CN103501248A - 确定电力通信网络可靠性的方法、装置及应用方法 - Google Patents
确定电力通信网络可靠性的方法、装置及应用方法 Download PDFInfo
- Publication number
- CN103501248A CN103501248A CN201310462062.XA CN201310462062A CN103501248A CN 103501248 A CN103501248 A CN 103501248A CN 201310462062 A CN201310462062 A CN 201310462062A CN 103501248 A CN103501248 A CN 103501248A
- Authority
- CN
- China
- Prior art keywords
- probability
- control center
- communicated
- powerline network
- subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/40—Display of information, e.g. of data or controls
Abstract
本发明提供了一种确定电力通信网络可靠性的方法、装置及应用方法,将电力通信网络抽象为节点和边均可能失效的无向图;确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点;将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,采用误差可控的因子分解算法分别确定各实例的不连通概率;将各实例的不连通概率求平方和得到所述电力通信网络的不连通概率和,所述不连通概率和越高,所述电力通信网络的可靠性越低,计算出的不连通概率和越低,所述电力通信网络的可靠性越高。
Description
【技术领域】
本发明涉及电力技术领域,特别涉及一种确定电力通信网络可靠性的方法、装置及应用方法。
【背景技术】
电网区域控制中心(简称区控中心)的设立实现了500kV变电站远程集中监控、无人值班、少人值守的管理模式,有效地降低了运营管理成本、提高了操作维护效率,因此区控模式迅速在我国电网建设中得到推广和普及。各受控站都有自动化设备,与区控中心之间通过电力通信网络连接。如果出现网络故障导致受控站无法与区控中心通信,则区控中心无法行使职能,会给电网的安全性和考考行带来影响。
在电网建设中会碰到诸如“建单区控中心好还是双区控中心好”,“单区控中心建在哪里好”,“双区控中心建在哪里好”等问题,在解决这些问题时依据的最必要的指标就是网络可靠性,因此如何确定电力通信网络可靠性十分重要。
【发明内容】
有鉴于此,本发明提供了一种确定电力通信网络可靠性的方法、装置及应用方法,为电网建设提供基础。
具体技术方案如下:
本发明提供了一种确定电力通信网络可靠性的方法,该方法包括:
S1、将电力通信网络抽象为节点和边均可能失效的无向图;
S2、确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点;
S3、将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,分别确定各实例的不连通概率;
S4、将各实例的不连通概率求平方和得到所述电力通信网络的不连通概率和,所述不连通概率和越高,所述电力通信网络的可靠性越低,计算出的不连通概率和越低,所述电力通信网络的可靠性越高;
其中确定实例的不连通概率具体包括:
采用公式a:P(G)=1-p(s)R(G)确定该实例的不连通概率P(G),G为该实例对应的无向图,p(s)为s的工作概率;
所述R(G)采用下述公式b进行分解:
R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v)
e为在当前被分解的无向图从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点,p(e)为e的工作概率,p(v)为v的工作概率,G+e+v为v、e都工作的G的子图,G-v为v失效的G的子图,G-e+v为e失效且v工作的G的子图,其中子图指某些节点或边状态确定的无向图;
分别将得到的各子图按照所述公式b的方式分解,直至v为区控中心,将各子图的分解结果迭代回G的分解结果;
其中在各子图的分解过程中,当某子图的分解路径概率小于预设阈值ζ时,停止对该子图的继续分解。
根据本发明一优选实施方式,所述电力通信网络可靠性的误差为mζ,其中m为截断发生的次数,所述截断为因分解路径概率小于预设阈值ζ而停止对子图进行继续分解。
本发明还提供了一种电力通信网络可靠性的应用方法,其特征在于,该方法包括:
在单区控中心前提下,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以电力通信网络中各站点分别作为区控中心时电力通信网络的不连通概率和;
