基于未确知聚类的电力通信网可靠性评估

安 晶，张立宁，庞晓娜，张 丹

(1.华北科技学院 电子信息工程学院，北京 东燕郊 065201；2. 华北科技学院 建筑工程学院，北京 东燕郊 065201；3.华北科技学院 艺术系，北京 东燕郊 065201)

0 引言

十四五期间，我国电网建设高速发展，作为电力系统的重要组成部分，电力通信网的可靠性直接关系到整个电力系统的安全和稳定运行[1]。目前国家电网建设的快速发展也给电力通信网的保障和支撑能力带来了挑战，电力通信网的网络规模越来越大，通信网络系统愈加复杂，通信网面临的风险也越来越多，通信网故障对电力系统的影响和作用愈加明显。因此，近年来，电力通信网可靠性评估工作越来越受到业界的重视[2]。

在电力通信网可靠性评估方面，国内外学者进行了积极的探讨，出现了许多有价值的研究成果[3-5]。例如，学者M.Khademi针对输电线路故障时，通信通道可能出现失效，引起继电保护设备异常，导致事故扩大的问题，用概率论方法分析了继电保护通道的可靠性问题，并定量研究了其危害程度；J. F. Martinez等利用贝叶斯网络建立了电力通信网络的可靠性评估模型；金文俊提出了一种基于社团结构的电力通信网可靠性评估方法，探讨从全局角度进行电力通信网可靠性评估的思路[6]；宋媛、娄云永等探讨建立了电力通信网的可靠性评估指标体系，并运用模糊层次分析法等进行了指标权重的确定[7]；陈江等利用主成分分析对电力通信网的可靠性指标进行降维处理，提出了基于主成分分析的电力通信网可靠性评估方法[8]；董彦军则利用遗传算法和神经网络构建了电力通信网的可靠性评估模型等[9]。

上述评估方法有着各自的优越性，但也存在不足，例如：评估中以定性评估居多，定量评估相对较少；评估指标体系的差异性较大，对实际电力通信网可靠性评估的参考价值有限；评估方法智能化水平较低，评估过程复杂，实际可操作性较差等。人工神经网络虽然有效改进了模糊评估等传统评估方法的不足，在解决非线性问题中有其优越性，但人工神经网络存在易陷入局部最优和维数灾难等不足；引入遗传算法的神经网络方法，虽然有效改进了人工神经网络评估中易陷入局部最优的不足，但在实际应用过程中仍存在解码误差、收敛速度慢等问题。

未确知聚类方法作为一种智能化评估方法，目前在解决工程复杂性等问题中得到广泛应用[10]，但目前未确知聚类算法开放的程序代码较少。Matlab由美国MathWorks开发，是一种功能强大的编程辅助工具软件，由于其强大的人机交互、编程可视化等优点，目前已被广泛用于数据分析、建模仿真等各领域[11]，借助Matlab工具实现未确知聚类算法具有可行性。

基于此，本研究通过文献分析，结合电力通信网运行实际，首先构建科学合理的电力通信网可靠性评估指标体系。进而引入未确知聚类理论，构建基于未确知聚类的电力通信网可靠性评估模型，并进行实证分析。

1 评估指标体系构建

科学的评估指标体系是进行电力通信网可靠性准确评估的前提。依据国家发改委《电力可靠性管理办法(暂行)》(2021)，电力通信网的可靠性主要受网络结构、通信设备、网管系统、运维管理等因素的影响。首先，合理的网络结构是支撑整个电力通信网的基础，不同网络拓扑结构的电力通信网在实际运行中会表现出迥然不同的鲁棒性。其次，网络中通信设备或设施的可靠性是影响电力通信网可靠性的直接因素，任何设备故障等都可能会导致通信网络故障，从而影响整个电力系统的安全运行。同时，实践表明，有效的网络管理系统是电力通信网可靠运行的重要保障。此外，调查发现，在电力通信网络实际运行中，大多数网络故障或事故都是由人为因素引起，因此定期检修、故障排查、人员管理等运维管理因素对于保障电力通信网的可靠运行同样重要。

结合文献[8，12]，本研究最终建立的电力通信网可靠性评估指标体系如图1所示，该评估指标体系包括一级指标4个，二级指标15个。

图1 电力通信网可靠性评估指标体系[8，12]

2 未确知聚类建模

(1) 给定分类数K以及系统精度ε，置计数器t=0；

(3) 计算样本xi属于第k类未确知测度μik(t),i=1～n,k=1～K；

分类准则：设置信度为λ，若

(1)

则判xi属于第k0个评价等级ck0。建模详细过程参见文献[11，12]，本研究置信度λ值取0.6。

3 实例分析

以文献[8]中南方某市2007～2016十年间的电力通信网统计历史数据为例，进行实证分析，已知归一化的数据结果见表1。

表1 某市2007～2016电力通信网统计数据归一化值

续表

应用本研究所构建的未确知聚类评估模型，进行实证分析。通过评估，将该市2007～2016年间的电力通信网可靠性分为三个等级：较差、一般和较好。预先设定系统的分类精度为0.001，经过58次迭代，最终得到该市电力通信网2007～2016各年的可靠性情况见表2，系统误差0.000964。

表2 评估结果

评价结果表明，该市电力通信网2007、2008、2009、2010、2011各年的可靠性总体情况属于第二类，评估结果为一般；2012、2013、2014、2015、2016各年的可靠性总体情况属于第三类，评估结果为较好。评估结果与文献研究结果基本一致，反映了该市电力通信网可靠性总体向好的发展趋势。各年份属于各评估类别的隶属度情况见表3。

表3 各年份属于各评估类别的隶属度

通过表3隶属度情况可以看出，未确知聚类评估分类是一种软分类，它不仅能给出综合评估结果，而且可以给出各年份属于各评估类别的隶属程度。以2010年份(对应图2中的列4)为例，虽然该年份电力通信网可靠性的综合评估结果为一般，但实际上它以0.4744的隶属度属于较差，以0.4876的隶属度属于一般，以0.0379的隶属度属于较好。因此，在实际评估中，当置信度取值不同时，评估结果可能会有所不同。

为了便于对比分析，本研究同时采用传统的K均值聚类算法，对该市电力通信网2007～2016年的可靠性情况进行综合评估。采用Spss统计分析软件，利用k均值聚类工具箱，将各评价指标作为变量，对各年份电力通信网可靠性情况采用k均值聚类评估方法分类，设置最大迭代次数100次，评估主要参数设置过程如图2所示。

图2 某市电力通信网可靠性的K均值聚类评估

通过K均值聚类评估分析，最终评估结果见表4。

表4 K均值聚类评估结果

通过表4的评估结果可以看出，年份2007、2009、2010、2011的电力通信网可靠性评估结果为较差；年份2008的电力通信网可靠性评估结果为一般；年份2012～2016的电力通信网可靠性评估结果为较好。可见，采用K均值聚类评估方法，年份2007、2009、2010、2011的电力通信网可靠性评估结果与文献研究结果存在较大偏差。因此，本研究所构建未确知聚类评估模型，可以用于实际电力通信网的可靠性评估。

4 结论

(1) 电力通信网的可靠运行直接影响着整个电力系统的安全稳定运行及现代化建设，甚至直接关系到国民经济和社会的稳定。而电力通信网可靠性的评估是一项复杂的系统工程，涉及的因素众多。

(2) 本研究从目前电力通信网的实际出发，在深入进行文献分析基础上，结合电力可靠性管理办法，建立了科学合理的电力通信网可靠性评估指标体系。

(3) 引入了未确知聚类方法，构建了基于未确知聚类的电力通信网可靠性智能评估模型。并通过实例分析，验证了该评估方法相对于传统K均值聚类评估方法的优越性。同时，相对于模糊评估等传统评估方法，未确知聚类评估方法的智能化程度更高，可操作性更强。研究成果可为国内外电力通信网的可靠性评估提供理论指导和方法支撑。