曲朝陽(yáng)，張藝競(jìng),4，辛 鵬，李介夫，胡可為

(1.東北電力大學(xué) 信息工程學(xué)院，吉林 吉林 132012；2.國(guó)網(wǎng)吉林省電力有限公司吉林供電公司，吉林 吉林 132000；3.國(guó)網(wǎng)吉林省電力有限公司調(diào)控中心，吉林 長(zhǎng)春 132021；4.吉林農(nóng)業(yè)科技學(xué)院 電氣與信息工程學(xué)院，吉林 吉林 132000)

基于超圖的能源互聯(lián)網(wǎng)最小能量損耗路由算法

曲朝陽(yáng)1，張藝競(jìng)1,4，辛 鵬2，李介夫2，胡可為3

(1.東北電力大學(xué) 信息工程學(xué)院，吉林 吉林 132012；2.國(guó)網(wǎng)吉林省電力有限公司吉林供電公司，吉林 吉林 132000；3.國(guó)網(wǎng)吉林省電力有限公司調(diào)控中心，吉林 長(zhǎng)春 132021；4.吉林農(nóng)業(yè)科技學(xué)院 電氣與信息工程學(xué)院，吉林 吉林 132000)

針對(duì)傳統(tǒng)路由策略應(yīng)用在基于電動(dòng)汽車的能源互聯(lián)網(wǎng)分配模型中會(huì)造成能源傳輸損耗問(wèn)題，提出了一種基于超圖的最小能量損耗路由算法。首先，設(shè)計(jì)了一種基于能量規(guī)劃的能源超圖拓?fù)浣⒎椒ǎ瑢鹘y(tǒng)電力能源拓?fù)渚W(wǎng)絡(luò)抽象成基于能量規(guī)劃的超圖模型；其次，針對(duì)超圖模型提出最小能量損耗路由策略，計(jì)算出能量損耗最小的能源輸送路徑，實(shí)現(xiàn)了對(duì)能源傳輸網(wǎng)絡(luò)的能耗損失的控制。在超圖模型的基礎(chǔ)上通過(guò)與傳統(tǒng)Dijkstra算法進(jìn)行實(shí)驗(yàn)比較分析，證明該方法可以有效縮短能量傳輸規(guī)劃時(shí)間，減少能源輸送過(guò)程中的能量損耗。

能量路由；超圖；能源互聯(lián)網(wǎng)；能量輸送

21世紀(jì)以來(lái)，在能源利用效率、節(jié)能環(huán)保等方面存在著的問(wèn)題日益突出，節(jié)能減排成為世界范圍內(nèi)各國(guó)共同關(guān)注的一項(xiàng)重點(diǎn)工程[1-2]。利用先進(jìn)的互聯(lián)網(wǎng)通信技術(shù)構(gòu)建的能源互聯(lián)網(wǎng)將是未來(lái)能源基礎(chǔ)平臺(tái)[3-5]。各個(gè)國(guó)家都開(kāi)始大力推動(dòng)對(duì)能源互聯(lián)網(wǎng)的研究和應(yīng)用，但是大體都不能建立有效的模型解決問(wèn)題。文獻(xiàn)[7]介紹了一種基于電動(dòng)公共汽車充放電的能源互聯(lián)網(wǎng)接入和傳輸分配方式，這種能源互聯(lián)網(wǎng)模型可以讓研究人員進(jìn)行深層次的分析。

文獻(xiàn)[7]中，分析了電動(dòng)公交汽車的運(yùn)載能力：一輛普通的電動(dòng)公交汽車(如比亞迪K9)的電池組容量為324度，每100公里消耗電能130度。城市公交路線的往返路程一般都遠(yuǎn)遠(yuǎn)小于100公里，這樣算下來(lái)，如果用電動(dòng)公交車來(lái)傳送電能，每輛公交車每次可以傳輸194度電。文獻(xiàn)中一個(gè)城市通過(guò)這個(gè)模型進(jìn)行電能輸送的能力也給出了分析：發(fā)達(dá)城市(如上海)的機(jī)動(dòng)汽車總量約300萬(wàn)臺(tái)，如果十分之一是電動(dòng)汽車，每輛汽車只運(yùn)送10度電能的話，可以通過(guò)這個(gè)模型運(yùn)送300多萬(wàn)度電，相當(dāng)于全市的五分之一的發(fā)電量。但是事實(shí)上，每輛車能輸送的電能遠(yuǎn)遠(yuǎn)大于10度，通過(guò)能源互聯(lián)網(wǎng)模型完全可以傳輸全市日常所需要的電能。