在双区控中心前提下,将电力通信网络的各站点两两组合,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以每一个组合分别作为双区控中心时的不连通概率和;
若确定出的不连通概率和的最小值是单区控中心,则判断出针对所述电力通信网络建单区控中心优于双区控中心;
若确定出的不连通概率和的最小值是双区控中心,则判断出针对所述电力通信网络建双区控中心优于单区控中心。
本发明还提供了一种电力通信网络可靠性的应用方法,该方法包括:
利用如权利要求1所述的确定电力通信网络可靠性的方法,确定以电力通信网络的各站点分别作为单区控中心时电力通信网络的不连通概率和;
不连通概率和越小的站点作为单区控中心越优。
本发明还提供了一种电力通信网络可靠性的应用方法,该方法包括:
将电力通信网络的各站点两两组合,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以每一个组合分别作为双区控中心时的不连通概率和;
不连通概率和越小的站点组合作为双区控中心越优。
本发明提供了一种确定电力通信网络可靠性的装置,该装置包括:无向图抽象单元、集合确定单元、实例转化单元、不连通概率确定单元和可靠性确定单元;
所述无向图抽象单元,用于将电力通信网络抽象为节点和边均可能失效的无向图;
所述集合确定单元,用于确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点;
所述实例转化单元,用于将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,
所述不连通概率确定单元,用于分别确定各实例的不连通概率,具体执行:
采用公式a:P(G)=1-p(s)R(G)确定该实例的不连通概率P(G),G为该实例对应的无向图,p(s)为s的工作概率;
所述R(G)采用下述公式b进行分解:
R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v)
e为在当前被分解的无向图从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点,p(e)为e的工作概率,p(v)为v的工作概率,G+e+v为v、e都工作的G的子图,G-v为v失效的G的子图,G-e+v为e失效且v工作的G的子图,其中子图指某些节点或边状态确定的无向图;
分别将得到的各子图按照所述公式b的方式分解,直至v为区控中心,将各子图的分解结果迭代回G的分解结果;
其中在各子图的分解过程中,当某子图的分解路径概率小于预设阈值ζ时,停止对该子图的继续分解;
所述可靠性确定单元,用于将各实例的不连通概率求平方和得到所述电力通信网络的不连通概率和,所述不连通概率和越高,所述电力通信网络的可靠性越低,计算出的不连通概率和越低,所述电力通信网络的可靠性越高。
根据本发明一优选实施方式,该装置还包括:误差确定单元,用于确定所述电力通信网络可靠性的误差为mζ,其中m为截断发生的次数,所述截断为因分解路径概率小于预设阈值ζ而停止对子图进行继续分解。
由以上技术方案可以看出,本发明通过将电力通信网络抽象为无向图,采用误差可控的因子分解算法确定无向图的不连通概率和,由该无向图的不连通概率和体现电力通信网络的可靠性。从而为电网建设提供了规划和判断的基础,例如可以用于判断在电力通信网络建单区控中心还是双区控中心,单区控中心建在哪里或者双区控中心建在哪里等等。
【附图说明】
图1为本发明实施例一提供的确定电力通信网络可靠性的方法流程图;
图2为一个无向图的示意图;
图3为本发明实施例一中提供的一个简单实例的无向图;
图4为本发明实施例二提供的确定电力通信网络可靠性的装置结构图。【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
评价网络可靠性的指标很多,在本发明中主要考虑的是各受控站与区控中心的连通性,因此采用的是失连方差和,即各受控站到区控中心的不连通概率的平方和作为衡量指标,下面首先结合实施例一对本发明提供的方法进行详细描述。
实施例一、
图1为本发明实施例一提供的确定电力通信网络可靠性的方法流程图,如图1中所示,该方法可以具体包括以下步骤:
步骤101:将电力通信网络抽象为节点和边均可能失效的无向图。
假设G(V,E)表示无向图,其中V={v1,v2,…,vn}为节点集合,E={e1,e2,…,em}为边集合,图2就是一个最简单的无向图,它由两个节点{s,t}以及一条边{e}组成。
记P(vi)为节点工作的概率,P(ei)为边工作的概率,P(s→t)为节点s和节点t连通的概率,则P(s→t)=P(s)P(e)P(t)。
电力通信网络可抽象为节点及边组成的无向图,其中节点是各站点(包括受控站和区控中心)的通信设备,而边是通信线路。
为了简化计算,本发明实施例可以采用以下假设条件:
所有节点的失效概率相同,均为α;
所有边的百公里失效概率相同,均为β;
出现通信线路或通信设备失效后,电力通信网络能够自动重构,使得连通性只受限于物理链路;
