《关于智能化应急发电保障调度体系的研究》由会员分享，可在线阅读，更多相关《关于智能化应急发电保障调度体系的研究（6页珍藏版）》请在金锄头文库上搜索。
1、关于智能化应急发电保障调度体系的研究 莫子孚 中国移动通信集团海南有限公司 摘 要： 主要通过网管侧通过动环监控及无线网管、传输网管分析相结合的方式, 由系统先分析出故障的原因, 并结合网络拓扑, 给出需要发电保障的任务优先级;在调度侧, 同时结合维护员的实时位置信息及油机状态, 对发电路径及站点进行分析, 一次给一组维护员最合理的 2 个发电任务。目的是一方面减少市电中断或传输中断故障原因的误判;另一方面结合现场维护队伍的保障能力及实际位置, 调度发电任务, 减少发电路程及任务转派的损耗, 进而提高发电任务调度效率。关键词： 智能化; 应急发电; 保障能力; 调度效率; 作者简介：莫子孚 (
2、1987) , 男, 毕业于北京交通大学, 本科, 中级通信工程师, 主要从事无线通信网络优化工作, 研究方向为移动无线通信网络优化及无线接入网维护。收稿日期：2017-11-10Research on Intelligent Emergency Power Generation Security Scheduling SystemMo Zifu China Mobile Communication Group Hainan Co., Ltd.; Abstract： The main research in network management through dynamic environm
3、ent monitoring and wireless network, transmission network analysis methods, first by the system analysis of the reason of fault, and combined with the net work topology, task priority is given to guarantee the power; in scheduling side, combined with the maintenance of the real-time position informa
4、tion and status of oil machine, power generation path and the site is analyzed, a maintenance staff to a group of the most reasonable two generation tasks. The purpose is to reduce a power interruption or transmission interruption failure causes miscarriage of justice; on the other hand, combined wi
5、th on-site maintenance support capability of team and the actual position, the task of generating scheduling, reduce power loss of the journey and task dispatch, to improve Generation task scheduling efficiency.Keyword： intelligentization; emergency power generation; guarantee capability; scheduling
6、 efficiency; Received： 2017-11-10引言我国海域面积广阔, 东南沿海每年的 711 月都会成为台风的第一战线。台风登陆后, 降雨及强风会在广泛地区造成地质灾害, 同时导致电力系统中断。电信运营商在台风保障过程中, 必须通过集中调度油机发电的方式, 保障灾害场景下市电中断站点的正常运行。而在大面积电力及光缆中断的情况下, 如何采取高效的任务调度机制, 是电信运营商面临的主要问题。1 实现网管故障原因的预判分析要提高调度效率, 首要解决的问题就是要能精确获知故障的具体原因。目前我们无法完成原因分析的主要原因是, 在现有的网管能力基础上, 庞大的传输拓扑结构, 在大量断
7、站的情况下, 站点故障原因相互关联, 人工无法分析具体基站的中断原因。在主设备网管、传输设备网管及动环网管健全的情况下, 我们可以采用遍历分析的方式, 从末端原因开始, 逐级分析故障的具体原因。具体的分析流程如下。通过网管遍历分析方法, 可以对每一个基站当前的中断要原进行确认, 在解决要因后, 又可以继续确认其他影响的故障因素。这种方法符合应急场景中, 优化解决主要节点的关键故障的处理思路 (如图 1 所示) 。同时这种方法是易于实现的, 只须要保障主设备网管、传输网管及动环网管的基础数据准确, 网管告警可以正常解析, 系统就可以发挥计算机的优势, 通过大量的遍历分析, 明确传输拓朴结构中各个
