王志強，董忠濤，王驍龍，劉文霞，毛宇洋，黃易君成

考慮建筑物遮蔽的電力應急通信基站選址雙層優(yōu)化方法

王志強，董忠濤，王驍龍，劉文霞，毛宇洋，黃易君成

(新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，北京 102206)

電力應急通信基站僅依靠人的主觀經(jīng)驗部署存在不足。因此，考慮建筑物對基站信號的遮蔽影響，基于單兵前往災區(qū)勘測的回傳信息，對研究問題進行圖形化描述。在此基礎上，提出了電力應急通信基站選址的雙層優(yōu)化模型。上層以基站間信號傳輸損耗最小為目標，在劃定的基站可選位置范圍內(nèi)，針對非線性模型，利用粒子群算法優(yōu)化基站的預選位置。下層以基站間信號傳輸路徑與建筑物的間隔距離最大為目標，利用支持向量機優(yōu)化基站的最終位置，并傳遞回上層以計算信號傳輸損耗，通過迭代優(yōu)化獲得基站的最優(yōu)部署位置。通過在算例中與單層模型比較，驗證了所提方法的可行性與有效性，可為發(fā)生重大自然災害后電力應急通信網(wǎng)的搭建提供技術(shù)參考。

電力應急通信基站；跨區(qū)域部署；建筑物遮蔽；信號傳輸損耗；雙層優(yōu)化；粒子群算法；支持向量機

0 引言

近年來，由地震、洪澇等自然災害引發(fā)的電網(wǎng)大面積停電事故給社會帶來巨大損失，災害后電網(wǎng)的快速搶修是降低停電損失的關(guān)鍵[1]。但在重大自然災害面前，公共通信網(wǎng)和電力專網(wǎng)也可能因遭到破壞而陷入癱瘓，這將阻礙電網(wǎng)搶修工作中信息的上傳下達[2]，此時，可以通過部署應急基站解決災區(qū)與電網(wǎng)調(diào)度之間的通信問題，然而兩地間高大建筑物對基站信號的遮蔽效應，給基站的部署帶來困難。該問題的解決對于保障電網(wǎng)搶修工作的后續(xù)開展、最大化降低停電損失具有重要意義。

目前，國內(nèi)外學者對電力應急通信基站的位置優(yōu)化問題關(guān)注較少，而對于非應急狀態(tài)下基站的選址問題，學者們已進行了大量研究[3-8]。文獻[3]以通信網(wǎng)絡規(guī)劃區(qū)域內(nèi)基站建設數(shù)目最少和信號覆蓋率最大為目標，利用改進免疫算法求得基站選址方案；文獻[4]提出基于量子免疫算法的基站選址優(yōu)化方法，該方法能以較少的基站數(shù)目滿足信號覆蓋率要求；文獻[5]考慮了覆蓋率、容量以及基站數(shù)目要求，將變步長人工魚群算法應用到基站選址優(yōu)化問題?？偟膩碚f，非應急狀態(tài)下基站選址問題的研究，綜合考慮信號質(zhì)量、基站數(shù)目以及覆蓋率約束，將基站候選位置集合中的基站個體視為0-1變量，通過智能優(yōu)化算法求解基站候選位置集合的一個子集，得到基站最優(yōu)布局，并對模型求解算法做出較多改進。但是，應急狀態(tài)下的基站位置選取，除了考慮基站實現(xiàn)對受災地區(qū)的信號覆蓋，還需要建立災區(qū)內(nèi)基站與災區(qū)外電網(wǎng)調(diào)度中心之間的信號傳輸路徑，即實現(xiàn)跨區(qū)域通信。

