CN105553869B - 一种电力通信网的风险均衡方法及系统 - Google Patents
一种电力通信网的风险均衡方法及系统 Download PDFInfo
- Publication number
- CN105553869B CN105553869B CN201510919627.1A CN201510919627A CN105553869B CN 105553869 B CN105553869 B CN 105553869B CN 201510919627 A CN201510919627 A CN 201510919627A CN 105553869 B CN105553869 B CN 105553869B
- Authority
- CN
- China
- Prior art keywords
- business
- paths
- risk
- sheet set
- network
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/12—Avoiding congestion; Recovering from congestion
- H04L47/125—Avoiding congestion; Recovering from congestion by balancing the load, e.g. traffic engineering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种电力通信网的风险均衡方法及系统,所述方法包括:获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;根据获得的信息,确定每个业务对应的多个业务路径;分别从多个业务路径中任意选取一个业务路径,构成一个业务单路径集合;根据获得的信息以及至少一个业务单路径集合,确定每个节点的风险度以及每个链路的风险度;根据每个节点的风险度以及每个链路的风险度,确定网络风险度;根据至少一个业务单路径集合以及业务信息,确定网络负载度;根据网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径。本发明可综合考虑电力通信网的风险和负载,有效地降低电力通信网的风险。
Description
技术领域
本发明涉及电力通信网的风险均衡领域,尤其涉及一种电力通信网的风险均衡方法及系统。
背景技术
随着智能电网的快速发展,电力系统呈现众多子系统间协同通信日益频繁的特点,大量业务需要部署到网络中。与传统电信业务不同,电力通信业务与电力系统生产、调度和控制密切相关,电力通信安全风险有着严格的等级划分,规定了每个风险等级对应的业务种类、数量及受影响程度,限制高级别通信风险的发生是电力通信部门的重要目标。因此,如何将业务均衡部署到网络中是电力通信网风险研究的重点。
目前,电力通信部门在业务部署以实现风险均衡的过程中,通常采用的风险均衡方法包括基于可用性路由的业务路由分配方法和基于负载均衡的业务路由分配方法。
基于可用性路由的业务路由分配方法是基于通道统计可用性与实际可用性的差距,提出的一种业务路由分配方法,该方法有效地缩小了实际可用性与目标可用性的差距。
基于负载均衡的业务路由分配方法是以最大化跨层割集和最小化最小跨层生成树集为目标,提出的一种不同故障概率条件下的业务路由分配方法。
上述两种风险均衡方法,无法解决重要电力通信业务过于集中导致的网络运行风险增大的技术问题。
另一种现有的风险均衡方法是利用启发式算法求出两点之间的前k条最短路径,通过将可用带宽最大的路径作为业务路由实现负载均衡,从而实现风险均衡。该方法仅考虑带宽因素实现风险均衡,没有考虑不同业务间的区别,因此风险均衡的效果较低。
还有一种现有的风险均衡方法以风险均方差作为选取业务路由的约束条件,能够使电力通信网整体风险均方差较小。该方法仍无法解决电力通信网局部业务路由风险较大的技术问题。
而目前对于网络风险的研究主要有以下几个方面:
技术方案一:采用一种基于风险均衡的网络服务器防御方法,提出的模型和方法体现了动态安全循环的理念,针对入侵或异常网络行为变“阻断”为“疏导”,在有效地对服务器进行保护的同时,大大降低了防御行动所可能带来的负面效应。但是该方案主要是针对网络服务器的风险均衡,对电力通信网的风险均衡有一定的借鉴作用但并不适用。
