基于改進(jìn)貝葉斯網(wǎng)絡(luò)的能源互聯(lián)網(wǎng)通信系統(tǒng)風(fēng)險(xiǎn)傳遞分析

張 磊，賈雪楓

(1.華北電力大學(xué) 研究生院，北京102206； 2. 華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京102206)

0 引 言

能源互聯(lián)網(wǎng)促進(jìn)了電力技術(shù)與信息技術(shù)的深度融合[1]，實(shí)現(xiàn)了綜合能源互補(bǔ)化、調(diào)度決策精細(xì)化和運(yùn)行控制自動(dòng)化，可確保電網(wǎng)運(yùn)行的安全可靠、靈活高效和經(jīng)濟(jì)環(huán)保[2]。電力通信網(wǎng)絡(luò)可連接能源互聯(lián)網(wǎng)中電力設(shè)備與信息節(jié)點(diǎn)，處理電網(wǎng)中的實(shí)時(shí)數(shù)據(jù)，是電力網(wǎng)絡(luò)與信息網(wǎng)絡(luò)的連接主體。如圖1所示，能源互聯(lián)網(wǎng)通信系統(tǒng)(energy internet communication system，EICS)要保證發(fā)電、輸電、變電、配電和售電等各個(gè)環(huán)節(jié)的數(shù)據(jù)傳輸。同時(shí)，EICS也要采集各環(huán)節(jié)的數(shù)據(jù)進(jìn)行集中分析，為能源互聯(lián)網(wǎng)的管理提供決策支持。例如，通信服務(wù)器應(yīng)根據(jù)智能電表中收集的數(shù)據(jù)，計(jì)算綜合能源系統(tǒng)的調(diào)度信息，通過發(fā)電和輸電控制實(shí)現(xiàn)風(fēng)電、光伏等機(jī)組的實(shí)時(shí)調(diào)度。

圖1 能源互聯(lián)網(wǎng)中電力網(wǎng)絡(luò)與信息網(wǎng)絡(luò)的交互Fig.1 Interaction between power network and information network in energy Internet

作為連接電力網(wǎng)絡(luò)和信息網(wǎng)絡(luò)的重要橋梁，EICS包含了眾多復(fù)雜精密的設(shè)備和長距離的通信線路。這些設(shè)施易受外部環(huán)境、運(yùn)維因素和人為因素等影響，造成通訊中斷。若智能電表與輸電控制通信線路中斷，則會(huì)造成發(fā)電與負(fù)荷的脫節(jié)，造成供用電風(fēng)險(xiǎn)的發(fā)生。若傳感器和機(jī)組控制設(shè)備的通信線路中斷，則會(huì)造成發(fā)電機(jī)組的故障，引起重大安全事故。因此，國內(nèi)外學(xué)者越來越重視EICS風(fēng)險(xiǎn)問題的研究?，F(xiàn)有的研究成果主要是借助連鎖故障分析和綜合評(píng)價(jià)方法實(shí)現(xiàn)了EICS風(fēng)險(xiǎn)的研究。

連鎖故障分析方法是EICS風(fēng)險(xiǎn)評(píng)估的研究基礎(chǔ)。該方法主要是在EICS發(fā)生故障后，及時(shí)定位故障，并阻止后續(xù)故障的發(fā)生，以降低故障損失。該類方法具有準(zhǔn)確性高、實(shí)時(shí)性強(qiáng)的特點(diǎn)。從電力系統(tǒng)自身出發(fā)，將其視為一個(gè)復(fù)雜網(wǎng)絡(luò)，融合連鎖故障與復(fù)雜網(wǎng)絡(luò)理論對其建模，可識(shí)別系統(tǒng)中的薄弱點(diǎn)，開展針對性的部署[3-5]。從外部環(huán)境出發(fā)，綜合考慮氣候條件、信息攻擊和人為失誤等因素，可以對電力系統(tǒng)中的通信網(wǎng)絡(luò)進(jìn)行故障建模及識(shí)別，實(shí)現(xiàn)故障的早期預(yù)警[6-8]。從上述研究內(nèi)容可知，連鎖故障分析多用于單一的電力網(wǎng)絡(luò)或信息網(wǎng)絡(luò)的故障及風(fēng)險(xiǎn)研究中，在深度融合的信息物理系統(tǒng)中應(yīng)用較少。