關(guān)于應急狀態(tài)下災區(qū)內(nèi)部與電網(wǎng)調(diào)度中心之間信號傳輸路徑構(gòu)建以及對災區(qū)現(xiàn)場的信號覆蓋，有學者對整體方案進行了研究[9-16]。文獻[9]提出在災區(qū)搶修現(xiàn)場搭建無線自組網(wǎng)，現(xiàn)場移動終端通過無線方式接入自組網(wǎng)骨干節(jié)點；與電網(wǎng)調(diào)度中心通信時，采用衛(wèi)星通信方式。文獻[10]提出部署應急基站實現(xiàn)對災區(qū)現(xiàn)場的信號覆蓋，現(xiàn)場數(shù)據(jù)依靠衛(wèi)星通信技術(shù)傳送到電網(wǎng)調(diào)度中心?？紤]到衛(wèi)星通信成本較高，也有學者提出通過搭建無線基站，實現(xiàn)災區(qū)與調(diào)度間的信息傳送，文獻[11]除了在災區(qū)現(xiàn)場部署基站外，在災區(qū)外存在公共通信網(wǎng)的區(qū)域部署另外一個基站，兩基站通過無線中繼方式建立信號傳輸路徑，災區(qū)外基站通過接入公共通信網(wǎng)與電網(wǎng)調(diào)度中心進行通信。在基站間的通信過程中，發(fā)信方信號發(fā)射功率與接信方信號接收強度的差值為信號傳輸損耗，最大通信距離對應允許的最大信號傳輸損耗；為滿足救災場景下遠距離跨區(qū)域通信的需求，車載應急基站大多采用定向天線，但天線的信號繞射能力稍差、架設高度有限，若信號傳輸路徑受到建筑物較大程度遮擋，信號損耗數(shù)值可能過大，致使區(qū)域內(nèi)外通信需求得不到滿足。此外，目前應急基站主要依靠現(xiàn)場人員的工作經(jīng)驗部署，為實現(xiàn)跨區(qū)域通信，人員反復調(diào)整基站位置可能花費較多時間。為提高應急通信網(wǎng)絡搭建速度，給電力搶修提供保障，建立模型來優(yōu)化選取兩個基站的位置，使其能更好地規(guī)避高大建筑物的遮蔽，實現(xiàn)災區(qū)內(nèi)、外的良好通信。

綜上，本文考慮建筑物對基站信號的遮蔽影響，基于單兵前往災區(qū)勘測的回傳信息，提出了電力應急通信基站選址的雙層優(yōu)化方法。首先，根據(jù)災區(qū)和電網(wǎng)公司的位置、單兵勘測路徑，對研究問題進行了圖形化描述。在此基礎上，建立了基站選址的雙層優(yōu)化模型，上層以基站間信號傳輸路徑上的損耗最小為目標，在基站可選位置范圍內(nèi)，對非線性模型利用粒子群算法(Partical Swarm Optimization, PSO)優(yōu)化基站的預選位置；下層以基站間信號傳輸路徑與建筑物的間隔距離最大為目標，利用支持向量機(Support Vector Machine, SVM)求解基站的最終位置，并傳遞回上層，計算信號傳輸損耗，通過迭代優(yōu)化獲得基站最優(yōu)部署位置。通過與提出的單層模型的比較，驗證了所提模型的有效性，可為發(fā)生重大自然災害后電力應急通信網(wǎng)的搭建提供有益參考。

1 電力應急通信基站選址圖形化描述

重大自然災害導致某地的電力及通信網(wǎng)絡中斷，單兵攜帶衛(wèi)星通信設備從電網(wǎng)應急指揮中心前往災區(qū)查看電力設施受損情況，并同時勘測沿途通信網(wǎng)絡狀況，為基站部署提供輔助信息。

定義“前線基站”與“后方基站”，前線基站完成對搶修區(qū)域的信號覆蓋，后方基站接入公共通信網(wǎng)，兩基站采用定向天線實現(xiàn)信息交互。

電力應急通信基站選址的場景示意圖如圖1所示，將電力搶修區(qū)域用圓形覆蓋，圓心為，半徑為；前線基站若要覆蓋此圓，則其與點的距離應滿足式(1)。

式中，R為前線基站的信號覆蓋半徑[17-18]。O點為單兵進入電力受災區(qū)域，根據(jù)設備受災情況以及搶修工作經(jīng)驗，在確定搶修作業(yè)地點后，利用衛(wèi)星通信設備傳回的位置。圖1左側(cè)陰影圓形為前線基站的可選位置區(qū)域，上式取等號時，搶修區(qū)域內(nèi)圓與前線基站覆蓋范圍外圓內(nèi)切。

后方基站需部署在存在公共通信網(wǎng)絡的位置，但考慮到電力搶修對于時間快速性要求較高，不適合對全地圖進行大范圍勘探以確定公共通信網(wǎng)絡良好與中斷的位置邊界，所以本文通過以下方式劃定后方基站的可選位置區(qū)域。

單兵從指揮中心出發(fā)，行程的前半段存在公共通信網(wǎng)絡；到達圖1中點時通信網(wǎng)絡中斷，單兵通過衛(wèi)星通信方式向指揮中心傳回當前位置坐標；為使后方基站接入網(wǎng)絡狀態(tài)良好的公共通信網(wǎng)，將線段延長距離至；以為圓心，為半徑，并輔以圓的平行切線，作?。粚⒒∮覀?cè)陰影區(qū)域作為后方基站的可選位置區(qū)域。

