物联网的电力应急物资智能调配管理系统

广东电网有限责任公司 何章玮

南方电网数字电网研究院有限公司 皮云霞

应急电力物资供应节点是对电力调度稳定性的重要保障，免除自然灾害对电力调度稳定性的影响，设计基于物联网的电力应急物资智能调配管理系统，对比该系统在不同自然灾害中的性能。在硬件结构中，设计复位电路，增强系统数据调配速度。在软件结构中，建立电力应急物资智能调配函数模型，根据物联网反馈信息，计算自然灾害下物资需求量，设计智能调配优化算法。以地震、洪水、台风作为自然灾害的变量，设计实验验证不同自然灾害下该系统的适应性。实验结果显示，地震灾害需要的调配资金为12739.01元，洪水灾害需要调配资金14556.74元，台风灾害需要资金10057.3元。根据以上实验结果可知，基于物联网的电力应急物资智能调配管理系统在三种自然灾害中均有较好的效果，其中台风灾害所需成本最少。

电网安全是所有电力调度的核心问题，也是保证国家安全，社会正常运行的重要基础。电力系统的稳定性受到外界影响较大，如果外界受到自然灾害或其他灾害的影响，则电力设施会受到严重的破坏，此时就需要电力应急物资的支持。因此需要在电力网络中设置若干电力应急物资供应节点，作为灾害发生时的保障。

为更好地解决灾害区域的电力网络应急物资调配问题，考虑了约束条件和优化目标，并在综合代价成本评估模型的基础上，设计了一种基于多层代码的遗传算法，并选取了全局最优的物资管理地点。该方法虽然可以选择最佳地址，但是对系统的物资配送路径没有明确地表示。基于道路的可修复性，设计了一种可以兼顾多种道路运载模型的目标函数，减少了物资运载调配的时间以及其消耗的成本，并改进智能算法获取最优物资调度方案。该方法可以在调度时间及成本中获取较理想的效果，但是没有建立一个集成的系统，对硬件层面没有较好的优化方法。通过物联网技术，在硬件与软件两个层面，设计了一种可以更好地调度物资储备的系统。通过电源电路保证硬件的可持续运行，建立软件层面的数据库，选择最佳地质，连接最优调度路线，减少调度时间。该系统提出了调度系统硬件层面的优化方法，但是没有综合多种灾害模型分别求解。

本文综合以上内容，设计了一种基于物联网的电力应急物资智能调配管理系统，优化硬件与软件技术，综合三种最常见的自然灾害，对电力应急物资的调配方法做出了优化设计。

1 基于物联网的电力应急物资智能调配管理硬件系统

在电力应急物资智能调配管理系统中，经常会出现数据调配速度较慢的情况，因此设计硬件结构时，可以适当增强微处理器模块的性能。微处理器模块一般包括电源电路、时钟模块、复位电路、稳压芯片以及处理器芯片等，在本文的设计中，以微处理器芯片STM45作为协议的通讯接口，设置参考电压为3V，工作电流为5A，将MR引脚作为低电平的复位信号，则可以设计复位电路如图1所示。

图1 复位电路示意图

图1中，在低电平的STM45芯片复位电路中，可以将手动复位功能作为一种电压检测芯片。若电源电压抵御3V，则图1中的SET引脚会变为一种更低的电平芯片；若电源电压高于3V，则图1中的VRR引脚会变为超过100ms的高电平装置。这样一来，芯片会直接通过OFF1和OFF2传送复位信号给电源电路，则此时的电阻R1和R2都会通过连接不同路径的方式降低噪声点的干扰作用。将该复位电路安装在基于物联网的电力应急物资智能调配管理系统中，电压的精度指标可以直接达到0.16%，这样的系统硬件会进一步增强系统中数据调配速度。

2 基于物联网的电力应急物资智能调配管理软件系统

2.1 建立电力应急物资智能调配函数模型

在基于物联网的电力应急物资智能调配管理系统中，想要在满足需求量与运输时间的共同约束下，建立一个最小化的目标函数，可以以物资和运输费用为基础，此时的函数公式为：

式中，Fn表示电力应急物资的调配数量；fij表示在电力应急物资储备点i向电力节点j中出送物资的费用；表示电力节点j中接收由储备点i中输送的物资费用。该函数模型的约束函数包括储备点约束、资金约束、时间约束等，约束条件为：

式中，ai表示在备选点a中的储备变量；bi表示在备选点b中的储备变量；fu表示建设应急物资供给点的费用；F表示供给点的总投资份额；φt表示应急物资到达规定地点的最大时间；uab表示自a点到达b点的实际时间；wc表示运输时间的限制。

通过该目标函数和约束条件，可以计算最短的配送线路。

2.2 基于物联网计算自然灾害下物资需求量

通过物联网可以将不同的电力应急物资储备点连接在一起，设物资储备点的数量为M时，可以设置一个集合P={Pz|z=1, 2,L,M}。若根据自然灾害来记录物联网下的物资需求值，则某地发生自然灾害后的电力事故发生概率为：

