基于多維融合的電力通信網(wǎng)節(jié)點風險評估

佘金濤 ，姚文杰 ，王川豐 ，陳其澤 ，卓秀者 ，李 杰 ，樊 冰

（1.國網(wǎng)福建省電力有限公司信息通信分公司，福建 福州 350003；2.福建永福電力設(shè)計股份有限公司，福建 福州 350108）

電力通信網(wǎng)作為電網(wǎng)可靠、高效運行的重要保障，其在安全可靠性等方面具有較高的要求。電力通信網(wǎng)承載著電力業(yè)務(wù)，不同業(yè)務(wù)對通信的性能要求不同，致使電力通信網(wǎng)在安全可靠性的研究方面具有獨特的行業(yè)特點[1-3]。如何及時發(fā)現(xiàn)存在的潛在風險，從而采取有效措施保障電力通信網(wǎng)的穩(wěn)定運行具有重大意義。節(jié)點作為網(wǎng)絡(luò)中的基本組成單位，節(jié)點發(fā)生故障將導(dǎo)致電力業(yè)務(wù)發(fā)生中斷或增加時延，對生產(chǎn)控制以及狀況監(jiān)測系統(tǒng)產(chǎn)生影響。因此文中將針對電力通信網(wǎng)中的節(jié)點進行風險評估。

現(xiàn)有的節(jié)點風險評估方法大多由某事件發(fā)生對網(wǎng)絡(luò)造成影響的大小與該事件發(fā)生概率的乘積表示。風險評估方法的準確性取決于對網(wǎng)絡(luò)造成影響的量化值，可以使用節(jié)點重要度對節(jié)點失效的后果進行量化。現(xiàn)有的關(guān)于節(jié)點重要度的計算主要集中于通過網(wǎng)絡(luò)結(jié)構(gòu)對節(jié)點進行分析。文獻[4]提出了一種加權(quán)k-shell分解方法，該方法結(jié)合了網(wǎng)絡(luò)中節(jié)點的度指標、刪除時的迭代次數(shù)對復(fù)雜網(wǎng)絡(luò)中節(jié)點的重要性進行排序。文獻[5]基于特征向量中心度、接近中心度、中介中心度和等級4個指標來分析節(jié)點重要性，利用TOPSIS與灰色關(guān)聯(lián)技術(shù)相結(jié)合，計算各節(jié)點方案與理想解的關(guān)聯(lián)系數(shù)代替TOPSIS中的歐式距離，提高了復(fù)雜網(wǎng)絡(luò)中節(jié)點重要性評價的準確性。文獻[6]引入相對熵并改進傳統(tǒng)TOPSIS方法，解決了傳統(tǒng)TOPSIS算法不能對正負理想解中垂線上節(jié)點有效區(qū)分的問題。文獻[7]中考慮節(jié)點在網(wǎng)絡(luò)中的位置關(guān)系以及節(jié)點的m階鄰居節(jié)點，各節(jié)點的重要度大小由其m階鄰居節(jié)點決定。文獻[8]使用度中心性、緊密中心性、介數(shù)中心性、節(jié)點類型等指標量化節(jié)點重要性，結(jié)合熵權(quán)法與TOPSIS對節(jié)點重要度進行融合，但缺少衡量節(jié)點重要性量化準確性的評價指標。文獻[9]使用度、聚類系數(shù)以及接近中心性，結(jié)合了AHP和TOPSIS算法完成多屬性決策，得到節(jié)點重要度。文獻[10]提出引力中心性，使用節(jié)點的K核值代替引力公式中的質(zhì)量，節(jié)點間的多條距離替換節(jié)點的直線距離。文獻[11]將相連兩個節(jié)點的二級度相乘作為邊的權(quán)值，通過疊加各個節(jié)點所有連邊的權(quán)值確定節(jié)點的重要性。