同時，從圖1中可以看出，在前線基站、后方基站的可選位置區(qū)域內(nèi)分別任意選定一點，兩點連線與弧、弧各有一交點，兩交點確定的線段與前一線段相比，距離更短，線段上建筑物更少，因此，信號受遮擋產(chǎn)生的損耗更小。

進而，將前線基站、后方基站的可選位置范圍由陰影區(qū)域縮小為區(qū)域邊界，即弧及。通過選定前線基站和后方基站的最優(yōu)位置，使基站間信號傳輸路徑的損耗最小，實現(xiàn)災區(qū)內(nèi)、外工作人員在較高信號強度下跨區(qū)域傳送信息，這是本文要解決的關(guān)鍵問題。

2 電力應急通信基站選址雙層優(yōu)化模型

2.1 雙層優(yōu)化模型結(jié)構(gòu)

本文以最小化信號傳輸路徑的損耗為目標來優(yōu)選基站位置，對于基站間信號傳輸路徑的獲得，考慮到傳輸路徑上越通暢，建筑物越少，則信號的傳輸損耗越小，因此以主動避開建筑物為出發(fā)點，利用建筑物的分布信息，以傳輸路徑與建筑物的間隔距離最大為目標生成信號傳輸路徑。

為此，建立了電力應急通信基站選址的雙層優(yōu)化模型，其結(jié)構(gòu)如圖2所示。

圖2 雙層優(yōu)化模型結(jié)構(gòu)

上層模型以信號傳輸路徑的損耗最小化為目標，在基站可選位置范圍內(nèi)，優(yōu)化基站的預選位置，并傳入下層；下層模型以信號傳輸路徑與建筑物的間隔距離最大化為目標，優(yōu)化基站的最終位置，并傳遞回上層，計算信號傳輸損耗，通過迭代優(yōu)化，獲得基站的最優(yōu)位置。

2.2 上層預選基站位置模型

基于前線、后方基站的可選位置范圍以及建筑物位置、高度數(shù)據(jù)，建立應急基站選址的上層模型。

目標函數(shù)為

圖3 繞射損耗求解示意圖

1) 位置范圍約束

2) 信號傳輸損耗約束

基站信號發(fā)射功率與允許的最小信號接收強度的差值為最大信號傳輸損耗，為滿足正常通信需求，基站位置的選取還應該滿足式(9)所示的信號傳輸損耗約束。

2.3 基于SVM的信號傳輸路徑下層模型

上層模型中考慮建筑物占地輪廓以及高度來計算信號傳輸損耗；在求取信號傳輸路徑時，為使下層模型中解的物理意義與信號傳輸路徑相符，將建筑物凝聚為二維平面中一點，以信號傳輸路徑與建筑物的間隔最大作為目標，建立信號傳輸路徑的下層優(yōu)化模型。

信號傳輸路徑與建筑物的間隔如式(10)所示。

對于最大間隔距離的優(yōu)化，本文引入了SVM。SVM是以統(tǒng)計學習理論為基礎的數(shù)據(jù)挖掘方法[22-24]，可處理回歸、模式識別(分類問題、判別分析)等諸多問題，其機理是尋找一個滿足分類要求的最優(yōu)分類超平面，使得超平面在保證分類精度的同時，超平面兩側(cè)空白區(qū)域最大化。當SVM應用到線性可分以及近似線性可分的二維數(shù)據(jù)分類中時，超平面為直線，空白區(qū)域最大化即數(shù)據(jù)點與直線的距離最大。可見，最優(yōu)超平面與下層模型所要求解的信號傳輸路徑有較大相似性，故本文基于SVM建立了信號傳輸路徑的下層優(yōu)化模型。以式(10)間隔距離最大為目標，并參考SVM的數(shù)學推導，則式(10)可轉(zhuǎn)化為如下所述的凸二次規(guī)劃問題。

目標函數(shù)為

約束條件1為

約束條件2為

式中：θ為建筑物在極坐標系的角度；將前線、后方基站視為整體，對其形成的信號傳輸路徑優(yōu)化，為上層模型傳入的信號傳輸路徑預選位置，即圖4中為前線基站預選位置，為后方基站預選位置。、為本文定義的角度常數(shù)；由于SVM最優(yōu)超平面的確定僅與作為“支持向量”的建筑物數(shù)據(jù)點有關(guān)，故可縮小參與下層模型計算的建筑物范圍，因此設置此約束條件，即圖4中僅多邊形PQNM里被虛線包圍的建筑物參與下層模型求解。