綜合評(píng)價(jià)方法是EICS風(fēng)險(xiǎn)評(píng)估的重要手段。該方法能夠預(yù)警風(fēng)險(xiǎn)，提前采取相關(guān)措施，減少風(fēng)險(xiǎn)損失。從單一的信息系統(tǒng)或物理系統(tǒng)出發(fā)，綜合評(píng)價(jià)方法可用于新能源并網(wǎng)[9-10]、綜合能源系統(tǒng)[11]和配電網(wǎng)[12]的風(fēng)險(xiǎn)評(píng)估中。從深度信息物理融合系統(tǒng)出發(fā)，綜合評(píng)價(jià)方法可預(yù)警網(wǎng)絡(luò)攻擊對EICS帶來的風(fēng)險(xiǎn)問題[13-14]。此外，綜合評(píng)價(jià)方法也可以識(shí)別EICS自身的關(guān)鍵與薄弱節(jié)點(diǎn)，預(yù)先采取措施，消除風(fēng)險(xiǎn)隱患[15-17]。從上述研究可知，綜合評(píng)價(jià)方法是信息物理深度融合下EICS風(fēng)險(xiǎn)評(píng)估的重要研究手段之一。

雖然綜合評(píng)價(jià)方法用于EICS的風(fēng)險(xiǎn)評(píng)估可預(yù)知未來的風(fēng)險(xiǎn)，但是需要人為設(shè)定風(fēng)險(xiǎn)等級(jí)的閾值，降低了風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確性。因此，該文將機(jī)器學(xué)習(xí)的思路融入風(fēng)險(xiǎn)評(píng)估方法中，借助貝葉斯網(wǎng)絡(luò)模型對EICS進(jìn)行風(fēng)險(xiǎn)評(píng)估。將貝葉斯網(wǎng)絡(luò)用于風(fēng)險(xiǎn)評(píng)估可以考慮風(fēng)險(xiǎn)指標(biāo)間的相互影響，增加風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性[18]。目前，貝葉斯網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于各領(lǐng)域的風(fēng)險(xiǎn)研究中，如配電網(wǎng)[19]、供應(yīng)鏈與物流[20]以及航空安全風(fēng)險(xiǎn)[21]等。

該文采用貝葉斯網(wǎng)絡(luò)與證據(jù)融合理論[22]實(shí)現(xiàn)了EICS風(fēng)險(xiǎn)傳遞的研究。首先，對風(fēng)險(xiǎn)指標(biāo)進(jìn)行梳理，提出考慮通信設(shè)備、外部環(huán)境、業(yè)務(wù)運(yùn)行和運(yùn)維管理的三層風(fēng)險(xiǎn)傳遞網(wǎng)絡(luò)。然后，借助三角模糊數(shù)和證據(jù)融合理論(dempster-shafer，DS)為貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)概率賦值。最后，確定了通信網(wǎng)絡(luò)中的關(guān)鍵風(fēng)險(xiǎn)節(jié)點(diǎn)，以期能夠進(jìn)行實(shí)際的工程應(yīng)用。

1 EICS系統(tǒng)風(fēng)險(xiǎn)傳遞模型

1.1 貝葉斯網(wǎng)絡(luò)

p(c|x1,x2,…,xn)=(p(c)p(x1,x2,…,xn|c)-

p(x1,x2,…,xn))=

1.2 基于三角模糊數(shù)的根節(jié)點(diǎn)概率確定

區(qū)間數(shù)可以融合數(shù)字的精確性與模糊性，它以閉區(qū)間[x-,x+]的形式表示數(shù)據(jù)。其中，區(qū)間的端點(diǎn)分別表示該區(qū)間數(shù)的上下限，且滿足x-≤x+。如圖2所示，三角模糊數(shù)[x-,x*,x+]不同于一般區(qū)間數(shù)，其將數(shù)據(jù)的最大可能取值x*作為區(qū)間的重心，需滿足x-≤x*≤x+。式(1)可表示常規(guī)的三角模糊數(shù)的隸屬度函數(shù)。

圖2 三角模糊數(shù)的概率密度函數(shù)示意圖Fig.2 Schematic diagram of probability density function of triangular fuzzy numbers

(1)

三角模糊數(shù)X=[x-,x*,x+]和Y=[y-,y*,y+]可以進(jìn)行加法運(yùn)算，如式(2)所示。

X⊕Y=[x-+y-,x*+y*,x++y+]

