一種電力通信網絡重要節點識別模型

王炳焱

(廣東電力通信科技有限公司，廣州 510700)

0 引言

當前智能電網[1-3]技術持續進步，電力系統要求電力通信網絡[4]具備越來越強的安全性、抗攻擊性、抗脆弱性。作為電網中重要一環，電力通信網絡主要根據業務類型定義的服務級別進行分類。節點是網絡的重要組成部分，故障節點會影響許多網絡服務，甚至中斷一些網絡服務。從電力通信網絡的情況來看，節點故障會中斷水平高的電力通信網絡服務，或者造成無法接受的電力通信網絡延遲問題，這種延遲或者中斷，會極大影響電網系統(例如狀態監測系統與生產控制系統)的狀況[5-6]。所以，確需對關鍵節點進行識別與保護，以減少網絡的風險或者脆弱性。

目前，大量學者對電力通信網絡進行了研究。文獻[7]基于5G網絡進行電力通信網分布式測量系統設計。該系統以網絡層、傳輸層、應用層三方面若干個指標為測量目標，通過探針采集各項數據，綜合判斷電力通信網運營狀態。然而系統未考慮電力通信網絡中重要節點的重要性度量。文獻[8]提出了一種基于最小路徑選擇度的電力通信網絡路由優化策略。該模型將基于圖形卷積網絡的鏈路帶寬占用率預測模型的預測結果與三角模算子相結合得到路徑選擇度，作為電力業務傳輸路徑選擇的依據，實現了電力通信網鏈路資源的動態分配。文獻[9]基于PageRank算法設計電力通信網絡路由優化方法。該方法通過構建通信網絡拓撲結構，獲取通信網絡特征，基于PageRank算法識別關鍵節點，調整通信網絡的負載策略，設置通信路由目標函數，優化約束條件，使信息資源最大化利用。文獻[10]提出一種電力通信網絡海量告警信息降噪收斂方法。通過電力系統通信網絡的設備狀態以及報文接收狀態告警之間的關系，建立報文接收狀態告警模型。文獻[11]以IMS技術體系結構為基礎，構建基于IMS技術的電力通信網絡跨域融合技術架構。利用該技術架構的接入層連接不同跨域網絡終端后經過網關控制協議轉換后，實現不同電力通信業務跨域IP入網；電力通信業務進過傳輸層的Go接口、NGN分組核心網絡以及媒體網關、多媒體資源管理器傳輸到會話控制層內的媒體網關控制功能內并連接出口網關控制功能。上述文獻只考慮了節點對從物理拓撲導出的一些指標的影響，如最小路徑、最佳路由等。在電力通信網絡中，如果物理拓撲中具有高臨界度的節點不承載重要流量，而是承載大量常見流量，那么該節點就不是非常重要節點，并且當該節點發生故障時，對電網的影響不會很大。因此，有必要對電力通信網絡中的節點重要性進行綜合評估。

為提高電力通信網絡重要節點識別準確率，本文提出了一種多層節點重要性識別模型，電力通信網絡涵蓋傳輸層、物理拓撲層與服務層在內的3個邏輯層，從而綜合比較各層節點重要性度量指標。

1 節點重要性

本研究定義了3個網絡邏輯層：物理拓撲層、傳輸層和服務層，并通過不同的方法綜合計算電力通信網絡三層中節點的重要性度量。不同的層次代表電力通信網絡[10-13]的不同視角。本文研究物理拓撲層的過程中，采取圖論法對電力通信網絡所具備的節點重要性進行分析。將網絡[14-15]抽象成一個連通圖，由邊與節點共同構成，并計算節點介數、度等指標表征節點在長期網絡運行中的平均重要性。對傳輸層而言，能夠立足通信網絡的性能對節點本身的重要性進行分析，主要分析節點承載相關流量的服務。具有較大流量的節點出現故障的情況下，要通過服務再次進行路由，由其他節點共享這些流量。但是，只能處理有限的流量，增加節點負載的情況下，傳輸性能反而會降低，例如延遲或分組丟失率。因此，流量大的節點會極大影響通信網絡本身的傳輸性能，進而使節點具備更高的重要性。服務層立足電力通信網絡的相關功能，對節點本身的重要性進行了分析。服務本身的重要性，能夠表現服務中斷影響電網運行的狀況。服務重要性和單位流量之間沒有必然的關系。具有高重要性的服務通常需要小單位流量。當一個節點發生故障時，其承載著大的服務重要性和較小的流量，對通信網絡的性能影響很小，對電網的運行影響很大。