考虑到区控中心相关数据只占据实际线路带宽的很小一部分,网络重构时只要物理链路连接则带宽一定能满足。
在满足上述假设条件下,电力通信网络可靠性问题就转化为节点和边均有失效可能的无向图网络可靠性问题。节点失效即站点的通信设备发生故障,例如交换机失能,边失效即通信线路故障,例如光缆被挖断。
步骤102:确定无向图中的源点集合和汇点集合,其中源点集合中包括各受控站,汇点集合中包括区控中心。
如果电力通信网络是单区控中心,则汇点集合中包括一个节点,如果电力通信网络是双区控中心,则汇点集合中包括两个节点。假设某电力通信网络中共包含79个节点和104条边,其中有19个节点为受控站,1个节点为区控中心,则将该19个受控站构成源点集合,将该1个区控中心构成汇点集合。
步骤103:利用误差可控的因子分解算法计算源点集合中各节点至汇点集合中各节点的不连通概率和。
所谓不连通概率和,就是分别计算源点集合中每一个节点至汇点集合中每一个节点的不连通概率,将这些计算得到的不连通概率平方后求和,不连通概率和也可以称为失连方差和。
计算不连通概率的方法有很多,包括精确算法和近似算法,近似算法主要针对全端网络,精确算法包括状态枚举法,容斥原理法、不交和法和因子分解法等。由于网络可靠性问题是一个NP(Non-deterministic Polynomial,非确定多项式)问题,随着网络复杂度上升,计算量将急剧攀升。对于复杂网络,通常采用近似方法,但各种近似算法精确度受影响因素较多,不易控制,而精确算法计算量往往很大,效率较低。因此,在本发明实施例中提供了一种新的算法,即误差可控的因子分解法,在该误差可控的因子分解算法中能够根据实际情况准确估算误差范围,从而合理选择控制参数,达到精确度与效率的均衡。
首先对因子分解算法的基础理论进行介绍,因子分解算法的核心公式是:
R(G)=p×R(G+e)+(1-p)R(G-e) (1)
其中R(G)是无向图G的网络可靠度。
p是元件e工作的概率,元件e为节点或边。
G+e是确定e处于工作状态时的图,是无向图G的一个子图。
G-e是确定e处于失效状态时的图,也是无向图G的一个子图。
每次迭代都是选择合适的元件e,将原来的图分解为G+e和G-e,直到能求出确定性概率。
当依次选取e1、e2进行分解时,有:
R(G)=pe1×R(G+e1)+(1-pe1)R(G-e1)
R(G+e1)=pe2×R(G+e1+e2)+(1-pe2)R(G+e1-e2)
R(G-e1)=pe2×R(G-e1+e2)+(1-pe2)R(G-e1-e2)
上述三个公式代入展开后为
R(G)=pe1×pe2×R(G+e1+e2)+pe1×(1-pe2)R(G+e1-e2)
+(1-pe1)×pe2×R(G-e1+e2)+(1-pe1)×(1-pe2)R(G-e1-e2)
最终所有子图分解为n个R(Gi)=1或R(Gi)=0的子图为止。此时
pi为第i个子图的分解路径概率,所谓分解路径是指对于某个子图,从开始分解到形成该子图为止,所经历的元件状态的组合。所谓分解路径概率则是依分解路径上各元件的状态和失效概率计算得到的总概率,即:
上述过程中可以注意到因子分解算法的分解公式(1)中,当元件e工作的概率p较高时,(1-p)取值较小,若干(1-p)相乘的积会小到对于预期精度可以忽略的程度。基于此,在分解过程中,当某子图的分解路径概率小于预设阈值ξ时,停止对该子图的继续分解,称为“截断”。
当对分解路径概率为pG的图G选择元件e进行分解时发生截断,则有
pG×R(G)=pGpe×R(G+e)+pG×(1-pe)×R(G-e) (5)pGpe×R(G+e)≤pG×R(G)≤pGpe×R(G+e)+pG×(1-pe)×R(G-e)≤pGpe×R(G+e)+ζ(6)
若图G在发生m次截断后分解为k个子图,则有
R(G-)≤R(G)≤R(G-)+mζ (7)
其中
即图G的可靠性可由这k个子图的可靠性估算,误差为mζ。
基于以上理论,本发明在执行上述步骤103时,可以将电力通信网络的无向图首先转化为分别以源点集合中其中一个源点s至汇点集合中区控中心的实例,即各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,分别确定各实例的不连通概率后,将各实例的不连通概率求平方和。
在对各实例分别确定不连通概率时,将该实例对应的无向图G按照如下方式进行分解:
P(G)=1-p(s)R(G) (9)
其中R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v) (10)
P(G)为图G的不连通概率。公式(10)是图G以及后续图G的各子图在进行分解时所采用的公式,其中s为图G的源点,e为在当前被分解的无向图或其子图状态下从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点。p(e)为e的工作概率,p(v)为v的工作概率,p(s)为s的工作概率。
G+e+v为v、e都工作的G的子图,G-v为节点v失效的G的子图,G-e+v为边e失效且节点v工作的G的子图,需要说明的是,子图也是无向图,是某些节点或边状态确定的无向图。
