基于多狀態樹的電力通信網運行風險概率評估算法

蔡文斌， 張宇， 陳龍， 陳志龍， 于祝芳， 劉小敏

(海南電網有限責任公司， 海南,?？?570100)

0 引言

電力通信網包含大量的生產與管理業務，隨著這些業務對電力通信網依賴性的逐漸加強，使電力通信網運行的可靠性問題越來越突出。在提高電力通信網運行質量時，如何保證電力通信網安全運行是重中之重，為此，需要對電力通信網運行過程中的風險概率進行準確評估[1]。

目前，應用于電力通信網運行風險概率評估的方法眾多，宋德琦、靳君[2]考慮不同電力設備故障影響因素,分別構建環境暴露型和環境封閉型設備故障率模型?；诿商乜宄闃幽M確定系統狀態概率,并采用最優切負荷模型確定系統故障負荷損失。從而計算停電導致的不同損失后果，該風險評估結果貼近實際情況，但是可操作性較差；王龍宇等[3]提出了考慮微網充電站影響的輸電網風險評估方法。介紹了風險評估基礎理論,然后重點分析了微網充電站概率模型,包括分布式電源出力概率模型和電動汽車(Electric Vehicles,EV)充電負荷概率模型。應用考慮了配電網層面影響的期望負荷削減量代替絕對負荷削減量。評估效果較理想，但該方法適用于通信電網短期運行情況，具有局限性。

除此之外，應用較為普遍的是基于故障樹的電力通信網運行風險概率評估方法，該方法雖可有效簡化計算步驟，但電力通信網中存在眾多相關事件，互為獨立的分析方法令評估結果存在較大誤差，評估電力通信網運行風險概率的實用性較低。針對故障樹方法實用性較低的缺陷，研究基于多狀態樹的電力通信網運行風險概率評估算法，多狀態樹算法具有實時監測電力通信網絡狀態的優勢，將多狀態樹算法應用于電力通信網運行風險概率評估中，可充分體現電力通信網可能發生故障的概率，并有效分析故障后果，提升電力通信網運行風險概率評估準確性，該算法可有效降低電力通信調度人員人為經驗對風險概率評估的影響[4]，直觀體現出了電力通信網運行過程中的風險概率，令電力通信網可以在安全、可靠的狀態下運行。

1 電力通信網運行風險概率評估

1.1 運行風險概率評估指標

考慮故障以及各種不確定性因素對電力通信網安全運行的影響以及對電力通信網故障發生概率的影響[5]，將運行風險概率作為評估指標評估電力通信網的運行風險。運行風險概率評估的核心是可靠性指標，因此，通過可靠性指標評估電力通信網運行風險概率。

電力通信網各方面的可靠性水平可通過可靠性指標體現[6]，將電力通信網可靠性評估指標劃分為不同的層次，具體包括網絡業務層、網絡拓撲層、網絡路由層、網絡設備層以及網絡運行層5個層次，下面對這5個層次進行具體的分析。

1.1.1 網絡業務層

將網絡業務層作為評估電力通信網運行風險概率的指標，式(1)為電力通信網業務層故障狀態發生的概率：

Qlity=Qa+Qb

(1)

式中，Qa與Qb分別表示網絡業務層失效率和網絡業務層的復雜性系數。

Qa與Qb的計算式分別如下：

Qa=QPLC+FEFLC+FEDLC+BADLC+FEENS+ZSI

(2)

Qb=LELL+LEX+QZj

(3)

1.1.2 網絡拓撲層

網絡拓撲層屬于測度指標層面，測度指標體系能夠評價電力通信網的可靠性，因此，作為測度指標體系中的一部分[7]，網絡拓撲層的含義要明確，要便于獲得和連續觀察，同時，具備現實統計基礎，從而適應在不同環境實現對電力通信網運行可靠性的評估。式(4)為電力通信網拓撲層故障狀態發生的概率：

(4)

式中，Z與ti分別表示網絡拓撲層連續發生故障的概率和故障持續時間，Hv表示電力通信網總運行時間。

1.1.3 網絡路由層

網絡路由層作為評估電力通信網運行風險概率指標，可有效評估電力通信網的網絡路由算法效率和路由管理問題[8-9]，是電力通信網運行風險評估中常用的評估指標。式(5)為電力通信網路由層故障狀態發生的概率：

ZSI=FEENS×60/L

(5)

式中，L與SI分別表示電力通信網路由層的抗毀性系數和生存性系數。

1.1.4 網絡設備層

電力通信網設備層中的通信設備主要包括傳輸設備、交換設備和接入設備。在電力通信網運行過程中，計算設備層的整體失效率，即設備層中全部設備的失效率是設備層可靠性評估的關鍵。式(6)為電力通信網設備層故障狀態發生的概率：

LELL=∑k∈MQkDk

(6)

式中，M與Qk分別表示指定評估時間內電力通信網設備故障狀態集合和故障設備數量為k的概率，Dk表示故障設備數量為k時電力通信網的失效率。

1.1.5 網絡運行層

電力通信網絡運行層的運行環境影響因素可以分為可控因素和不可控因素。其中，可控因素具體包括網絡設備所處環境的溫度、濕度等，不可控因素具體包括自然災害和突發事件等。由于電力通信網運行層的可控因素對電力通信網運行的影響程度不大，可以人為控制，因此，對網絡運行層可靠性的評估主要是對不可控因素的評估。式(7)為電力通信網運行層故障狀態發生的概率：

LEX=∑k∈MQk(ΔX)2

(7)

式中，ΔX表示評估時間內網絡運行層中運行狀態受不可控因素的影響程度。

通過以上過程將電力通信網運行狀態分為正常狀態和故障狀態。電力通信網運行狀態變量在允許范圍內表示該網絡處于正常狀態，電力通信網任意一層出現故障表示電力通信網處于故障狀態[10-11]。

1.2 多狀態樹評估算法

利用多狀態評估算法評估上述電力通信網運行風險概率的可靠性指標。針對電力通信網設置狀態樹，所設置狀態樹需要包括電力通信網內全部狀態空間，狀態樹可體現電力通信網的全部狀態[12]；狀態樹中每個狀態節點需要保持唯一；狀態樹中依據遞減順序排列樹中狀態節點，狀態樹中父節點狀態需要大于子節點狀態。

設電力通信網中狀態向量用x表示，該狀態向量在狀態樹內全部子節點的獲取過程如下：

設實際運行中電力通信網用G=(N,A,Ω)表示，該網絡為多狀態網絡，生成電力通信網的多狀態樹過程如下：

設s0=u1,u2,…,um為狀態樹的根節點，且i=0，令T0=s0，T1=?；

隨機選取其中的狀態向量x，依據子節點生成算法獲取該狀態向量全部子節點Rx集合，且Ti+1=Ti+1+Rx。

設Ti=Ti-x，當Ti=?且Ti+1≠?時，令i=i+1,并返回上一步；

當Ti=?且Ti+1=?時，表明該電力通信網全部子節點可有效生成多狀態樹。

電力通信網多狀態樹內全部狀態向量節點均不重復且僅存在唯一的父節點，多狀態樹中包含全部狀態網絡的全部向量，即全部狀態向量空間均可通過狀態樹體現，電力通信網絡中多狀態樹內子節點狀態值均小于父節點狀態值[13]。采用多狀態樹算法可有效獲取電力通信網運行風險概率指標可靠性指標。

用BD表示電力通信網絡中全部風險概率狀態上界，且BD=|p|×d為多狀態電力通信網絡內數量最多、路徑最短的通信路徑，則針對隨機運行風險概率向量x可得：sum(x)≤BD。

基于多狀態樹的電力通信網運行風險概率評估算法過程如下：

(1) 設多狀態樹電力通信網絡邊的權值為-1，存在ui=-1,i=1,2,…,m，通過最短路徑算法獲取電力通信網絡最短路徑用MP0表示；

(2) 設BD=|MP0|×d；j=0，Tj=u(u=u1,u2,…,um),DMP=?,Tj+1=?；

(3) 設?a∈Tj，通過子節點生成算法獲取狀態向量a的全部子節點，用R=subnode(a)表示，且Tj+1=Tj+1∪R；

(4) 設Tj-a=?,?b∈Tj+1,sum(b)=BD,Tj=Tj+1、Tj+1=?時轉入下一步；

當sum(b)≠BD時，此時Tj=Tj+1,Tj+1=?，返回上一步；

多狀態樹為Tj-a=?時，此時Tj=Tj-a，返回上一步；

(5) 將多狀態樹中的狀態向量Tj選取最大流算法判斷是否有效，最大流算法判斷函數用judgement表示，當judgement=0時，該狀態向量為不可接受狀態向量；當judgement≠0時，此時該狀態向量為可接受狀態向量，將狀態向量Tj內全部不可接受狀態向量刪除[14]，并繼續下一步計算；

(6) 令?a∈Tj，選取子節點生成算法獲取狀態向量a的全部子節點并用R=subnode(a)表示。將集合R中的狀態向量選取最大流算法判斷是否可接受，并將無法接受的狀態向量刪除[15]，令Tj+1=Tj+1∪R，狀態向量a在R≠?時為子節點，此時電力通信網絡中存在運行風險概率狀態節點∪a;

(7) 當Tj-a=?時，設Tj=Tj-a，返回上一步；

當Tj-a=?時，且存在Tj+1≠?，設Tj=Tj+1，Tj+1≠?，返回上一步；

當Tj-a=?時，且存在Tj+1=?，轉入下一步；

(8) 比較電力通信網內全部狀態向量，將具有大小關系的狀態向量刪除后獲取的狀態向量即為具有電力通信運行風險概率可靠性指標的狀態向量，此時計算終止。

2 仿真分析

為檢測本文研究基于多狀態樹的電力通信網運行風險概率評估算法評估電力通信網運行風險概率情況，采用Visual C++2019 軟件編寫本文算法評估程序，并采用MATLAB軟件模擬中國電網電力公司某區域電力通信網絡，該通信網絡共包括20個通信節點，包括35個通信支路。

采用本文算法評估該電力通信網絡運行60 min和10 d的運行風險概率，檢測本文算法評估的有效性。

統計采用本文算法評估該區域電力通信網于2019年11月13日8:00—9:00運行60 min的運行風險概率情況，統計結果如圖1所示。

通過圖1仿真結果可以看出，所得概率系數與實際概率系數擬合性較高，采用本文算法可有效評估該電力通信網運行60 min的正常概率和故障概率，說明本文算法可有效評估電力通信網絡短期運行風險概率。

統計采用本文算法評估該區域電力通信網絡于2019年11月13日—11月22日的運行10日的風險概率情況，統計結果如表1所示。

表1 運行10日風險概率評估結果

通過表1仿真結果可以看出，采用本文算法可有效評估該區域電力通信網運行10 d的風險概率。

以上仿真結果說明本文算法不僅可以有效評估電力通信網短期運行風險概率，對于電力通信網中期、長期運行的風險概率同樣可以有效評估，有效驗證了本文算法具有較高的實用性。這是由于本文算法充分考慮各種不確定性因素對電力通信網絡安全運行的影響，選取各項可靠性指標作為評估電力通信網運行風險概率的指標，從而實現對風險概率的評估。

為進一步檢測本文算法對電力通信網絡運行風險概率評估可靠性，統計采用本文算法評估電力通信網中5個節點的評估準確率，統計結果如圖2所示。

圖2 評估準確率

根據圖2中的結果可以看出，采用本文算法評估電力通信網運行風險概率評估準確率均高達65%以上，說明本文算法不僅可有效評估電力通信網運行風險概率，并且具有較高的評估準確率，這是由于該算法在選取評估電力通信網運行風險概率可靠性指標的基礎上，利用子節點生成算法獲取可靠性指標狀態向量的全部子節點，生成多狀態樹，最后通過多狀態樹評估算法實現了對網絡運行風險概率的有效評估，實驗結果證明該算法的應用效果可應用于電力通信網運行風險概率實際評估中。

在此基礎上，對比文獻[2]方法、文獻[3]方法，對所提算法的計算復雜程度進行統計，算法的用時越短，計算復雜程度越低，因此，以評估用時為測試指標進行了實驗，實驗結果如圖3所示。

圖3 不同方法評估用時對比圖

圖3中，在相同條件下，所提方法的用時最短，說明所提方法計算復雜程度最低，可操作性最強，具有較高的實際應用性。

3 總結

對電力通信網的運行風險概率進行準確評估對于保證電力通信網安全運行具有重要意義。根據可靠性評估指標，將電力通信網絡運行狀態分為正常狀態和故障狀態，針對不同狀態將多狀態樹算法應用于電力通信網運行風險概率評估中，通過電力通信網絡仿真測試驗證該算法評估電力通信網運行風險概率的有效性，結果證明該算法可為電力通信網安全運行提供技術支持以及決策信息。調度人員應在故障節點超過設定閾值時及時設置控制措施，保證電力通信網安全運行，提升電力通信網絡運行的可靠性。