智能电网通信节点的风险评估算法研究

冯伟东，焦尧毅，鲁　云，孙　勇，曾　聪，向　辉，王　婕，刘　灿

(1.国网湖北省电力公司信息通信公司，湖北 武汉 430077；2.北京邮电大学 信息与通信工程学院，北京 100876；3.国网湖北省电力公司宜昌供电公司，湖北 宜昌 443000；4.国网湖北省电力公司荆门供电公司，湖北 荆门 448001)

0　引言

智能电网是将先进的传感器量测技术、信息通信技术、分析决策技术和自动控制技术与能源电力技术以及电网基础设施高度集成而形成的新型现代化电网，能够实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标。近年来，随着电力行业的发展，智能电网的进程不断加快。智能电网的建设关系到人民日常生活，关系到国家的能源战略部署。电力通信专网作为智能电网的通信支撑，可实现所有电力系统环节的全覆盖，实现与用户的信息交互，在智能电网中具有极其重要的作用[1]。同时，智能电网中电力通信专网是关系到国家能源战略及安全的重大基础设施工程。

电网通信节点一旦发生安全事件，不仅将直接影响电力通信系统的服务质量，而且还可能对电网的安全稳定运行造成破坏。通信网络的节点风险评估可以把通信节点的重要程度标识出来，对通信网络的风险值进行分析，估计其造成的不良影响[2]。

复杂网络的节点重要度评估的传统方法包括了基于最短路径、介数法、生成树数评估方法及因子分析法等，这些方法往往只关注了网络中某一特性的研究，不能全面地反映节点的重要程度。文献[2-3]选取网络链路带宽作为网络权值建立电力通信骨干网模型，利用节点在电力系统中的权值作为修正系数，提出了电力通信骨干网节点重要度的一种评价方法。文献[4-5]提出了基于神经网络的电力通信网风险评估算法。文献[6-7]针对电力光纤通信网的现状及其在风险评估中存在的问题，利用层次分析方法(AHP)进行节点风险评估。文献[8-9]提出了一种基于节点互信息的复杂网络重要度评估方法，该方法以一般网络拓扑为研究对象，没有考虑节点承载业务的特性。

本文提出了结合业务承载特性的电力通信网节点重要度评价方法，该方法首先计算通信节点的互信息量，同时结合通信节点承载的业务重要度作为链路权值以及节点重要度的评价指标。

1　系统模型

智能电网场景如图1所示，包括智能输电网、智能配电网和通信网。电力生产和管理的很多业务都承载在通信网中，其结构复杂、规模庞大，如果发生任何故障都有可能对电网的安全稳定运行构成严重影响[10]。

图1　智能电网场景

将网络抽象为拓扑图G=(N，L)，其中N={ni}为网络节点集，L={li}为网络的链路集。将业务抽象为M=(S，R)，其中S={si}为业务集，R={ri}为业务重要度集。

根据业务特性进行风险评估，因此给出业务重要度指标[11]。业务重要度定义为业务发生中断或可靠性降低时，对电网安全稳定运行的影响程度，影响越大，业务的重要度就越高。该指标能够体现业务对电网安全运行风险的影响程度。电力通信网上承载着多种不同的业务，每种业务对系统安全运行的影响程度也不一样[12]。

电力业务的功能不同，对传输通道的特性要求也不一样，根据电力生产需求特点，将业务的安全要求及传输要求综合评估对网络的风险影响，使用层次分析法计算出业务重要度，如表1所示[2]。

表1业务重要度指标

标号业务业务重要度s1线路的继电保护0．9661s2安稳系统0．9448s3调度电话0．8550s4调度自动化0．9161s5保护管理信息系统0．6480s6广域管理信息系统0．8236s7雷电定位监督系统0．4651s8变电站视频监督系统0．3755s9视频会议系统0．5490s10行政电话0．4739

2　基于互信息的节点重要度评估

基于互信息的节点重要度评价方法是使节点重要度计算更全面、更准确的一种方法。

步骤1：基于业务重要度计算链路权值。利用层次分析法，构造电力通信网业务重要度各层指标相对重要性判断矩阵，得到典型电力通信业务的业务重要度。

步骤2：基于链路权值采用互信息法计算节点重要性。该评估方法通过节点的信息量来评估节点的重要性，每个节点的边决定其所包含的信息量。节点的信息量是通过先计算节点之间的互信息，也就是与该节点相连每条边的信息量，然后计算节点所包含的信息总量。