然而以上方法未考慮到電力業(yè)務(wù)對節(jié)點風險大小的影響。電力通信網(wǎng)中傳輸?shù)碾娏I(yè)務(wù)有著重要程度的差別，節(jié)點承載業(yè)務(wù)數(shù)量、業(yè)務(wù)種類都將提高節(jié)點失效對網(wǎng)絡(luò)影響程度。文獻[12]從網(wǎng)絡(luò)結(jié)構(gòu)以及電力業(yè)務(wù)維度分析節(jié)點的重要程度，移除節(jié)點后對網(wǎng)絡(luò)凝聚度影響大小作為節(jié)點失效對網(wǎng)絡(luò)結(jié)構(gòu)的影響，由節(jié)點承載的業(yè)務(wù)重要度作為節(jié)點失效對電力業(yè)務(wù)的影響，通過AHP算法計算各指標權(quán)重。該文獻中使用的權(quán)重計算方法帶有主觀因素，將直接影響失效程度的量化過程。

綜上，為了客觀地結(jié)合節(jié)點失效對電力通信網(wǎng)的影響，提出一種基于多維融合的電力通信網(wǎng)節(jié)點風險評估算法。該算法通過節(jié)點度、聚類系數(shù)量化節(jié)點在網(wǎng)絡(luò)結(jié)構(gòu)中的重要程度，使用節(jié)點承載的業(yè)務(wù)重要度量化節(jié)點在電力業(yè)務(wù)傳輸過程中的重要程度，最終通過信息融合算子將兩個量化結(jié)果進行融合，得到節(jié)點失效對電力通信網(wǎng)影響的量化值，完成節(jié)點風險評估。

1 電力通信網(wǎng)節(jié)點風險評估方法

節(jié)點風險可表示為：

其中，i表示網(wǎng)絡(luò)中節(jié)點，p（i）表示節(jié)點發(fā)生失效的概率，I（i）表示節(jié)點 i失效對網(wǎng)絡(luò)造成的影響，R（i）則是節(jié)點i風險值的計算結(jié)果。由于節(jié)點失效概率涉及物理設(shè)備層，需要考慮各節(jié)點的設(shè)備類型、投運年限、冗余備份等因素。文中研究的重點是對電力通信網(wǎng)節(jié)點失效產(chǎn)生的影響進行度量，不考慮節(jié)點的失效概率，因此文中電力通信網(wǎng)中節(jié)點i的風險值可簡化為：

為了準確地評估網(wǎng)絡(luò)中節(jié)點的風險大小，需要一個指標能夠全面、準確地量化失效影響。文中從光纖通信網(wǎng)絡(luò)結(jié)構(gòu)以及電力業(yè)務(wù)傳輸兩個維度對節(jié)點風險進行分析，最終得到一個綜合指標來量化節(jié)點風險。

文中不考慮電力通信網(wǎng)中各節(jié)點行政等級、電壓等級等因素的影響，將電力通信網(wǎng)抽象為一個無向無權(quán)的復(fù)雜網(wǎng)絡(luò)。設(shè)該網(wǎng)絡(luò)結(jié)構(gòu)為G=（V，E），由N個節(jié)點、M條邊構(gòu)成。

1.1 網(wǎng)絡(luò)層節(jié)點風險

電力通信網(wǎng)節(jié)點規(guī)模較大、拓撲結(jié)構(gòu)多樣化，當前已有的關(guān)于網(wǎng)絡(luò)結(jié)構(gòu)的研究結(jié)果表明，不管是在電力通信網(wǎng)、社交網(wǎng)絡(luò)或是其他類型的大型復(fù)雜網(wǎng)絡(luò)中，度中心性是評判節(jié)點影響力的一個重要因素。不同于介數(shù)中心性以及緊密度中心性，度中心性主要考慮節(jié)點自身信息，計算簡單，時間復(fù)雜度低，適用于大型網(wǎng)絡(luò)。

