Kubernetes容器集群环境下新型供电系统响应速度优化

蔡勋玮，赵 俊，赵 丽，齐 明，李艳西

（国网湖南省电力有限公司信息通信分公司，湖南长沙 410004）

随着电网用户用电需求的增加，供电系统的供电设施数量与位置受到较大影响，导致供电系统响应速度缓慢，稳定性下降，无法确保供电系统响应速度的最优[1-2]。

近几年来，我国多个电网公司先后设计了高标准的供电系统响应速度优化方案，如文献[3]和文献[4]利用启发式算法计算出供电系统响应速度指数，动态显示供电系统内潮流分布情况，计算新型供电系统响应速度的数值要比传统电网计算出的数值更准确。虽然电网公司在一定程度上优化了供电系统的响应速度，但不能使响应速度达到最优，也无法保证其稳定性和可靠性，并且优化方案的自动寻优能力依然较低。

为解决以上出现的问题，文中设计了一种基于Kubernetes 容器集群环境下新型供电系统响应速度优化方案，该优化方案利用Kubernetes 容器的隔离特点，减少新型供电系统在不同运行环境下受到的干扰，采用Kubernetes 容器集群与响应速度优化算法实现响应速度的最优，根据供电系统的优化目标构建响应速度优化模型，并给出相关的优化解析表达式，提升新型供电系统响应速度的稳定性和可靠性。

1 响应速度指标计算

根据供电系统供电故障范围以及恢复供电时间设定系统开关权限，并对新型供电系统的响应速度进行馈线分区，图1 为新型供电系统响应速度的馈线分区示意图。

图1 新型供电系统响应速度的馈线分区

在图1 所示的新型供电系统中，以响应速度重合器R1和R2、振荡器F为边界线，将响应速度馈线分成3 个区域；在计算Kubernetes 容器集群环境下新型供电系统响应速度指标时，根据响应速度重合器的功能将新型供电系统分为若干个响应区域，对于每一种新型供电系统响应速度优化方案，通过列举供电系统中发生供电故障的位置，分析异常供电对馈线区域响应速度的影响并确定供电电流，以此计算供电系统响应速度指标[5-6]。

在响应速度馈线区内，保护设备的安装位置与供电电源位置决定了故障发生的次数，重合器的安装位置对新型供电系统响应速度的优化至关重要，且用电保护设备可提升供电系统响应速度的稳定性[7-8]，响应速度函数的表达式如下：

式中，λi为用户停电频率；Ni为负荷数量；R是供电系统用电设备总和。

断电持续时的系统平均停电频率指数为：

式中，Ti是负荷点i每年断电时间。

通过以上分析可知，供电系统响应速度指标是用户断电频率与断电持续时间的加权系数，用户的断电频率可侧面反映新型供电系统响应速度的高低[9-10]。

如果供电系统出现异常供电的位置发生在响应速度馈线区内，由于馈线区内没有提前安装用电负荷保护设备，所以响应速度馈线区内的所有负荷断电；如果供电系统出现异常供电的位置发生在响应速度馈线区外，并且馈线区内的重合器依然与供电系统的变电站相连，供电系统会继续向响应速度馈线区内的所有负荷供电，否则新型供电系统的变电站会转为孤岛运行模式，此时，供电系统响应速度馈线区内的所有负荷都将处于断电模式，在馈线区内的各个部分，响应节点的故障次数与发生供电故障概率呈正相关关系[11-12]。

当异常供电出现在响应速度馈线区外侧时，计算响应速度馈线区内重合器与振荡器电源输出的最大电流之和，与响应速度馈线区内负荷断电时间曲线作对比，若馈线区内用电设备的用电量大于总发电量，则响应速度馈线区内负荷故障次数减少。新型供电系统响应速度指标计算流程如图2 所示。

图2 新型供电系统响应速度指标计算流程

2 响应速度优化流程

将新型供电系统响应速度馈线区内的各种响应速度优化算法结合起来，确定供电系统响应速度优化变量，分析各个响应速度指数之间的关系，使用Kubernetes 的命令行工具算法，将供电系统响应速度优化变量部署到容器集群环境中，通过潮流计算实现对供电系统响应速度的优化。Kubernetes 容器集群环境下新型供电系统响应速度优化流程如下：

首先，在馈线区域内，将供电系统响应速度优化变量初始化，通过粒子群优化算法反馈响应速度优化变量的初始化状态，并动态调整响应速度指数，根据混沌序列的遍历性，修改新型供电系统响应速度优化方案，对每个响应速度优化变量引入特定混沌因子x(r)=y(c)x(r-1)[1-x(r-1)]，利用混沌序列提升供电系统优化响应速度的能力，并对供电系统响应速度优化参数进行混沌扰动，新型供电系统响应速度指标ΔE受到负荷断电持续时间C(t)影响，γ(t)表示由新型供电系统供电的用户遭受断电持续的时间，建立如下响应速度优化表达式：

