运作即可形成良性循环,并能取得持续发展,最终可以大大降低江苏省电力行业的碳排放量。在对比2015 年和2020 年的各类型机组所得碳排放权,可以看出,非燃煤燃气机组所得碳排放权进一步增加,这有利于新能源发电和可再生能源发电公司的发展,对电力行业碳减排有着非常重要的意义,同时火电所得碳排放权进一步减少,可以使电力行业减排的这个目标更易实现。
3. 3 不同电厂的碳排放量
根据江苏省 “十二五”能源规划,江苏省电力公司和国网江苏电力经济技术研究院在2013 年4 月联合发布的 《江苏省电源项目前期与进度调查报告》,规划至2015 年,江苏省内电源总装机达1 亿k W左右,人均装机1. 15 ~ 1. 25k W。其中,核电200 万k W、天然气( 含分布式) 发电1 150 万k W、风电600 万k W、光伏发电200 万k W、生物质发电125 万k W、抽水蓄能发电110 万k W,清洁能源发电装机比重提高至25% 以上,燃煤发电机组单机60 万k W及以上的占比接近55% ,平均供电煤耗由2011 年318g/k W·h下降至2015 年315g/k W·h及以下,抽蓄及启停调峰燃机占省内电源总装机的6. 5% 左右。
规划至2020 年底,预计省内电源总装机1. 3 亿Kw左右,人均装机1. 5 k W左右,其中核电600 万k W、天然气( 含分布式) 发电1 950 万k W、风电1 000 万k W、光伏发电500 万k W、生物质发电175万k W、抽水蓄能发电260 万k W,清洁能源发电装机比重提高至35% 以上,燃煤发电机组单机60 万k W及以上的占比接近60% ,平均供电煤耗由2015年315g /k W·h下降至2020 年310g /k W·h以下,抽蓄及启停调峰燃机占省内电源总装机的8% 左右。
2015 年和2020 年江苏省煤电装机容量情况见表4 所示。可以看出,随着电力节能减排的不断推进和 “上大压小”政策的实施,小机组的装机容量不断缩小。
万kW
注: 数据来源于国家电网
江苏省电力行业2015 年和2020 年所获得的电力碳排放权分配量分别为3. 7 亿t和4. 3 亿t。考虑到江苏省省内的电厂集团比较多,所属电厂分布也比较分散,在进行二次分配时,主要将碳排放权分配到省内以投资主体划分的各个电厂集团。附表1和附表2 分别给出了2015 年和2020 年各大电厂集团的装机容量情况。
国内学者宋旭东等[12]关于我国电力行业碳排放权初始分配机制的研究和江苏电力行业相关专家意见,设定小火电和大火电的分配系数为1∶ 1. 2。根据表4、附表1 以及附表2 中的数据以及公式( 4) ,可计算江苏省各主要大电厂集团的碳排放权分配方案如表5 所示。
亿t,%
从上述分配结果来看,企业11 所获得的分配量最多。企业11 是江苏省内除了5 大电厂集团以及省属电厂外,其他所有电厂的集合,其发电量占有全部发电量的30% ,因此在碳排放权分配中占有较大的比重。其次是企业4 和企业7,都是发电量及发热量的大户企业,对社会的贡献性最大; 另外,它们在CO2排放的处理及清洁能源发电方面效率是最高的,因此获得较多比例的碳排放权是一种合理的分配方案。对于企业进行电源结构的调整,电力碳排放权的进一步交易具有一定的激励作用。
4 结论
本文针对电力碳排放权分配的问题,考虑效益原则、优化电源结构的原则以及利于国家电力行业政策实施的原则,构建了两步骤的电力碳排放权初始分配模型,将区域总的电力碳排放权分配到各个电厂集团; 并以江苏省为例,对江苏省2015 年以及2020 年的电力碳排放权进行了实证分析,得出相关结果如下: 不同类型的发电机组,燃煤机组获得的碳排放权比例最高,但是到了2020 年,其比例有所下降,清洁能源机组所获得的碳排放权比例有所上升,有利于新能源发电和可再生能源发电公司的发展,对电力行业碳减排有着非常重要的意义。对于不同电厂集团而言,发电量与发热量大户并且电源结构相对合理的电厂集团获得的碳排放权比例相对较高,有利于激发企业进行电源结构的调整。所得出的江苏省电力碳排放权初始分配方案可以为江苏省的实践提供理论借鉴。
注:数据来源于江苏省电力公司发展策划部和江苏省电力公司电力经济技术研究院联合发布的《江苏省电源项目前期与进度调查报告》
万 kw
注: 数据来源于江苏省电力公司发展策划部和江苏省电力公司电力经济技术研究院联合发布的 《江苏省电源项目前期与进度调查报告》
参考文献
[1]杨玲玲,马向春.电力市场环境下碳排放权分配模型的比较研究[J].陕西电力.2010(2):5-10
[2]任春.关停小火电机是节能减排的重要措施[N].中国改革报,2007-03-22(3)
[3]洪涓,陈静.我国碳交易市场价格影响因素分析[J].价格理论与实践,2009(12):65-66
[4]马艳艳,王诗苑,孙玉涛.基于供求关系的中国碳交易价格决定机制研究[J].大连理工大学学报(社会科学版),2013(3):42-46
[5]崔连标,范英,朱磊,等.碳排放交易对实现我国“十二五”减排目标的成本节约效应研究[J].中国管理科学,2013(1):37-46
[6]王修华,赵越.我国碳交易的定价困境及破解思路[J].理论探索,2010(3):66-69
[7]魏一鸣,王恺,凤振华,等.碳金融与碳市场:方法与实证[M].北京:科学出版社,2010
[8]陈益玲.基于和谐度对公路施工企业项目管理的评价[J].经济师,2010(7):59-60
[9]何宣.我国核电累计发电量超1100亿[N].中国电力报,2014-02-18(006)
[10]张斌.我国天然气发电现状及前景分析[J].中国能源,2013,34(11):12-16.
[11]陈勇.中国电力碳排放权初始分配模型研究[D].南京:河海大学,2014
[12]宋旭东,莫娟,向铁元.电力行业碳排放权的初始分配机制[J].电力自动化设备,2013(1):44-29
电力分配 篇2
电力通信网同电力系统的安全稳定控制系统、调度自动化系统一起被称为电力系统安全稳定运行的三大支柱,是确保电网安全、稳定、经济运行的重要手段。电力通信网的可靠性直接关系到电网的安全生产。作为电力通信网的基础设施,电力光缆的安全可靠运行成为支撑电力安全运行的重要因素之一。随着光缆的大规模建设,一些人为或自然因素导致光缆线路损坏。此外,早期建立的电力光缆线路正逐渐老化或遭受电腐蚀,也导致光缆线路故障次数不断增加。然而,传统的光缆线路维护管理,故障查找困难,排障时间长,影响了电力通信网的正常工作,给电网的安全生产造成了安全隐患。因此,对电力通信系统来说,及时发现光缆故障和光缆隐患,缩短光缆的故障时间,降低光缆阻断的发生率,显得越来越重要。为了解决以上问题,建立有效的电力光缆智能分配系统就显得尤为重要[1,2,3]。
1光缆监控系统的体系结构
1.1整体系统
电力光缆智能分配系统由上位机监测系统、监测站和通信网络三部分组成。上位机监测系统由监测中心和客户端组成。上位机监测系统和监测站之间采用TCP/IP协议组网联接。系统的结构及各部分的相互关系如图1所示。
工作原理:监测站负责对光缆线路进行自动监测,跟踪光纤传输损耗的变化。其光功率监测模块对光缆线路的光功率进行实时监测,由于断纤等故障,检测到光功率低于设定阈值,控制模块将自动完成光缆线路切换,并发出严重告警。由于老化或遭受电腐蚀的光缆线路监测站延缓处理进行预告警通过分布在光缆线路中的数据采集器件,将光纤传输性能的基础数据传递到监测中心,并对数据进行分析和存储,将光缆系统运行情况反馈给远程终端,使维护人员能及时发现和修复故障。用户在客户端登录系统,根据不同的权限可以查看历史告警信息或切换信息,管理用户信息,远程控制监测站进行光缆线路切换。通过对光缆线路的实时监测与管理,还可以动态地观察出光缆线路传输性能的劣化情况,及时发现和预报光缆隐患,降低光缆阻断和通信中断的发生概率[2,4]。
1.2上位机监测系统的软件体系结构
