基于風(fēng)險均衡度的電力5G通信鏈路自動選擇方法研究

孫 靜，張 榮，王 平

（國網(wǎng)蕪湖供電公司，安徽蕪湖 241000）

隨著5G 通信與智能技術(shù)的發(fā)展，智能電網(wǎng)系統(tǒng)在日常生活中的應(yīng)用程度也越來越高[1]。智能電網(wǎng)利用通信及控制技術(shù)完成電網(wǎng)資源的自動化分配，系統(tǒng)主要包括物理和信息空間。其中，物理空間是指電網(wǎng)中的電線、電源與負(fù)載等物理實體，而信息空間則是指電網(wǎng)中的監(jiān)控設(shè)備、網(wǎng)絡(luò)及計算設(shè)備等[2-3]。

信息空間中的通信傳輸鏈路承載著繼電保護(hù)與調(diào)度自動化等關(guān)鍵服務(wù)，若這些連接中斷可能會對電網(wǎng)造成嚴(yán)重?fù)p害。而當(dāng)通信傳輸鏈路承載的業(yè)務(wù)中斷或無法接入時，將威脅電網(wǎng)的可靠運(yùn)行[4-5]。在這種情況下便需重建多條服務(wù)路由，以提高服務(wù)及網(wǎng)絡(luò)的可靠性。服務(wù)路由重構(gòu)是基于所設(shè)置的指標(biāo)對路由進(jìn)行重新設(shè)置，也稱為風(fēng)險平衡。因此有必要分析風(fēng)險程度，并提出路由重構(gòu)策略來平衡網(wǎng)絡(luò)風(fēng)險。而合理分配電力通信業(yè)務(wù)路由，可以保證業(yè)務(wù)的可靠性，進(jìn)而降低網(wǎng)絡(luò)風(fēng)險。

1 智能電網(wǎng)風(fēng)險評估模型

1.1 電網(wǎng)風(fēng)險空間傳播類型

智能電網(wǎng)中，信息空間的風(fēng)險可能會轉(zhuǎn)移到電力空間[6]。而信息空間與電力空間之間的相互作用則通過信息流及能量流來衡量，且電網(wǎng)的能量分布決定了系統(tǒng)的運(yùn)行狀態(tài)[7]。在信息空間中，電網(wǎng)系統(tǒng)將智能終端設(shè)備控制信號的改變轉(zhuǎn)換為物理狀態(tài)的變化，從而影響電網(wǎng)的能量分布。網(wǎng)絡(luò)物理電力系統(tǒng)(CPPS)中的交互過程如圖1 所示。

圖1 CPPS中信息流和能量流的交互過程

圖1 中，能量流即功率流，信息流則是指信息傳遞及處理的過程。同時信息流控制著電網(wǎng)中的物理實體，例如開關(guān)切換、負(fù)載變化等。由此調(diào)整電網(wǎng)的運(yùn)行狀態(tài)，從而影響能量流[8]。因此，信息系統(tǒng)中的控制信號將直接操縱電力系統(tǒng)的運(yùn)行。

1.2 電網(wǎng)負(fù)載壓力風(fēng)險

智能電網(wǎng)中，電站的負(fù)載壓力風(fēng)險值是通過分析電網(wǎng)與路由相關(guān)的節(jié)點(diǎn)風(fēng)險值來確定的。當(dāng)電網(wǎng)出現(xiàn)通信鏈路中斷的情況后，為了保證CPPS 的穩(wěn)定運(yùn)行，電網(wǎng)會采用路由重建的方法來優(yōu)化路由，從而降低電站的負(fù)載壓力。電站在電網(wǎng)中的負(fù)載并非一個固定值，其隨著電網(wǎng)負(fù)載的改變而變化。因此，電站負(fù)載壓力可通過其負(fù)載在電網(wǎng)中的比例來衡量。

站點(diǎn)負(fù)載壓力是業(yè)務(wù)路徑鏈路內(nèi)所有站點(diǎn)壓力負(fù)載的總和，其大小代表著電網(wǎng)負(fù)載的壓力，壓力越大表示鏈路的負(fù)載壓力也越大，且節(jié)點(diǎn)分配不均勻。電站負(fù)載壓力定義如下：

其中，Pn是業(yè)務(wù)n路由路徑的總節(jié)點(diǎn)數(shù)，N是業(yè)務(wù)的總數(shù)，是第n個業(yè)務(wù)路由路徑中節(jié)點(diǎn)i的負(fù)載壓力值，Ln是電網(wǎng)中業(yè)務(wù)n的電站負(fù)載壓力值，Ltotal則為電網(wǎng)中所有業(yè)務(wù)路由路徑內(nèi)站點(diǎn)的負(fù)載壓力總和。因此，電網(wǎng)通信傳輸鏈路在電站負(fù)載壓力下的故障風(fēng)險值G1=Ltotal。

1.3 電網(wǎng)業(yè)務(wù)風(fēng)險

電網(wǎng)中的業(yè)務(wù)風(fēng)險主要通過分析路由路徑相關(guān)聯(lián)的鏈路風(fēng)險值來確定，而信息交互靠通信鏈路進(jìn)行傳遞。若通信鏈路中斷，將影響電網(wǎng)的業(yè)務(wù)。因而，業(yè)務(wù)風(fēng)險可通過業(yè)務(wù)平均通信延遲與業(yè)務(wù)風(fēng)險平衡度兩個維度來進(jìn)行分析。

1）業(yè)務(wù)平均通信延遲。電網(wǎng)中的某些業(yè)務(wù)，例如電網(wǎng)繼電保護(hù)、穩(wěn)定控制等業(yè)務(wù)對實時性的要求較高。若這些業(yè)務(wù)不能在短時間內(nèi)完成，將導(dǎo)致電力系統(tǒng)的誤操作。因此，延遲是一個較為重要的指標(biāo)。業(yè)務(wù)平均通信延遲可定義為：

式中，Dn表示第n個業(yè)務(wù)的延遲，是所有業(yè)務(wù)的平均通信延遲，而業(yè)務(wù)平均通信傳輸鏈路故障的風(fēng)險值則為G2=。

2）業(yè)務(wù)風(fēng)險平衡度。業(yè)務(wù)風(fēng)險平衡度用于衡量電網(wǎng)中每個通信鏈路所承載的業(yè)務(wù)分布。平衡度過高表示電網(wǎng)中的業(yè)務(wù)分布不均勻，即存在通信鏈路業(yè)務(wù)過載或輕載[9-10]；而平衡度越低，則表明整個網(wǎng)絡(luò)的業(yè)務(wù)分布越均衡，業(yè)務(wù)運(yùn)行的風(fēng)險也相對較小。其定義如下：

式中，BD 是網(wǎng)絡(luò)中所有Gi的標(biāo)準(zhǔn)偏差，則業(yè)務(wù)風(fēng)險平衡度上通信傳輸鏈路的故障風(fēng)險值為G3=BD。

2 智能電網(wǎng)風(fēng)險計算

2.1 風(fēng)險模型

風(fēng)險通常是指故障的不確定性，可表示為故障發(fā)生概率與風(fēng)險后果的乘積，且風(fēng)險=故障概率×風(fēng)險后果值。若通信傳輸鏈路中斷，則風(fēng)險值可表示為：

式中，H是跨空間的風(fēng)險傳遞概率，P是通信傳輸鏈路中斷的失效概率，I是錯誤出現(xiàn)的風(fēng)險后果值。I1、I2和I3分別表示電網(wǎng)負(fù)載壓力、業(yè)務(wù)平均通信延遲、業(yè)務(wù)風(fēng)險平衡度的風(fēng)險后果值。

因此風(fēng)險值最小化是鏈路選擇的基本原則，也是需求解的目標(biāo)函數(shù)。為了使服務(wù)能夠在網(wǎng)絡(luò)上均勻分布，需要為每個指標(biāo)設(shè)置約束。CPPS 網(wǎng)絡(luò)路由重建策略的目標(biāo)函數(shù)定義為：

式中，Dmax是每個業(yè)務(wù)的最大延遲，Rmax是每個鏈接的最大上限承載業(yè)務(wù)數(shù)。Lmax是每個業(yè)務(wù)通過電站負(fù)載壓力總和的上限，α、β、θ是上述三個不同指標(biāo)的權(quán)重。因此，目標(biāo)函數(shù)即是在式（9）約束條件下求解f的最小值。

2.2 遺傳算法

上述風(fēng)險評估模型可以考慮在如何快速完成多業(yè)務(wù)路由重構(gòu)的條件下，滿足電網(wǎng)負(fù)載壓力、業(yè)務(wù)平均通信延遲及業(yè)務(wù)風(fēng)險平衡度這三個不同的因素。文中使用改進(jìn)選擇操作的遺傳算法(Genetic Algorithm，GA)來解決這一問題。

1）編碼機(jī)制。傳統(tǒng)二進(jìn)制編碼中的編碼長度與節(jié)點(diǎn)數(shù)成指數(shù)關(guān)系，而該文采用了一種可變長度的染色體編碼方法[11](Chromosome coding)，對第一個節(jié)點(diǎn)取業(yè)務(wù)的起始節(jié)點(diǎn)，然后從其他相連的節(jié)點(diǎn)中隨機(jī)選取一個作為下一個染色體節(jié)點(diǎn)，并將該節(jié)點(diǎn)從節(jié)點(diǎn)集中刪除。重復(fù)此步驟，直至染色體編碼節(jié)點(diǎn)為業(yè)務(wù)目標(biāo)節(jié)點(diǎn)。此種情況下染色體的長度是不確定的，但最大長度不超過電網(wǎng)中所有的業(yè)務(wù)節(jié)點(diǎn)數(shù)。

2）種群初始化。利用式（9）剔除不滿足約束條件的通信鏈路，并對剩下滿足約束條件的鏈路進(jìn)行編碼，以完成種群的初始化。最后，隨機(jī)選擇M個鏈路以獲得M個初始種群。

3）適應(yīng)度函數(shù)。適應(yīng)度函數(shù)識別群體中個體的優(yōu)缺點(diǎn)，適應(yīng)值越大意味著個體越優(yōu)。故適應(yīng)度函數(shù)定義為：

根據(jù)式（7）可知，f越小越接近問題的最優(yōu)解。所以，該文采用逆形式來滿足適應(yīng)度較大的條件。

4）選擇。該文采取“精英主義”的最佳保存方法與“輪盤賭”策略(Roulette wheel selection)相結(jié)合的方式完成種群的選擇[12-13]。

假設(shè)種群數(shù)量為M，將種群均分為兩組，并取適應(yīng)度較高的一組保留下來，且個體數(shù)為0.5M；然后，在剩下的0.5M個體中繼續(xù)以上步驟得到0.25M個體；再通過“輪盤賭”選擇策略，從上一代個體中選擇0.75M個體，將其與之前的0.25M組成M個個體；而最終的交叉及變異操作，則是通過重組后的M個新個體來執(zhí)行的。

5）交叉和變異。在父代群體中以交叉概率Pc隨機(jī)抽取兩個個體并交換二者的部分結(jié)構(gòu)，以形成兩個新的個體。變異是通過改變?nèi)旧w上的部分基因來進(jìn)行的，其發(fā)生的概率較小。在染色體中隨機(jī)選取一個節(jié)點(diǎn)作為突變點(diǎn)，且業(yè)務(wù)起始節(jié)點(diǎn)到突變點(diǎn)之間的節(jié)點(diǎn)保持不變，而突變點(diǎn)到業(yè)務(wù)目標(biāo)點(diǎn)之間的節(jié)點(diǎn)重新隨機(jī)選擇。已選定的節(jié)點(diǎn)將從節(jié)點(diǎn)集中刪除，以避免其在路徑中形成循環(huán)。

3 案例分析

該文在圖2 所示的拓?fù)渲袦y試所設(shè)計的方法，該拓?fù)渑c文獻(xiàn)[9]和[14]所采用的實驗架構(gòu)和參數(shù)相同，共有17 個節(jié)點(diǎn)與25 條通信傳輸鏈路，鏈路上有四項服務(wù)，分別為[1,15]、[2,17]、[3,17]、[4,16]。

圖2 部分電網(wǎng)的拓?fù)鋱D

根據(jù)文獻(xiàn)[9]和[14]中獲得的鏈路故障記錄可以看到，鏈路13-14 失效的概率P1為0.213 7，鏈路13-17 的失效概率P2為0.282 6。表1 所示為電站的負(fù)載壓力值，為了方便計算，電站負(fù)荷壓力值的影響為縮放比。

表1 電站負(fù)荷壓力

文中僅考慮直接風(fēng)險，而風(fēng)險傳遞概率為1。在鏈路13-14 和13-17 均中斷的情況下，使用文中提出的算法重構(gòu)業(yè)務(wù)的通信鏈路。在遺傳算法中[15-16]，設(shè)置染色體長度為7，初始種群為100，迭代次數(shù)為200，交叉率Pc與變異率Pm則分別為0.9 及0.055。風(fēng)險評估的總值用數(shù)字1 表示，每個影響因素的權(quán)重可根據(jù)特征向量的比例分別得到，α=0.569 6，β=0.097 4，θ=0.333 0，且α+β+θ=1。

采用該算法計算每個業(yè)務(wù)的通信鏈路，并與基于“輪盤賭”選擇策略的遺傳算法及Dijkstra 算法進(jìn)行比較，路徑對比情況如表2 所示。

表2 服務(wù)路由路徑對比

從表中可以看出，由于鏈路13-14 和13-17 均被中斷，因此無法到達(dá)目的地節(jié)點(diǎn)13 的業(yè)務(wù)。而與其他兩種方法相比，所提算法選擇的路徑較優(yōu)、節(jié)點(diǎn)路徑的節(jié)點(diǎn)數(shù)最少且風(fēng)險也更低。各項指標(biāo)的比較結(jié)果，如圖3 所示。

圖3 指標(biāo)比較

由圖可知，在平均通信延遲指標(biāo)方面，該文算法的結(jié)果雖然高于Dijkstra 算法，但其仍在可接受的范圍內(nèi)。原因在于原始服務(wù)路徑考慮了最短延遲指標(biāo)，故無法從多個角度為業(yè)務(wù)提供最優(yōu)路徑。而該文算法的業(yè)務(wù)風(fēng)險均衡度優(yōu)于Dijkstra 算法以及采用輪盤賭策略的遺傳算法。此外分別計算三種算法的風(fēng)險值，其中Dijkstra 算法的風(fēng)險值為6.620%、輪盤賭策略的遺傳算法為4.421%，該文算法的風(fēng)險值則為3.143%。由此可知，該文算法的風(fēng)險平衡效果較優(yōu)。

4 結(jié)束語

文中主要研究CPPS 中通信鏈路中斷后，基于風(fēng)險均衡度考慮的業(yè)務(wù)通信鏈路重構(gòu)方法。通過考慮網(wǎng)絡(luò)中節(jié)點(diǎn)與鏈路的風(fēng)險，選取電網(wǎng)站點(diǎn)負(fù)載壓力值、業(yè)務(wù)通信延遲及業(yè)務(wù)風(fēng)險平衡度作為影響因子，并建立風(fēng)險評估模型。同時結(jié)合“精英主義”方法及“輪盤賭”方法來選取初始種群，進(jìn)而提出了一種改進(jìn)的遺傳算法，再通過此算法重構(gòu)業(yè)務(wù)路徑。最終通過仿真實驗，證明了該算法的有效性。