技术方案二:采用电网风险预控方法,适用于变电站站内对设备负载监控及预警,通过自动消息预警的方式来提高生产系统电网风险预控水平,但此方案不能做到对整个电力通信网络的风险均衡。
技术方案三:采用一种基于事实运行状态评价的配电网运行风险预警系统,从配电网SCADA系统实时同步电网模型和在线电网运行方式,保证风险分析的实时性;提供丰富的风险警示显示手段,帮助用户迅速定位风险区域;从电网运行方式的角度分析配电网存在的风险,做到提前发现及时处理,提高了配电网的供电可靠性。但是该方案仅可用于风险预警,并不涉及风险均衡。
发明内容
本发明所要解决的技术问题是现有技术仅考虑带宽因素实现风险均衡,没有考虑不同业务间的区别,因此风险均衡的效果较低。
为此目的,第一方面,本发明提供一种电力通信网的风险均衡方法,包括:
获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;
根据节点信息、相邻节点之间的链路信息以及业务信息,确定每个业务对应的多个业务路径;
分别从每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,从而得到至少一个业务单路径集合;其中,业务单路径集合中每个业务路径对应电力通信网中的不同业务;
根据节点信息、相邻节点之间的链路信息、业务信息以及至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度;
根据每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度;
根据至少一个业务单路径集合以及业务信息,确定每个业务单路径集合对应的网络负载度;
根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
可选地,电力通信网中的节点信息包括:节点个数和每个节点承载的业务;相邻节点之间的链路信息包括:链路个数和每个链路承载的业务;业务信息包括:业务个数、每个业务的预设重要度、每个业务的带宽值、每个业务的起始节点以及终止节点。
可选地,业务路径由承载业务的节点以及承载业务的链路组成。
可选地,业务单路径集合中每个节点的风险度的计算公式为:
业务单路径集合中每个链路的风险度的计算公式为:
其中,为t时刻节点vi的风险度,为t时刻节点vi的失效概率,Vq为业务单路径集合q中节点的集合,vi∈Vq;为节点vi承载的业务集合,且S为电力通信网的业务集合,sk1为第k1个业务,k1=1,2,…,K,且K为S包含的业务个数,bk1为sk1的带宽值,dk1为sk1的预设重要度,BM为电力通信网的带宽,且
为t时刻链路eij的风险度,为t时刻链路eij的失效概率,Eq为业务单路径集合q中相邻节点之间的链路的集合,eij∈Eq,为链路eij上承载的业务集合,且sk2为第k2个业务,k2=1,2,…,K,bk2为sk2的带宽值,dk2为sk2的预设重要度,且
可选地,业务单路径集合对应的网络风险度的计算公式为:
其中,Ψq(t)为t时刻业务单路径集合q对应的网络风险度。。
可选地,业务单路径集合对应的网络负载度的计算公式为:
其中,Ωq为业务单路径集合q对应的网络负载度。
可选地,业务路径优化模型为:
其中,表示求取业务单路径集合q0,使得业务单路径集合q0对应的网络均衡度最小,ΨT为预设的网络风险度约束门限,ΩT为预设的网络负载度约束门限,Φq(t)的计算公式如下:
其中,|Vq|为Vq包含的节点个数,|Eq|为Eq包含的链路个数,为t时刻Vq中节点的平均风险度,为t时刻Eq中链路的平均风险度,其中,与的计算公式如下:
可选地,根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡,包括:
根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,通过免疫算法,得到每个业务的优化路径,实现电力通信网的风险均衡。
可选地,免疫算法中,业务路径优化模型为:
其中,n为免疫算法的当前迭代次数。
第二方面,本发明提供一种电力通信网的风险均衡系统,包括:
信息获取单元,用于获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;
第一确定单元,用于根据节点信息、相邻节点之间的链路信息以及业务信息,确定每个业务对应的多个业务路径;