再分别将得到的各子图按照公式(10)中的方式分解,直至v为区控中心各子图在分解,然后将各子图的分解结果迭代回图G的计算结果。
其中,对于图G而言,e为s的任一条边,v为e的另一个节点;对于子图G+e+v而言,e为在图G的e和v都工作情况下从s向区控中心方向进行连通扩展的边,如果存在多个边,则从中任选一条,具体是哪些边由具体的网络拓扑决定,对于G+e+v而言,v为G+e+v的e在从s向区控中心方向上扩展至的节点。
在上述分解过程中,当某子图的分解路径概率小于预设阈值ξ时,停止对该子图的继续分解,称为“截断”,最终图G的可靠性估算误差就为mξ,其中m为截断发生的次数。
举一个简单的例子,如图1中所示的图G所对应的实例,在计算该图的不连通概率时,首先利用公式(10)针对图G进行分解计算R(G),此时从s向区控中心方向进行连通扩展的边e1和e3中任选一条,假设选择e1,v为e1在从s向区控中心方向上扩展至的节点v1,因此:
R(G)=p(e1)p(v1)R(G+e1+v1)+(1-p(v1))R(G-v1)+(1-p(e1))p(v1)R(G-e1+v1) (11)
此时,得到三个子图R(G+e1+v1)、R(G-v1)和R(G-e1+v1),再分别利用公式(10)对各子图进行分解。
对于子图R(G+e1+v1),e1和v1都处于工作状态,此时从s向区控中心方向进行连通扩展的边为e2和e3,从中任选一条作为e,假设e为e2,那么v就为v3,利用公式(10)得到:
R(G+e1+v1)=p(e2)p(v3)R(G+e1+v1+e2+v3)+(1-p(v3))R(G+e1+v1-v3)+(1-p(e2))p(v3)R(G+e1+v1-e2+v3)
(12)
又得到三个子图R(G+e1+v1+e2+v3)、R(G+e1+v1-v3)和R(G+e1+v1-e2+v3),其中R(G+e1+v1+e2+v3)为e1、v1、e2、v3都工作的子图,R(G+e1+v1-v3)为e1、v1工作且v3失效的子图,R(G+e1+v1-e2+v3)为e1、v1和v3工作且e2失效的子图,将分解结果(12)迭代回(11)。由于这三个子图的v即v3是区控中心,因此,停止对这三个子图的分解。
对于子图R(G-v1),v1处于失效状态,因此此时从s向区控中心方向进行连通扩展的边为e3,即e为e3,那么v就为v2,利用公式(10)得到:
R(G-v1)=p(e3)p(v2)R(G-v1+e3+v2)+(1-p(v2))R(G-v1-v2)+(1-p(e3))p(v2)R(G-v1-e3+v2)
(13)
又得到三个子图R(G-v1+e3+v2)、R(G-v1-v2)和R(G-v1-e3+v2),其中R(G-v1+e3+v2)为v1失效且e3、v2都工作的子图,R(G-v1-v2)为v1失效且v2失效的子图,R(G-v1-e3+v2)为v1和e3失效且v2工作的子图,将分解结果(13)迭代回(11)。再针对各子图R(G-v1+e3+v2)、R(G-v1-v2)和R(G-v1-e3+v2)进行分解之前,先判断下各子图R(G-v1+e3+v2)、R(G-v1-v2)和R(G-v1-e3+v2)的分解路径概率是否小于预设阈值ξ,停止小于ξ的分解路径概率所对应的子图的继续分解。例如,R(G-v1+e3+v2)的分解路径概率为:(1-p(v1))p(e3)p(v2),如果(1-p(v1))p(e3)p(v2)小于ξ,则可以停止对子图R(G-v1+e3+v2)的继续分解。
对于其他子图的分解在此不再一一赘述,最终将各子图的分解结果迭代回(11)后,就可以得到R(G),再利用公式(9)就可以得到该实例对应的不连通概率P(G)=1-p(s)R(G)。针对每一个实例进行不连通概率的计算后,将各不连通概率求取平方和最终得到电力通信网络的可靠性。
一般情况下,节点失效的概率和边失效的概率均小于0.0001,具体取怎样的概率值可以根据实际情况确定,并不是本发明所限制的内容。
至此实施例一中所示流程结束。
在实施例一中得到的源点集合中各节点至汇点集合中各节点的不连通概率和反映了电力通信网络的可靠性,不连通概率和越低,电力通信网络的可靠性越高,不连通概率和越高,电力通信网络的可靠性越低。
以上是对本发明所提供的方法进行的详细描述,下面通过实施例二对本发明提供的装置进行详细描述。
实施例二、
图4为本发明实施例二提供的确定电力通信网络可靠性的装置结构图,如图4中所示,该装置可以包括无向图抽象单元00、集合确定单元10、实例转化单元20、不连通概率确定单元30和可靠性确定单元40。
首先无向图抽象单元00负责将电力通信网络抽象为节点和边均可能失效的无向图,其中节点是各站点(包括受控站和区控中心)的通信设备,而边是通信线路。节点失效即站点的通信设备发生故障,例如交换机失能,边失效即通信线路故障,例如光缆被挖断。
然后集合确定单元10确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点。
