电力通信网关键业务备选路由配置方法及系统与流程

本发明涉及电力通信技术领域，特别是涉及一种电力通信网关键业务备选路由配置方法及系统。

背景技术：

随着电力通信的不断发展，电力通信网的组网方式和结构也越来越复杂，尤其是在传输网侧，SDH、PTN和OTN技术的不断应用，使得网络的容纳能力不断提升，同时承载的关键业务，例如继电保护业务、调度自动化业务、安稳控制业务也越来越多，对网络的规划和优化都带来了极大的挑战。当前，电力通信安全风险有着严格的等级划分，规定了每个风险等级对应的业务种类、数量及受影响程度。在面临多条关键业务的备选路由进行规划时，需要业务分布的均衡，以避免关键业务的过度集中所带来的负载压力和中断影响分析。为了满足以上条件，要求备选路由配置算法能够在复杂初始业务环境下，高效实现多个业务的同时配置，并有效均衡网络的风险。

目前针对电力通信网业务路由配置，通常采用经典的寻路算法或者智能优化算法来进行。例如，求出两点之间的前k条最短路径，通过将可用带宽最大的路径作为业务路由的方式实现均衡。而另有部分研究采用了不同的启发式算法实现基于负载均衡的业务路由配置,并以带宽利用率作为约束条件。然而，这些算法仅以带宽的业务均衡分布为目标，算法未考虑业务重要度因素，致使其不适用于解决电力通信网中基于业务重要度的业务风险分布问题。同时大部分路由配置策略为顺序配置业务，不能处理多个业务同时配置路由的问题。

为了解决上述问题，对于多业务同时配置路由时，通过选取每个业务对应的多个业务路径其中一个单路径，构成单路径集合，从而确定网络风险度以及网络负载度，再利用这两个参数采用预设业务优化模型得到每个业务优化路径。该模型以简单的优化形式进行处理，将复杂的业务简单化，大大减少配置处理的复杂度，高效找到较优解，但由于此方法单一路径的选取存在偏差，难免出现少数路径聚集的情况，从而导致网络运行的风险增大。

技术实现要素：

本发明实施例中提供了一种电力通信网关键业务备选路由配置方法及系统，以解决现有技术中的实现多业务同时配置路由时网络整体风险大的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