綜上所述，在基于電動(dòng)汽車傳輸?shù)哪茉椿ヂ?lián)網(wǎng)模型中，理想狀態(tài)下是不需要傳統(tǒng)的電能傳輸工具，只需通過(guò)電動(dòng)公交汽車日常運(yùn)行，就可以進(jìn)行電能的輸送[6]。在日常生活中，公交汽車的路線和公交充電站已經(jīng)確定，經(jīng)過(guò)發(fā)電站的公交汽車不會(huì)經(jīng)過(guò)每一個(gè)充電站，這樣就必須通過(guò)其他汽車的轉(zhuǎn)運(yùn)。電能通過(guò)充電站從一輛電動(dòng)公交汽車轉(zhuǎn)給另外一輛電B2動(dòng)公交汽車，這類似于傳統(tǒng)的路由轉(zhuǎn)發(fā)算法。對(duì)于能量轉(zhuǎn)發(fā)算法來(lái)說(shuō)，公交汽車在運(yùn)行過(guò)程中或每次在充電站進(jìn)行充電放電，都會(huì)造成能量損耗。

所以，能量路由算法的作用就是在充電站部署后，尋找從太陽(yáng)能發(fā)電站到每個(gè)公交充電站的能量損耗最小的路徑。針對(duì)能源傳輸網(wǎng)絡(luò)跳數(shù)不同這一問(wèn)題，傳統(tǒng)路由算法如果想要應(yīng)用在能源網(wǎng)絡(luò)中必須把能源拓?fù)溥M(jìn)行重新建立，本文設(shè)計(jì)了基于能量規(guī)劃的能源超圖拓?fù)浣⒎椒?，并在此基礎(chǔ)上提出了一種基于超圖的最小能量損耗路由算法。在本文建立的超圖模型基礎(chǔ)上，應(yīng)用傳統(tǒng)求最短路由路徑的Dijkstra算法[10]和本文提出的路由算法進(jìn)行實(shí)驗(yàn)比較，證明基于超圖的最小能量損耗路由算法能有效減少能源輸送能源損耗，縮短了能量傳輸規(guī)劃時(shí)間。

1 基于能量規(guī)劃的道路超圖模型

1.1 能量損耗模型

基于電動(dòng)汽車的能源互聯(lián)網(wǎng)接入和傳輸分配模型是通過(guò)電動(dòng)汽車的運(yùn)行來(lái)進(jìn)行電能的傳輸[7]。為了進(jìn)一步講述能源互聯(lián)網(wǎng)能量損耗模型，本文假設(shè)如下場(chǎng)景，如圖1是一個(gè)已經(jīng)部署好充電站的城市公交路線拓?fù)鋱D[8-9]。這個(gè)城市為了節(jié)能減排，所以的公交車都是電動(dòng)公交汽車，并且在城市的偏遠(yuǎn)區(qū)域建立了兩個(gè)新能源發(fā)電站F1、F2。這兩個(gè)發(fā)電站可以為全市的電動(dòng)公交汽車提供能量。綜上所述，能源互聯(lián)網(wǎng)能量輸送過(guò)程就是，為了滿足城市中所有正在運(yùn)行的電動(dòng)公交汽車充電需求，如何將城市的偏遠(yuǎn)區(qū)域的新能源發(fā)電站生產(chǎn)出的電能，通過(guò)電動(dòng)公交汽車系統(tǒng)的自運(yùn)行，輸送到城市每個(gè)角落的充電站中。圖1中部署了4充電站，分別在公交站點(diǎn)B1、B2、B3、B4上，每條公交線路上都有一個(gè)充電站，滿足了所有公交路線R1-R4的充電需求?；诔瑘D的最小能量損耗路由算法就是在此基礎(chǔ)上，尋找合適的能量輸送路徑，將發(fā)電站產(chǎn)生的能量，通過(guò)電動(dòng)公交汽車輸送到各個(gè)充電站。