在本发明实施例中可以通过UI的形式,使得用户能够向本发明实施例提供的装置输入电力通信网络的信息,例如向无向图抽象单元00提供电力通信网络的各站点和通信线路,向集合确定单元10提供无向图中的源点集合和汇点集合,例如用户通过UI指明哪些站点是受控站,哪些站点是区控中心,将受控站构成源点集合,将区控中心构成汇点集合。
在计算电力通信网络的可靠性时,利用的是不连通概率和的概念,先由实例转化单元20将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图。
再由不连通概率确定单元30分别确定各实例的不连通概率,不连通概率的方法由很多,包括精确算法和近似算法,近似算法主要针对全端网络,精确算法包括状态枚举法,容斥原理法、不交和法和因子分解法等。由于网络可靠性问题是一个NP问题,随着网络复杂度上升,计算量将急剧攀升。对于复杂网络,通常采用近似方法,但各种近似算法精确度受影响因素较多,不易控制,而精确算法计算量往往很大,效率较低。因此,在本发明实施例中提供了一种新的算法,即误差可控的因子分解法。即不连通概率确定单元30具体执行以下操作:
采用公式a:P(G)=1-p(s)R(G)确定该实例的不连通概率P(G),G为该实例对应的无向图,p(s)为s的工作概率;
R(G)采用下述公式b进行分解:
R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v)
e为在当前被分解的无向图从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点,p(e)为e的工作概率,p(v)为v的工作概率,G+e+v为v、e都工作的G的子图,G-v为v失效的G的子图,G-e+v为e失效且v工作的G的子图,其中子图指某些节点或边状态确定的无向图;
分别将得到的各子图按照公式b的方式分解,直至v为区控中心,将各子图的分解结果迭代回G的分解结果;
其中在各子图的分解过程中,当某子图的分解路径概率小于预设阈值ζ时,停止对该子图的继续分解。
在不连通概率确定单元30完成所有实例的不连通概率的确定之后,可靠性确定单元40,用于将各实例的不连通概率求平方和得到电力通信网络的不连通概率和,不连通概率和越高,电力通信网络的可靠性越低,计算出的不连通概率和越低,电力通信网络的可靠性越高。
除此之外,该装置还可以包括:误差确定单元50负责确定电力通信网络可靠性的误差为mζ,其中m为截断发生的次数,截断为因分解路径概率小于预设阈值ζ而停止对子图进行继续分解。
利用上述电力通信网络的可靠性确定方法和装置可以进行但不限于以下电网建设过程中的判断:
其一、建单区控中心好还是双区控中心好。
对于这种判断的情况,可以在单区控中心前提下,利用上述电力通信网络可靠性的确定方式计算分别以各站点作为区控中心时电力通信网络的不连通概率和;在双区控中心前提下,将各站点两两组合,利用上述电力通信网络可靠性的确定方式和装置计算以每一个组合分别作为双区控中心时的不连通概率和;若进行上述计算后,计算出的不连通概率和的最小值是单区控中心前提下的,则判断出从电力通信网络的可靠性角度上建单区控中心优于双区控中心;若进行上述计算后,计算出的不连通概率和的最小值是双区控中心前提下的,则判断出从电力通信网络的可靠性角度上建双区控中心优于单区控中心。
其二、单区控中心建在哪里好。
对于这种判断的情况,利用上述电力通信网络可靠性的确定方式和装置计算分别以各站点作为区控中心时电力通信网络的不连通概率和,不连通概率和越小的站点作为单区控中心越优,例如可以从中选择不连通概率和最小的站点作为单区控中心。
其三、双区控中心建在哪里好。
对于这种判断的情况,将各站点两两组合,将每一个组合作为双区控中心计算电力通信网络的不连通概率和,不连通概率和越小的站点组合作为双区控中心越优,例如可以从中选择不连通概率和最小的站点组合作为双区控中心。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (7)
1.一种确定电力通信网络可靠性的方法,其特征在于,该方法包括:
S1、将电力通信网络抽象为节点和边均可能失效的无向图;
S2、确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点;
S3、将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,分别确定各实例的不连通概率;
S4、将各实例的不连通概率求平方和得到所述电力通信网络的不连通概率和,所述不连通概率和越高,所述电力通信网络的可靠性越低,计算出的不连通概率和越低,所述电力通信网络的可靠性越高;
其中确定实例的不连通概率具体包括:
采用公式a:P(G)=1-p(s)R(G)确定该实例的不连通概率P(G),G为该实例对应的无向图,p(s)为s的工作概率;
所述R(G)采用下述公式b进行分解:
R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v)