約束條件3為

由式(11)—式(14)求得拉格朗日乘數(shù)以及支持向量后，和可由式(15)得到，即求得信號傳輸路徑最終位置，然后將最終位置傳入上層模型進行后續(xù)優(yōu)化。

式中：為支持向量個數(shù)；用任意一個支持向量均可求得。

3 模型求解

對于上層模型非線性問題，采用智能優(yōu)化算法PSO求解；下層的信號傳輸路徑模型結(jié)合SVM建立，采用SVM求解；雙層模型求解流程如圖5所示，具體求解步驟如下所述。

1) 應急指揮中心接收單兵勘測過程中傳回的坐標點，并讀取坐標點周邊一定范圍內(nèi)的建筑物位置及高度數(shù)據(jù)；

3) 設置上層模型粒子群求解算法的各項參數(shù)，如個體學習因子、群體學習因子、慣性權(quán)重、迭代次數(shù)、種群規(guī)模和粒子維度；

4) 依據(jù)步驟2)中基站的可選位置范圍約束設置粒子群算法中各個粒子的位置搜索邊界，即位置上下限，進而設置粒子的速度上下限；

8) 利用支持向量機求解下層模型的二次規(guī)劃問題，并利用求解得到的拉格朗日乘數(shù)及支持向量計算信號傳輸路徑最終位置，即得到最終位置對應的參數(shù)和，然后將此位置傳入上層模型；

9) 上層模型根據(jù)下層模型傳入的信號傳輸路徑的最終位置計算傳輸損耗；

10) 根據(jù)傳輸損耗值的優(yōu)劣來更新粒子群的個體最優(yōu)值、群體最優(yōu)值；

11) 比較迭代次數(shù)，判斷粒子群算法是否迭代完成，若迭代完成，進入步驟13)，否則進入步驟12)；

12) 更新粒子位置，即信號傳輸路徑預選位置，并且更新粒子速度，然后進入步驟7)；

13) 迭代完成，輸出基站最優(yōu)位置。

圖5 求解流程示意圖

4 算例分析

4.1 算例參數(shù)

在一定位置范圍內(nèi)，建筑物的基底面積總和與規(guī)劃建設用地面積之比為建筑密度，目前我國城市建筑密度[25-26]一般不會超過40%～50%，算例設置城市的建筑密度為45.14%，即建筑物基底面積總和與規(guī)劃建設用地面積的比值為45.14%。

建筑物的位置和高度數(shù)據(jù)利用隨機函數(shù)生成，生成的建筑物的分布情況見圖6。

圖6 建筑物分布示意圖

用于求解上層模型的粒子群算法的參數(shù)見表1所示。

表1 粒子群算法參數(shù)

4.2 求解結(jié)果

PSO算法每次迭代中，粒子位置(即基站預選位置)被傳入下層模型，下層優(yōu)化得到的基站最終位置被傳入上層以計算目標函數(shù)值，并更新粒子位置；算法迭代求得全局最優(yōu)解(即基站最優(yōu)位置)時，基站的最優(yōu)位置為一組數(shù)據(jù)，即前線基站位置坐標與后方基站位置坐標；下層SVM優(yōu)化算法使得基站最優(yōu)位置存在對應不同最優(yōu)預選位置的可能性。

記錄了7個粒子在50次迭代過程中總共350對粒子預選位置及目標函數(shù)值的數(shù)據(jù)，通過與最優(yōu)目標函數(shù)值的比對，找出了各個粒子在哪一代搜索到最優(yōu)預選位置，其數(shù)據(jù)在表2中列出；其中粒子1與粒子2分別在不同代數(shù)收斂到了同一預選位置。此外，經(jīng)過驗證，增大迭代次數(shù)時，7個粒子均會搜索到最優(yōu)預選位置，并且經(jīng)過SVM的優(yōu)化后得到同一基站最優(yōu)位置。

表2 預選位置數(shù)據(jù)

上層模型依據(jù)下層傳回的基站最終位置計算傳輸損耗，粒子群最小傳輸損耗在迭代過程中的變化情況如圖7所示。

圖7 雙層模型最小損耗變化過程

下層模型依據(jù)表2預選位置數(shù)據(jù)求得了基站最優(yōu)位置，其位置坐標以及信號傳輸路徑位置參數(shù)、信號傳輸損耗如表3所示。

表3 雙層模型最優(yōu)位置數(shù)據(jù)

表2中基站預選位置以及表3中基站最優(yōu)位置對比如圖8所示。

圖8 預選位置與最優(yōu)位置對比示意圖

由圖8可以看出，在基站預選位置基礎上，下層模型對基站位置作了進一步優(yōu)化，使得雙層模型的整體求解算法在基站可選位置范圍內(nèi)進行了全局的尋優(yōu)。

4.3 模型及算法比較

依據(jù)本文第1節(jié)對電力應急通信基站選址問題的圖形化描述，本文除提出雙層模型之外，還思考了如何利用單層模型求解基站最優(yōu)位置，下面對其進行簡單介紹，并與雙層模型從模型本身與求解方法兩方面來進行比較。

模型本身方面，單層模型為雙層模型中的上層模型，如式(2)—式(8)所示。

除上述差異外，算例仿真中建筑物分布、信號傳輸損耗計算方法相同，粒子群算法中的個體學習因子、群體學習因子、粒子位置上下限、速度上下限、種群規(guī)模也相同。

下面為單層模型的求解結(jié)果，粒子的群體最小信號傳輸損耗在迭代過程中的變化情況如圖9所示。

圖9 單層模型最小損耗變化過程

迭代結(jié)束后，基站最優(yōu)位置的數(shù)據(jù)見表4，其中包括前線基站坐標、后方基站坐標、傳輸損耗最小值。

表4 單層模型最優(yōu)位置數(shù)據(jù)

同時，為與圖8中雙層模型得到的基站最優(yōu)位置作直觀的比較，將表4中前線基站和后方基站的位置也繪制在圖中，基站位置如圖10所示。

圖10 單層模型基站最優(yōu)位置

對比圖7中雙層模型最小損耗變化過程和圖9中單層模型最小損耗變化過程，可以看出，雙層模型用更少的迭代次數(shù)求得了更優(yōu)的損耗數(shù)值，原因在于雙層模型中支持向量機對上層模型輸入的基站位置作了進一步優(yōu)化，使得在每一次的迭代中信號傳輸路徑的損耗進一步減小。

此外，單層模型求解過程中粒子群算法的初始基站位置隨機給定，對于不同的基站位置初始值，所得出的最優(yōu)基站位置存在差異，最小損耗數(shù)值相差大約10～20 dB，其中損耗最優(yōu)值為105 dB左右，與雙層模型獲得的105.3845 dB相差甚小，但是鑒于單層模型受初始位置影響較大，結(jié)果隨機性較高，對于求解最優(yōu)值的性能不夠穩(wěn)定。因此，本文進行了多次實驗，最終選擇了單層模型中出現(xiàn)次數(shù)最多的數(shù)值結(jié)果與雙層模型進行比較，同時，這也反映出雙層模型比單層模型具有更好的穩(wěn)定性，求解結(jié)果受基站初始給定位置的影響更小。

總的來說，單層與雙層模型的對比實驗證明了雙層模型的有效性、穩(wěn)定性，可為電力應急通信網(wǎng)絡搭建過程中應急基站的部署提供參考。

4.4 基站最優(yōu)位置影響因素分析

相比于正常情景下通信基站選址原則中對于地質(zhì)條件、市電引入方式便捷與否、臨近設備信號干擾強度大小等因素的要求，電力應急搶修情景下，車載通信基站由于其應用場景特殊性、自備發(fā)電機、移動靈活性、部署便捷性、工作周期短的特點，基本不受前述選址原則的影響，所以本文著重以增大信號傳輸距離、提升信號質(zhì)量為導向，以前線、后方基站間信號傳輸損耗最小為目標建立數(shù)學模型，并由此計及影響信號傳輸損耗的建筑物遮蔽因素。

建筑物在二維空間分布上具有疏密特征，在三維空間分布上還具有高矮特征。在本文雙層模型中，下層將建筑物凝聚為平面中一點，通過優(yōu)化計算為上層傳遞回間隔最大、鄰近建筑物較“疏”的信號傳輸路徑，但并未考慮建筑物高度因素；上層納入了建筑物高度以及占地范圍來計算信號繞射損耗，通過迭代計算優(yōu)化出損耗最小的信號傳輸路徑。

通過分析可以得出，假如災區(qū)內(nèi)建筑物高度差距不大，最優(yōu)傳輸路徑會穿過建筑物排布較稀疏的區(qū)域；如果建筑物排布均勻，最優(yōu)傳輸路徑會穿過建筑物高度偏低的地區(qū)；考慮更一般的情況，如果某個地區(qū)建筑物沒有明顯的疏密和高矮特征，正如本文算例利用隨機函數(shù)生成的建筑物位置、高度數(shù)據(jù)所示，所提模型會朝著建筑物分布較疏、高度較低的方向選取最優(yōu)傳輸路徑。

電網(wǎng)部門除了依靠單兵回傳的信息外，還可以主動聯(lián)絡災區(qū)外的附屬單位以及城市相關(guān)部門，確定其他通信網(wǎng)絡狀況良好的地區(qū)，以增大基站位置的可選范圍。

5 結(jié)論

為加快電力應急通信網(wǎng)絡的搭建，保障電網(wǎng)搶修工作的后續(xù)開展，本文考慮建筑物對基站信號的遮蔽影響，基于單兵前往災區(qū)勘測的回傳信息，提出電力應急通信基站選址的雙層優(yōu)化方法。在對研究問題進行圖形化描述的基礎上，建立應急基站選址的雙層優(yōu)化模型，模型采用粒子群算法與支持向量機求解，通過迭代優(yōu)化求得基站最優(yōu)部署位置；此外，通過與本文提出的單層模型的對比分析，得出以下結(jié)論：

1) 考慮建筑物疏密分布的下層模型在計及上層模型信號傳輸損耗的基礎上，對基站位置作了進一步優(yōu)化調(diào)整，使得算法求解初期便得到較小的信號損耗數(shù)值，并且迭代次數(shù)更少。

2) 粒子群算法求解單層模型受基站初始位置影響較大，最優(yōu)值也與雙層模型有一定差距；經(jīng)過多次實驗，發(fā)現(xiàn)本文雙層模型更具求解穩(wěn)定性以及結(jié)果更優(yōu)性。

3) 部署跨區(qū)域通信的應急基站時，與依靠人的經(jīng)驗部署基站相比，數(shù)學建模的方法可以減少因人員嘗試并不斷調(diào)整基站位置所花費的時間，提高電力搶修效率，減少停電時間。

在應急狀態(tài)下的電網(wǎng)搶修過程中，本文所提方法可為電網(wǎng)部門部署應急基站提供系統(tǒng)化參考方案，加快電力應急通信網(wǎng)絡搭建進程。本文利用無線基站搭建通信網(wǎng)絡，關(guān)于建設電力應急通信網(wǎng)的后續(xù)研究也可考慮引入其他通信方式，搭建多種通信方式并存的應急通信網(wǎng)絡。

[1] 嚴道波, 文勁宇, 杜治, 等. 2021年得州大停電事故分析及其對電網(wǎng)規(guī)劃管理的啟示[J]. 電力系統(tǒng)保護與控制, 2021, 49(9): 121-128.

YAN Daobo, WEN Jinyu, DU Zhi, et al. Analysis of Texas blackout in 2021 and its enlightenment to power system planning management[J]. Power System Protection and Control, 2021, 49(9): 121-128.

[2] 王群, 李巍, 于海, 等. 基于模糊層次分析法的評估方法在電力系統(tǒng)應急通信預案中的應用研究[J]. 電力系統(tǒng)保護與控制, 2018, 46(22): 171-177.

WANG Qun, LI Wei, YU Hai, et al. Research on the application of evaluation method based on fuzzy analytic hierarchy process in emergency communication plans for power system[J]. Power System Protection and Control, 2018, 46(22): 171-177.

[3] 張英杰, 毛賜平, 俎云霄, 等. 基于免疫算法的TD- SCDMA網(wǎng)絡基站選址優(yōu)化[J]. 通信學報, 2014, 35(5): 44-48.

ZHANG Yingjie, MAO Ciping, ZU Yunxiao, et al. Immune algorithm-based base station location optimization in the TD-SCDMA network[J]. Journal on Communications, 2014, 35(5): 44-48.

[4] 朱思峰, 陳國強, 張新剛, 等. 多目標優(yōu)化量子免疫算法求解基站選址問題[J]. 華中科技大學學報(自然科學版), 2012, 40(1): 49-53.

ZHU Sifeng, CHEN Guoqiang, ZHANG Xingang, et al. Multi-objective optimization quantum immune algorithm for solving base stations location planning problem[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2012, 40(1): 49-53.

[5] 金偉正, 宋超, 羅義軍. 基于人工魚群算法的電力無線專網(wǎng)基站選址規(guī)劃[J]. 武漢大學學報(工學版), 2021, 54(6): 551-556.

JIN Weizheng, SONG Chao, LUO Yijun. Base station location planning of power wireless private network based on artificial fish swarm algorithm[J]. Engineering Journal of Wuhan University, 2021, 54(6): 551-556.

[6] CHRISTODOULOS S, CONSTANTINOS P, IOANNIS K. Low-complexity base station selection scheme in mmwave cellular networks[J]. IEEE Transactions on Communications, 2017, 65(9): 4049-4064.

[7] MA Jianpeng, ZHANG Shun, LI Hongyan, et al. Base station selection for massive MIMO networks with two-stage precoding[J]. IEEE Wireless Communications Letters, 2017, 6(5): 598-601.

[8] 馬寶羅, 賈振紅, 覃錫忠, 等. 改進免疫算法在無線網(wǎng)絡基站選址優(yōu)化中的應用[J]. 傳感器與微系統(tǒng), 2016, 35(5): 154-157.

MA Baoluo, JIA Zhenhong, QIN Xizhong, et al. Application of improved immune algorithm in wireless network base station location planning optimization[J]. Transducer and Microsystem Technologies, 2016, 35(5): 154-157.

[9] 鄧創(chuàng). 基于無線自組網(wǎng)的電力應急現(xiàn)場指揮通信系統(tǒng)[J]. 電力信息與通信技術(shù), 2015, 13(5): 67-72.

DENG Chuang. A power system emergency communication system based on MANET[J]. Electric Power Information and Communication Technology, 2015, 13(5): 67-72.

[10]肖炳林. 應急通信在電力搶修中的應用[J]. 數(shù)字通信世界, 2018(8): 204, 233.

[11]胡紅明. 突發(fā)事件下電網(wǎng)通信應急技術(shù)探討[J]. 貴州電力技術(shù), 2014, 17(5): 58-59, 78.

HU Hongming. Discussion on the emergency technology in power grid communication[J]. Guizhou Electric Power Technology, 2014, 17(5): 58-59, 78.

[12] KALYAN C H N S, SAMBASIVA R G. Impact of communication time delays on combined LFC and AVR of a multi-area hybrid system with IPFC-RFBs coordinated control strategy[J]. Protection and Control of Modern Power Systems, 2021, 6(1): 89-108.

[13]程紫運, 呂明卉, 田云飛, 等. 基于結(jié)構(gòu)熵的電力骨干通信網(wǎng)抗毀性研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(5): 112-118.

CHENG Ziyun, Lü Minghui, TIAN Yunfei, et al. Research on invulnerability for electric power backbone communication network based on structural entropy[J]. Power System Protection and Control, 2020, 48(5): 112-118.

[14]胡青松, 楊維, 丁恩杰, 等. 煤礦應急救援通信技術(shù)的現(xiàn)狀與趨勢[J]. 通信學報, 2019, 40(5): 163-179.

HU Qingsong, YANG Wei, DING Enjie, et al. State-of- the-art and trend of emergency rescue communication technologies for coal mine[J]. Journal on Communications, 2019, 40(5): 163-179.

[15]黃國歡. 基于4G網(wǎng)絡的電力移動應急指揮系統(tǒng)的設計與應用[D]. 廣州: 華南理工大學, 2016.

HUANG Guohuan. Power grid mobile emergency command system based on 4G network[D]. Guangzhou: South China University of Technology, 2016.

[16]樊冰, 鄭陳熹, 唐良瑞, 等. 基于多屬性決策的電力通信網(wǎng)的節(jié)點重要度計算方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(9): 68-76.

FAN Bing, ZHENG Chenxi, TANG Liangrui, et al. Node importance evaluation method of electric power communication network base on multi-attributes decision making[J]. Power System Protection and Control, 2020, 48(9): 68-76.

[17]陳龍, 劉宇明, 陳文. 電力應急通信中覆蓋范圍研究[J]. 云南電力技術(shù), 2016, 44(5): 69-71.

CHEN Long, LIU Yuming, CHEN Wen. Research on coverage of TD-LTE in electric power emergency communication[J]. Yunnan Electric Power, 2016, 44(5): 69-71.

[18]黃芷辛, 馮健, 麥磊鑫. LTE鏈路預算研究及分析[J]. 移動通信, 2013, 37(8): 45-50.

HUANG Zhixin, FENG Jian, MAI Leixin. LTE link budget study and analysis[J]. Mobile Communications, 2013, 37(8): 45-50.

[19]?Mehmet Bar?? TABAKCIO?LU,Ahmet CANSIZ. Electromagnetic wave propagation models for multiple-diffraction scenarios[J]. Uluda? University Journal of The Faculty of Engineering, 2014, 19(1).

[20] 劉利強, 宋志群, 陳大勇. 山區(qū)通信中單刃峰繞射損耗的工程化近似模型[J]. 無線電通信技術(shù), 2015, 41(1): 24-27.

LIU Liqiang, SONG Zhiqun, CHEN Dayong. Engineering approximate model of single knife-edge diffraction loss in mountainous communication[J]. Radio Communications Technology, 2015, 41(1): 24-27.

