智能电网调度控制系统安全技术基本框架研究

郝杰

摘要：针对智能电网调度控制系统在梳理了系统业务层级关系的基础上，主要完成了健康度综合评价基本框架及健康度分层优先评价方法的设计，指标框架遵循优先级分层原则进行构建，评价方法基于多业务通硬件间的融合，并建立了一套针对数据采集与监控系统核心应用的层次化评价指标体系，再通过层次分析法及专家经验法的结合应用完成了指标权重及评价标准的制定，在此基础上完成系统健康度的综合评价。

关键词：电网调度控制系统;安全评价指标体系;基本框架;实现路径

中图分类号：TM74

文献标识码：A

文章编号：1001-5922（2020）07-0104-04

随着智能电网的深入应用，智能电网规模不断扩大，地市级调度控制系统在地区电网监控方面发挥的作用日益凸显，主要负责监控电力系统发、输、变、配和用的电网调度控制系统（D5000系统）为调度一体化的实现提供了强大支撑，同时也时确保电网安全稳定运行的重要手段。电网调度控制系统因涵盖业务较多而导致业务层级关系较为复杂，系统整体同硬件紧密耦合。有效降低事故发生概率是确保调度控制系统高效稳定运行的基础和关键，对电网运行情况的监控、评估、分析、控制及调度等功能需通过进一步优化和完善调度控制系统实现。

1现状分析

随着智能化电网建设的深入，智能电网调度技术已成为确保电网安全稳定的基础，不断发展的智能电网技术使电力行业对调度控制系统安全的重视程度不断提高。目前电力系统健康度评价方面的研究不断深人，如对于评价电力变压器方面，完成了其评价指标体系的建立（从其主要部件及状态量等角度出发），对评估指标的模糊性和随机性采用状态评估方法（基于云模型）进行了综合考虑，采用大数据分析评估方法评估了变压器运行状态（基于流数据）。对于评价电网运行状态方面，完成了包括基于电网能效水平、电网结构坚强性、智能化等的相应评价指标体系的构建，实现了对电网某一方面运行情况准确的分析过程，并深人研究了智能电网评价指标和计算方法，通过应用层次分析法、反熵权法、综合评价方法（基于直觉模糊层次分析法）提高了指标权重计算结果的准确性及评价结果的客观性。现有评价方法在评价D5000系统健康度时大多仅针对某一业务或硬件健康度进行评价，缺少对业务和硬件健康度的综合评价，面向一主多备工作方式的评价方法难以满足综合评价系统健康度的需求"。为此本文完成了一种健康度分层优先评价体系架构及方法的构建，通过对业务/硬件指标及评价指标优先级的综合考虑，能够体现业务的重要等级，实现了多业务同硬件间的有效融合，最终实现对D5000系统的健康度的科学有效的评价过程。

2健康度综合评价基本框架

D5000系统能够协调控制国、网、省三级调度业务，目前调度人员在运维管理D5000系统过程中可以获取运行健康状态，但评估健康状态方法的科学准确性有待提升，各独立应用系统（分布于各调度中心）集成于D5000系统中形成了一个基础平台和四大类应用，支持应用功能的全网共享，通过该系统可有效提高发现及处理电网故障的效率及质量，确保电网安全经济的运行。但目前掌握和预判系统实时运行状态的能力有待提过，通过评价D5000系统的健康度可有效解决这一问题，根据得到的健康运行关键影响因素确保系统安全稳定运行。考虑到D5000系统的一主多备的工作机制且同硬件紧密耦合的业务构成的层级关系复杂度较高，传统评价方法在构建评价指标体系方面大多缺少对评价指标优先级、多业务间的重要等级及依赖关系的充分考虑"。为此本文构建的健康度综合评价指标体系主要由定向指标框架及针对SCADA的评价指标体系构成。