總之，3個網絡邏輯層從3個維度對節點的重要價值進行評估：通信網絡性能的影響長期平均重要性與節點影響電網運行的狀況。

1.1 物理拓撲層

令物理拓撲層表示為G={V，E}，其中V={vi}，i=1，2，…，N，N為節點的數量，V為節點集，E為邊集。電力通信網絡中節點在物理拓撲層中的重要性由全局拓撲性質(GTP，global topological properties)與局部拓撲性質(LTP，local topological properties)組成。將LTP中節點i的重要性[16-17]定義為LTP(i)：

(1)

(2)

位于網絡邊緣的邊緣節點和位于子網之間的邊界節點之間存在顯著差異，因為邊緣節點的故障對網絡的連接幾乎沒有影響，但邊界節點的故障破壞了子網之間的連接，并將網絡拆分為幾個部分。因此，本研究引入全局拓撲重要性GPT來區分邊緣節點和邊界節點：

(3)

式中，BC和BC(i)分別是節點介數向量與節點i的節點介數。網絡整體中任何節點間經由節點i的最短路徑的具體數量決定了BC(i)。兩個不同的子網絡之間的最短路徑需要通過邊界節點，這導致了節點介數較大。所以，采取節點介數，能夠對邊界節點與邊緣節點進行區分。

綜合式(1)～式(3)，節點i在物理拓撲層中的重要性定義為TP(i)：

TP(i)=wlLTP(i)+wgGTP(i)

(4)

式中，wl和wg分別為局部和全局拓撲重要性的權重，且有wl+wg=1。具有較高LTP(i)的節點i的故障將主要影響局部區域的連通性，而具有較高GTP(i)的節點i的故障將主要增加網絡的平均最短路徑長度。本研究中選取LTP(i)和GTP(i)具有相同的重要性，即wl=wg=0.5。

1.2 傳輸層

電力通信網絡傳輸層主要研究指標是流量分布。一個承載更多流量的節點將產生更大的成本消耗，因此該節點可能至關重要。令BF(i)表示節點i攜帶的流量。流量包括3個部分：生成、接收和重傳。B表示服務請求矩陣，該矩陣是一個三維矩陣，矩陣元素為b(s，d，h)，其中s表示源節點，d表示目的地節點，h表示服務類型。b(s，d，h)表征節點s到節點d之間請求的h型服務的數量。令Path(s，d)為節點s和節點d之間的路徑。BF(i)定義如下：

(5)

式中，H為服務類型的總數；F(h)為第h類服務的單位帶寬。節點承載的流量越多，重要性就越高。

1.3 服務層

電力通信網絡中不同類型的服務之間存在顯著差異，服務重要性決定了電網能否安全穩定運行。然而，這些服務[18]通常需要較小的帶寬。相反，一些服務重要性較低的服務需要的帶寬卻比較大。穩定系統的服務與安全區中的廣域矢量測量、繼電保護，具有很高的服務重要性，但帶寬要求很小。相反，安全區域的視頻監控、視頻會議等服務的服務重要性較低，但帶寬需求較大。因此，流量較小的節點也可能是關鍵節點，因為節點上承載的服務很重要。

服務層中的節點i的重要性定義為BI(i)：

(6)