此时各物联网节点对电力应急物资的需求量计算公式为：

式中，fs表示在第s个自然灾害下，某电力节点对电力应急物资的需求量；emw表示自然灾害引发的电力事故等级；Aw表示配送点与需求点的第w条路径。

通过该公式，可以求出不同自然灾害下各物联网节点的物资需求量。

2.3 设计智能调配优化算法

在设计算法的过程中，需要计算出运输速度与路程的关系式，并以此得到智能调配的优化算法，算法流程如图2所示。

图2 算法流程

根据该算法，得到运输时间与速度关系式为：

式中，Xij表示从节点i到节点j的总路程；Tij表示两地往返所需的时间；vs表示运输车的运行速度；μx表示时间与速度的影响因数。

通过该算法，可以得到电力应急物资的智能调配结果。

3 算例分析

上文对受灾地区的电网应急物资调配最优路线进行了设计，并建立了一个调配管理系统。在本实验中，以某地区的电力系统为例，提出了不同自然灾害下的条件假设，在电力网络的基础上测试了本文系统在不同灾害下的调配效果。

3.1 电力应急物资网络结构

以某城市的电网为例，提取某一片受灾区域的电力核心架构，10个电力节点以及3个供应节点组成的电网架构如图3所示。图3电网中共有10个电网节点和3个供应节点。以O点为坐标原点，在X轴与Y轴内分别标出13个电力节点的坐标轴，并计算个电网节点以及供应节点的横纵坐标，其中x轴的最大长度为13km，y轴的最大长度为12km。

图3 电网节点示意图

根据文中的计算模型，设每个电力物资供应节点中的车辆为统一的型号，且没有数量的限制（即不需要考虑车辆问题）。设车辆在城市内部的平均行驶速度为45km/h，电力应急物资在各电网节点间的配送速度约为8km/h，在电网节点与供应节点间的配送速度约为4km/h。其中10个电网节点的电力物资存储量分别为15t、30t、21t、18t、31t、12t、36t、20t、19t、12t，3个供应节点的电力物资储备量分别为150t、100t、100t。计算每个节点与其他12个节点之间的距离，获取距离最近的三个节点信息，将这些连通的线路建立为邻接矩阵X=[xij]。在矩阵X中有一些距离过长的连接线路，此时调整连接线路的最大值θmax= 8km，则可以得到修正后的矩阵X′为：

通过该矩阵可以构建电力应急物资网络如图4所示。在图4中，根据矩阵(6)连接各电力网络节点以及物资供应节点。由于电力应急物资受到车辆行驶速度的限制，每个电力网络节点受到救援时间的约束，可以从2-3个其他节点中获得电力应急物资的补充。

图4 电力应急物资网络连接示意图

3.2 电力应急物资配送区域划分

选择电力物资的供应节点Ni作为电力应急物资配送的中心，此时i= 1,2,3，则可以计算各电力网络节点距离供应节点的距离。依据图4可以划分不同的电力应急物资配送区域，并得到算例模型。

式中，Fi表示各个电力网络节点相对于其他节点的电力物资剩余总量；Uf表示在各电网节点中，第f种自然灾害所需调配物资的总数量，其中f= 1,2,3，分别代表地震、洪水、台风等自然灾害。这两个未知数的计算公式为：

式中，λab表示电力物资供应节点，表示第i个电力物资供应节点周边的网络节点，且a= 1,2,3，b= 1,2,L,10；tki表示第i电力应急物资供应节点周边的节点数量。

该模型的约束条件较为复杂，其中包括：

该公式表示每一个电力网络节点只属于一个物资供应点，不能自另一个物资供应点中获取电力物资。

该公式表示该智能调配管理系统包含的自然灾害种类为3，所需调配的电网节点数量为10，参与调配的节点总数量为13。

不等式中，ui表示第i个电力应急物资供应节点内网络节点的数量。通过该算例模型，可以得到应急电力物资的调配结果，并计算各节点间的最短运输距离，从而保证了电力应急物资调配成本的最小化。

3.3 物资调度线路选择

依据电力应急物资配送区域算例模型，则此时10个电网节点电力物资存储量的具体情况，以及物资调度路线如图5所示。

图5 三种自然灾害下的物资调度路线

以各供应节点为中心，将不同的区域一一划分，图中深灰色的节点为供应节点，其中具备较大量的备用电力应急物资，浅灰色的节点为物资存量较多的电力网络节点，白色的节点为存量不足的电力网络节点，箭头方向标明了物资调度的方向。在这样的路线选择下，假设每辆汽车的最大载重量为10t，每辆车运行一公里的成本费用为500元，则可以以此计算车辆运输的总成本，其计算公式为：

式中，m表示所需调度物资的重量；x表示物资调度的距离。

通过公式(12)可以计算：在地震灾害中，所需资金总额为12739.01元，在洪水灾害中，所需资金14556.74元，在台风灾害中，所需资金10057.3元。根据实验所的数据可以得知：文中设计的基于物联网的电力应急物资智能管理系统，在三种自然灾害下均可以有效调配电力应急物资，且所需资金均在1-1.5万元之间，其中台风灾害所需调配成本最低。

结束语：本文设计了一种基于物联网的电力应急物资智能调配管理系统，在硬件与软件两方面对物资的调配做出了优化。最后在算例分析中，对三种不同的自然灾害做出了测试，对比该调配系统对不同灾害的调度能力以及调度成本。通过综合分析，该系统在较为常见的几种灾害中均具备较好的适应性，尤其是在台风灾害中效果最好。