圖1 公交路線示意圖

但是，在現(xiàn)實(shí)生活中，沒(méi)有一條公交路線能夠通過(guò)所有充電站，如圖1所示。B1充電站可以直接接受從發(fā)電站F1送出的能量，公交線路R4的電動(dòng)公交車從F1取能量，到B1充電站釋放能量，同樣，從B3充電站可以直接接受從發(fā)電站F2輸送的能量。但是充電站B2、B4就沒(méi)有直接連通發(fā)電站的公交路線，由于能源互聯(lián)網(wǎng)模型中沒(méi)有傳統(tǒng)的電能傳輸工具，所以這兩個(gè)充電站所接受的能量就必須通過(guò)B1或B3充電站進(jìn)行中轉(zhuǎn)，例如R4上的電動(dòng)公交從B3充電站取出能量，運(yùn)行到B2，再將能量釋放給B2充電站。電動(dòng)公交汽車每次充放電這個(gè)過(guò)程，都會(huì)造成小部分能量損耗。

能量損失模型如下表示：

(1)

式中：El為從發(fā)電站到充電站損失能量百分比；pi為第i次充放電損失能量百分比；n為經(jīng)過(guò)充電站轉(zhuǎn)發(fā)次數(shù)。

由公式(1)可見(jiàn)，為了減少能量的損失，就要尋找從發(fā)電站到終點(diǎn)的最少充放電輸送路線，這類似于計(jì)算機(jī)網(wǎng)絡(luò)的路由策略。最常用的路由策略最短路徑算法有：Dijkstra算法[10]、A*算法[11]、SPFA算法[12]、Floyd-Warshall算法[13]等。但是由于能源互聯(lián)網(wǎng)能量輸送路由又與計(jì)算機(jī)網(wǎng)絡(luò)路由不同，導(dǎo)致傳統(tǒng)算法不能用于與能源拓?fù)渲?。在能源互?lián)網(wǎng)的路由策略中，當(dāng)一輛攜帶電能的公交車到達(dá)另一個(gè)需要電能的充電站釋放能量的過(guò)程中，會(huì)路過(guò)許多不需要進(jìn)行充放電的充電站。在此過(guò)程中，該電動(dòng)公交車只進(jìn)行了一次充放電，在能源互聯(lián)網(wǎng)路由策略中，這只能算一跳路由。然而在傳統(tǒng)計(jì)算機(jī)網(wǎng)絡(luò)路由中，這種情況是多跳路由，所以傳統(tǒng)路由策略不適用于新型的能源互聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)中。進(jìn)一步進(jìn)行解釋，例如在圖1中線路R6，公交從節(jié)點(diǎn)B3充電經(jīng)過(guò)了B2到達(dá)節(jié)點(diǎn)B1進(jìn)行放電。這一過(guò)程在計(jì)算機(jī)網(wǎng)絡(luò)中被認(rèn)為是2跳路由，但是從充放電方面來(lái)講，電動(dòng)公交在B3充電到B1放電，這過(guò)程充電放電次數(shù)為一次，就是一跳路由。這樣就導(dǎo)致了城市公交網(wǎng)絡(luò)轉(zhuǎn)換為簡(jiǎn)單圖模型不能應(yīng)用于能量輸送路由算法的設(shè)計(jì)。

1.2 基于能量規(guī)劃的能源超圖拓?fù)浣⒎椒?/h3>

這里我們引入超圖來(lái)描述和分析能量輸送路由模型。超圖的特點(diǎn)是一條邊可以包括多個(gè)節(jié)點(diǎn)，正好與一條公交路線有多個(gè)站點(diǎn)的特點(diǎn)相同。超圖中每一條代表一條公交路線。每條超邊包含多個(gè)頂點(diǎn)，也就對(duì)應(yīng)每條公交路線包含多個(gè)公交站點(diǎn)。