文獻[13]對網(wǎng)絡(luò)的研究表明，網(wǎng)絡(luò)中節(jié)點聚集特征也將對節(jié)點影響力造成影響。我國電力通信網(wǎng)傳輸層中，節(jié)點形成的三角結(jié)構(gòu)相對較多，當不考慮鏈路的權(quán)值時，網(wǎng)絡(luò)中最短路徑將不經(jīng)過三角結(jié)構(gòu)中度為2的節(jié)點，從而降低該節(jié)點的影響力。同時屬于網(wǎng)絡(luò)中接入層的邊緣節(jié)點不易形成三角結(jié)構(gòu)，其聚類系數(shù)表征的影響力將達到最大值。由此可見聚類系數(shù)雖然不能反映鄰居的規(guī)模，但能夠量化節(jié)點與鄰居之間連接的緊密程度。文中從網(wǎng)絡(luò)拓撲結(jié)構(gòu)分析節(jié)點失效帶來的影響大小時，綜合考慮節(jié)點度以及聚類系數(shù)，提出網(wǎng)絡(luò)拓撲結(jié)構(gòu)影響力評價指標T，T值越大，節(jié)點對于網(wǎng)絡(luò)拓撲結(jié)構(gòu)的影響力越大，其承載的風險越大，節(jié)點i的T值為：

式中，k（i）為節(jié)點 i的節(jié)點度。

式中，c（i）表示節(jié)點i的聚類系數(shù)。

式中，e（i）表示節(jié)點i鄰居節(jié)點之間的邊數(shù)。聚類系數(shù)c（i）越小，節(jié)點度越大時，f（i）值越大。

1.2 業(yè)務(wù)層節(jié)點風險

文獻[14]中將電力業(yè)務(wù)劃分為4個大區(qū)。I和II區(qū)分別為實施控制區(qū)以及非控制生產(chǎn)區(qū)，I區(qū)中包含的業(yè)務(wù)是電力系統(tǒng)安全防護的重點，II區(qū)中包含的業(yè)務(wù)是電力安穩(wěn)生產(chǎn)的必要因素。I和II區(qū)內(nèi)大部分業(yè)務(wù)滿足對電力通信網(wǎng)傳輸性能指標要求嚴苛的特點。III和IV區(qū)主要包含生產(chǎn)、企業(yè)管理業(yè)務(wù)，對傳輸性能指標要求較低。因此，電力通信網(wǎng)中傳輸?shù)碾娏I(yè)務(wù)有著明顯的重要程度區(qū)分，為了量化節(jié)點失效對電力通信網(wǎng)中業(yè)務(wù)的影響，不僅僅需要考慮各節(jié)點承載的業(yè)務(wù)數(shù)量，還應(yīng)考慮業(yè)務(wù)類型以及對應(yīng)的重要程度。文中引入業(yè)務(wù)重要度的概念，通過特征指標評價法[14]計算電力網(wǎng)絡(luò)中各業(yè)務(wù)的重要度，結(jié)合節(jié)點承載的業(yè)務(wù)量來量化節(jié)點失效對業(yè)務(wù)的影響。

節(jié)點i承載的業(yè)務(wù)重要度為：

式中，L（i）表示節(jié)點 i承載的業(yè)務(wù)數(shù)量，D（l）表示第l個業(yè)務(wù)對應(yīng)的業(yè)務(wù)重要度大小。當節(jié)點承載較多業(yè)務(wù)量，并且各業(yè)務(wù)重要度較大時，節(jié)點失效將顯著影響電力通信網(wǎng)中電力業(yè)務(wù)傳輸，S（i）值越大，節(jié)點承載的風險越大。