2.1D5000系统定向指标框架

评价指标主要由平台应用/数据质量健康度3大类构成（根据系统的业务层级关系），定向指标框架具体如图1所示：（I代表最高优先级），①平台健康度，主要包括服务、消息及服务总线、实时及关系数据库。②应用健康度，主要便利公共基础应用（提供平台访问服务，时其他业务应用访问平台应用的基础）、SCADA应用（D5000系统的核心应用，负责接收实时数据）、数据服务应用（为其他业务应用提供数据访问服务）、前置系统（FES，负责与通信服务器通信，对通道信息进行接收和必要的处理）应用健康度，公共基础应用和数据服务应用的优先级为I，FES、SCADA为I、皿，提供可靠的数据基础与服务的SCADA应用实现系统实时运行状态的全面高性能監控，同属于具体业务应用的FES和SCADA应用的优先级低于公共基础应用和数据服务应用的优先级。③关键业务数据质量健康度，主要包括重要量测数据、控制性能指标（CPS）等[2]。

2.2SCADA应用的评价指标体系

D5000系统健康度评价特点为：①评价指标包括直接获取指标和由其他指标健康度合成获取的指标两大类，包含定量指标和定性指标。②评价指标具有不同的优先级（根据指标重要等级及依赖关系确定），业务和硬件健康度耦合紧密（节点同服务器一对应），运行于主站上的业务主要包括一主多备和不分主备（多节点）两种方式，多个节点的健康度构成了各业务健康度，某一节点健康度包含硬件健康度和业务健康度两大部分。图2为SCADA应用的评价指标体系，由包含业务和硬件两类健康度的一个主机多备机的健康度共同决定。③SCADA应用布置于多台服务器上，多应用主机在同一节点。在此基础上设计健康度分层优先评价方法[3]。

3健康度分层优先评价方法

本文设计了一种业务与硬件融合的评价方法，位于同一节点的多应用主机的硬件具有相同的健康度，该节点上的业务健康度则存在一定的差异（业务进程不同）。通过对业务及硬件健康度进行融合计算实现节点上各应用健康度的获取，以SCADA应用为例（其余三种应用的融合方法与其相同），相应主备机健康度在一主多备工作方式下通过融合业务与硬件健康度获取。以实时数据库为例，相应节点的健康度在多节点、不分主备工作方式下通过融合业务与硬件健康度获取，再使用加权平均公式得到最终结果。

3.1优先级评价原则的制定及指标权重的确定

结合优先级原则（具体如图3所示），以最底层作为评价起始点先计算其指标健康度，然后逐层向上评价。运用该优先级评价原则计算SCADA应用健康度，使用层次分析法确定指标权重，直至最终获取SCADA的健康度[3]。

结合专家意见构建判断矩阵后对其进行一致性检验，在满足一致性的情况下通过换算判断矩阵实现指标的权重值的获取。具体通过两两比较指标，并结合运用结合九分度表完成判断矩阵的构建，假设，指标个数n表示，i和j表示具体指标，i和j相比的重要性

标度由a表示，ay在i=j室温情况下取值为1，aj在诀j的情况下取值为1/ai，表达式定义如下[4]。

IR表示平均随机一致性指标，判断矩阵的一致性比例及指标分别由Rc和I表示，具体表达式定义如下[5]。

由入mn表示矩阵的最大特征值，Ic具体表达式定义如下。

Re<0.1时判定为满足一致性，其他情况下应作适当修正直到满足一致性要求。在此基础上通过方根.法的使用完成指标权重值的计算，计算公式如下[6]。

3.2评价标准和量化指标的制定

根据各指标的期望值和实际采集数据完成SCADA应用的指标评价等级的划分，共包括完好、正常、注意、异常、严重5个评价等级，评分区间为[0，100]，表1为具体评价等级及评分标准。将实际的指标数据通过使用上述方法完成到[0，100]的分数值的转换，通过指标的量化得到指标的健康分数f（x），x表示指标的实际数据，评分区间在ESL和ESR之间，数据区间在EDL和EDR之间，f（x）表达式如下向。