e为在当前被分解的无向图从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点,p(e)为e的工作概率,p(v)为v的工作概率,G+e+v为v、e都工作的G的子图,G-v为v失效的G的子图,G-e+v为e失效且v工作的G的子图,其中子图指某些节点或边状态确定的无向图;
分别将得到的各子图按照所述公式b的方式分解,直至v为区控中心,将各子图的分解结果迭代回G的分解结果;
其中在各子图的分解过程中,当某子图的分解路径概率小于预设阈值ζ时,停止对该子图的继续分解。
2.根据权利要求1所述的方法,其特征在于,所述电力通信网络可靠性的误差为mζ,其中m为截断发生的次数,所述截断为因分解路径概率小于预设阈值ζ而停止对子图进行继续分解。
3.一种电力通信网络可靠性的应用方法,其特征在于,该方法包括:
在单区控中心前提下,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以电力通信网络中各站点分别作为区控中心时电力通信网络的不连通概率和;
在双区控中心前提下,将电力通信网络的各站点两两组合,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以每一个组合分别作为双区控中心时的不连通概率和;
若确定出的不连通概率和的最小值是单区控中心,则判断出针对所述电力通信网络建单区控中心优于双区控中心;
若确定出的不连通概率和的最小值是双区控中心,则判断出针对所述电力通信网络建双区控中心优于单区控中心。
4.一种电力通信网络可靠性的应用方法,其特征在于,该方法包括:
利用如权利要求1所述的确定电力通信网络可靠性的方法,确定以电力通信网络的各站点分别作为单区控中心时电力通信网络的不连通概率和;
不连通概率和越小的站点作为单区控中心越优。
5.一种电力通信网络可靠性的应用方法,其特征在于,该方法包括:
将电力通信网络的各站点两两组合,利用如权利要求1所述的确定电力通信网络可靠性的方法确定以每一个组合分别作为双区控中心时的不连通概率和;
不连通概率和越小的站点组合作为双区控中心越优。
6.一种确定电力通信网络可靠性的装置,其特征在于,该装置包括:无向图抽象单元、集合确定单元、实例转化单元、不连通概率确定单元和可靠性确定单元;
所述无向图抽象单元,用于将电力通信网络抽象为节点和边均可能失效的无向图;
所述集合确定单元,用于确定无向图中的源点集合和汇点集合,其中源点集合中包括作为受控站的节点,汇点集合中包括作为区控中心的节点;
所述实例转化单元,用于将电力通信网络的无向图转化为多个实例,各实例为源点集合中其中一个节点s至汇点集合中的区控中心的无向图,
所述不连通概率确定单元,用于分别确定各实例的不连通概率,具体执行:
采用公式a:P(G)=1-p(s)R(G)确定该实例的不连通概率P(G),G为该实例对应的无向图,p(s)为s的工作概率;
所述R(G)采用下述公式b进行分解:
R(G)=p(e)p(v)R(G+e+v)+(1-p(v))R(G-v)+(1-p(e))p(v)R(G-e+v)
e为在当前被分解的无向图从s向区控中心方向进行连通扩展的边,v为e在从s向区控中心方向上扩展至的节点,p(e)为e的工作概率,p(v)为v的工作概率,G+e+v为v、e都工作的G的子图,G-v为v失效的G的子图,G-e+v为e失效且v工作的G的子图,其中子图指某些节点或边状态确定的无向图;
分别将得到的各子图按照所述公式b的方式分解,直至v为区控中心,将各子图的分解结果迭代回G的分解结果;
其中在各子图的分解过程中,当某子图的分解路径概率小于预设阈值ζ时,停止对该子图的继续分解;
所述可靠性确定单元,用于将各实例的不连通概率求平方和得到所述电力通信网络的不连通概率和,所述不连通概率和越高,所述电力通信网络的可靠性越低,计算出的不连通概率和越低,所述电力通信网络的可靠性越高。
7.根据权利要求6所述的装置,其特征在于,该装置还包括:误差确定单元,用于确定所述电力通信网络可靠性的误差为mζ,其中m为截断发生的次数,所述截断为因分解路径概率小于预设阈值ζ而停止对子图进行继续分解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310462062.XA CN103501248B (zh) | 2013-09-30 | 2013-09-30 | 确定电力通信网络可靠性的方法、装置及应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310462062.XA CN103501248B (zh) | 2013-09-30 | 2013-09-30 | 确定电力通信网络可靠性的方法、装置及应用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103501248A true CN103501248A (zh) | 2014-01-08 |
CN103501248B CN103501248B (zh) | 2016-08-17 |
Family