一种电力通信网关键业务备选路由配置方法，所述方法包括：

建立电力通信网中关键业务路由的网络拓扑模型；

计算所述网络拓扑模型中的通信链路的通道压力；

根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。

优选地，所述建立电力通信网中关键业务路由的网络拓扑模型包括：

确定所述电力通信网中关键业务路由的网络拓扑图；

获取所述网络拓扑图的中业务一一对应的业务路径。

优选地，所述计算所述网络拓扑模型中的通信链路的通道压力，包括：

根据业务的不同对不同的业务路径定义重要度；

计算所有业务路径上的重要度总和。

优选地，所述根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置，包括：

按照遗传算法定义一个染色体代表为一个业务路径，每个基因为代表业务路径上的节点，进行基因组编码；

计算各个染色体的适应度函数值并求和作为基因组的适应度函数值；

依照概率循环对所述基因组进行复制、交叉和变异操作并存入新群体；

当循环代数达到预设值结束循环，输出各种群收敛路径结果。

优选地，所述依照概率循环对所述基因组进行复制、交叉和变异操作包括：

根据所述适应度函数值，依照概率选择基因组复制到新群体；

依照概率随机选择多对基因组进行交叉并存入新群体；

依照概率随机选择多个基因组进行变异并存入新群体。

一种电力通信网关键业务备选路由配置系统，所述系统包括：

建模模块，用于建立电力通信网中关键业务路由的网络拓扑模型；

计算模块，用于计算所述网络拓扑模型中的通信链路的通道压力；

路由配置模块，用于根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。

优选地，所述建模模块包括：

确定单元，用于确定所述电力通信网中关键业务路由的网络拓扑图；

获取单元，用于获取所述网络拓扑图的中业务一一对应的业务路径。

优选地，所述计算模块包括：

判定单元，用于根据业务的不同对不同的业务路径定义重要度；

第一计算单元，用于计算所有业务路径上的重要度总和。

优选地，所述路由配置模块包括：

基因组编码单元，用于按照遗传算法定义一个染色体代表为一个业务路径，每个基因为代表业务路径上的节点，进行基因组编码；

第二计算单元，用于计算各个染色体的适应度函数值并求和作为基因组的适应度函数值；

处理单元，用于依照概率循环对所述基因组进行复制、交叉和变异操作并存入新群体；

输出单元，用于当循环代数达到预设值结束循环，输出各种群收敛路径结果。

优选地，所述处理单元包括：

基因组复制子单元，用于根据所述适应度函数值，依照概率选择基因组复制到新群体；

基因组交叉子单元，用于依照概率随机选择多对基因组进行交叉并存入新群体；

基因组变异子单元，用于依照概率随机选择多个基因组进行变异并存入新群体。

由以上技术方案可见，本发明实施例提供的一种电力通信网关键业务备选路由配置方法及系统，包括：建立电力通信网中关键业务路由的网络拓扑模型；计算所述网络拓扑模型中的通信链路的通道压力；根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。本发明实施例在考虑电力通信网中通道压力的基础上，对电力通信网首先进行了建模，最后基于遗传算法对电力通信网的业务路由进行配置。经过接近真实电力通信网的拓扑仿真，验证了基于遗传算法的路由配置的可靠性及优化能力，在大规模的电力通信网网络拓扑中能有效优化业务路径的通道压力值，使网络通道压力总值最低，降低风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电力通信网关键业务备选路由配置方法的流程示意图；

图2为本发明实施例提供的一种电力通信网关键业务备选路由配置系统的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

参见图1，为本发明实施例提供的一种电力通信网关键业务备选路由配置方法的流程示意图，所述方法包括：

S101，建立电力通信网中关键业务路由的网络拓扑模型。

确定所述电力通信网中关键业务路由的网络拓扑图；获取所述网络拓扑图的中业务一一对应的业务路径。

为了抽象电力通信网中关键业务的路由配置问题，首先定义网络拓扑图G(V,E)，其中V＝{v₁,v₂,…,v_n}代表节点的集合，E＝{e₁₂,e₁₃,…,e_n-1n}代表节点间链路的集合，其下标代表链路两端的节点编号；同时有业务集合S＝{s₁,s₂,…,s_n}。其中业务s_n具有重要度参数d_n，是业务中断所造成影响的量化指标，根据业务分类设定的权值。对于网络中的任意节点组合，有p(i.j)＝{v_i,v_k,…,v_j}，其起点和终点分别为v_i和v_j。如果满足即路径上不存在环，同时路径上所有相邻两节点之间均至少存在一条边，则称p(i.j)为节点v_i和v_j之间的一条路径，节点v_i和v_j之间的路径构成的集合为p(i.j)。

在已确定所有业务的业务路径的情况下，可以获得与业务一一对应的业务路径：其中n下标代表所对应的业务，start以及end下标分别代表该节点是业务的起始与终止节点。对于任意两节点v_i和v_j间的链路e_ij，即可通过业务路径得知其上承载了哪些业务。同时业务路径有时延T_n，且有时延门限Tth，此时业务路径时延计算如下：

其中T_n为业务路径的时延，L_n为路径光纤总长度，γ为光纤芯区折射率，c为真空中的光速，t(v)代表节点时延。

S102，计算所述网络拓扑模型中的通信链路的通道压力。

根据业务的不同对不同的业务路径定义重要度；计算所有业务路径上的重要度总和。

为了对网络中承载关键业务的通道进行风险分析，这里定义通道压力值的概念，对于链路上承载的不同业务，根据业务的种类可以赋予不同的量化重要度，例如线路保护业务和安全稳定控制业务这两种最为重要的业务，即赋予最高的重要度；之后计算链路上所有业务重要度之和，就可以得到一个表示链路上业务负载大小的量化指标，即为通道压值Pr(e_ij)。通道压力值是链路承载的所有业务的重要度总和，利用它可以有效区分高压与低压链路，通道压力的表达式为：