3.3综合评价结果

1）加权评价法，通过使用加权平均法完成主、备机以下的指标层指标健康度的计算（根据SCADA应用评价指标体系），假设，健康度由H表示，权重向量及健康分数向量分别由W和S表示，计算表达式如下。

2）并接系统健康度公式，在D5000系统中出现设备损坏的情况下通常无需修复而采取直接更换的方法，服务器间相互独立，系统的正常运行不受发生故障的某台服务器的影响，但会不同程度降低系统的健康度，因此将一主多备系统视为并接系统获取的主、备机健康度，假设，主、备机的总数及健康度分别由m和Hk表示，根据并接系统健康度获取SCADA应用的健康度，计算表达式如下[7]。

3.4实际应用案例分析

对一主两备的SCADA应用的运行状态采用D5000系统某时刻的运行数据完成综合评价（该时刻进程状态处于正常状态），先评价其主机的运行状态，再评价其主机的硬件健康度（包含CPU、内存、swap、硬盘、网卡五个指标，最大特征值入m=5），硬件健康度的判断矩阵通过将这些指标进行两两比较获取，五项子指标的权重向量为：

lc=0，Rc=0<0.1，满足一致性检验要求。结合表1得到主机的硬件健康度为97.8（通过转换各指标的数据）;同理评价主机的业务健康度，六项子指标的权重向量（在进程资源占用情况下）为：

进程1、2的健康度分别为98.9736、99.3087。对进程1、2的健康度进行加权平均计算得到主机的业务健康度为99，业务和硬件健康度的权重向量为W=[0.75，0.25]。根据优先级评价原则，通过对业务和硬件健康度进行加权平均计算获取主机健康度为98。备机1和备机2的健康度分别为97、98。根据并接系统健康度公式得出SCADA应用的健康度为99，SCADA应用的综合健康度会直观的显现出，并可向下追溯各详细指标的健康度，精确地定位降低综合健康度的具体底层指标。评价结果表明此时SCADA应用（包括各主、备机）运行状态完好，均处于高效、平稳期，并且评价结果同实际运行情况吻合，验证了本文评价体系及方法的有效性。

4结语

文章主要构建了一种系统健康度综合评价指标体系，并设计了一种改进的指标评价方法，以健康度形式给出各指标运行状态，实现通过获取的评价结果对系统真实运行状态实时准确的显示，并据此将相应的维护建议提供给运维人员，帮助其及时准确的发现和解决问题，从而使D5000系统的安全稳定性得到显著提升。但该评价方法易受到专家经验的主观性影响，接下来的研究将在健康度评价中通过运用数据挖掘、机器学习等方法进一步完善该评价过程，使评价结果更加可靠。

参考文献

[1]李田，苏盛，杨洪明，等.电力信息物理系统的攻击行为与安全防护[J].电力系统自动化，2017（22）：162-167.

[2]张白林，张玉琼，侯芳.智能电网调度控制系统安全防护技术的实际应用研究[J].建材与装饰，2019（02）：218-219.

[3]张友强，寇凌峰，盛万兴，等.配电变压器运行状态评估的大数据分析方法[J].电网技术，2017（03）：768-773.

[4] Yulia CHerdantseva ， Pete Burnap， Andrew BlytH ， et al. A review of cyber security risk assessment metHods for SCADA systems[J]..Computers & Security ，2016：1-27.

[5]张尚，王涛，顾雪平.基于直觉模糊层次分析法的电网运行状态综合评估[J].电力系统自动化，2016（04）：41-49.

[6] Xianrong Ji， FengHua Lu.K-means clustering analysis and evaluation for internet of acoustic environment cHaracteristics[J].Cognitive Systems ResearcH ，2018：603-609.

[7]沈鳳杰，张伟，张浩，等.适应调控一体化模式的安控装置管理系统方案设计与实践[J].电力系统自动化，2017（23）：143-179.

[8]黄飞，宋璇坤，周晖，等.基于效果与基础互动的电网智能化水平综合评价指标体系研究[J].电力系统保护与控制，2018（11）：142-148.