Client/Server(客户机/服务器)结构是计算机自动化系统中非常普遍的一种分布式计算模式,其优势在于广泛的采用了网络技术,将系统中的各部分任务分配给分布在网络上的担任不同角色的计算机,它把较复杂的计算和管理任务交给网络上的服务器统一管理,而将一些频繁与用户交互的任务交给前端计算机即客户端。通过这种结构来实现网络上的信息资源共享。当前比较典型的是三层C/S结构,它将客户机/服务器系统中各种部件划分为三层服务,三层C/S结构将应用的三部分明确的进行分割,使其在逻辑上各自独立,并且单独加以实现,分别称之为客户端、应用服务器和数据库服务器。如图2所示。
本系统在软件部署上,客户端位于客户机上,应用服务器和数据库服务器位于同一主机。
(1)客户端运行客户软件,是应用接口部分,提供用户登录,接受用户的输入请求,以图形用户界面(GUI)呈现结果。
(2)监测中心是整个监控系统的核心,实现具体业务。监测中心能够管理多个监测站,并为多个客户端提供请求服务。本系统的监测中心主要由数据库服务器,应用服务器,监测中心交换机,监测中心网桥等设备组成。应用服务器处理来自客户端的请求信息,并返回结果,还可以将客户端对监测站的控制命令转发给相应监测站。应用服务器向数据库服务器发送SQL请求,数据库服务器将数据访问结果返回给应用服务器。其中,数据库服务器以传统的基于SQL的数据库管理系统(DBMS)实现,它接收应用服务器提出的SQL请求,完成数据的存储、访问和完整性约束。
(3)监测站是系统的测试中心。完成对光纤线路的光功率监测,实时采集数据,其控制模块既可以完成光纤线路的自动切换也可以接收客户端发来的控制命令,进行线路切换。
2光缆监控系统功能实现
通过对客户端和监测中心功能的需求分析,为了增强开发的独立性,系统的设计采用模块划分,功能模块的划分如图3所示:
下面结合系统软件界面,对监测程序的各个功能模块详细介绍:
1.登录模块:用于登录网络监控程序,为系统安全性提供保障,在登录时必须根据自己的权限输入正确的用户名和密码才可进入系统。其中设置普通用户和管理员的身份,普通用户只有查看历史信息的权利,管理员还可以完成系统信息的维护,并实现远程控制监测站。
2.系统管理模块:管理用户信息,如用户注册,删除,信息更新等。
3.信息查询模块:对历史告警信息和切换信息查询,并进行条件查询,根据不同的级别,客户端以不同颜色显示。
4.操作控制模块:对于预告警线路,监测站延缓处理,交由客户端决定是否对于预告警的线路进行切换。客户端可控制监测站是否进行光缆线路周期性监测。
5.通信模块:利用TCP/IP协议SOCKET完成客户端与监测中心的可靠的连接与通信。套接字Socket是通信的基石,是支持TCP/IP协议的网络通信的基本操作单元。指两个程序之间进行双向数据传输的网络通信端点,是网上两个主机之间必要的数据无缝传输。Socket通信采用客户/服务器方式。客户向服务器发出请求信息,服务器接收到请求后,提供相应的服务。WinSock提供了两种形式的Socket:流式套接字(Stream socket)和数据报套接字(Datagram socket)。流式套接字采用的TCP,特点是通信可靠,对于数据有校验和重发机制,适合对数据可靠性较高的场合;数据包套接字采用UDP,提供无连接的数据传输,效率较高,适合数据可靠性要求不高但实时性要求较高的场合。
6.应用分析模块:是监测中心的核心处理模块,对客户端或监测站发来的信息拆包解析,执行相应的命令操作。多线程技术是实现一个监测中心和多个客户端及监测站通信的关键。本系统采用面向连接的TCP流式Socket,并采用基于消息的异步套接字。在编写监测中心的网络应用程序时,采用异步选择机制可以提高网络应用程序的性能,若再配合多线程技术,将大大提高了编写的网络应用程序的性能(如图6)。所以在监测中心采用多线程技术来处理多个客户端的请求信息,该用户的界面如图7所示。从用户的角度考虑,得到了更好的系统服务;从程序自身的角度考虑,这样使目标任务能够尽可能快的完成,更有效的利用了系统资源。
7.数据库模块:是应用服务器和数据库服务器的接口,程序对访问数据库部分进行ADOCon类封装,系统通过ADO技术访问数据库。相关代码如下:
3系统应用分析
在本系统中,用户登录到监测网络后,通过客户端软件即可完成对系统信息的访问,并完成对监测站预告警光缆线路的切换,这就是远程控制功能。目前电力监测光缆智能分配系统所能完成的功能包括3个层次:
(1)完成对光缆的实时监测,对光缆线路可以智能切换,并具有告警、预警智能功能。
监测站对光缆线路进行光功率监测,将采集的光功率值与设置阈值比较,根据比较结果进行相应的动作,并可进行线路的智能切换。监测站具有信息分析功能,即对采集到的告警信息进行分析:对严重告警的信息,必须马上处理即线路智能切换;对于预告警,可以暂缓处理;然后将信息经监测中心发送至远程终端。客户端根据预告警信息,决定是否进行线路切换。
(2)完成对告警信息,切换信息的管理,并处理客户端的请求。
监测中心服务器运行服务器端的系统软件,对监测站发送来的信息进行分类储存到数据库,并为客户端提供系统登录请求、信息查询、用户信息更新、转发人工切换命令等服务。
(3)完成对光缆线路人工切换,告警信息提示,并提供客户信息查询功能。
客户端运行客户端系统软件,实现界面交互。客户通过权限验证,登录系统,完成对线路切换信息以及告警信息的查询。管理员身份具有管理用户功能,并且可以根据预告警信息实现光缆线路的人工线路切换。
4结束语
电力光缆智能分配系统的建设突破了传统的光缆线路维护管理模式,缩短故障处理的时间,降低了由光缆线路故障引起的经济损失,对保障电力通信光缆网络的安全可靠运行具有积极的意义。对于建设坚强电网,和谐电网具有重要的作用。
当然,该系统还需要在实际中经过检验,逐步改进,可在各监测站安装光时域反射仪(OTDR),通过获得测试波长的背向散色光在光纤上随时间(距离)的能量分布曲线来得到光纤的传输特性,对线路的各种故障能较好的反映,且对一些缓变的线路损耗也可反映。并为了提高维护质量,加入GIS系统,通过应用和实践不断地充实和完善,以形成一种新型的基于GIS的电力光缆智能分配系统。
参考文献
[1]曹永盛,管郁庆,陈福深.DQPSK/ASK正交调制光标记交换系统的研究[J].光通信技术,2011,35(11):36-39.Y S Cao,Y Q Cuan,F S Chen.Research on DQPSK/ASK orthogonal modulated optical label switching system[J],Optical Communication Technology,2011,35(11):36-39.
[2]X Li,Y Cao,S Yu,et al.A simplified feedforward carrier recovery algorithm for coherent optical QAM system[J].IEEE/OSA Journal of Lightwave Technology,2011,29(5):801-807.[
[3]及睿,忻向军,张琦.光通信中的新型复用形式[J],新型工业化,2011,1(8):29-35.R Ji,X J Xin,Q Zhang.Novel methods for multiplexing in optical communication[J],The Journal of New Industrialization,2011,1(8):29-35.
[4]蔡寅翔,张杰,赵永利.多层多域光网络管理系统关键技术研究[J].新型工业化,2012,2(9):1-11.Y X Cai,J Zhang,Y L Zhao.Research of key technologies in multi-layer and multi-domain optical network management system[J],The Journal of New Industrialization,2012,2(9):1-1.