式中：I(h)為第h類服務的重要性值。節點i攜帶的服務重要性值越大，BI(i)就越高。

2 多層節點重要性識別模型

為有效識別電力通信網絡中關鍵節點，本研究提出了一個多層節點重要性識別模型來整合多層節點的重要性，從而搜素綜合重要程度最高的關鍵節點。在多層節點重要性識別模型中，首先計算在單層中關鍵節點的相關節點的隸屬度，其次，求出不同層的可信度與基本測度。最后，對節點本身的臨界度進行綜合測算。

假設電力通信網絡中有N個節點，包括3個邏輯層(物理拓撲層、傳輸層和服務層)。Ik(i)為節點i在第k層中的重要性，其中k∈[1，3]，i∈[1，N]。Ik(i)越高，第k層中的關鍵節點i越多，因此節點i的隸屬度也就越高。將第k層中節點i的隸屬度[19-20]定義為mki，則有：

(7)

當計算單層節點關鍵性度量的隸屬度之后，引入了不同層的基本測度可信度反映該層的可信程度。令εk表示第k層的基本測度可信度，εk滿足如下公式：

(8)

式中，n為電力通信網絡中邏輯層的數量。

在電力通信網絡中，服務重要性是最直接地衡量服務中斷影響電網狀況的指標。所以，加入不同服務之間的重要性存在相當大的差異，則服務層為第一考慮因素。但是，假如電力通信網絡的服務重要性具備相似或者相同的情況，要把握節點上能夠承載的相應流量，所以傳輸層為次要考慮因素。而且，假如網絡服務有著相似的帶寬與重要性，也就是說服務間不存在差異，那么物理拓撲層是最后才需要考慮的因素。為綜合考慮三層邏輯層的重要性，本文提出了自適應的基本度量可信度指標：

(9)

ε1+ε2+ε3=1

(10)

式中，ηmin和ηmax分別為服務層的最小和最大重要性值；ωmin和ωmax分別為網絡層的最小和最高帶寬。如果ηmax遠大于ηmin，則ε1就會非常接近數值1，也就是說采取服務層的度量對節點臨界度進行確認，是值得充分肯定的。反過來，假如ηmax高度接近ηmin，那么ε1就會非常接近數值0，也就是說，采取服務層對節點本身的臨界度進行確認，缺乏較強的不可信性，所以其他層的度量會凸顯較強的可信性。在ε1非常接近數值0的情況下，假如ωmax與ωmin的差距較大，即ε2體現出很大的數值，意味著傳輸層具有非常可信的度量值，能夠對節點本身的臨界度進行描述。反過來，如果ωmax接近ωmin，意味著相關節點的臨界度取最終決于物理拓撲層中的度量值。

在多層節點重要性識別模型中，所有邏輯層中節點的度量均涵蓋兩個組成部分：首先是選定層中全部節點能夠度量的相應幾何平均值，第二部分是度量的可信度，即選定層的基本可信度和未選定層的基礎度量不可置信度的乘積。對于任意的第x個邏輯層(x∈[1，n]，n為電力通信網絡中邏輯層的總數)，節點i的度量值定義如下：

(11)

式中，mΦi為節點i的度量值；Φ為選擇的邏輯層。與之類似，第二部分度量的可信度定義如下：

(12)

式中，Ψ為未選擇的邏輯層。

綜合式(11)和式(12)，電力通信網絡中節點i的度量可計算如下：

zΦ(i)=mΦi×CΦ

(13)

式中，zΦ(i)為電力通信網絡中節點i的度量。當電力通信網絡中包含n個邏輯層時，有2n-1種選擇方式。令Z(i)表示的節點i的臨界度，即定義為Φ中所有zΦ(i)的和。為計算Z(i)，本研究引入二進制序列θ，θk∈{0，1}，k∈[1，n]。如果θk=1，在集合Φ中選擇第k層；否則，θk=0表示第k層為未選擇層。綜上，Z(i)可計算如下：

(14)