(2)

表1展示了5標(biāo)度評(píng)判規(guī)則。該規(guī)則將語義值轉(zhuǎn)換為模糊概率值，提升了專家判斷的準(zhǔn)確性。設(shè)多狀態(tài)根節(jié)點(diǎn)Xi需要由l個(gè)專家對其在狀態(tài)j的隸屬度進(jìn)行賦值，則式(3)表示第k個(gè)專家的評(píng)價(jià)值。

表1 語義與模糊數(shù)的關(guān)聯(lián)規(guī)則Table 1 Correspondence of semantic and fuzzy numbers

(3)

式(2)可整合l個(gè)專家的評(píng)審意見。故節(jié)點(diǎn)Xi在狀態(tài)j下的隸屬度如式(4)所示。

(4)

如式(5)，該文采取平均面積法將模糊概率值轉(zhuǎn)化為精確值。為保證不同狀態(tài)概率值和為1，應(yīng)將根節(jié)點(diǎn)的概率值按式(6)進(jìn)“單位化”。

(5)

(6)

1.3 基于證據(jù)理論的條件概率確定

變量X的互斥可能值集合由Θ表示，Θ也表示證據(jù)理論的識(shí)別框架，Θ的冪集構(gòu)成集合2Θ。設(shè)?A?2Θ，函數(shù)m可滿足A→[0,1]的映射，即由式(7)表示：

∑A?2Θm(A)=1,m(?)=0

(7)

則稱m是識(shí)別框架Θ上的基本信度分配(basic probability allocation，BPA)。BPA表示證據(jù)對發(fā)生某一事件的支持程度。事件的似然函數(shù)(Pl)和信度函數(shù)(Bel)可由BPA確定。因此，某個(gè)事件的信任區(qū)間可表示為[Bel(A),Pl(A)]。此外，2個(gè)m函數(shù)可按照式(8)，根據(jù)DS合成規(guī)則，進(jìn)行m1,m2的合成：

(8)

式中：K=∑B∩C=?m1(B)·m2(C)為證據(jù)間沖突系數(shù)。

考慮自身的研究領(lǐng)域、業(yè)務(wù)水平和學(xué)歷職稱等影響，構(gòu)建了如表2所示的專家決策判斷標(biāo)準(zhǔn)，各位專家根據(jù)表2的數(shù)值判斷貝葉斯網(wǎng)絡(luò)模型的條件概率。設(shè)l個(gè)專家(e1,e2,…,el)從n個(gè)維度(c1,c2,…,cn)對組合對象x1,x2,…,xp做出了指標(biāo)評(píng)價(jià)，依據(jù)評(píng)價(jià)信息構(gòu)建了如表3所示的知識(shí)矩陣。

表2 決策判斷標(biāo)準(zhǔn)Table 2 Decision making criteria

表3 專家ei在cj維度下的知識(shí)矩陣Table 3 Knowledge matrix of expert ei in cj

在表3中，cj為屬性代號(hào)，cj下的第d個(gè)焦元表示為sd；sd與識(shí)別框架Θ的比較系數(shù)表示為ad；專家在ei屬性cj下占有的權(quán)重表示為pij。此外，焦元與自身比較為1，焦元未比較為0。

(9)

(10)

2 風(fēng)險(xiǎn)傳遞指標(biāo)體系

能源互聯(lián)網(wǎng)節(jié)點(diǎn)間的通信系統(tǒng)可受眾多因素影響，如設(shè)備自身損耗、環(huán)境影響和運(yùn)維人員操作等問題。綜合各類影響因素，將EICS風(fēng)險(xiǎn)劃分為3個(gè)層次，第1層為R0EICS中斷風(fēng)險(xiǎn)，表示風(fēng)險(xiǎn)傳遞的總目標(biāo)；由于要突出重點(diǎn)，在第2層不宜劃分過多節(jié)點(diǎn)，該文的劃分為R1設(shè)備、R2環(huán)境、R3業(yè)務(wù)和R4運(yùn)維4個(gè)節(jié)點(diǎn)；第3層為具體因素層，該層詳細(xì)羅列了引發(fā)第2層中節(jié)點(diǎn)風(fēng)險(xiǎn)的誘因，由總共15個(gè)節(jié)點(diǎn)構(gòu)成。具體風(fēng)險(xiǎn)元傳遞指標(biāo)體系如圖3所示[23]。