电力分配 篇3
随着我国市场经济体制的完善与电力体制改革的发展, 很多电力企业为了更好的发展, 越来越重视工资分配的绩效考核。在现代管理中, 考核方式是促进并推动企业发展的一种重要管理方式。随着我国电力体制改革的不断发生, 新的工资分配考核制度已经逐渐取代了传统的电力企业人事考核方式。从电力企业具备的实施方式中可以看出, 绩效考核为电力企业的员工招聘、培养训练、薪酬设计与员工职业生涯规划等模块都提供了重要的理论与实践依据, 为电力企业的发展起到了推动的作用[1]。
1 电力企业绩效考核的重要性
建立公平合理的部门绩效考核制度对于电力企业具备十分重要的意义, 通常表现在如下几个方面:
(1) 有助于企业进行薪酬分配。企业的工资分配原则是按劳分配, 绩效考核可以合理的衡量劳动的数量与质量, 进而为工资分配提供准确的依据。电力企业没有有效并准确的考核制度, 工资分配就会变成原始的平均主义, 打击员工工作的积极性[2]。
(2) 有助于企业有效的激励员工。正面的激励有助于提高员工工作的积极性, 只有针对部门进行合理的考核, 才能为正面激励员工的工作积极性提供客观的依据, 确定对象与等级, 实现奖惩分明。
(3) 充分发挥企业与员工的黏合剂作用。部门的绩效考核除了可以起到改进部门绩效之外, 还可以引导员工更好的实现部门绩效, 促进企业整体绩效。首先, 部门绩效考核的黏合剂作用由指标体系的细化分解所决定, 通过员工的绩效协商与岗位职责的要求相结合, 承担企业战略目标的部门绩效, 使员工绩效与组织绩效融为一体, 达到共赢的目的。
(4) 是检验电力企业决策正确与否的有效手段。绩效考核的主要内容由企业的员工所有行为组成, 而部门是企业政策的具体执行单元, 可以落实企业决策的体现, 合理的考核制度不止为企业决策提供了正确的依据, 也是检验企业员工工作与企业行为正确与否的有效手段。
(5) 绩效考核可以进一步分析并发现电力企业组织中的问题。可以提高整体的管理水平, 促进电力企业组织运营的效率。电力企业大力推行工资分配的考核制度, 因为该制度具备推动人员调配、企业决策等方面的积极作用[3]。
2 电力企业工资分配考核的设计原则
随着电力体制改革与产业结构的调整, 电力企业面对的机遇与挑战是并存的, 建立一套具备实际使用意义的工资分配考核制度是每个电力企业的管理者所面对的重要问题。结合电力企业的特点与绩效考核过程中的问题, 选择恰当的部门绩效考核方法用于电力企业部门绩效考核中至关重要。
在建立电力企业工资分配考核制度时, 需要结合行业特点、企业的实际情况、部门与岗位的工作特点, 综合一种或者多种不同的绩效考核方法, 形成符合电力企业特色的考核制度。绩效考核方法很多, 不同的考核方法具备不同的优缺点, 因此, 绩效考核方法的选择需要结合企业的实际情况。
电力企业最终的产品虽然是单一的, 但是, 在生产过程中却是非常复杂的。同时, 电力企业是国有企业, 其在进行绩效考核的设计上需要受到体制的制约, 电力企业的主管部门针对电力企业的考核主要依据业绩的考核方法, 将业绩指标作为电力企业绩效考核的主要项目, 因此, 部门绩效考核需要尊重现存的体制并突出重要, 同时兼顾其它方面。
因此, 电力企业部门绩效考核的确定应该以绩效指标考核方法为主, 同时使用其它考核方法的优点, 用来弥补关键绩效指标的弱点, 设计可以适用于电力行业特点的部门绩效考核方案。
3 现有电力企业工资分配中绩效考核运用问题
目前, 现有电力企业的部门绩效考核方法存在如下问题:
3.1 员工工资平均分配, 很少体现“多劳多得”
一般来看, 大部分的电力企业都是实现工资分配“平均化”的现象, 作为一个多劳动的员工来讲, 绩效工资分配的工资跟其他人少做活的一样, 员工就会觉得自己所获得的绩效工资与自己的付出不相匹配, 势必会使员工感到很不公平。有些学者认为, 努力工作的员工就应该得到与其付出相对等的补偿, 这样员工才能感觉到公平。想要调动员工的工作积极性, 激励其表现出更高的水平, 就要相应地提高员工的报酬, 研究表明, 如果绩效工资的涨幅很小, 对员工的激励作用就很小, 绩效工资的涨幅不但要使员工感受到其付出与收获相匹配, 更要激发其对于未来的高期望, 特别是对于一些年轻的员工来说, 绩效工资的涨幅大小直接影响着他们的工作积极性及其创造性。
3.2 绩效考核体系不完善
绩效考核是根据不同职位和不同的级别来进行的, 要想能够准确地对考察对象进行考核就要理清岗位设置情况。当前, 很多电力企业并不具备十分完善的岗位设置制度, 岗位的配置和人员的聘任并不合理, 有些岗位的职能并不清晰, 这样就会使绩效工资分配制度失去其原有的公平性, 使一部分人受到不公平的待遇, 产生消极的情绪, 进而影响企业其他人员的绩效, 从而使整个企业绩效受到影响。除了岗位的配置之外, 考核过程过于形式化也是影响公平的原因之一。在部分的电力企业绩效考核中, 重情面, 论资排辈, 主观随意的现象仍然存在, 这使得考核缺乏公平性, 这些绩效考核体系存在的问题会影响电力企业内部利益的公平分配, 阻碍电力企业绩效工资制度的实施。
3.3 收入形式多弱化分配工资效应
在一些电力企业中, 工资构成项目较多, 员工的工资收入由技能工资、岗位工资、浮动工资、书报费、各种名目繁多的津贴、补贴等等部分组成。当初设立岗位工资的根本目的, 就是希望通过岗位工资激发员工提高自身工作技能, 而如今岗位工资提升与下降做出及时的评判, 极大地弱化了岗位工资设立的初衷, 也没有充分发挥岗位工资对员工工作能力和工作技能的激励作用。
4 考核制度的改进
4.1 部门绩效考核体系设计思路的改进
(1) 部门绩效考核系统需要根据电力企业的生产特点与要求, 将绩效考核与薪酬相挂钩, 充分调动员工的积极性。在进行工资分配考核方式设计上, 需要体现该系统的重要性, 分析各个部门的关键业绩, 为方案的设计提供充分的数据支持。 (2) 结合公司的实际情况, 将绩效考核分为关键绩效指标考核与公司级重点工作计划考核两个主要部门。 (3) 将部门考核成绩根据职能部门与生产工区进行排序, 并提供不同的奖惩方式, 用于提供部门绩效工资的调整。 (4) 将部门考核的结果用于电力企业工资分配的实际操作中。
4.2 部门绩效考核的基本原则
(1) 客观公正。绩效考核的标准应该具备公开透明的特点, 应该以事实为依据。
(2) 持续改进。在进行工作计划与任务分配的过程中, 应该根据实际情况进行不断变化, 考核的结果应该及时反馈给各个部门, 并且充分的开展沟通与交流。
(3) 定量与定性相结合。绩效考核的指标应该具备客观、量化的特点, 同时与不能忽视明确的导向。
(4) 全员参与的原则。在进行工资分配考核制度探讨的过程中, 应该尽可能的使每个员工都参与其中。
4.3 制定合理的工资分配, 激发积极性
制定出科学合理的评估标准, 就要广泛征求意见, 让电力企业人员积极参与到评估标准的制定和监督中来, 共同讨论协商, 达成一致的意见。同时, 绩效工资标准的制定, 要考虑到不同电力企业人员特殊性和差异性, 使评估的标准能够准确公正地反映员工的价值。充分调动电力企业员工的创造性与积极性。
5 结束语
电力企业是我国的支柱行业, 针对电力企业进行合理的绩效考核是实现工资合理分配的基础。本文首先结合电力行业绩效考核方式的演变过程进行了分析讨论, 提出了目前电力行业部门绩效考核体系中存在的问题。明确了部门绩效考核体系的设计思路, 结合公司的实际情况, 将部门绩效考核内容设计为部门关键绩效指标与企业级重点工作计划考核两个主要部分, 分析了部门绩效考核的目标与相关原则, 为具体方案的设计提供了指导思想。
参考文献
[1]李国强.电力企业部门绩效考核浅析[J].电力技术经济, 2012, 19 (3) :57~60.
[2]陈梅玲.供电企业绩效考核管理现状、存在的问题及对策[J].产业与科技论坛, 2013, 8 (3) :244~245.