8、网元节点的故障原因。图 1 基站中断原因网管遍历分析方法 下载原图2 智能化的任务派发预判在发电保障场景中, 影响发电任务的原因及重要性前面已经实现预判, 要完成任务派发, 就需要再精确地分析任务派发的时点。通过遍历算法得到故障原因后, 明确是停电导致的故障节点肯定是能通过动环分析电池状态的。以通过对已知停电站点的电池放电分析, 完成对任务派发紧迫性的预判。2.1 分析算法思路通过蓄电池放电曲线规律分析, 再采用建立辅助校正折线的方式对蓄电预测放电时长进行校正, 从而校正基站发电时间和调度时间。通过不断查找预测电压同实际电压最近的点, 以及后续产生的预测电压同实际电压差异0.2 V 的点构建新
9、的修正折线, 可保证随着蓄电池放电的延续, 修正折线无限逼近实际放电曲线, 保障预测放电时长不断准确 (校正折线达到 46.5 V 的放电时间) 。在实际数据测算中, 大部分 (除少量蓄电池电压陡降的放电情况) 蓄电池放电可通过 24 次折线即获取到最终预测时长, 实现对发电时间点的动态校正。2.2 算法实现方法采用修正折线预测方法, 可以随着蓄电池实际放电的进行, 不断添加修正折线进行校正:预测放电时长=最后的修正折线达到 46.5 V 发电电压的时长。2.2.1 第 1 次校正折线绘制在获取基站蓄电池放电数据的同时, 进行实时监测及运算, 绘制第 1 次的校正折线;依据蓄电池起始放电电压同
10、蓄电池放电 30 min 后 (待蓄电池放电稳定) 的放电电压, 结合对应的放电时长计算蓄电池变化斜率构建校正折线, 即:其中:V 1为发电起始电压, t 1为起始电压放电时间停电时间, V 2为 30 min 后的第一次放电电压, t 2为 V2对应时间停电时间。当 V10.2 V 时, 进行后续折线绘制:折线 n 点=电压差异对应的放电时长折线 n-1 点=距离折线 n 点最近的 VABS (实际放电电压-预测电压) 0.01 V 的点。依据折线 n 点、折线 n-1 点重新绘制折线。N 次校正折线斜率:K n= (Vn-Vn-1) / (tntn-1) 。注:当 KnKn-1时, 进行保
11、守修正 (确保预测退服时长更保守, 便于减少基站退服) 发电电压参数值默认值为 46.5 V, 初始预测采用 47 V。此参数允许用户自行修改。2.2.3 放电时长预测采用上述修正折线预测方法, 可以随着蓄电池实际放电的进行, 不断添加修正折线进行校正:预测放电时长=最后的修正折线达到 46.5 V 发电电压的时长。通过 2 次修正折线后, 可以在蓄电池放电 234 min 时, 准确预测蓄电池的放电时长为 445 min (与实际放电时长误差为 6 min) 。3 综合资源分析后的任务调度在明确故障原因, 掌握停电预判时间后, 最后的任务是整合现场的资源, 完成任务的调度工作。这时影响任务调
12、度的因素主要有以下几点。1) 保障区域内维护队伍数量及油机资源数量。2) 维护队伍的具体位置及已装备的油机数量。3) 故障站点与维护队伍的实时路程。4) 故障站点优先级别。5) 故障站点停电预判时间。6) 故障站点功耗。7) 可用油机型号。目前已有的维护平台, 可实现对维护队伍位置及油机资源的管理, 可以解决a&b&c 的问题。通过动环监控系统的历史电量分析, 可以获得故障站点功耗, 从而站点可以直接匹配上相应的油机型号。再结合前面完成的停电时间预判及站点优先级, 可以通过调度系统实现对全量故障站点的智能任务调度工作。进而实现综合调度的工作, 减少大量人为判断因素的干扰, 提高整体资源调度效率
13、。对于方案中路程的预判分析, 特别是灾害应急场景下, 维护路程会与日常的经验值发生较大的偏差, 此类情况可以考虑通过加大路程的冗余时间, 同时人为加入路程预判因素的方法, 在实际应用场景中对系统进行干预。4 结论智能化应急发电调度体系可以实现系统辅助下的省市二级调整体系, 解决以往灾害应急抢修指挥序混乱的问题。研究通过总结前期应急调度系统的应用经验, 结合网管故障原因分析、电池放电预测算法及综合任务调度方法, 提出了提升现场应急响应能力的调度体系。实现该应急发电保障调度体系, 可以为电信运营商的应急保障工作取得以下提升。1) 解决网管故障原因无法分析的问题, 实现指挥中心对故障问题的全面撑控, 为具体的任务派发和指挥中心的保障决策提供了最直接有效的依据。2) 通过电池放电预测算算法及综合任务调度方法, 实现了智能化的发电任务调度, 减少了调度过程中的人为决策错误概率和经验需求, 提高了任务调度和执行效率。3) 建立了一个基于数据分析支撑维护的工作方法, 为其他无线维护工作提供了一个数据分析和系统支撑的模版, 促进了优化数据分析思想与维护的结合, 提升了维护大数据分析的能力。