圖3 EICS風(fēng)險(xiǎn)評(píng)估指標(biāo)集Fig.3 EICS risk assessment index set

1)設(shè)備因素。設(shè)備因素是EICS最主要的風(fēng)險(xiǎn)引發(fā)原因，也是風(fēng)險(xiǎn)引發(fā)的內(nèi)因。設(shè)備因素包括電源、路由、載波機(jī)、光傳輸(synchronous digital hierarchy，SDH)和脈沖編碼調(diào)制(pulse code modulation，PCM)等設(shè)備的老化和失靈等。

2)環(huán)境因素。環(huán)境因素是EICS所處地區(qū)的外部氣候條件對設(shè)備本身或傳輸線路的影響，包括了雷電、冰雪、風(fēng)力以及其他氣候問題等指標(biāo)。

3)業(yè)務(wù)因素。業(yè)務(wù)因素是指能源互聯(lián)網(wǎng)中由其他業(yè)務(wù)造成的EICS中斷的情況。例如，設(shè)備因升級(jí)換代造成的定期停工換新的中斷。該因素考慮了控制業(yè)務(wù)和管理業(yè)務(wù)的突發(fā)中斷等指標(biāo)。

4)運(yùn)維因素。運(yùn)維因素是指維護(hù)過程中引發(fā)的問題或未及時(shí)維護(hù)造成的EICS通信中斷的問題。該因素考慮了設(shè)備的運(yùn)維檢修次數(shù)、技術(shù)與管理的水平以及運(yùn)維人員的任務(wù)完成效率等內(nèi)容。

3 算例分析

圖4展示了EICS風(fēng)險(xiǎn)傳遞的貝葉斯網(wǎng)絡(luò)構(gòu)建流程。

圖4 EICS風(fēng)險(xiǎn)傳遞研究建模過程Fig.4 Modeling process of EICS risk transmission

3.1 確定貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)概率值

該文選取了天津市某EICS作為該方法的實(shí)證研究對象。由于節(jié)點(diǎn)眾多，僅以R31和R32為例確定根節(jié)點(diǎn)概率。設(shè)定R31為例為控制業(yè)務(wù)中斷可能性和R32管理業(yè)務(wù)終端可能性為2狀態(tài)節(jié)點(diǎn)(高強(qiáng)度、低強(qiáng)度)，R3自然因素為3狀態(tài)節(jié)點(diǎn)(強(qiáng)風(fēng)險(xiǎn)、一般風(fēng)險(xiǎn)和弱風(fēng)險(xiǎn))。咨詢相關(guān)領(lǐng)域內(nèi)4位權(quán)威專家，判斷EICS中該項(xiàng)風(fēng)險(xiǎn)的可能發(fā)生值，參照表2建立R31風(fēng)力水平的模糊概率統(tǒng)計(jì)表，如表4所示。

表4 根節(jié)點(diǎn)R31風(fēng)力水平的模糊概率統(tǒng)計(jì)表Table 4 Fuzzy probability statistics of R31 wind level at root node

根據(jù)式(4)可以求得R31風(fēng)力水平狀態(tài)的模糊平均值：

根據(jù)式(5)可以求得R31風(fēng)力水平狀態(tài)去模糊化，應(yīng)用單位化式(6)可求得R31風(fēng)力水平狀態(tài)概率值：

仿照R31風(fēng)力水平狀態(tài)概率值的求解方法即可求解出其他根節(jié)點(diǎn)的概率值。

3.2 確定中間節(jié)點(diǎn)的條件概率值

R3業(yè)務(wù)因素的風(fēng)險(xiǎn)等級(jí)由R31控制業(yè)務(wù)中斷可能性和R32管理業(yè)務(wù)終端可能性直接確定。在同等對待根節(jié)點(diǎn)R31和R32的情況下，條件概率值由4個(gè)組合確定，分別為：{高-高}、{高-低}、{低-高}和{低-低}?，F(xiàn)在以{高-高}的情況為例，咨詢3位相關(guān)領(lǐng)域的專家，假設(shè)3位專家的權(quán)重分別為0.2、0.7和0.1，建立每位專家的知識(shí)矩陣，如表5～7所示。