电力分配 篇4
电力系统经济负荷分配 (Economic Load Dispatch, ELD) 是指在满足电力系统或发电机组运行约束条件的基础上在各台机组间合理地分配负荷以达到最小化发电成本的目的,是经济调度中非常重要的问题,是电力系统中一类典型的优化问题。传统的解决ELD问题的方法包括拉格朗日松弛法等经典数学方法,这些算法要求应用对象有良好的数学特性,而实际的ELD优化问题具有高维性、非凸性、离散性和非线性等特点,这使得经典数学方法处理ELD问题效果不理想[1]。
近年来,随着人工智能技术不断发展,混沌优化算法[2]、遗传算法[3]等智能算法被广泛应用于ELD问题的求解中,取得了一定的效果。
粒子群优化算法 (Particle Swarm Optimization PSO) 是由美国的Kenny和Eberhart在1995年提出的,是对鸟群觅食过程的模拟。与遗传算法等智能优化算法相比,它的突出优点在于流程简单易实现,算法参数简洁,不需要复杂的调整。PSO已被应用于ELD问题的研究中[4]。但是,PSO算法的粒子的收敛是以轨道的形式实现的,并且又由于粒子的速度总是有限的,因此在搜索过程中粒子的搜索空间是一个有限的区域,不能覆盖整个解空间,因此PSO算法并不是严格意义的全局收敛算法。本文将量子粒子群优化 (Quantum-behaved Particle Swarm Optimization, QPSO) 算法用于ELD中,它是一种新型的具有高效率全局搜索能力的进化算法[5,6]。它是以粒子群中粒子的基本收敛特性为基础,受量子物理基本理论的启发而提出的,是对整个PSO算法进化搜索策略的改变,进化方程中不需要速度向量,而且进化方程的形式更简单,参数更少且更易控制,在搜索能力上优于传统PSO算法。通过对多个经济负荷分配算例进行仿真,验证了该方法的有效性。
2 电力系统经济负荷分配的数学模型
2.1 目标函数
ELD问题在数学上可以表示为满足若干个等式约束和不等式约束的非线性规划问题,就是使式(1)的价值函数最小。
式(1)中,cost为价值函数;ng为系统内发电机总数;Pi为第i台发电机的有功功率;Fi(Pi)为第i台发电机发出有功功率Pi时,单位时间所需的能源耗量,即耗量特性。
发电机耗量特性曲线常用发电机有功功率的二次函数近似表示,即
式(2)中,ai、bi、ci为常数。
2.2 约束条件
经济负荷分配的约束条件主要考虑发电机的运行约束条件和功率平衡约束条件。
(1) 发电机的运行约束条件
式(3)中,Pundefined为第i台发电机有功功率的最小值; Pundefined为第i台发电机有功功率的最大值。
(2)功率平衡约束条件
式(4)中PL为系统内的总负荷; PS为系统的总网损。
2.3 发电机耗量曲线的阀点效应
发电机耗量曲线常用发电机有功功率的二次函数近似表示,如式(2)所示。
在实际中,在机组热运行测试阶段,发电机的有功功率从最小值缓慢增加到最大值的过程中,机组的耗量曲线是起伏的,相当于在机组的耗量曲线上叠加一个脉动效果。造成这种起伏的原因是汽轮机的调节汽门随着发电有功功率的增大而依次开放所形成的,当上一级汽门已全开而下一级汽门刚开时,蒸汽的流通会因节流效应产生损失,而导致耗量增大,曲线向上凸起,这种现象称为阀点效应。
阀点效应可以表示为
式(5)中,Ei为阀点效应引起的耗量特性变化量。gi、hi为常数。
2.4 网损
网损PS是发电机有功功率、传输线参数和网络拓扑结构的函数。网损一般采用潮流计算或B系数法求得。工程人员习惯使用B系数法计算网损,网损与B系数及各发电机有功功率的关系为
式(6)中,P为ng维发电机有功功率列向量;PT为P的转置;B为ng×ng维对称方阵;B0为ng维列向量;B00为常数。
在实际应用中B系数可以存储,而且每隔一定时间要测量修正一次(几秒～几十秒),因此结果是精确的。
3 量子粒子群算法
3.1 基本粒子群算法
PSO算法是对鸟群觅食过程的模拟。PSO算法中每个粒子相当于所求问题的一个解,在每次进化过程中, PSO记忆每个粒子的最佳位置,相当于生物个体的个体经验,同时PSO还记忆全部粒子的目前最佳位置,以供下一代粒子的进化作参考,相当于生物群体的群体经验,可供生物个体之间相互交流,所有粒子根据个体经验和群体经验不断调整自己的速度和位置,朝着个体最优和群体最优的目标飞行。
设在d维搜寻空间中有M个粒子,f(x)作为粒子的适应度函数,第i个粒子的当前位置向量表示为Xi=(xi1,xi2,:,xid),第i个粒子的当前速度向量表示为Vi=(vi1,vi2,:,vid),第i个粒子所经历的最佳位置向量pBest表示为Pi=(pi1,pi2,:,pid),群体中全部粒子所经历的最佳位置向量gBest表示为Pg=(g1,g2,:,gd),t表示粒子的迭代次数。则基本PSO算法的公式如下:
其中:j表示粒子i在d维搜寻空间中的第j维,c1,c2是加速因子,rand1,rand2是0到1之间的随机数。
3.2 量子粒子群算法
量子粒子群算法(QPSO)是量子计算与粒子群算法相结合的产物。它是以粒子群中粒子的基本收敛特性为基础,受量子物理基本理论的启发而提出的[5,6]。它的本质是模拟Schrodinger方程,这是封闭量子系统演化的一种方式。在QPSO算法中,由于粒子满足聚集态的性质完全不同,使粒子在整个可行解空间中进行搜索寻求全局最优解,因而QPSO算法在搜索能力上优于已有的PSO算法。QPSO算法参数个数少,进化方程的形式更加简单,更容易控制。
在QPSO算法中,粒子群不再按照公式(7)、(8)进行更新,而是按照新的更新方式:
其中:rand1,rand2是0到1之间的随机数,mBest是pBest的中间位置向量,PPij为pij和gj之间的随机点。w为QPSO的收敛系数。
通过式(7)可以看出,在基本PSO算法中粒子是通过向pBest和gBest靠近来实现寻优的,粒子在经典力学的状态下沿着确定的轨迹飞行,此粒子搜索的空间是一个有限的区域,因而不能保证一定找到全局最优解。 而式(9)—(11)表示的QPSO算法, 粒子具有量子行为,在量子空间中的粒子满足聚集态的性质完全不同,粒子移动时没有确定的轨迹,这使粒子能够出现在整个可行的搜索空间中任意一个位置,即可以在整个可行解空间中进行探索寻找全局最优解,因而QPSO算法的全局搜索能力远远优于基本PSO算法。
QPSO的算法流程为:
(1) 迭代次数t=0,对种群的每个粒子的位置向量进行初始化;
(2) 根据目标函数计算每个粒子的目标函数值;
(3) 更新每个粒子的最佳位置向量pBest;
(4) 更新群体中全部粒子所经历的最佳位置向量gBest;
(5) 根据公式(9)计算pBest的中间位置向量mBest;
(6) 根据公式(10) 计算每个粒子的随机点PPij;
(7) 根据公式(11)更新每个粒子的当前位置向量Xi;
(8) 令t= t+1,返回到第(2)步,重新计算,直到终止条件满足。
4 算例及仿真结果比较
算例1:以文献[7]的13机电力系统为例,发电机承担的总负荷为1800MW,考虑耗量特性的阀点效应,忽略系统网损。各发电机的耗量特性参见文献[7]。
采用QPSO算法进行仿真,粒子个数M取100,维数d取13,rand1,rand2取0到1之间的随机数,收敛系数w取1。终止迭代次数L取400。则仿真结果如表1所示。
为进一步研究QPSO算法的性能优势,将该算法与已有优化算法结果进行比较,性能对比见表2所示。其中,算法Ⅰ为本文所采用的QPSO算法,算法Ⅱ为文献[4]的改进粒子群算法的仿真结果,算法Ⅲ～算法Ⅵ为文献[7]采用的四种改进形式的进化规划算法的仿真结果。
从表2可以看出,与改进粒子群算法相比,采用QPSO算法后最小总费用减少4$,与其它优化算法相比,最小总费用改善程度更为明显。可见,从算例1的解的情况看,QPSO算法具有一定的优越性。
算例2: 以文献[2]的3机6母线系统为例,发电机承担的总负荷为500MW,考虑阀点效应,并计及系统的网损,用B系数法计算。各发电机的耗量特性及所用的B系数参见文献[2]。
采用QPSO算法进行仿真,粒子个数M取50,维数d取3,rand1,rand2取0到1之间的随机数,收敛系数w取1。终止迭代次数L取100。则仿真结果如表3所示。
为进一步研究QPSO算法的性能优势,将该算法与已有优化算法结果进行比较,性能对比见表4所示。其中,算法1为本文所采用的QPSO算法,算法2为文献[2]的遗传算法仿真结果,算法3为文献[2]的混沌优化算法仿真结果,算法4为文献[8]的混沌粒子群优化算法仿真结果。
从表4可以看出,与遗传算法相比,最小总费用减少145.8$,与混沌优化算法相比,最小总费用减少136.6$,与混沌粒子群优化算法相比,最小总费用减少136.6$。可见OPSO算法是具有一定的优势的。同时,从表4中也可以看出,与其它已有优化算法相比,采用QPSO算法后网损量减小明显。与遗传算法相比,网损减少21.2MW,与混沌优化算法相比,网损减少20.45MW,与混沌粒子群优化算法相比,网损减少21.43MW。该算法能够满足节能调度的要求。
5 结论
本文首次将量子粒子群算法用于电力系统经济负荷分配中,取得了以下结论: (1)将量子粒子群算法用于电力系统经济负荷分配中,可有效解决经济负荷分配问题; (2)量子粒子群算法是一种新型的具有高效率全局搜索能力的优化算法,它是以粒子群中粒子的基本收敛特性为基础,受量子物理基本理论的启发而提出的,是对整个PSO算法进化搜索策略的改变,进化方程中不需要速度向量,而且进化方程的形式更简单,参数更少且更易控制; (3)通过实例仿真证实所提出方法的有效性,获得较满意的解,为量子优化算法的进一步实用化奠定了基础。
参考文献
[1]AI-Sumait J S,AL-Othman A K,Sykulski J K.Application ofpattern search method to power system valve-point economicload dispatch[J].International J Elec.Power and EnergySystems,2007,29(10):720-730.
[2]唐巍,李殿璞(Tang Wei,Li Dianpu).电力系统经济负荷分配的混沌优化方法(Chaotic optimization for economicdispatch of power systems)[J].中国电机工程学报(Proc.CSEE),2000,20(10):36-40.
[3]He Dakuo,Wang Fuli,Mao Zhizhong.Hybrid geneticalgorithm for economic dispatch with valve-point effect[J].Electric Power Systems Research,2008,78(4):626-633.
[4]侯云鹤,鲁丽娟,吴耀武(Hou Yunhe,Lu Lijuan,WuYaowu).改进粒子群算法及其在电力系统经济负荷分配中的应用(Enhanced particle swarm optimization algorithmand its application on economic dispatch of power systems)[J].中国电机工程学报(Proc.CSEE),2004,24(7):95-100.
[5]Jun Sun,Bin Feng,Wenbo Xu.Particle swarm optimizationwith particles having quantum behavior[A].CEC2004[C].Oregon,USA,2004.325-331.
[6]Sun Jun,Xu Wenbo,Feng Bin.A global search strategy ofquantum-behaved particle swarm optimization[A].2004 IEEEConference on Cybernetics and Intelligent Systems[C].Singapore,2004.111-116.
[7]Nidul Sinha,R Chakrabarti,P K Chattopadhyay.Evolutionaryprogramming techniques for economic load dispatch[J].IEEETrans.on Evolutionary Computation,2003,7(1):83-94.
电力分配 篇5
一、电力通信网中使用业务路由分配方法的重要性
现如今电力通信业务和电力通信网络正在不断的发展, 其与电网之间的联系也越来越多了, 电力通信的运行部门在常规业务的规划方面以及网络运行的优化方式方面的调整是离不开电力通信网络的整体可靠性的, 电力通信网的可靠性对于该行业来说有着十分重要的意义。相关部门提出了有关全网业务平均风险以及相关业务的重要性、业务风险的均衡制度等可靠性能的评价标准和相关的解决方案。现在越来越多的人们开始加大对给定业务通道也就是我们所说的路由项目的研发力度, 研究通过在路由基础上的改善而提高电力通信网的可靠性。
现如今社会上的通信网络技术已经得到了很大的完善, 但是关于电力通信网络的技术现在还是很少, 电网的安全性能和可靠性能对于该行业来说至关重要, 所以应该加大研发力度。通过实践我们得出了结论, 想要让电网的运行系统得到最佳的安全保障, 就一定要选取最严密、可行的路径来进行实施。但是, 对路径的选择又要考虑到其对于相关业务的运行影响, 如果该路径会导致相关业务出现不必要的风险, 那么就是不可行的。所以我们要选取最合适的方式来对电力通信网的可靠性进行改善, 所以说, 为了让电力通信网的可靠性能够得到保障, 我们要选取最合适的业务路由优化分配方式来进行操作。
二、业务路由相关的分配方法
2.1对路由优化方法和指标的选择
根据相关的报道我们可以了解, 如果单纯的使用业务风险的均衡度来进行评估, 对网络通路中的业务承载情况来说, 是很难全面表述出来的。此外, 我们在对电力通信网的可靠性进行评估的时候, 应该考虑到网络业务所承载的平均风险度的大小。所以说, 我们要把业务的平均风险和业务的风险均衡度作为路由优化的两个指标, 这样才能让电力通信的路由优化分配方法得以实现。对各个函数之间的关系进行调解是多目标遗传法则的核心算法, 我们应该找出让各个目标函数都能达到最小或者最大的最优解集, 通常使用的多目标优化算法是NSGAII, 这种算法的计算效率相对较高。
2.2应用NSGAⅡ的路由优化分配方法
使用NSGAII路由优化分配方法最关键的一点就是相关的染色体解码和编码, 也就是对染色体和可靠性指标之间关系的确立。该路由优化分配方法是在优先权的间接编码方式上进心的, 对网络上的所有业务都进行准确独立的染色体编码, 这样就能形成一段段的染色体编码段。每一个染色体上都有相对的位置表示节点, 并且节点的大小影响相关的基因组值。通过优先编码的染色体对相关业务的需求路径进行解析是染色体编码方式运行的关键所在, 针对某一个染色体编码的片段, 我们从起始的一个节点开始进行相关的循迹操作, 如果出现了多个可以选择的通道, 那我们首先要选择优先权高的那条路径, 然后一直这样下去直到到达终点。在运行的时候, 每一个节点只能出现一次, 在经典的路由分配算法中, 量度大多数都是呈现出单一化的趋势的, 有可能是距离最短的一条路径, 也有可能是投入需求最低的一条路径, 如果两方面都能够满足相关的需求时, 最好还是选择需要开支小的路径。此外, 这两类或者是其他的制约条件形成的路径是不具备NP完全问题的, 因为算法的主要目的就是为了避免业务路线中复杂多变的链接, 避开这些麻烦而形成的最佳路线, 所以说我们在进行路径选择时要均衡的考虑到每一个制约条件, 这样才能避免出现其他问题。
三、结语
本文对电力通信网可靠性的业务路由优化分配方法进行了分析, 阐述了电力通信网络可靠性的重要性。我们在对电力通信网络进行优化的时候, 一定要结合相关的实际情况, 组织并且运行最合理的辅助决策方案, 让电力通信网络系统能够在高可靠性的前提下进行运转。
摘要：多年的工作实践表明, 我们应当加大控制和避免电力网承载业务的业务风险, 对配送业务的路径进行检查, 确保能够科学的对其进行配送。本文对电力通信网可靠性的业务路由优化分配方法进行了探讨, 分析了在路由分配算法上进心实施的重要性, 然后研究了相关的业务路由优化分配方法。
关键词：电力通信网,电力系统,业务风险,路由分配
参考文献
[1]蔡伟, 杨洪, 熊飞, 李俊娥, 刘剑, 赵子岩, 刘开培.考虑电力通信网可靠性的业务路由优化分配方法[J].电网技术, 2013, 12:3541-3545.
[2]赵子岩, 沈亮, 蔡伟, 李俊娥, 刘剑.电力骨干光通信网业务路由优化策略研究[J].光通信技术, 2014, 05:15-17.
电力分配 篇6
现代电力系统规模不断扩大,网络结构越来越复杂,加上模型的复杂性和诸多运行因素,使得电力系统可靠性评估需超大规模计算量。因此,传统串行处理技术在计算时间上常常难以满足工程应用的要求,而并行计算为其提供了一种可行的途径[1,2,3,4,5]。
当前,针对大电力系统可靠性并行Monte-Carlo[6,7,8,9,10,11,12,13]仿真的研究较少。文献[2]采用固定间隔序贯Monte-Carlo法;文献[3]介绍了2种基于序贯Monte-Carlo法进行大电力系统可靠性评估的并行化方法;文献[4]分别采用状态抽样法(即非序贯Monte-Carlo法)和系统状态转移抽样法进行并行Monte-Carlo仿真;文献[5]基于状态抽样Monte-Carlo法,提出消息传递机制下配合收敛控制的异步化并行算法。
上述文献的并行任务分配方法分为2类:一类是固定次数(仿真时间)抽样,虽然该方法实现较为简单,但由于没有考虑Monte-Carlo仿真过程中系统可靠性指标的收敛特性,因此其可能出现仿真结果精度不高或达到收敛精度后的过度计算问题[2];另一类方法是主处理器将可靠性指标方差系数小于给定阈值作为收敛准则。后者虽然可以控制仿真精度,但由于每次任务分配和收敛判断都需要主从处理器之间进行消息传递,通信次数较多[2,3,4,5]。从理论上讲,上述2种任务分配方法都是一种固定的静态任务分配策略。如果在仿真过程中能够结合系统可靠性指标的收敛特性进行动态任务分配,则可克服上述2类方法的不足,使得在保证收敛精度的条件下减少处理器间的通信次数(或时间),进一步提高Monte-Carlo仿真的并行效率[14,15,16]。
实现并行Monte-Carlo仿真任务动态分配的关键在于找出收敛精度和抽样次数(仿真时间)的对应关系[9,10,11,12,13]。本文给出整个仿真过程中收敛精度与抽样次数的对应关系,并提出基于动态任务分配的大规模电力系统可靠性评估并行算法。
1 基于状态抽样法的静态任务分配方法
1.1 状态抽样法(非序贯Monte-Carlo法)
假设每一元件都有正常和故障2种状态,且元件故障属于独立事件。令si表示第i个元件所处状态,PFi表示它的故障率。产生一个[0,1]间均匀分布的随机数Ri,则有
包含m个元件的系统状态t用St=(s1,…,si,…,sm)表示。假设每一个系统状态发生的概率为P(S),可靠性指标函数为F(S),那么系统可靠性指标的期望值即为:
式中:n为样本数。
工程实际中样本数n一般有限,因此只能得到期望值E(F)的近似估计值:
样本方差为:
当样本容量N足够大时,式(4)可近似表示为:
式(3)只给出系统可靠性指标的估计值(样本均值),其方差为:
Monte-Carlo模拟的精度由方差系数决定,其定义为:
从式(7)可以看出:为了达到精度β,所需的抽样样本数取决于系统可靠性指标的期望值
1.2 传统静态任务分配方法
采用状态抽样法实现大电力系统并行Monte-Carlo仿真时常用任务分配拓扑见附录A。
基于固定次数抽样的并行任务分配中:设主处理器编号为0。初始化工作I0完成后,主处理器将式(3)的N次仿真任务均分为p份(N/p次),分别表示为T0,T1,…,Tj,…,Tp-1(Tj表示处理器j分配的任务),并发送给各从处理器。各从处理器收到仿真任务后,首先通过并行随机数发生器抽取N/p个系统状态,然后对各同类故障状态进行故障后果分析,形成N/p个系统状态下的可靠性指标,随即将仿真结果发送给主处理器并结束任务,主处理器完成任务T0后立即接收各从处理器发来的仿真结果,并执行命令,完成各可靠性指标的综合计算和输出。
计及Monte-Carlo仿真收敛性的并行任务分配中,初始化工作I0完成后,主处理器将pDn次(Dn为各从处理器单次任务分配量)Monte-Carlo仿真任务分配给各从处理器,这些任务分别表示为:Ti,0,Ti,1,…,Ti,j,…,Ti,p-1(Ti,j表示主处理器在第i次任务分配中分配给处理器j的任务数)。各从处理器收到仿真任务后,首先采用并行伪随机数发生器生成所需的随机数,并进行相应的抽样模拟,完成模拟任务后立即将模拟结果发送给主处理器,然后等待主处理器分配新的任务。主处理器收到各从处理器传回的仿真结果后立即更新系统可靠性指标并进行收敛控制Ci。若仿真未达到收敛精度,则继续分配任务并等待从处理器传回新的结果;若仿真已收敛,则给所有从处理器发送停止模拟命令。由于每次任务分配和收敛判断都需要进行主从处理器间的消息传递,通信次数和同步过程较多,并且存在过度计算的问题,进而影响整个仿真过程的并行性能[2,3,4,5],而这些影响因素与单次任务分配量Dn有很大关系。
表1给出RBTS测试系统、IEEE-RTS测试系统和RTS-96系统在分别采用4个处理器和8个处理器进行并行Monte-Carlo仿真时单次任务分配量与通信次数、冗余计算次数的关系。表1中系统期望缺供电量(expected energy not supplied,EENS)指标方差系数收敛阈值均设为0.05。
从表1可以看出:EENS指标方差系数收敛阈值为0.05时,RBTS测试系统、IEEE-RTS和RTS-96测试系统收敛时对应的样本实际抽样次数并不一样,这表明在相同的收敛容差下系统收敛特性完全不同。因此,在编写并行程序时无法找到一个通用的单次任务分配方法,以满足程序执行过程中通信次数最少且冗余计算量最小。如Dn取1 000次,RBTS测试系统和IEEE-RTS测试系统的通信量和冗余计算量相对较小,而RTS-96系统冗余计算量较大(6%左右)。
大电力系统Monte-Carlo仿真中样本容量和计算精度间具有概率不确定性关系[10],如果能够实现二者间的协调统一即可克服上述矛盾,实现仿真任务的动态分配。本文着重于解决这一问题。
2 启发式动态任务分配方法
2.1 基于中心极限定理的样本容量估计算法
基于De Moivre-Laplace中心极限定理,文献[10]深入研究了随机变量的样本均值与期望值之间误差的概率预测方法,在此基础上分析缺电概率(loss of load probability,LOLP)指标的方差系数和样本容量之间的关系表达式,即当置信水平α和允许的方差系数β给定时,样本容量N的置信区间为:
式中:PLOLP为指标LOLP的值;β为EENS指标方差系数;tα为在置信水平为α时,从标准正态分布表查出满足α=2Φ(tα)-1的值。
在给定置信水平α、LOLP和方差系数β的基础上,运用式(8)即可对抽样次数N进行估计。由于LOLP的实际数值只有可靠性评估后才能得到,因此只能选用估计值,如果在可靠性评估前需对它们的关系进行近似估计,则可用发电系统可靠性评估计算出的LOLP进行近似估计。因为发电系统可靠性评估计算时间较短,计算出的LOLP和基于直流潮流法的大电力系统可靠性评估结果相差较小。
2.2 基于曲线拟合思想的启发式动态任务分配
在进行状态抽样前,可采用2.1节的方法对抽样次数进行保守估计,但是,2.1节的方法是基于LOLP指标的方差系数进行的估计,而大电力系统Monte-Carlo仿真中EENS是收敛最慢的可靠性指标[8],即采用2.1节的估计算法得到的抽样次数并不能保证EENS收敛。因此,需要根据EENS指标的收敛特性进一步估计抽样次数。
图1给出了3个典型测试系统仿真过程中EENS指标方差系数随样本数增加的变化特性。从图1可以看出:在Monte-Carlo仿真分析过程中,随着抽样次数的增加,EENS指标方差系数下降明显,曲线比较陡峭;抽样次数较多时,曲线趋于平缓,与抽样开始时相比,减小同样大小的方差系数需要更多的仿真次数;整个曲线变化特性类似指数衰减过程,但曲线不具有严格单调递减的特性,即存在局部振荡。
基于曲线拟合的思想,根据仿真过程中已有的方差系数和抽样次数集合,可实现对EENS指标方差系数收敛时对应抽样次数的估计,其最简单的方法如下:在抽样过程中,根据已有的方差和抽样次数拟合图1所示曲线,在拟合曲线中读取方差系数收敛时对应的抽样次数。
图2(a)给出了RTS-96测试系统的拟合曲线,图2(b)和图2(c)给出了拟合曲线2个局部放大图。
在进行曲线拟合时,由于实际曲线存在局部振荡,不管采用何种拟合方法,都无法从拟合曲线准确获得EENS指标方差系数收敛时对应的抽样次数,简单举例说明:在图2(b)中,设方差系数收敛阈值为0.08,分别从拟合曲线和实际曲线中读取方差系数为0.08时对应的抽样次数(分别对应图中A′和B′点的横坐标)。此时拟合曲线对应的抽样次数小于实际曲线对应的抽样次数,前者可以作为后者的保守估计,该情况可取;而在图2(c)中,设方差系数阈值为0.07,拟合曲线对应的抽样次数大于实际曲线对应的抽样次数,即过度估计了抽样次数,这对于快速并行Monte-Carlo仿真而言没有实质性的意义。通过上述分析可以发现,使用抽样次数和方差系数的拟合曲线(或函数)不能准确估计系统收敛时对应的抽样次数。
如果能够找到一个含有抽样次数N和方差系数β的函数y=f(N,β),且函数值y随着抽样次数N的增大单调递增,则可通过该函数保守估计方差系数和抽样次数的对应关系。由图1可知,抽样开始时,方差系数随着抽样次数的增加迅速减小,但随着抽样次数的进一步增加,方差系数的减小量较小,即图1中对应的收敛曲线已趋于平缓(设系统已抽样Nthreshold次),此时可认为随着抽样次数的增加,方差系数β保持不变,而函数f(N,β)=βN(N>Nthreshold)随着抽样次数N的增加单调递增。
为了验证此结论,图3给出了3个典型测试系统对应函数f(N,β)=βN的实际曲线及拟合曲线。由于方差系数β在下降过程中存在局部振荡,βN实际曲线也存在小幅振荡(但振荡幅度明显小于图1中的曲线),而N>Nthreshold时其拟合曲线光滑且单调递增,可以利用拟合后的函数
假定系统已模拟NA(NA>Nthreshold)次,此时方差系数为βA,设EENS指标方差系数收敛阈值为βB,对应的抽样次数为NB,由于函数
显然,
则NB(符号表示取整数)可作为系统抽样次数的保守估计。由于式(8)能够给出不同系统LOLP指标方差系数收敛时对应抽样次数的保守估计,可取:
表2给出了3个典型测试系统基于启发式任务分配方法进行任务分配时的单次任务分配量、通信次数和方差系数的关系,其中EENS指标方差系数收敛阈值β取为0.05,置信水平α取为0.95,Dn的下限Dn,min取为100。
从表2可以看出,基于启发式动态任务分配算法,在并行程序执行过程中,只需要8次左右的估计或同步通信过程,3个典型测试系统的EENS指标方差系数即可在Dn,min次内达到收敛精度,相比表1中的静态任务分配算法,同步通信次数大大降低,且冗余仿真次数控制在Dn,min范围内,效果比较理想。
3 大电力系统可靠性评估并行算法的动态任务分配拓扑
根据附录A描述的静态任务分配拓扑,结合第2节提出的启发式动态任务分配算法,可以得到大电力系统可靠性评估并行算法的动态任务分配拓扑,如图4所示。
4 算例分析
为了验证本文提出的启发式动态任务分配方法的正确性,采用搭建好的Beowulf集群计算平台(其软硬件配置详见文献[4]),基于Linux+Intel环境开发出分别基于静态和动态任务分配的大电力系统可靠性评估并行程序,算例采用某500 kV及主要的220 kV电网。
根据某电力公司提供的原始数据,依据电源和节点分布、线路对系统可靠性的影响程度对部分220 kV及110 kV网络进行等值计算,等值后该500 kV及主要的220 kV电网有91节点,64台发电机,173回输电线路,66个负荷点,装机总容量为10.684 GW。该电网4种典型运行方式对应的节点、线路、装机及负荷信息详见附录B。
附录B给出了单处理器串行环境下某电网4种典型运行方式下的年度化可靠性指标和计算时间。从中可以看出:在大方式下系统可靠性水平相对降低,即LOLP、缺电频率(loss of load frequency,LOLF)及EENS指标相对较大,根据式(7),由于大方式的EENS指标期望值较大,其方差系数收敛较快,系统仿真时间较短;小方式下,系统负荷较小,备用更加充裕,可靠性水平相对较高,需要较长时间的模拟才会收敛。
表3和表4分别给出了基于静态任务分配、动态任务分配时某电网并行Monte-Carlo仿真性能,其中静态任务分配中,单处理器单次任务分配量Dn取为1 000,动态任务分配中,单次任务分配量的下限Dn,min取为100。
从表3和表4、附录B表B1可以看出,并行计算可大幅减少Monte-Carlo仿真时间,是提高大电力系统Monte-Carlo仿真效率的一种有效途径。该电网小方式下的并行效率普遍高于大方式,这是由于小方式下系统可靠性水平较高,需要模拟更多的系统状态数才能收敛,造成其计算的并行分量占总计算负载的比例增大,并行效率也相应提高,这符合加速比的Gustafson定律[14,15,16]。
对比表3、表4可以看出,对该电网并行Monte-Carlo仿真而言,相比传统的静态任务分配方法,本文提出的动态任务分配算法可提高并行效率10%左右,其中效率提高部分主要来自2个方面:①采用动态任务分配算法减少了并行Monte-Carlo仿真过程中处理器间同步通信及收敛判断的次数;②采用动态任务分配算法后,在单次任务分配过程中,单处理器分配的任务量(抽样次数)较多,有利于避免相同系统状态的重复模拟。
针对算例分析的进一步说明请参考附录C。
5 结语
本文基于Beowulf集群环境,采用状态抽样Monte-Carlo法,研究了大电力系统并行Monte-Carlo仿真过程的动态任务分配算法,在传统静态任务分配拓扑的基础上,提出基于动态任务分配的大电力系统可靠性评估并行任务分配拓扑。算例分析表明:基于本文提出的动态任务分配拓扑可以提高并行Monte-Carlo仿真效率,相比传统的静态任务分配方法,可以提高并行效率10%左右,且通用性较好。
论文基于Beowulf集群开发的并行程序易于移植到超级集群计算平台。对大规模电力系统可靠性评估问题,随着电力系统网络规模的复杂化、计算规模的扩大,可以通过增加处理器数目使计算时间保持在实际工程应用可以承受的范围之内。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
电力分配 篇7
电力线通信技术是在现有的电力线网络基础上, 加装了一些附属装置, 即可变成电力线通信网络, 从而进行数据的传输。因此, 电力线通信技术具有覆盖面积广、实现成本低、即插即用等特点。目前, 电力线通信已成为当前通信领域的一个研究热点[1,2]。
然而电力线网络并不是专门为传输数据而设计的, 其基本上不具备有线通信网所必备的通信线路特性。电力线信道具有频率选择性、时变性、多径性、阻抗失配及噪声干扰强等特点, 使得电力线通信仍有许多问题亟待解决。要实现高速可靠的电力线通信必须合理利用其资源, 电力线通信系统中的资源分配问题便显得尤为重要。正交频分多址接入 (Orthogonal Frequency Division Multiple Access, OFD-MA) 技术具有良好的抗多径及噪声特性, 不仅可以提高频谱利用率还能抵抗电力线信道的频率选择性[3~5]。此外, 自适应OFDMA技术便于与动态资源优化技术相结合, 因而被广泛应用于电力线通信系统的资源分配问题[6~9]。电力线通信系统中的资源分配主要分为单用户和多用户资源分配。单用户电力线通信系统中的子载波、比特和功率等资源为一个用户所有, 故不存在子载波分配问题, 只需在每个子载波上进行最优的比特及功率分配, 如文献[10]。多用户电力线通信系统必须在为各用户进行子载波分配的基础上, 进行比特及功率分配, 其实质是如何为用户最优地分配子载波及为子载波分配功率, 如文献[11~14]。文献[11]采用子载波共享的工作方式, 即每个子载波为所有用户共享, 故避免了子载波分配问题, 但带来了同频干扰。文献[12]研究了在合目标速率约束下的系统功率最小化问题, 且推导出了次优化比特分配的表达式, 但并未得到最优的比特分配结果。文献[13]研究了不同业务下的多目标资源分配问题, 在保证实时 (Real Time, RT) 用户固定速率下最小化其占用的资源, 再在系统剩余资源下最大化非实时 (Non Real Time, NRT) 用户的速率。文献[14]研究了基于MAC (Medium Access Control) 层与PHY (Physical) 层的跨层资源分配问题, 并提出了一种保证一定公平性下的速率最大化资源分配算法。但以上工作并未充分考虑用户间的公平性。
本文针对多用户电力线通信系统中的功率最小化问题, 为了保证用户间的公平性, 引入速率比例约束条件, 然后分步进行子载波分配及功率分配, 并提出了一种基于比特交换的功率分配算法, 从而使功率分配达到最优, 且在经典电力线信道环境下进行了仿真。
2 电力线通信系统建模
2.1 电力线信道建模
电力线网络具有众多节点、分支及不匹配的线路。受电缆外层绝缘材料的影响, 电力线上信号的衰减随频率的增加及距离的加大而增加。根据文献[15]描述的电力线信道多径模型, 其频率响应函数可表示为:
式中M表示多径路径数;a0, a1表示衰减参数;k表示衰减因子的指数, gi表示第i条路径的加权因子, di表示该路径长度, vp表示电磁波在电力线媒介中的传输速率。
2.2 噪声建模
低压电力线信道并不是专门为传输数据而设计的, 因此其噪声模型不能简单地认为是加性高斯白噪声。根据干扰的不同性质, 电力线信道上的噪声可分为:有色背景噪声、窄带噪声、与工频异步的周期脉冲噪声、与工频同步的周期脉冲噪声及异步脉冲噪声。一般前两类噪声可归为背景噪声, 后三类噪声可看作是脉冲噪声。根据文献[16], 电力线信道的总噪声可看作是有色背景噪声, 低频段噪声功率较高, 且噪声功率随着频率增加而逐渐下降并趋于稳定, 如图1所示。
2.3 多用户电力线通信资源分配模型
设多用户电力线通信系统中有K个用户, 每个OFDM符号内有N个子载波, 且采用子载波独享的工作方式, 即每个子载波最多只能被一个用户所占用。用户k要求的目标速率为Rk, 系统的合速率要求为R, 误码率为Pe。设用户k在子载波n上的信道增益为Hk, n, 分配的功率为pk, n, 噪声功率为σ2k, n。根据信息论知识, 用户k在子载波n上的传输速率为
其中Γk, n为信噪比差额, 其与调制方式及误码率有关。设所有子载波都采用正交幅度调制且误码率相同, 则每个子载波上的信噪比差额相同, 可表示为
为了降低系统实现的复杂度, 用户在其所占用的子载波上传输的比特数为一定范围内的离散非负整数。设b为用户在其所占用的子载波上传输的比特数上限, 则
为了保证用户间的公平性及各用户的服务质量, 将各用户间的不同服务要求通过速率以非线性比例约束值方式表示
根据上述约束条件, 在满足各用户服务质量要求前提下, 多用户电力线通信系统的功率最小化模型可表示为
其中βk, n为子载波分配因子。
3 动态资源分配算法
多用户电力线通信系统资源优化分配的关键是子载波、比特及功率的分配, 其实质是如何最优地为各用户进行子载波分配及在子载波上进行功率分配。进行子载波分配时, 首先根据速率比例系数进行初步的子载波数目分配, 并以信道条件最佳准则为各用户分配子载波, 然后将剩余子载波以子载波选择用户的形式分配给信道条件最佳的用户。接下来进行功率分配, 根据各用户的目标比特要求, 先在其占用子载波上进行等比特分配, 然后将剩余比特分配给增加1比特所需额外功率最小的子载波, 最后进行子载波间比特调整, 使得功率分配达到最优。
3.1 子载波分配
首先, 根据速率比例系数为各用户进行初步的子载波数目分配
一般情况下, 在进行初步子载波数目分配后, 仍有子载波剩余。
然后, 以信道条件最佳准则为各用户分配子载波, 直至达到其分配的初步子载波数目, 在分配过程中, 必须保证每个子载波只能分配给一个用户。最后, 将剩余子载波以子载波选择用户的形式分配给信道条件最佳的用户。
具体算法流程如下:
(1) 初始化:子载波集合Ω={1, 2, …, N}, 用户k占用的子载波集合, 用户k已分配的子载波数目ck=0;
(2) 为每个用户分配信道条件最好的子载波, 然后将该子载波从子载波集合中删除, 并更新Ω=Ω/{n*}, Ωk=Ωk+{n*}, ck=ck+1;
(3) 若ck<mk, 返回 (2) , 否则执行 (4) ;
(4) 对于剩余子载波n∈Ω, 为其选择信道条件最好的用户, 并更新Ωk*=Ωk*+{n};
(5) 完成子载波分配。
3.2 比特及功率分配
首先, 根据各用户的目标速率要求, 在其占用子载波上进行等比特分配。然后根据功率最小化准则, 将剩余比特分配给增加1比特所需额外功率最小的子载波。
此时, 虽然已经完成了比特分配, 但是并未达到最优分配。在进行等比特分配的时候, 并没有考虑子载波的信道条件, 极易导致为信道条件较差的子载波分配过多比特, 从而增加了系统能耗。因此, 接下来根据比特交换准则, 即存在某一子载波减少1比特的功率减量大于另一子载波增加1比特的功率增量, 对子载波上分配的比特数进行调整, 从而保证在各用户分配的总比特数不变情况下, 尽可能地减少系统发射总功率。
具体步骤如下:
(1) 等比特分配:。
(2) 剩余比特分配:计算用户k在子载波n上增加1比特的功率增量。
然后将剩余比特分配给功率增量最小的子载波
(3) 比特交换:计算用户k在子载波n上减少1比特的功率减量及增加1比特的功率增量
比特交换具体算法如下:
(4) 功率分配:子载波上比特调整后达到最优分配, 然后根据注水算法计算每个子载波所需的发送功率, 从而最小化系统总发射功率
4 仿真结果及分析
该电力线信道模型选用经典四径信道模型, 其各参数见表1。
设电力线通信系统频带范围为0~20MHz, 噪声为色噪声, 其功率谱为-96+46.7*exp (-1.6 f) d Bm/Hz。电磁波在电力线媒介中的传输速率为1.5×10-8m/s, 子载波数为128, 误码率为10-4, 且不使用信道编码, 子载波分配的最大比特数为8。
注:衰减参数k=1, a0=0, a1=7.8×10-10s/m
图2 (a) 、 (b) 、 (c) 为在用户数为6, 且其速率比例约束系数为γ1∶γ2∶…∶γ6=2∶2∶3∶3∶5∶5条件下, 本文算法在各子载波上分配的比特和功率情况, 以及为各用户分配的速率情况。由图2 (a) 可知, 本文算法在每个子载波上分配的比特数均满足限制要求;其中有些子载波因其信道条件对某一用户较好, 故分配较多子载波;有些子载波因其信道条件对任一用户都很恶劣, 故将其关闭, 未分配比特。从图2 (b) 可以看出, 被关闭的子载波一定不分配功率, 而在未关闭的子载波上分配的功率并不一定与分配的比特成正比, 还与子载波的信道条件等有关。在图2 (c) 中, 由于本文研究的是功率最小化问题, 一旦为用户分配的比特数达到其目标速率, 便会停止分配。因此, 如图2 (c) 所示本文算法为各用户分配的比特数完全与目标速率一致, 且满足速率比例约束。
为了比较本文算法与其他算法的性能, 本文同时仿真了文献[12]算法及文献[13]算法, 且仿真结果经1000次Monte-Carlo仿真取平均得到。
图3为在用户数为6, 且其速率比例约束系数为γ1∶γ2∶…∶γ6=2∶2∶3∶3∶5∶5条件下, 系统总发射功率随合目标速率的变化曲线。从图中可以看出, 随着合目标速率的增加, 总发射功率逐渐增大。在给定合目标速率下, 本文算法较文献[12]算法及文献[13]算法明显降低了总发射功率。
图4为在合目标速率为500bits/s/Hz, 且各用户速率比例约束系数为γ1∶γ2∶…∶γK=1∶1∶…∶1条件下, 系统总发射功率随用户数量的变化曲线。从图中可以看出, 随着用户数量的增加, 总发射功率逐渐增大。在用户数量较少时, 本文算法较文献[12]算法及文献[13]算法明显降低了总发射功率。但是在用户数量较多时, 由于每个用户占用的子载波较少, 可能不存在进行比特交换的余地, 因此本文算法与文献[13]算法曲线几乎重合。
5 结束语
本文研究了多用户电力线通信系统中保证用户间公平性的功率最小化问题, 然后采用分步方式先后进行子载波分配及功率分配, 并提出了一种基于比特交换的最优功率分配算法。该算法在各用户分配总比特不变情况下, 根据比特交换准则在子载波间进行比特交换, 从而使功率分配达到最优。
摘要：针对多用户电力线通信系统的资源分配问题, 为了保证用户间的公平性, 引入速率比例约束条件, 建立了功率最小化模型, 然后分步进行子载波分配及功率分配, 并提出了一种基于比特交换的最优功率分配算法。该算法先根据各用户的目标速率要求, 在其占用子载波上进行等比特分配;再根据功率最小化准则, 将剩余比特分配给增加1比特所需额外功率最小的子载波;最后在各用户分配总比特不变情况下, 根据比特交换准则在子载波间进行比特交换, 从而使功率分配达到最优。在经典电力线信道环境下仿真结果表明, 本文算法在满足各用户间速率比例约束下能够有效降低系统能耗。