1.3 節(jié)點失效影響量化

為了更全面、客觀地量化節(jié)點失效對電力通信網(wǎng)造成的影響，文中將節(jié)點失效對網(wǎng)絡(luò)拓撲、電力業(yè)務(wù)的影響融合得到最終的量化值。融合的結(jié)果需要滿足兩種性質(zhì)，即對同類信息的加強以及對矛盾信息的調(diào)和。對同類信息的加強指的是從網(wǎng)絡(luò)拓撲、電力業(yè)務(wù)兩個維度量化節(jié)點失效影響都較大時，融合結(jié)果應(yīng)比任意一個量化結(jié)果大；同理，兩個維度的量化結(jié)果都較小時，融合結(jié)果應(yīng)比任意一個量化結(jié)果低。對矛盾信息的調(diào)和指的是節(jié)點失效對網(wǎng)絡(luò)拓撲以及電力業(yè)務(wù)的影響不相同，即可能出現(xiàn)節(jié)點對于網(wǎng)絡(luò)拓撲而言至關(guān)重要，而該節(jié)點僅承載少量低重要度的電力業(yè)務(wù)時，此時融合結(jié)果應(yīng)介于不同量化結(jié)果之間。為此，文中選用三角模算子[11]對兩個維度的量化結(jié)果完成信息融合，得到節(jié)點失效影響的量化值，即：

根據(jù)式（7）得到節(jié)點i失效影響的量化結(jié)果，結(jié)合式（2）完成電力通信網(wǎng)風險評估。

2 仿真分析

文中選取3類網(wǎng)絡(luò)拓撲進行仿真分析，分別為小型電力通信骨干網(wǎng)、傳統(tǒng)WS網(wǎng)絡(luò)以及某市電力通信網(wǎng)。小型電力通信骨干網(wǎng)節(jié)點較少，業(yè)務(wù)分布較清晰，易于定性和定量分析算法的合理性；WS網(wǎng)絡(luò)是典型的復(fù)雜網(wǎng)絡(luò)模型，通常用于驗證算法的普適性；某市電力通信網(wǎng)易于驗證算法的實用性。文獻[15]將電力通信網(wǎng)中運行的業(yè)務(wù)劃分為5類，使用特征指標評價方法求得同類業(yè)務(wù)的重要度，得到5類業(yè)務(wù)重要度向量 F=[0.98，0.83，0.55，0.33，0.15]。網(wǎng)絡(luò)中各時刻傳輸?shù)臉I(yè)務(wù)不一定相同，基于WS網(wǎng)絡(luò)的仿真中業(yè)務(wù)矩陣將隨機生成，僅對業(yè)務(wù)總數(shù)進行約束。在某市電力通信網(wǎng)由實際網(wǎng)絡(luò)中抽象得到，拓撲結(jié)構(gòu)為實際網(wǎng)絡(luò)結(jié)構(gòu)，符合電力通信網(wǎng)拓撲特點。

為了驗證所提出的電力通信網(wǎng)節(jié)點風險評估方法的準確性，選用文獻[12]中提出的SC算法進行對比，該算法綜合考慮了節(jié)點失效對網(wǎng)絡(luò)結(jié)構(gòu)以及業(yè)務(wù)傳輸?shù)挠绊憽Ｓ墒剑?）可知，電力通信網(wǎng)風險評估方法的準確性由節(jié)點的失效影響即節(jié)點重要程度的準確性表示。文中使用網(wǎng)絡(luò)效率E[16]量化移除節(jié)點對網(wǎng)絡(luò)結(jié)構(gòu)的影響，使用光纖通信網(wǎng)絡(luò)剩余業(yè)務(wù)重要度ST量化移除節(jié)點對電力業(yè)務(wù)傳輸?shù)挠绊懀ㄟ^移除節(jié)點，觀察不同方法對網(wǎng)絡(luò)效率以及電力業(yè)務(wù)傳輸?shù)挠绊憽．斠瞥嗤瑪?shù)量節(jié)點時，仿真曲線下降得快，說明按該算法移除節(jié)點對網(wǎng)絡(luò)影響較大，表明算法的準確性較高，進而得到更合理的電力通信網(wǎng)節(jié)點風險評估結(jié)果。

2.1 小型電力通信骨干網(wǎng)

小型電力通信骨干網(wǎng)拓撲如圖1所示。

圖1 小型電力通信網(wǎng)拓撲

由文獻[15]可得電力業(yè)務(wù)分布。其中1號節(jié)點為省級調(diào)度中心，13號節(jié)點為地區(qū)調(diào)度中心，14號節(jié)點為220 kV變電站，其余節(jié)點均為500 kV變電站。根據(jù)業(yè)務(wù)分布情況可知，1號節(jié)點作為省調(diào)與除了14號節(jié)點之外的所有節(jié)點都有業(yè)務(wù)傳輸。通過文中算法以及對比算法得到的網(wǎng)絡(luò)中前7位重要節(jié)點的排序，如表1所示。

表1 不同算法下節(jié)點的排序

由表1可見，所提算法與SC算法對于排序較前的節(jié)點辨識效果雖然相近，但對8號節(jié)點的辨識結(jié)果差別較大。由于SC算法主觀地提高節(jié)點失效對電力業(yè)務(wù)影響的權(quán)重，因此承載業(yè)務(wù)重要度偏少的8號節(jié)點排序偏后，但從圖1可以看出，8號節(jié)點在網(wǎng)絡(luò)拓撲中的位置比9號節(jié)點和10號節(jié)點更為重要。14號節(jié)點作為邊緣節(jié)點，其失效對整個電力通信網(wǎng)的影響應(yīng)較低，所提算法下14號節(jié)點未能進入前7位，而SC算法因14號節(jié)點自身產(chǎn)生的業(yè)務(wù)量較多，將14號節(jié)點排序為第7。文中按不同算法下節(jié)點的重要度依次移除節(jié)點，觀察節(jié)點失效對網(wǎng)絡(luò)效率E和網(wǎng)絡(luò)剩余業(yè)務(wù)重要度ST的影響，結(jié)果如圖2所示。在圖2（a）所提算法下，網(wǎng)絡(luò)效率隨著重要節(jié)點的移除而快速下降，說明所提算法較SC算法更能準確發(fā)現(xiàn)網(wǎng)絡(luò)層風險大的節(jié)點。圖2（b）中，ST值在兩種算法下下降的速度差別較小，說明在該業(yè)務(wù)分布下兩種算法對業(yè)務(wù)層高風險節(jié)點的辨識結(jié)果基本相同。

圖2 網(wǎng)絡(luò)指標下降趨勢

2.2 WS網(wǎng)絡(luò)

WS網(wǎng)絡(luò)是傳統(tǒng)的隨機網(wǎng)絡(luò)。該網(wǎng)絡(luò)從一個環(huán)狀網(wǎng)絡(luò)開始，以概率p隨機重新連接網(wǎng)絡(luò)中的每條邊，即固定每條邊的一個節(jié)點，另外一個節(jié)點隨機確定，但需要滿足兩個節(jié)點之間最多只能有一條邊，并且每一個節(jié)點不能有邊形成自環(huán)。文中設(shè)定概率p=0.15，生成并固定網(wǎng)絡(luò)拓撲結(jié)構(gòu)，通過變更網(wǎng)絡(luò)中傳輸?shù)臉I(yè)務(wù)分布模擬業(yè)務(wù)傳輸隨時間變化的過程[17]。設(shè)置WS網(wǎng)絡(luò)包括100個節(jié)點，每一個業(yè)務(wù)矩陣包含400個業(yè)務(wù)，業(yè)務(wù)類型隨機給定，同時隨機生成100個業(yè)務(wù)矩陣。移除節(jié)點重要性排序前50%的節(jié)點，記錄多次仿真結(jié)果求取均值，得到不同業(yè)務(wù)分布下網(wǎng)絡(luò)指標下降趨勢如圖3所示。

圖3 網(wǎng)絡(luò)指標下降趨勢

圖3中，移除相同節(jié)點數(shù)時，所提算法網(wǎng)絡(luò)效率和ST值的下降速度都明顯快于SC算法。通常移除網(wǎng)絡(luò)中5%～10%節(jié)點后，網(wǎng)絡(luò)將解裂，因此文中重點比較了移除節(jié)點數(shù)在10%之前的網(wǎng)絡(luò)指標下降情況。在移除10%的節(jié)點時，所提算法網(wǎng)絡(luò)效率降低了80%，而SC算法降低了50%，說明文中節(jié)點風險評估算法能夠在WS網(wǎng)絡(luò)中較準確地辨識出高風險節(jié)點，更好地量化出節(jié)點失效對網(wǎng)絡(luò)造成的影響。

2.3 某市級電力通信網(wǎng)

文中選用某市級電力通信網(wǎng)進行節(jié)點風險評估仿真，該電力通信網(wǎng)包含138個節(jié)點，188條鏈路，拓撲結(jié)構(gòu)如圖4所示。

設(shè)置每一個業(yè)務(wù)矩陣包含800個業(yè)務(wù)，業(yè)務(wù)類型隨機給定，同時隨機生成100個業(yè)務(wù)矩陣。每次仿真中移除網(wǎng)絡(luò)30%的節(jié)點，記錄多次仿真結(jié)果求取均值，得到不同業(yè)務(wù)分布時網(wǎng)絡(luò)指標下降趨勢如圖5所示。

圖4 某市級電力通信網(wǎng)拓撲

圖5 網(wǎng)絡(luò)指標下降趨勢

從圖5中不難發(fā)現(xiàn)，所提算法網(wǎng)絡(luò)效率E值下降的速度明顯快于SC算法，網(wǎng)絡(luò)剩余業(yè)務(wù)重要度ST值雖然在移除較少節(jié)點時與SC算法差別較小，但在移除25個節(jié)點時，文中算法網(wǎng)絡(luò)ST值下降了60%，而SC算法下降了50%。這是由于SC算法是一種基于層次分析法的關(guān)鍵節(jié)點辨識方法，主觀地提高了承載業(yè)務(wù)對節(jié)點重要性的影響，具有一定合理性，但該算法對高風險節(jié)點的識別比較依賴于業(yè)務(wù)分布情況，當業(yè)務(wù)分布不斷變化時，該算法就表現(xiàn)出了一定的局限性[18]。而文中算法利用三角模算子較為客觀地融合節(jié)點在網(wǎng)絡(luò)層與業(yè)務(wù)層上的重要性，能夠更好地量化網(wǎng)絡(luò)中節(jié)點失效給網(wǎng)絡(luò)帶來的影響，對電力通信網(wǎng)節(jié)點風險評估更加準確。

為了更直觀地表示出所提算法下節(jié)點的風險分布，文中將多次仿真下的節(jié)點風險平均值在圖6中通過顏色和面積標識出，圖6中節(jié)點顏色越深，面積越大，說明節(jié)點風險值越高，節(jié)點失效對網(wǎng)絡(luò)造成的影響越大。這些風險值越高的節(jié)點對應(yīng)的電壓等級也較高，與實際網(wǎng)絡(luò)相對應(yīng)，節(jié)點失效對光纖通信網(wǎng)業(yè)務(wù)傳輸影響較大，證明文中算法的合理性和有效性。

圖6 帶標記的某市級電力通信網(wǎng)拓撲

3 結(jié) 論

為了準確、客觀地量化電力通信網(wǎng)中節(jié)點失效帶來的影響，文中提出了一種基于多維融合的電力通信網(wǎng)節(jié)點風險評估方法，該方法從網(wǎng)絡(luò)拓撲以及電力業(yè)務(wù)傳輸兩個維度量化節(jié)點失效對電力通信網(wǎng)造成的影響，通過信息融合算子得到對網(wǎng)絡(luò)的綜合影響，進而評估節(jié)點風險大小。通過在不同類型網(wǎng)絡(luò)上與對比算法相比較，提出的算法能夠更加準確地量化電力通信網(wǎng)中節(jié)點的風險值，表明文中算法具有較好的普適性。