具體抽象出基于能量規(guī)劃的道路超圖模型(如圖2)過(guò)程如下：

第一步，根據(jù)輸入的公交站點(diǎn)集合S和所有公交路線集合R，得到道路超圖的結(jié)點(diǎn)集OS=R1∪R2∪…∪Rn，OS∈S。

第三步，遍歷所有公交路線集合R，根據(jù)道路超圖的結(jié)點(diǎn)集OS，求超道路邊集ES={e1，e2，…，em}。si∈R且si∈S，則si∈ESR，在R中去掉si，查看R中下一個(gè)si+1。如果si+1∈R且si+1∈S，則si+1∈ESR。如此循環(huán)直到R=?。

第五步，輸出道路超圖的結(jié)點(diǎn)集合OS={o1，o2，…，on}，結(jié)點(diǎn)能量權(quán)重集合OW={ow1，ow2，…，own}，道路超邊集合ES={e1，e2，…，em}，超邊能量權(quán)重集EW={ew1，ew2，…，ewm}。

圖2 公交路線示意圖

2 基于超圖的最小能量損耗路由算法

在進(jìn)行基于能量規(guī)劃的能源超圖拓?fù)浣⒑?，新建立的超圖模型上可以運(yùn)用傳統(tǒng)的最短路徑算法解決，本文提出一種基于超圖的最小能量損耗路由算法，可以明顯縮短能量傳輸路徑規(guī)劃時(shí)間。

2.1 能量損耗模型

設(shè)某道路超圖模型H由一個(gè)站點(diǎn)結(jié)點(diǎn)集OS={o1，o2，…，on}，結(jié)點(diǎn)能量權(quán)重集OW={ow1，ow2，…，own}，描述結(jié)點(diǎn)群體關(guān)系的超邊集ES={e1，e2，…，em}及超邊能量權(quán)重集EW={ew1，ew2，…，ewm}組成。

定義3 結(jié)點(diǎn)—超邊的關(guān)聯(lián)矩陣B=(bik)n*m可定義為：

(2)

定義4 結(jié)點(diǎn)oi(i=1，2，…，n)的關(guān)聯(lián)超邊集可定義為：

AES(oi)≡{ek|oi∈ek，k∈{1，2，…，m}}，

(3)

通常，將結(jié)點(diǎn)oi所在的超邊數(shù)目稱為oi的關(guān)聯(lián)超邊度數(shù)，記為|AES(oi)|。

定義5 超邊ek(k=1，2，…，m)的結(jié)點(diǎn)集可定義為：

EOS(ek)≡{oi|oi∈ek，k∈{1，2，…，n}}，

(4)

通常，將超邊ek所含的結(jié)點(diǎn)數(shù)目稱為ek的關(guān)聯(lián)點(diǎn)度數(shù)，記為|EOS(ek)|。

定義6 結(jié)點(diǎn)oi(i=1，2，…，n)的關(guān)聯(lián)結(jié)點(diǎn)集可定義為：

(5)

通常，將與結(jié)點(diǎn)oi共享過(guò)超邊的結(jié)點(diǎn)數(shù)目稱為oi的直連點(diǎn)度數(shù)，記為|AOS(oi)|。

定義7 結(jié)點(diǎn)oi(i=1，2，…，n)在任一個(gè)結(jié)點(diǎn)擴(kuò)展樹(shù)中的結(jié)點(diǎn)代價(jià)函數(shù)f(oi)可定義為：當(dāng)oi是根結(jié)點(diǎn)時(shí)，設(shè)f(oi)=0當(dāng)oi不是根結(jié)點(diǎn)時(shí)，設(shè)f(oi)=f(parent(oi))+EW(MinEdge(parent(oi)，oi))顯然，這是一個(gè)遞歸式定義函數(shù)。parent(oi)是結(jié)點(diǎn)oi的父結(jié)點(diǎn)，MinEdge(parent(oi)，oi)是包含結(jié)點(diǎn)parent(oi)與oi的超邊集中取最小權(quán)重的超邊，EW(MinEdge(parent(oi)，oi))是超邊MinEdge(parent(oi)，oi)的權(quán)重值。