[21] 鄒高翔, 童創(chuàng)明, 王童, 等. 空間與地面菲涅爾區(qū)的特性研究[J]. 彈箭與制導學報, 2017, 37(1): 129-134.

ZOU Gaoxiang, TONG Chuangming, WANG Tong, et al. Studies on the characteristics of the space fresnel zone and the ground fresnel zone[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2017, 37(1): 129-134.

[22]楊天琦, 王琦, 葉志浩. 基于遷移支持向量機的艦船綜合電力系統(tǒng)繼電保護方法研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(23): 124-132.

YANG Tianqi, WANG Qi, YE Zhihao. Research on relay protection of ship integrated power system based on transfer support vector machine[J]. Power System Protection and Control, 2020, 48(23): 124-132.

[23]戴遠航, 陳磊, 張瑋靈, 等. 基于多支持向量機綜合的電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 中國電機工程學報, 2016, 36(5): 1173-1180.

DAI Yuanhang, CHEN Lei, ZHANG Weiling, et al. Power system transient stability assessment based on multi-support vector machines[J]. Proceedings of the CSEE, 2016, 36(5): 1173-1180.

[24] 劉敬, 谷利澤, 鈕心忻, 等. 基于單分類支持向量機和主動學習的網(wǎng)絡異常檢測研究[J]. 通信學報, 2015, 36(11): 136-146.

LIU Jing, GU Lize, NIU Xinxin, et al. Research on network anomaly detection based on one-class SVM and active learning[J]. Journal on Communications, 2015, 36(11): 136-146.

[25]李和平, 劉志. 中國城市密度時空演變與高密度發(fā)展分析—從1981年到2014年[J]. 城市發(fā)展研究, 2019, 26(4): 46-54.

LI Heping, LIU Zhi. Temporal and spatial evolution of urban density in China and analysis of urban high density development: from 1981 to 2014[J]. Urban Development Studies, 2019, 26(4): 46-54.

[26]葛亞寧, 徐新良, 李靜, 等. 北京城市建筑密度分布對熱島效應的影響研究[J]. 地球信息科學學報, 2016, 18(12): 1698-1706.

GE Yaning, XU Xinliang, LI Jing, et al. Study on the influence of urban building density on the heat island effect in Beijing[J]. Journal of Geo-information Science, 2016, 18(12): 1698-1706.

Two-layer optimization method for site selection of a power emergency communication base station considering building shadowing effect

WANG Zhiqiang, DONG Zhongtao, WANG Xiaolong, LIU Wenxia, MAO Yuyang, HUANG Yijuncheng

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources,(North China Electric Power University), Beijing 102206, China)

There are shortcomings in the deployment of power emergency communication base stations that only rely on human subjective experience. Therefore, considering the influence of buildings on the shielding of base station signals, the research problems are graphically described based on the return information of individual soldiers to the disaster area. In addition, a two-layer optimization model for the location of power emergency communication base stations is proposed. The upper layer model aims to minimize the signal transmission loss between base stations. Within the delineated optional location range of base stations, the particle swarm algorithm is used to optimize the pre-selection of base stations for the nonlinear model. The lower layer model aims to maximize the distance between the signal transmission path and the building. A support vector machine is used to optimize the final position of the base station, and this is transmitted back to the upper layer to calculate the signal transmission loss. The optimal deployment position of the base station is obtained through iterative optimization. The feasibility and effectiveness of the proposed method are verified by comparing with the single-layer model in an example. The work can provide a technical reference for the construction of a power emergency communication network after major natural disasters.

power emergency communication base station; cross-region deployment; building shadowing effect; signal transmission loss; two-layer optimization; particle swarm optimization; support vector machine

10.19783/j.cnki.pspc.211675

國家重大科技專項資助(2020YFC0827001)

This work is supported by the National Science and Technology Major Project of China (No. 2020YFC0827001).

2021-12-09；

2022-04-26

王志強(1967—)，男，副教授，碩士生導師，研究方向為電力系統(tǒng)運行控制、電力系統(tǒng)繼電保護等；E-mail: wwwgode@163.com

劉文霞(1967—)，女，教授，博士生導師，研究方向為電力系統(tǒng)規(guī)劃與可靠性、電力系統(tǒng)風險評估等；E-mail: liuwenxia001@163.com

董忠濤(1996—)，男，通信作者，碩士研究生，研究方向為電力應急與電力系統(tǒng)恢復。E-mail: 17853266603@ 163.com

(編輯 魏小麗)