ID=49866423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310462062.XA Active CN103501248B (zh) | 2013-09-30 | 2013-09-30 | 确定电力通信网络可靠性的方法、装置及应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103501248B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375104A (zh) * | 2015-07-24 | 2017-02-01 | 国家电网公司 | 一种电力通信网络关键点识别的方法 |
CN107483239A (zh) * | 2017-08-07 | 2017-12-15 | 深圳供电规划设计院有限公司 | 一种电力通信传输网可靠性确定方法 |
CN108880905A (zh) * | 2018-07-06 | 2018-11-23 | 四川大学 | 基于节点及链路重要度的电力通信网可靠性研究方法 |
CN110380921A (zh) * | 2018-04-13 | 2019-10-25 | 国家电网公司 | 基于网管状态的电力通信网络可靠性呈现方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694395A (zh) * | 2012-05-29 | 2012-09-26 | 河南理工大学 | 一种评估输电网络两终端可靠性的方法 |
CN102970163A (zh) * | 2012-11-16 | 2013-03-13 | 广东电网公司电力调度控制中心 | 电力通信骨干网节点升级方法及系统 |
CN103199510A (zh) * | 2013-03-28 | 2013-07-10 | 华南理工大学 | 配电网故障恢复的有序二元决策图建模方法 |
-
2013
- 2013-09-30 CN CN201310462062.XA patent/CN103501248B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102694395A (zh) * | 2012-05-29 | 2012-09-26 | 河南理工大学 | 一种评估输电网络两终端可靠性的方法 |
CN102970163A (zh) * | 2012-11-16 | 2013-03-13 | 广东电网公司电力调度控制中心 | 电力通信骨干网节点升级方法及系统 |
CN103199510A (zh) * | 2013-03-28 | 2013-07-10 | 华南理工大学 | 配电网故障恢复的有序二元决策图建模方法 |
Non-Patent Citations (2)
Title |
---|
张红: "计算K-终端网络可靠度的两种算法", 《中国优秀硕士学位论文全文数据库》 * |
许君臣,高飞: "含失效节点网络可靠性的分解定理", 《辽宁工学院学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106375104A (zh) * | 2015-07-24 | 2017-02-01 | 国家电网公司 | 一种电力通信网络关键点识别的方法 |
CN106375104B (zh) * | 2015-07-24 | 2019-10-15 | 国家电网公司 | 一种电力通信网络关键点识别的方法 |
CN107483239A (zh) * | 2017-08-07 | 2017-12-15 | 深圳供电规划设计院有限公司 | 一种电力通信传输网可靠性确定方法 |
CN110380921A (zh) * | 2018-04-13 | 2019-10-25 | 国家电网公司 | 基于网管状态的电力通信网络可靠性呈现方法 |
CN108880905A (zh) * | 2018-07-06 | 2018-11-23 | 四川大学 | 基于节点及链路重要度的电力通信网可靠性研究方法 |
CN108880905B (zh) * | 2018-07-06 | 2019-06-21 | 四川大学 | 基于节点及链路重要度的电力通信网可靠性研究方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103501248B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Knowledge representation and general Petri net models for power grid fault diagnosis | |
CN106327033B (zh) | 一种基于马尔可夫过程的电力系统连锁故障解析方法 | |
CN103501248A (zh) | 确定电力通信网络可靠性的方法、装置及应用方法 | |