2.2 能量損耗模型

基于超圖的最小能量損耗路由算法的基本思路，其輸入輸出為：輸入結(jié)點(diǎn)集OS={o1，o2，…，on}，超邊集ES={e1，e2，…，em}，超邊能量權(quán)重集EW={ew1，ew2，…，ewm}及結(jié)點(diǎn)—超邊的關(guān)聯(lián)矩陣B=(bik)n*m。輸出則為不同結(jié)點(diǎn)間的最短路徑及其長(zhǎng)度。

具體算法步驟如下：

第一步，根據(jù)結(jié)點(diǎn)—超邊的關(guān)聯(lián)矩陣B=(bik)n*m及定義4、定義6，為結(jié)點(diǎn)集OS中的每個(gè)結(jié)點(diǎn)oi(i=1，2，…，n)構(gòu)造它的關(guān)聯(lián)超邊集AES(oi)和關(guān)聯(lián)結(jié)點(diǎn)集AOS(oi)。根據(jù)結(jié)點(diǎn)—超邊的關(guān)聯(lián)矩陣B及定義5，為超邊集ES中的每條超邊ek(k=1，2，…，m)構(gòu)造它的結(jié)點(diǎn)集EOS(ek)。

每個(gè)結(jié)點(diǎn)oi(i=1，2，…，n)的關(guān)聯(lián)超邊集AES(oi)和每條超邊ek(k=1，2，…，m)的結(jié)點(diǎn)集EOS(ek)很容易由結(jié)點(diǎn)—超邊的關(guān)聯(lián)矩陣B構(gòu)造出來(lái)。每個(gè)結(jié)點(diǎn)oi(i=1，2，…，n)的關(guān)聯(lián)結(jié)點(diǎn)集AOS(oi)需要由AES(oi)和EOS(ek)構(gòu)造出來(lái)。

第二步，當(dāng)結(jié)點(diǎn)oi(i=1，2，…，n)的關(guān)聯(lián)結(jié)點(diǎn)集AOS(oi)非空時(shí)，為其設(shè)計(jì)一個(gè)能存儲(chǔ)oi與它的關(guān)聯(lián)結(jié)點(diǎn)的取最小權(quán)重的超邊及其權(quán)重值的結(jié)構(gòu)體數(shù)組AssMEW(oi)。

例如，設(shè)結(jié)點(diǎn)oj是結(jié)點(diǎn)oi的一關(guān)聯(lián)結(jié)點(diǎn)集AOS(oi)，采用基于最小代價(jià)優(yōu)先的樹(shù)結(jié)點(diǎn)擴(kuò)展策略，為結(jié)個(gè)關(guān)聯(lián)結(jié)點(diǎn)，則存儲(chǔ)結(jié)點(diǎn)oi與其關(guān)聯(lián)結(jié)點(diǎn)oj的最小超邊信息可以設(shè)計(jì)為一個(gè)三元結(jié)構(gòu)體：AssMEW(oi)[j]=〈oj，MinEdge(oi，oj)，EW(MinEdge(oi，oj))〉，MinEdge(oi，oj)是包含兩個(gè)關(guān)聯(lián)結(jié)點(diǎn)oi與oj的超邊集中取最小權(quán)重的超邊，EW(MinEdge(oi，oj))則為超邊MinEdge(oi，oj)的權(quán)重值。

第三步，根據(jù)每個(gè)結(jié)點(diǎn)oi(i=1，2，…，n)的點(diǎn)oi構(gòu)造一個(gè)以它為根結(jié)點(diǎn)的分支樹(shù)。在構(gòu)造分支樹(shù)的過(guò)程中，以定義7來(lái)計(jì)算每個(gè)結(jié)點(diǎn)的代價(jià)函數(shù)。

第四步，輸出構(gòu)造的分支樹(shù)即為超圖模型中不同結(jié)點(diǎn)間的最短路徑及其長(zhǎng)度。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)的硬件配置為Inter(R)Core(TM) i7- 4710MQ 2.50GHzCPU，8GB RAM，軟件配置為Microsoft Windows7旗艦版64位SP1下的Myeclipse開(kāi)發(fā)環(huán)境下采用Java語(yǔ)言(JDK6.0)來(lái)進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證，并用Matlab2010b繪圖。

3.2 實(shí)驗(yàn)數(shù)據(jù)集

本實(shí)驗(yàn)采用的測(cè)試數(shù)據(jù)集一美國(guó)紐約城市公交系統(tǒng)真實(shí)路線和運(yùn)行數(shù)據(jù)，其公交數(shù)據(jù)包括所有的公交路線、公交站點(diǎn)、運(yùn)行班次、時(shí)間等都在網(wǎng)絡(luò)上公開(kāi)發(fā)布，可以下載其數(shù)據(jù)來(lái)測(cè)試分析。本實(shí)驗(yàn)提取曼哈頓的城市公交路線圖和運(yùn)行數(shù)據(jù)，形成測(cè)試實(shí)驗(yàn)數(shù)據(jù)，該測(cè)試集大小為1G，包括41條公交路線，463個(gè)公交車站。

表1 實(shí)驗(yàn)數(shù)據(jù)表

3.3 實(shí)驗(yàn)結(jié)果及分析

M表示道路拓?fù)鋱D中節(jié)點(diǎn)的個(gè)數(shù)，N表示道路拓?fù)鋱D中超邊的個(gè)數(shù)，T1表示基于超圖的最小能量損耗路由算法的時(shí)間損失，T2表示Dijkstra算法的時(shí)間損耗，EL1表示應(yīng)用基于超圖的最小能量損耗路由算法后所對(duì)應(yīng)的能量損失，EL2表示應(yīng)用Dijkstra算法后所對(duì)應(yīng)的能量損失。表2是應(yīng)用基于超圖的最小能量損耗路由算法后所對(duì)應(yīng)的時(shí)間損耗和能量損失，表3是應(yīng)用Dijkstra算法后所對(duì)應(yīng)的時(shí)間損耗和能量損失。

表2 應(yīng)用基于超圖的最小能量損耗路由算法后對(duì)應(yīng)的時(shí)間損耗和能量損失

表3 應(yīng)用Dijkstra算法后所對(duì)應(yīng)的時(shí)間損耗和能量損失

時(shí)間損耗對(duì)比，如圖3所示，其中Dijkstra算法在能源傳輸路線規(guī)劃這一步驟要花大量的搜索時(shí)間，而本算法時(shí)間開(kāi)銷較小。

用本文提到的能量損耗公式分別計(jì)算兩種算法的能量損耗。能量損失對(duì)比，如圖4所示，其中本算法在節(jié)點(diǎn)和邊數(shù)變化的時(shí)候，有效進(jìn)行能源傳輸路線規(guī)劃，減少了能源損耗。

圖3 時(shí)間損耗對(duì)比圖4 能量損失對(duì)比

4 結(jié) 論

本文分析了現(xiàn)有的路由策略的最短路徑算法不能有效應(yīng)用在新型能源拓?fù)渲羞@一問(wèn)題，并針對(duì)基于電動(dòng)汽車的能源互聯(lián)網(wǎng)傳輸分配模型的特性進(jìn)行研究，引入超圖來(lái)描述和分析能量輸送最短路徑，設(shè)計(jì)了一種普通公交拓?fù)涑橄蟪苫谀芰恳?guī)劃的道路超圖模型的建立方法，在此基礎(chǔ)上，提出了一種基于超圖的最小能量損耗路由算法。通過(guò)實(shí)驗(yàn)驗(yàn)證，其結(jié)果表明提出的算法在能求出能量損耗最小的能量輸送路徑的同時(shí)，還可以有效縮短能量傳輸規(guī)劃時(shí)間，減少能源輸送過(guò)程中的能量損耗。

[1] 曲朝陽(yáng)，陳帥，楊帆，等.基于雙層次分析的智能變電站數(shù)據(jù)分類方法[J].東北電力大學(xué)學(xué)報(bào)，2014，34(2)：61-65.

[2] 曲朝陽(yáng)，張率，劉洪濤.基于用電影響因素回歸的小區(qū)用電預(yù)測(cè)模型[J].東北電力大學(xué)學(xué)報(bào)，2015，35(1)：73-77.

[3] 董朝陽(yáng)，趙俊華，文福拴，等.從智能電網(wǎng)到能源互聯(lián)網(wǎng)：基本概念與研究框架[J].電力系統(tǒng)自動(dòng)化，2014，38(15)：1-11.

[4] G.Adomavicius，A.Tuzhilin.Toward the next generation of recommender systems：a survey of the state-of-the-art and possible extensions[J].Knowledge and Data Engineering，IEEE Transactions on，2005，17(6)：734-749.

[5] 李剛，劉繼春，趙巖，等.能源互聯(lián)網(wǎng)環(huán)境下數(shù)據(jù)中心能耗優(yōu)化管理技術(shù)研究[J].電測(cè)與儀表，2016，53(10)：1-7.

[6] 章鹿華，王思彤，易忠林，等.面向智能用電的家庭綜合能源管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電測(cè)與儀表，2010，47(9)：39-42.

[7] P.Yi，T.Zhu，B.Jiang，et al.Deploying energy router in an energy internet based electric vehicles[J].IEEE Transactions on Vehicular Technology，2016，65(6)：4714-4725.

[8] 查亞兵，張濤，黃卓，等.能源互聯(lián)網(wǎng)關(guān)鍵技術(shù)分析[J].中國(guó)科學(xué)：信息科學(xué)，2014，44(6)：702-713.

[9] Q.Sun，R.Han，H.Zhang，et al.A multiagent-based consensus algorithm for distributed coordinated control of distributed generators in the energy internet[J].Smart Grid，IEEE Transactions on Smart Grid，2015，6(6)：3006-3019.

[10] 王樹(shù)西，李安渝.Dijkstra算法中的多鄰接點(diǎn)與多條最短路徑問(wèn)題[J].計(jì)算機(jī)科學(xué)，2014，41(6)：217-224.

[11] 奚崢皓，李洪波，劉賀平，等.基于A*算法優(yōu)化的多目標(biāo)跟蹤[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)，2014，54(12)：1549-1554.

[12] 沈海瀾，王玉斌，陳再良，等.一種基于分層圖的改進(jìn)SPFA算法[J].計(jì)算機(jī)工程，2012，38(13)：251-253.

[13] L.Ridi，J.Torrini，E.Vicario.Developing a scheduler with difference-bound matrices and the floyd-warshall algorithm[J].IEEE Software，2012，29(1)：76-83.

AnEnergyInternetRoutingAlgorithmonHypergraphBasedMinimum-EnergyLoss

QuZhaoyang1，ZhangYijing1，4，XinPeng2，LiJiefu2，HuKewei3

(1.School of Information Engineering，Northeast Electric Power University，Jilin Jilin 132012；2.State Grid Jilin Electric Power Co.，Ltd.Jilin Power Supply Company，Jilin Jilin 132000；3.State Grid Jilin Province Electric Power Co.，Ltd.Control Center，Changchun Jilin 132021；4.School of Electrical and Information Engineering，Jilin Agriculture Science And Technology College，Jilin Jilin 132000)

This paper involved a problem that the traditional routing strategy applied to energy internet distribution model of electric vehicle can bring energy transmission loss，and proposed a routing algorithm on Hypergraph-Based minimum-energy loss.First，it designs an establishment method energy topological graph and the electric network topology of traditional power is abstracted hypergraph model based on energy planning；secondly，it succeeds in controlling power loss on energy transmission network by proposing the hypergraph model of minimum energy loss routing and calculating energy transport path of minimum energy loss.Through an analyzing between calculation and test with Dijkstra algorithm widely used，this method can effectively shorten energy transfer planning time，reduce energy consumption during energy transfer process.

Energy routing；Hypergraph；Energy internet；Energy transfer

2017-02-28

國(guó)家自然科學(xué)基金項(xiàng)目(51277023)；吉林省科技計(jì)劃重點(diǎn)轉(zhuǎn)化項(xiàng)目(20140307008GX)

曲朝陽(yáng)(1964-)，男，博士，教授，主要研究方向：智能信息處理等.

電子郵箱：qzywww@neepu.edu.cn(曲朝陽(yáng))；332856891@qq.com(張藝競(jìng))；1406989666@qq.com(辛鵬)；frqkycg@163.com(李介夫)；qzynedu@qq.com(胡可為)

1005-2992(2017)06-0093-07

TM72；TK01

A