其中为边e_ij的固有权重，和d(s_i)分别为边e_ij上承载业务s_i的数量和权重。对于链路上的通道压力值，根据重要度之和进行分级，达到区分不同级别通道压力的作用。

电力通信网业务配置中，要求一条业务配有主路由、备选路由以及迂回路由三条路由。本发明实施例针对电力通信网的运行以及路由配置模式，提出三条路由的配置参数需求，其中主路由参数要求时延最小，备选路由要求通道压力值最优化，迂回路由要求在应急场景中保证时延最优，同时三条路由不能有重复的节点与链路。而在中断场景中，一条链路的中断会导致其承载的多条业务面临重新选路的问题。对于主路由以及迂回路由，时延的优化以最短路径算法可以简单地求解。但是对于备选路由，通道压力是链路承载业务的重要度之和，它与业务部署动态相关，需要智能优化算法对多条业务统一规划。因此，这里主要以备选路由的规划方案作为优化模型。

基于以上分析，可知算法的优化对象为全部业务路由：

优化目标为业务部署后的全局通道压力值，约束条件为任意业务路径的路径时延均小于等于时延门限值，构建优化模型如下：

传统智能优化算法中，实数编码的遗传算法易于应用在路径规划问题上，同时算法的核心交叉与变异能够有效地全局搜索。因此本发明实施例提出遗传优化算法，该算法基于传统智能优化算法遗传算法，将原有单个基因组成基因组统一处理，实现多个业务同时分配业务路径，优化全局通道压力值。

S103，根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。

按照遗传算法定义一个染色体代表为一个业务路径，每个基因为代表业务路径上的节点，进行基因组编码；计算各个染色体的适应度函数值并求和作为基因组的适应度函数值；依照概率循环对所述基因组进行复制、交叉和变异操作并存入新群体；当循环代数达到预设值结束循环，输出各种群收敛路径结果。根据所述适应度函数值，依照概率选择基因组复制到新群体；依照概率随机选择多对基因组进行交叉并存入新群体；依照概率随机选择多个基因组进行变异并存入新群体。

遗传算法是从代表问题可能潜在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，可以作为问近似最优解。

在利用遗传算法解决光传输网线路规划问题时，每一个染色体代表一个业务路径。本发明实施例采用实数编码，每个基因位代表一个业务路径上的节点，按照基因位的顺序表示业务路径经过节点的顺序。

将多个业务的一条染色体绑定成一组基因组，在交叉选择变异中均保持同步。选择时，以基因组的适应度总值为标准选择；交叉时，两组基因组进行对位交叉；变异时，在对基因组整体进行随机变异。

适应度函数由可靠性和时延两方面决定。其中可靠性用通道压力值pr表示，其值越小说明业务路径风险小，网络可靠性高。时延则为业务路径总时延T_n。由于目标函数的优化方向对应抗体亲和度增加的方向，因此染色体s_v的适应度函数如下所示。

其中，Z为一个大数，保证f(s_v)的值为正。

在选择染色体时，既要保证优秀染色体能以较大的概率被选中，又要保证子代种群的多样性，避免算法陷入早熟，因此本发明实施例采用正比染色体使用度、反比染色体浓度的选择算子。

其中，Q(s_v)是染色体s_v的选择概率，N_s是种群规模。

本发明实施例算法采用的交叉为对位交叉，首先依照设定概率判断染色体是否交叉，若应该交叉，则依次选取两组基因组中对位的染色体，并判断两条路径中是否存在除起始点之外相同的节点。若存在相同节点，则以该节点为分界，交换两条路径该节点之后的节点，使两条路径混合。

本发明实施例算法采用插点变异，首先判断染色体是否满足成环率约束，若不满足，则随机选取两个路径节点并依次插入全部节点计算基因组适应度；若存在某个节点使插点后新路径适应度增加，则将插点后的路径保存。

基于以上编码和算法过程，在足够的循环代数之后，经过选择的基因组染色体编码将趋于稳定，所代表的业务路径将逐渐趋于某条固定的路径，这时检视最后一次循环中各个基因组染色体的行进路径，其中出现比例最高的路径即为该种群的收敛结果，也是种群对应的业务的路由配置结果。

算法流程如下：

步骤1：初始化电力通信网的网络拓扑，并初始化遗传算法相关参数；

步骤2：获取业务集合S＝{s₁,s₂,…,s_n}，以此获取其中业务s_n的起点与终点并设业务路径集合P为空，如果S中所有的业务的备选路由均已配置完毕，则终止算法；

步骤3：初始化与业务一一对应的基因组染色体；

步骤4：计算每个基因组的适应度函数值；

步骤5：依照适应度函数值设置概率，并随机选择基因组复制到新群体；

步骤6：依照概率随机选择多对基因组进行交叉并存入新群体；

步骤7：依照概率随机选择多个基因组进行变异并存入新群体；

步骤8：若循环代数已达到设定值，则执行步骤9，否则返回步骤4继续算法；

步骤9：若循环代数已达到设定值，选择最新一次循环中适应度函数值最高的一组基因组中的染色体编码路径作为各种群的业务路径，输出对应业务s_n的路径p_n。

基于以上过程，即可对多个关键业务同时配置路由，并可以优化整体网络通道压力表现。

由上述实施例可见，本发明实施例提供的一种电力通信网关键业务备选路由配置方法，所述方法包括：建立电力通信网中关键业务路由的网络拓扑模型；计算所述网络拓扑模型中的通信链路的通道压力；根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。本发明实施例在考虑电力通信网中通道压力的基础上，对电力通信网首先进行了建模，最后基于遗传算法对电力通信网的业务路由进行配置。经过接近真实电力通信网的拓扑仿真，验证了基于遗传算法的路由配置的可靠性及优化能力，在大规模的电力通信网网络拓扑中能有效优化业务路径的通道压力值，使网络通道压力总值最低，降低风险。

通过以上的方法实施例的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

与本发明提供的一种电力通信网关键业务备选路由配置方法实施例相对应，本发明还提供了一种电力通信网关键业务备选路由配置系统的实施例。

参见图2，为本发明实施例提供的一种电力通信网关键业务备选路由配置系统的示意图。所述系统包括：建模模块201、计算模块202和路由配置模块203。所述建模模块201，用于建立电力通信网中关键业务路由的网络拓扑模型；所述计算模块202，用于计算所述网络拓扑模型中的通信链路的通道压力；所述路由配置模块203，用于根据遗传算法获得收敛路径完成电力通信网关键业务备选路由配置。

所述建模模块201包括：确定单元和获取单元，所述确定单元，用于确定所述电力通信网中关键业务路由的网络拓扑图；获取单元，用于获取所述网络拓扑图的中业务一一对应的业务路径。

所述计算模块202包括：判定单元和第一计算单元，所述判定单元，用于根据业务的不同对不同的业务路径定义重要度；所述第一计算单元，用于计算所有业务路径上的重要度总和。

所述路由配置模块203包括：基因组编码单元、第二计算单元、处理单元和输出单元，所述基因组编码单元，用于按照遗传算法定义一个染色体代表为一个业务路径，每个基因为代表业务路径上的节点，进行基因组编码；所述第二计算单元，用于计算各个染色体的适应度函数值并求和作为基因组的适应度函数值；所述处理单元，用于依照概率循环对所述基因组进行复制、交叉和变异操作并存入新群体；所述输出单元，用于当循环代数达到预设值结束循环，输出各种群收敛路径结果。

所述处理单元包括：基因组复制子单元、基因组交叉子单元和基因组变异子单元，所述基因组复制子单元，用于根据所述适应度函数值，依照概率选择基因组复制到新群体；所述基因组交叉子单元，用于依照概率随机选择多对基因组进行交叉并存入新群体；所述基因组变异子单元，用于依照概率随机选择多个基因组进行变异并存入新群体。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本发明实施例中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本发明实施例中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明实施例所示的这些实施例，而是要符合与本发明实施例所公开的原理和新颖特点相一致的最宽的范围。