Norman et al. | Quantitative verification: Formal guarantees for timeliness, reliability and performance | |
Lin et al. | A general framework for quantitative modeling of dependability in cyber-physical systems: A proposal for doctoral research | |
Applegate et al. | Framework for probabilistic vulnerability analysis of interdependent infrastructure systems | |
CN104005917A (zh) | 基于贝叶斯推理方式对风机状态进行预测的方法和系统 | |
CN102570451A (zh) | 一种输电网静态可靠性评估方法 | |
Choi et al. | Probabilistic reliability evaluation of composite power systems including wind turbine generators | |
Ahmad et al. | Formal reliability and failure analysis of ethernet based communication networks in a smart grid substation | |
Krcál et al. | Scalable analysis of fault trees with dynamic features | |
Wang et al. | Power system operational reliability equivalent modeling and analysis based on the Markov chain | |
Jiang et al. | A hybrid computing framework for risk‐oriented reliability analysis in dynamic PSA context: A case study | |
CN105552880A (zh) | 基于状态枚举法的电力系统典型故障集确定方法 | |
Arjannikov et al. | Using markov chains to model sensor network reliability | |
Bhattacharyya et al. | A discrete event systems approach to network fault management: detection and diagnosis of faults | |
Rebaiaia et al. | Network reliability evaluation and optimization: Methods, algorithms and software tools | |
Abdelghany et al. | Event tree reliability analysis of safety-critical systems using theorem proving | |
Wang et al. | Zero-knowledge blackbox testing: where are the faults? | |
EP4096045A1 (en) | Method and apparatus for analyzing reliability of super-large scale battery energy storage power station information physical system | |
CN109932617A (zh) | 一种基于深度学习的自适应电网故障诊断方法 | |
Shkarupylo et al. | On Hoare triples applicability to dependable system specification synthesis | |
Bernardeschi et al. | Application of a genetic algorithm for testing SEUs in SRAM-FPGA Systems | |
Roy et al. | Identification of the K-most Vulnerable Entities in a Smart Grid System | |
König et al. | Probabilistic Relational Models for assessment of reliability of active distribution management systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |