探究低压电力线通信的双种群遗传蚁群路由算法

邓磊 古发辉 王文祥 江西应用技术职业学院

1 低压电力线通信的双种群遗传蚁群路由算法

1.1 双种群遗传蚁群路由算法

蚁群算法是一种通过人工蚁群的自启发式搜索进行组网，遗传自适应蚁群系统算法主要就是通过对遗传算法的随机性综合启发式搜索组网，具有改善算法收敛性以及鲁棒性的优势，可以有效的提升其整条通信的可靠性。对人工蛛网结构进行分析，综合人工蛛网蛛网算法进行低压电力通信系统分级网络构建，在单层人工蛛网结构中中心节点主要就是进行协调以及处理子网周边节点的数据信息，也可以将其作为其他子网中心节点或者基站通信的中继节点。通过对算法的改进，利用双种群遗传蚁群算法的并行搜索能力，可以在动态范围中拓展到全局的搜索空间中，可以实现定期交换种群中优良解信息的目的，达到提升算法收敛性以及鲁棒性的目的。

1.2 低压配电网拓扑结构

低压配电网拓扑结构中其主要通过电网中终端节点进行连接。而周边多种因素均会对其产生不同程度的影响，因此，要综合具体的负载等级、容量以及其实际的分布状况合理确定，会因为线路故障会受到低压在实践中树干式拓扑结构应用相对较为广泛。

低压电力线载波通信利用集中抄表系统可以有效的实现远程控制管理，其主要通过集中器系统、采集器系统以及电表系统、低压电力线等构成。其集中器中就是电力载波的方式进行处理，进而有效的进行信息数据的传递；其中远程控制系统主要就是利用公用信道等进行远程通信。

集中器主要通过网管构成，是不同电表中通信的终端节点系统，其中其电力线信道具有较强的干扰性、高衰减性的特征，可以临时加入或者撤出终端节点。同时，其与电力线上信号传输过程中不理想状态之下的传输距离对比分析可以发现，一些终端节点则无法直接的与集中器实现通信。

因此，在进行信息数据转发中可以将节点作为主要的中继节点，实现扩展通信距离的效果。低压配电网终端主要功能就是负责临时性的加入或者撤出，其工作状态出现不同程度变化均会给传输通信的特征、电气节点数据链路状态产生直接的影响。而在其运行中其电压电力线通信网络的拓扑结构均呈现动态的变化，在此种状态之下电网终端节点的集中器信息数据传输。

在低压电力载波通信系统通信中，路由算法要对网络全局变化实现系统化的分析。在其产生不同的工作状态转变的状态之下可以利用节点的路径进行快速的搜索处理，实现网络的重组，选择最优网络则可以有效的保障通信的可靠性。

2 优化原理

通过单一种群进行全局空间搜索路由的一种算法，其最优解会出现局部的收敛性问题，多种群独立并行特征会减少各种问题。通过两个人工蚁群实现全局路径的有效搜索，获得初始解集合。最优解则属于是遗传优化父代解的一种形式，主要就是利用交叉、变异性进处理，寻找替代子代中最优解，通过蚁群算法实现对局部信息素、全局信息素的一种有效的更新，定期交换空间集合的优良解信息，降低最优解陷入局部最优的问题。利用多迭代获得解可以保障算法收敛全局最优。

在进行算法初期计算中，主要利用两个种群中人工蚂蚁路径转移概率汇总的方式进行下一调节点的合理选择。为了实现对蚂蚁通过路径的信息素更新优化，引导后续蚂蚁合理选择路径，可以通过蚁周系统、蚁量系统以及蚁密度三种信息素更新模型进行处理。蚂蚁在通过全部节点处理之后，可以实现每一代蚂蚁寻找最优解将其递交给遗传算法，进行全局的搜索优化处理，进行遗传优化则可以选择最优路径。

其迭代满足条件要求之后，可以对种群中各个优良解回路信息素的进行处理，将其散入到另一个种群中，则可以打破停滞状态，合理控制单一种群进化之后“早熟”问题，保障其具有全局最优性的主要特征优势。

3 仿真实验

通过对低压电力线网络拓扑结构进行模拟分析，利用Matlab 仿真软件随机生成50 个节点，根据要求一次编号。通过设定动态化的改变条件参数，通过各个算法实现对50 个终端节点的合理搜索处理，寻找其最优的路径，并且要保障其连续保持20 次左右，撤出或者加入到单个终端节点中，通过模拟电力线负载状况，利用仿真电力线终端节点进行临时加入或者撤出状态，分析其算法性能指标产生的不良影响。

通过分析终端节点分析其撤出寻优过程可以发现，在算法中通过对网络中存在的50 个电气节点组网寻优分析，GOACA 以及DPGOACA 平均路径会出现较为稳定的变化，其获得最优解之后，通过分析连续寻找20 次的结构信息，可以模拟电气节点进行临时撤出，在根据要求进行49 个电气节点组网的寻优处理。而网络动态变化会对算法重新寻优过程分析，在分析中，其3种算法的最优解的结果如下：

表2 节点撤出后算法寻优结果

在网络中其初始随机产生50 个电气节点，三种算法均可以快速其出现寻优结构呈现连续的20 次的相同时候，可以通过模拟电器节点的方式进行临时性的加入，在通过重新51个电气节点进行组网寻优，ACA 算法则要通过多次的迭代才可以寻找其最优的路径，而剩余两种方式则可以快速的寻找适应新的网络，只需少次迭代则可以快速的寻找最优的路径。

节点加入后算法寻优结果

通过上表可以发现，DPGOACA 算法需要的迭代数相对较少，可以实现多个节点之间的组网寻优，通过分析确定其最优路径长度是较为优异的结果。

结束语：

DPGOACA 算法通过双种群自身独有的独立搜索能力可以实现扩大全局解空间，这样可以提升寻找最优解可能性的目的，通过定期交换彼此解集中的优良解信息，也有效的降低了陷入局部最优的可能性，有效的改善了算法的寻优能力。进行低压电力载波通信系统中进行动态变化低压配电网拓扑结构模型化处理分析，利用仿真结果发现改进之后算法收敛良好，有着较强的鲁棒性，在实践中因为周边环境相对较为复杂要综合实际状况配置对应的软硬件，进而达到提升通信可靠性的目的。