步骤3：在计算出所有节点的信息量之后，从大到小进行排序，信息量大的节点重要性也越强。

2.1　链路权重

在通信网中不同的链路对网络的影响也不完全相同，因此每条链路对网络风险的影响程度也不同。

定义链路的权重为链路在网络中的影响力。链路权重反映了链路在网络中的重要程度[13]。

链路lk的权重为：

(1)

式中，q为链路lk上运行的业务总数；nkq为链路lk上所运行的第q类业务；rq为第q类业务的重要度；链路权重wk为链路lk的权值。

对节点ni连接的所有边的权值进行归一化得：

(2)

式中，Ei是与节点i相连接的链路集合；wk为相邻两点间的边权。

式(2)考虑了节点与其他节点的连接数以及业务的运行状况，可体现出节点与邻接节点间的相互影响，表征了每个节点在业务层面上的特征数值。

2.2　互信息与信息量

使用互信息的评估方法是通过采集节点的信息量来评估节点的重要性，其中每个节点所包含的信息量由它的边来决定，可以作为风险评估的标准之一。

节点的信息量是先计算节点之间的互信息，即与该节点相连的每条边的信息量，然后再计算该节点所包含的信息总量。

设节点i到节点j的互信息表示为I[i，j]：

(3)

如果节点i和节点j直接相连则为前者，其他情况为0。式中，pij为节点i的边(i，j)的概率。本方法中将归一化链路权重作为节点边的概率，即pij=wk，其中边(i，j)即为链路lk。

节点i的信息量是i与其他节点的互信息之和，表示为I[i]：

(4)

2.3　节点重要度分布值

节点重要度分布值D是衡量电网中链路风险分布的指标，可以用统计学中的方差来直观地反映某一总体各单位标志值的差异程度、集中或离散状况，也是风险评估的标准之一。

(5)

式中，I[i]为节点i的信息量；i为I[i]的平均值；n为节点的个数。

3　仿真结果与分析

3.1　以典型通信网络拓扑图为例进行评估

基础网络拓扑图如图2所示，表2是图2的链路业务分布情况，其中，0表示没有业务分布，1表示有一次业务分布。

图2　基础网络拓扑

表2链路业务发布表

业务l1l2l3l4l5l6l7l8l9s1111111000s2211011000s3000000000s4000010010s5000100110s6100100111

首先建立链路的业务分布矩阵lmn(9*6)，其中m行表示第m条链路，n列表示第n个业务。

(6)

根据业务重要度矩阵得到s1～s6的业务重要度：

si=[0.9661 0.9448 0.855 0.9161 0.648 0.8236]T，

(7)

所以每个链路的权重为：

wk=lmn*si=

[3.6793 2.7345 1.9109 2.4377 4.2986 1.9109

1.4716 2.3877 0.8236]T，

(8)

将得到的各个链路权重归一化。

接着基于链路权值采用互信息法计算节点重要性。先计算节点之间的互信息，然后计算节点i的信息量，即节点i与其他节点的互信息之和，即

Ii=[0.0321 -0.2094 0.2392 0.3456

-0.7873 0.2230 0.6360]T。

(9)

本文采用基于介数法的重要度评价方法与本文所提出的基于互信息的重要度评价方法来分析节点的重要度。2种算法均采用业务重要度为链路权重。

节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例。所以首先应求出各点到各点的最短路径，可用迪杰斯特拉算法，然后算出经过某一节点有几条路径，之后求出节点介数[5]。

图2所示拓扑图的通信节点重要度对比结果如表3所示。从表3可以看出，通过介数法只能看到N2点的介数值远大于平均值，N5点的介数值稍稍比平均值大，说明介数法凸显出N5点的重要度。通过互信息法，可以看出除了N2、N5点的数值离均值较远，N7和N4点的数值离均值也偏大。仿真结果表明互信息法能够更加精确地表现出通信网节点的重要度分布。

表3典型电力通信网节点重要度对比结果

编号度数法介数法互信息法N130．13330．0321N231．1333-0．2090N320．00500．2392N430．26670．3456N530．3333-0．7873N620．00500．2230N720．07000．6360分布值/D0．15800．2105均值/M0．26310．0862

图3进一步给出了更直观的对比结果。

图3　典型电力通信网节点重要度分布对比结果

通过分析分布值，互信息法的数值分布离散程度偏大，表明拓扑路径需要改进，原因是网络中某些重要链路的风险过大，或部分链路承载的业务量太大，使得网络有一定的运行风险。

3.2　以骨干网拓扑图为例进行评估

基础网络拓扑图如图4所示，图4的链路业务分布情况如表4所示。其中0表示没有业务分布，1表示有一次业务分布。

图4　骨干网网络拓扑

表4链路业务分布情况

业务l1l2l3l4l5l6l7l8l9l10s11110000000s20000111000s30001010100s40000000000s50011101000s60000000000s70000000111

最后给出骨干网节点重要度评估对比结果如表5和图5所示。

表5骨干网节点重要度对比结果

编号度数法介数法互信息法N110．24110．7033N210．40120．7033N341．4333-2．1232N410．26670．7032N530．3333-0．1489N620．10050．3975N740．7107-1．4191N820．10020．1792N920．42131．0289分布值/D0．17171．1596均值/M0．41800．0027

图5　骨干网拓扑图节点重要度分布对比结果

表5给出了图4所示的拓扑图的通信节点重要度对比结果。从表5可以看出，通过介数法只能看到N3点的介数值是远远大于平均值的，N7点的介数值稍稍比平均值大，说明介数法凸显出N3点的重要度；通过互信息法，可以看出除了N1、N2、N3和N9点的数值离均值较远。图5更能直观体现互信息法能够更加精确地表现出通信网节点的重要度分布。

4　结束语

本文研究考虑业务重要度的智能电网通信节点风险评估方法。电力通信网评估中考虑业务的不同重要等级非常关键。以业务重要度为链路权值并根据节点互信息给出节点的重要度评估方法，实现对电力通信网的风险评估。该方法考虑了网络拓扑的同时还考虑了节点间传输业务的多少和重要程度。针对典型网络拓扑进行了仿真分析，仿真结果表明，本文提出的互信息量通信节点重要度评估方法具有有效性与准确性。

[1]石际.电力通信及其在智能电网中的应用[J].数字技术与应用，2012(6)：50-51.

[2]曾瑛，汪莹，董希杰，等.电力通信骨干网节点重要度评价方法[J].华北电力大学学报(自然科学版)，2013(5)：65-69.

[3]ZHANG Yi，XU Kaihua，LIUYuhua，et al.Modeling of Scale-free Network Based on Pagerank Algorithm[C]∥MICFCC 2010，IEEE Computer Society，2010：V3-778-782.

[4]亓峰，李琪，韩骞，等.基于神经网络的电力通信网风险评估方法[J].北京邮电大学学报，2014(1)：90-93.

[5]HOU Hui，ZHOU Jianzhong，ZHANG Yongchuan，et al.A Brief Analysis on Differences of Risk Assessment Between Smart Grid and Traditional Power Grid[C]∥KAM，2011：188-191.

[6]高会生，冉静学，孙逸群.基于改进层次分析法的电力光纤通信网风险评估[J].华北电力大学学报(自然科学版)，2008(1)：98-101.

[7]DENG Chuang，LIU Junyong，LIU Youbo，et al.A Fuzzy Comprehensive Evaluation for Metropolitan Power Grid Risk Assessment[C]∥ICSGCE，2016：1-5.

[8]张翼，刘玉华，许凯华，等.一种基于互信息的复杂网络节点重要性评估方法[J].计算机科学，2011(6)：88-89.

[9]JUDITH E Y R，WOLTHUIS Reinder，FRANSEN Frank，et al.An Enhanced Risk-assessment Methodology for Smart Grids[J].Computer，2017，50(4)：62-71.

[10] BARNFATHER P L，HUGHES D.Building Risk-based Investment Programmes for the Smart Grid Era[C]∥IET and IAM Asset Management Conference，2011：12.

[11] ZHOU J，MU Z.Research on Smart Grid Risk Assessment Based on Matter-element Extenics[J].International Journal of Security and Its Applications，2016，10(8)：215-224.

[12] ZHAO P，CHEN X，YU P，et al.Risk Assessment and Optimization for Key Services in Smart Grid Communication Network[C]∥Proceedings of the IM 2017，Lisbon，Portugal，2017：600-603.

[13] ZADJALIAl，ALI A S，BALUSHI T A.Risk Assessment for Cyber-physical Systems：An Approach for Smart Grid[C]∥IBIMA，2016：3204-3213.