表5 以專家1偏好建立知識(shí)矩陣A1Table 5 Knowledge matrix A1 based on Expert 1 preference

求解det(Ci-λI)(i=1,2,3)最大特征值以及相應(yīng)的特征向量，依照式(8)證據(jù)理論合成原則對信度函數(shù)進(jìn)行合成，求得條件概率BPA值，見表8。

表6 以專家2偏好建立知識(shí)矩陣A2Table 6 Knowledge matrix A2 based on Expert 2 preference

表7 以專家3偏好建立知識(shí)矩陣A3Table 7 Knowledge matrix A3 based on Expert 3 preference

表8 條件概率BPA分布表Table 8 Distribution of conditional probability BPA

3.3 EICS風(fēng)險(xiǎn)傳遞結(jié)構(gòu)

三角模糊數(shù)理論綜合了專家經(jīng)驗(yàn)和歷史數(shù)據(jù)，確定各個(gè)根節(jié)點(diǎn)概率，并根據(jù)其與根節(jié)點(diǎn)之間的證據(jù)關(guān)系，確定了條件概率分布。

圖5展示了該EICS的風(fēng)險(xiǎn)傳遞網(wǎng)絡(luò)。在風(fēng)險(xiǎn)傳遞過程中，R2環(huán)境因素和R4運(yùn)維因素等指標(biāo)可借助歷史數(shù)據(jù)確定。由風(fēng)險(xiǎn)傳遞的分析結(jié)果可知，EICS中斷風(fēng)險(xiǎn)的關(guān)鍵節(jié)點(diǎn)有R1設(shè)備因素中R11光纜損耗程度指標(biāo)和R4運(yùn)維指標(biāo)中R41設(shè)備檢修次數(shù)。

圖5 貝葉斯網(wǎng)絡(luò)結(jié)果圖Fig.5 Bayesian network result chart

因此，在EICS中一定要確保通信設(shè)備的可靠性，如果發(fā)生設(shè)備故障，要采用先進(jìn)的故障定位技術(shù)進(jìn)行故障定位，并且及時(shí)修復(fù)故障；也要注重設(shè)備的運(yùn)營和維護(hù)，定期檢修設(shè)備，減少不必要的損失。

4 結(jié) 語

1)梳理EICS的風(fēng)險(xiǎn)指標(biāo)，綜合了設(shè)備因素、環(huán)境因素、業(yè)務(wù)因素和運(yùn)維因素確定了多個(gè)子風(fēng)險(xiǎn)元，構(gòu)建了貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)估模型。在該文構(gòu)建的貝葉斯網(wǎng)絡(luò)算例中，所選EICS的關(guān)鍵風(fēng)險(xiǎn)節(jié)點(diǎn)在于光纜損耗程度和設(shè)備檢修次數(shù)。光纜損耗程度會(huì)以63%的概率影響到設(shè)備因素，進(jìn)而引發(fā)EICS的系統(tǒng)風(fēng)險(xiǎn)。設(shè)備檢修次數(shù)會(huì)以71%的概率影響到運(yùn)維因素，同樣會(huì)引發(fā)EICS的系統(tǒng)風(fēng)險(xiǎn)。

2)針對客觀數(shù)據(jù)缺失嚴(yán)重的多狀態(tài)根節(jié)點(diǎn)，根據(jù)專家的評(píng)判結(jié)果，構(gòu)造了三角模糊數(shù)，以此代替歷史數(shù)據(jù)。同時(shí)，借助證據(jù)理論，構(gòu)建知識(shí)矩陣，確定了根節(jié)點(diǎn)的條件概率分布，減少了層次分析法的繁瑣步驟，降低了風(fēng)險(xiǎn)結(jié)果的不確定性。

3)依靠貝葉斯網(wǎng)絡(luò)自身的診斷推理機(jī)制可以確定EICS的風(fēng)險(xiǎn)概率和EICS中的關(guān)鍵節(jié)點(diǎn)，可以將該模型推廣到EICS的風(fēng)險(xiǎn)傳遞的研究。推廣后，該模型可根據(jù)實(shí)際情況識(shí)別EICS風(fēng)險(xiǎn)傳遞的關(guān)鍵節(jié)點(diǎn)，為當(dāng)?shù)剡\(yùn)營部門提供可靠的風(fēng)險(xiǎn)管控及決策支持。