式中，εk為第k層的基本度量可信度；[θ]為序列θ中1的個數。Z(i)越大，關鍵節點就越多。

3 仿真與分析

可以這樣定義電力通信網絡的脆弱性：網絡出現弱點(出現障礙或者遭受攻擊)的情況下可以繼續服務的一種能力。網絡中的漏洞來自網絡系統的不同領域，如網絡的物理拓撲、硬件、軟件等。為了驗證所提多層節點重要性識別模型的有效性，本節選擇不同的識別算法以得到各個節點本身的臨界度。按照這些節點的不同等級，將排名靠前的那些節點移除，對重要節點影響網絡脆弱性的情況進行測試。網絡脆弱性本身的影響越顯著，意味著節點的重要性程度也就越高。

3.1 仿真環境與指標選取

仿真時使用MATLAB R2018a作為運行環境。電力通信網絡的所有物理拓撲結構由Gephi 0.9.1生成。仿真時設置了五類服務，服務重要性向量分別設置為0.98，0.83，0.553，0.33，0.15。同時，與之相應的帶寬分別為0.03，0.08，0.02，0.52，0.14。考慮到不同類別的服務具有不同的重要性和單位流量，網絡中傳輸的服務將不斷變化。仿真時隨機生成服務矩陣B，并約束服務的總數。為了簡化實驗過程，將電力通信網絡中的邊權重全部設置為1。

實驗時使用網絡效率、剩余網絡的服務重要性、節點傳輸的剩余流量3個指標來驗證節點排名的合理性，并執行網絡脆弱性度量。各指標分別定義如下：

(15)

式中，NE(G)為網絡效率指標，用于表征物理拓撲層的弱點；dij為節點i和節點j之間的最短距離；N為電力通信網絡中的節點數量。

受到攻擊或故障后剩余網絡的服務脆弱性度量定義如下：

(16)

式中，G′為受到攻擊或故障后的剩余網絡結構；BI(j)為由節點j承載的服務重要性；SLV(G′)為在移除關鍵節點之后由網絡中的節點承載的剩余服務脆弱性度量。

同理，受到攻擊或故障后剩余網絡的傳輸流量脆弱性度量定義如下：

(17)

式中，TLV(G′)為在移除關鍵節點之后由網絡中的節點承載的剩余傳輸流量脆弱性度量；BF(j)為節點j傳輸的流量。

3.2 實驗過程

實驗過程中，使用最短路徑作為服務傳輸的路由算法。為簡化實驗過程，假定被刪除節點攜帶的服務不會被重新路由，即服務的丟失只包括被刪除節點的流量和服務重要性，不影響其他節點的流量或服務重要性。

假定對物理拓撲、服務重要性和流量的攻擊方法分別表示為攻擊物理拓撲(APT，attacking physical topology)、攻擊服務重要性(ASI，attacking services importance)和攻擊服務流量(AST，attacking services importance)。在本研究中，選擇APT、ASI、AST作為攻擊算法驗證不同邏輯層中節點重要性。

在移除節點之前，物理邏輯層、傳輸層和服務層的初始指標值均為1，表明網絡中節點的服務重要性、流量與效率沒有遭受影響。移除相關節點后，各指標開始變化。一個層中的指標下降得越快，表明該層中的節點重要性排名就越合理。移除全部節點的情況下，各個邏輯層的相應指標值都是0。

3.3 結果與分析

為了證實多層節點重要性識別模型的合理性，本節分析了不同模型對網絡脆弱性的影響，對比模型包括：APT、ASI、AST、逼近理想解排序法(TOPSIS，technique for order preference by similarity to ideal solution)。

本研究仿真時采用的電力通信網絡拓撲結構示意圖如圖1所示。其中節點1模擬省級調度中心，節點13模擬區域調度中心，節點14代表220 kV變電站，其余節點代表500 kV變電站。根據節點的重要性度量計算，電力通信網絡中節點的重要性度量如表1所示。

表1 電力通信網絡中節點的重要性度量

表2 不同算法節點排名

圖1 電力通信網絡拓撲結構示意圖

電力通信網絡中，節點1被當作省級調度中心，應該和全部節點(不包括節點14)形成業務連接。而且，節點13對節點14進行調度。省級調度中心、區域調度中心和500 kV變電站間存在著多種類型的服務，主要是對服務進行調度和管理。變電站間的相關繼電保護等只能提供數量較少、類型單一的生產控制服務，但包含最重要的服務。通過服務重要性矩陣I和單位流量矩陣F，可以得到基本度量可信度，即ε1=0.571 3，ε2=0.264 8和ε3=0.163 9，分別對應于服務層、物理拓撲層和傳輸層。

表2為不同算法在關鍵節點前6(TOP-6)排名。從表2可以看出，通過所提多層節點重要性識別模型的排名主要取決于服務層，傳輸和物理拓撲層對排名的影響并不大。從物理拓撲重要性方面來看，節點4只緊隨節點2，排在第二位。節點4除承載服務以外，也是目的地節點或者源節點，節點4只傳輸少量服務，這降低了節點4的關鍵性。同時，節點4和8承載著數量相同的服務類別和服務數量，因為物理拓撲層中各個節點有著不同的重要性，節點8本身的排名并不高。TOPSIS重點關注數據間的相應距離，如此一來節點5比節點9的排名更高。但是，關鍵節點的排名應該取決于服務層。與節點5相比，節點9在服務和物理拓撲層上更有優勢。因此，對應于TOPSIS的關鍵節點排名并不符合電力通信網絡的真實狀況。節點10并不具備很重要的物理拓撲，且該節點在物理拓撲層中排名第八。但省調度中心和幾個500 kV變電站之間的服務通過節點10，增加了節點10的重要性。

對于案例電力通信網絡，將最關鍵的節點識別出來并不難，也就是節點1。只借助物理拓撲開展節點分析的情況下，節點2最重要，但不符合實際情況。原因在于，在物理拓撲中節點1本身沒有處在最重要的位置，然而就能夠承載的服務而言，節點1極大地區別于其他節點。節點1本身的故障會急劇降低服務層與傳輸層的脆弱性。只采取單層對節點關鍵性進行分析，局限性也是顯而易見的。

為了更形象地展示出刪除節點影響不同層自身的脆弱性的情況，文章按照順序，將對應于不同算法的節點排名中的TOP節點觀察所有層的脆弱性。不同模型刪除節點的脆弱性曲線如圖2所示。從圖2(a)中可以看出，當同時刪除多個節點時，所提多層節點重要性識別模型產生的曲線可以接近服務級別的最優曲線，即ASI曲線。在圖2(b)中，所提多層節點重要性識別模型對傳輸層的脆弱性有很大影響。在圖2(c)中，刪除[3，5]節點時，TOPSIS略優于所提多層節點重要性識別模型。然而，通過以上定性分析，可以得出結論，在這次仿真活動中，借助TOPSIS方面的關鍵節點排名，與電力通信網絡的真實狀況不相符。從給定的服務分布來看，ASI和AST之間的差異在圖2(a)和(b)中并不明顯，即因為服務的分布使節點同時承載大量流量和服務的重要性。

圖2 不同模型刪除節點的脆弱性曲線

綜合以上分析，所提多層節點重要性識別模型可綜合考慮物理拓撲層、傳輸層、服務層中各節點重要性度量，從而高質量確定電力通信網絡中重要節點。仿真結果符合實際情況，驗證了所提模型的有效性和實用性。

4 結束語

本文對智能電網中電力通信網絡進行了研究與分析，建立了一種基于多層節點重要性的電力通信網絡節點識別模型。該模型將電力通信網絡分為3個網絡邏輯層：物理拓撲層、傳輸層和服務層，并通過綜合分析并明確三層中的節點影響電網運行的狀況、通信網絡性能、節點長期平均重要性。

所提多層節點重要性識別模型的可為電力通信網絡分析與電力領域安全發展提供一定借鑒作用。