式中，Stcp为馈线区长度的调节步长。供电系统响应速度优化参数需要限制在预先确定的粒子群内，如果超出粒子群的边界，则响应速度的优化变量取边界值，利用混沌序列生成一个响应速度优化粒子群后，粒子的原始参数是供电系统响应速度标准范围内的平均值[13-14]。

然后，将新型供电系统响应速度优化变量代入响应速度表达式中，动态显示供电系统响应速度的潮流分布情况，计算响应速度优化函数值。为了防止自适应混沌粒子群优化算法陷入局部极值，可以在使用混沌粒子群优化算法时引入交叉变异操作，帮助供电系统粒子种群处于多样化状态。

对供电系统响应速度变量中的部分维分量采取变异操作，提高供电系统的全局寻优能力，防止响应速度优化算法早熟，响应速度优化粒子群的各维配置随机数与响应速度优化概率相等，则对该供电系统响应粒子速度进行交叉变异操作，即：

最后，计算响应速度迭代次数，采用潮流分布计算方法评估供电系统响应速度优化的稳定性，并将其作为反馈信息，动态调整响应速度优化策略和响应算子，利用混沌序列对响应速度优化参数进行调整，通过整合多个响应速度优化函数，计算呈现多样化状态的响应速度值。

为了进一步确定最优的新型供电系统响应速度优化方案，使用模糊隶属度函数评估供电系统响应速度各个函数对应的隶属度，并定义模数隶属度函数，如式（5）所示：

式中，um是响应速度优化函数fm的隶属度值，fm是第m个响应速度优化函数值分别是第m个供电系统响应速度优化函数值的最大值和最小值。

3 实验研究

为了验证提出的Kubernetes 容器集群环境下新型供电系统响应速度优化方法的稳定性和可靠性，文中采用了潮流分布和粒子群优化算法，与传统的新型供电系统响应时间优化方法（文献[3]方法）进行实验对比。通过粒子群优化算法计算出的供电系统响应时间结果与传统方法响应时间结果对比情况如表1。

表1 响应时间对比实验结果

由表1 可知，提出的Kubernetes 容器集群环境下新型供电系统响应速度优化方法具有更高的稳定性和可靠性，新型供电系统响应速度更快，利用响应速度优化算法调整新型供电系统响应速度馈线区内的重合器和振荡器配置，使Kubernetes 容器集群环境下新型供电系统响应速度更快，响应速度馈线区内的负荷均衡性更好。

传统方法响应速度优化方法中供电系统需要持续超大功率供电，图3 为传统方法负荷曲线。

图3 传统方法负荷曲线

根据图3 可知，传统方法增加了配电网对地电流的约束条件，导致传统方法对负荷提供供电能力减弱，限制了传统方法内各种供电设备的设置条件，工作人员只能先通过自身的专业经验对供电系统响应速度进行优化，再调整供电系统响应速度优化方法，这样造成供电系统响应速度馈线区内全局优化能力较低。使用传统优化算法计算响应速度函数值时，计算出的供电系统响应速度值不准确，与实际标准相差较大。

除此之外，传统方法响应速度优化方法通常用配电网的电压极值来反映响应速度大小，通过设计人员给定的供电设备数量计算供电负荷，反复检查对比响应速度优化方案，再最终确定供电系统响应速度优化方案，这样缺少了响应速度优化的计算步骤，使计算出的供电系统响应速度准确度较低，降低了供电系统响应速度的稳定性。

传统方法响应速度优化方法与文中方法的响应时间存在较大差别，对比结果如图4 所示。

图4 目标函数值实验结果

由图4 可知，新型供电系统响应速度优化方法中响应时间变量最小，基于Kubernetes 容器集群计算软件得到的供电系统响应时间数值居中，传统方法得到的供电系统响应时间数值偏大。并且在提出的响应速度优化方法中，新型供电系统的平均有损功耗小于传统方法的功耗，传统方法响应速度计算软件只能对供电负荷进行模拟，全局搜索能力低。文中把新型供电系统响应速度优化软件与智能优化结合，这样能够提高新型供电系统的全局搜索能力，使供电系统响应速度更快，稳定性和可靠性较高。

4 结束语

文中采用潮流分布和粒子群优化算法，设计了Kubernetes 容器集群环境下新型供电系统响应速度优化方案，其响应速度较优，且全局搜索能力更好，供电系统响应速度更快，稳定性和可靠性更高。