第二确定单元,用于分别从每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,得到至少一个业务单路径集合;其中,业务单路径集合中每个业务路径对应不同业务;
第三确定单元,用于根据节点信息、相邻节点之间的链路信息、业务信息以及至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度;
第四确定单元,用于根据每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度;
第五确定单元,用于根据至少一个业务单路径集合以及所述业务信息,确定每个业务单路径集合对应的网络负载度;
路径优化单元,用于根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
与现有技术相比,本发明提出的一种电力通信网的风险均衡方法及系统,通过综合设备和链路的风险特征,建立网络风险度的优化模型;之后分析模型的特点,建立电力通信网的优化过程;经过接近现网的拓扑仿真,相对于局部最优的顺序路由分配方法,能够进一步均衡网络的风险和负载。
附图说明
图1为本发明的一实施例的电力通信网的风险均衡方法的流程示意图;
图2为本发明一实施例的仿真网络拓扑结构图;
图3为本发明一实施例的亲和度函数和网络均衡度随迭代次数的变化关系曲线图;
图4为本发明一实施例的网络风险度和网络负载度随迭代次数的变化关系曲线图;
图5为本发明一实施例的免疫算法(RBOMIA)与负载均衡方法(LB)以及面向业务的风险均衡机制(SRBM)的优化结果对比图;
图6为本发明一实施例的电力通信网的风险均衡系统的结构示意图。
具体实施方式
下面结合附图,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。本发明实施例中所使用的“第一”、“第二”仅为更清楚的说明本申请的内容,不具有特定含义,也不限定任何内容。
实施例一
图1示出了本发明一实施例的电力通信网的风险均衡方法的流程示意图,如图1所示,本实施例的风险均衡方法包括以下步骤101至107。
101、获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息。
可以理解的是,节点信息包括节点个数和每个节点承载的业务,链路信息包括链路个数和每个链路承载的业务,业务信息包括业务个数、每个业务的预设重要度、每个业务的带宽值、每个业务的起始节点以及终止节点。
对于特定的业务sk,以表示其业务路径的起始节点,以表示其业务路径的终止节点。
102、根据节点信息、相邻节点之间的链路信息以及业务信息,确定每个业务对应的多个业务路径。
可以理解的是,每个业务路径由承载业务的节点和承载业务的链路组成。
103、分别从每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,从而得到至少一个业务单路径集合。
可以理解的是,业务单路径集合中每个业务路径对应不同电力通信网中的业务。
也就是说,每个业务单路径集合可以解决电力通信网中的所有业务。
104、根据节点信息、相邻节点之间的链路信息、业务信息以及至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度。
定义业务单路径集合中每个节点的风险度的计算公式为:
定义业务单路径集合中每个链路的风险度的计算公式为:
其中,为t时刻节点vi的风险度,为t时刻节点vi的失效概率,Vq为业务单路径集合q中节点的集合,vi∈Vq;为节点vi承载的业务集合,且S为电力通信网的业务集合,sk1为第k1个业务,k1=1,2,…,K,且K为S包含的业务个数,bk1为sk1的带宽值,dk1为sk1的预设重要度,BM为电力通信网的带宽,且
为t时刻链路eij的风险度,为t时刻链路eij的失效概率,Eq为业务单路径集合q中相邻节点之间的链路的集合,eij∈Eq,为链路eij上承载的业务集合,且sk2为第k2个业务,k2=1,2,…,K,bk2为sk2的带宽值,dk2为sk2的预设重要度,且
此处节点的失效概率和链路的失效概率是相互独立的,并且二者只与时间相关。
对于业务sk的重要度dk,采用了如下计算过程:
首先,定义业务sk需要考虑的性能指标集合为C={cj},业务对性能指标的数值要求为xkj。
对于贡献型参数,如可靠性等,其性能指标的取值越大业务越重要,对应的计算公式如下:
对于削弱型参数,如时延、误码率等,其性能指标的取值越小业务越重要,对应的计算公式如下:
本实施例采用熵的概念来确定性能指标的权重,设性能指标cj在业务sk中取值为x′kj的概率为ykj,并表示如下:
此时有
进一步,各个性能指标cj的决策信息可用其熵值hj来表示:
则性能指标cj的评价值数据的分散程度gj可表示为
gj=1-hj。
进一步,用熵测度来表示指标cj的权重wj为:
基于上述确定的权重,基本思想是先构造评价问题的正理想解和负理想解,然后计算各业务sk的重要度dk。
对于各性能指标,构造问题的正理想解X+和负理想解X-分别如下:
进一步,计算业务sk重要度权重与正理想解X+和负理想解X-的距离和如下:
最后,得到业务sk的业务重要度dk如下式:
105、根据每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度。
业务单路径集合对应的网络风险度的计算公式为:
其中,Ψq(t)为t时刻业务单路径集合q对应的网络风险度。
可以理解的是,每个业务单路径集合对应的网络风险度即为每个业务单路径集合中所有节点的风险度和加所有链路的风险度和,这样就将网络中所有的节点和链路的风险度都考虑在内,避免了业务角度的分析存在的仅分析业务路径相关的节点和链路的风险度,而遗漏了不涉及业务路径的节点和链路风险的现象。
106、根据至少一个业务单路径集合以及业务信息,确定每个业务单路径集合对应的网络负载度。
业务单路径集合对应的网络负载度的计算公式为:
其中,Ωq为业务单路径集合q对应的网络负载度。
可以理解的是,每个业务单路径集合对应的网络负载度与集合中承载业务的带宽值、业务的预设重要度以及网络的带宽有关。
107、根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
业务路径的优化模型为:
其中,表示求取业务单路径集合q0,使得业务单路径集合q0对应的网络均衡度最小,ΨT为预设的网络风险度约束门限,ΩT为预设的网络负载度约束门限。
而Φq(t)由下式计算得到:
式中,|Vq|为Vq包含的节点个数,|Eq|为Eq包含的链路个数,为t时刻Vq中节点的平均风险度,为t时刻Eq中链路的平均风险度。
而与又由下面两式计算得到:
上述业务路径的优化模型可以认为是当业务同时到达时,对业务路径进行有效的规划。本实施例中利用免疫算法对业务路径的优化模型进行求解。
对业务路径进行优化选择属于图论优化问题,而免疫算法属于智能优化算法,智能优化算法通常用于求解无约束问题,因此需要将业务路径优化选择问题进行转化,转化成标准的数学形式。
免疫算法中业务路径的优化模型为:
其中,n为免疫算法的当前迭代次数。
具体转化方式为将电力通信网中的拓扑结构抽象成邻接矩阵。设X=[xij]表示电力通信网中节点vi和节点vj的邻接关系矩阵,xij可取值0、1和2,分别表示节点vi和节点vj不连接、单链路连接和双链路连接。对于电力通信网中的任意节点组合pij=(vi,vi+1,…,vj),认为vi为起始节点,vj为终止节点,如果满足有vm≠vn,则表示业务路径上不存在环;同时满足均有xmm+1>0,则表示节点vm和vm+1之间存在链路,如图2所示,那么称p(vi,vj)为起始节点vi和终止节点vj之间的一条业务路径,起始节点vi和终止节点vj之间的路径构成的集合为p(vi,vj)。对于业务sk,设其路径集合为对于电力通信网的业务集合S,其对应有效路径集合可表示为Q={q},其中q为业务单路径集合,其表达式为:
即对于电力通信网的业务集合S中的每一个业务,在业务的起始节点和终止节点之间的路径集合中任意选取一条路径组成一个并集q。q中的每一条路径都可以解决一个业务,q中的所有路径可以解决业务集合S。
在免疫算法中,将集合Q作为业务集合S的业务路径解空间,将q作为一个抗体,设迭代次数为n,则对于时间点t,转化后的适合免疫算法的模型为:
经过转化后,(Ψ(q;t)-ΨT)2为网络风险度Ψq(t)的惩罚因子和(Ω(q;t)-ΩT)2为网络负载度Ωq的惩罚因子出现。起初设置迭代次数较小,惩罚因子较小,目的是扩展搜索空间,避免出现局部业务路径最优。随着迭代次数的增加,惩罚因子也越来越大,保证结果向最优解倾斜,以遴选出业务集合的最优路径,实现电力通信网的风险均衡。
实施例二
本实施例在实施例一的基础上实施,相同内容此处不再赘述,不同之处具体为免疫算法的求解流程,如下所述:
S1:导入电力通信网的拓扑信息、业务信息、业务单路径集合中每个节点的风险度、每个链路的风险度、业务单路径集合的网络风险度、网络负载度和网络均衡度,设置算法参数:克隆父代种群数、变异概率、种群规模数和最大迭代数nmax,生成n0个抗体作为初始种群O(n),注射全局疫苗,设置迭代次数n=0。
S2:计算每个抗体q的亲和度,并按亲和度对O(n)中的抗体进行降序排序,并提取局部疫苗。选择O(n)中前ml个抗体构成克隆父代种群U(n)。
S3:对U(n)进行克隆操作生成种群W(n)。
S4:对种群W(n)中的每个抗体进行变异操作,变异后的抗体按比例接种局部疫苗,生成种群W’(n)。
S5:计算种群O(n)∪W’(n)中每个抗体的亲和度和浓度。
S6:计算种群O(n)∪W’(n)中每个抗体的选择概率Pc(q),并按此概率进行选择,生成种群O(n+1)。
S7:判断是否n>nmax,若n>nmax,则输出O(n);否则,则令n的值加1,转至步骤S2继续执行算法。
具体地,在免疫算法中各算子的设计规则如下:
1、抗体亲和度函数
抗体q的亲和度函数f(q)如下:
2、抗体浓度
设f(ql)和f(qm)分别为抗体ql和抗体qm的亲和度,则代表抗体ql和抗体qm的相似度指标Y(ql,qm)的表达式如下:
如果存在任意整数ε,有1-ε≤Y(ql,qm)≤1+ε,则称抗体ql和抗体qm相似,记为:
抗体ql的浓度是指种群中与ql相似的抗体的数目与种群规模的比值,记为:
其中,|Q|表示集合Q中元素的个数。ql和qm为集合Q中的任意两个元素。
3、克隆算子
克隆算子用于对抗体q进行克隆,生成z个副本,构成q的子代集合q(z),根据克隆过程,对父代种群U进行等比例克隆,即每个抗体生成z个副本,形成新的种群W,种群W的规模与初始种群规模相同。
4、选择概率
选择概率用于在选择抗体时,既要保证优秀抗体能以较大的概率被选中,又要保证子代种群的多样性,因此本发明采用正比抗体亲和度、反比抗体浓度的选择概率Pc(ql):
实施例三
本实施例在实施例一和实施例二的基础上实施,具体以图2所示的网络拓扑结构为实验对象,由图中可知,网络中共有11个节点和15个链路。设置免疫算法中的参数克隆父代种群为30,变异概率为0.1,种群规模为100,最大进化代数nmax为500。设置节点的失效概率和链路的失效概率分别为:
网络中能够提供的业务共有5种,涉及的业务信息包括传输时延、误码率、可靠性、带宽,对应的要求如表1所示:
表1业务名称和性能指标取值
根据表1中的数据,可计算出各业务的业务重要度。为验证方法的普适性,设业务的起始节点是随机生成的,业务类型也是随机生成的,网络拓扑中共生成了20条业务,设置网络风险度Ψq(t)和网络负载度Ωq的门限分别为450和100,迭代次数为n=80。
图3示出了免疫算法过程中抗体亲和度函数f(q)和网络均衡度Φq(q;t)随迭代次数n的变化关系曲线。由图3可知,由于非负惩罚因子的存在,亲和度函数始终大于网络均衡度的值。但是总体来看,两者的变化规律相近,都随着迭代次数n的增加而逐渐收敛。在迭代次数n=80时,两者达到最小值,分别为0.2312和0.2311。
图4示出了算法迭代过程中网络风险度Ψq(t)和网络负载度Ωq随迭代次数n的变化关系曲线。由图4可知,网络风险度Ψq(t)和网络负载度Ωq均随迭代次数n的增加而增加,均与网络均衡度Φq(q;t)呈逆向关系。网络风险度Ψq(t)和网络负载度Ωq在迭代次数n=80时取得最大值,分别为387.2和88.7,均低于各自对应的约束门限值,证明通过免疫算法选择的优化路径可降低网络风险度Ψq(t)和网络负载度Ωq,实现网络的风险均衡。
图5示出了本发明的基于免疫算法的风险均衡方法(Risk BalancingOptimization Mechanism based on Immune Algorithm,RBOMIA)和现有的负载均衡(LoadBalancing,LB)方法以及面向业务的风险均衡机制(Service-oriented Risk BalancingMechanism,SRBM)计算得到的网络均衡度Φq(q;t)、网络风险度Ψq(t)和网络负载度Ωq的结果对比图。其中,LB方法考虑了业务带宽的均衡分布,以风险均方差作为其选路的约束条件,选择网络整体风险均方差最小的业务路径作为最优路径。SRBM综合业务重要度和通道可用性等因素,是基于改进的最短路径算法提出了一种风险均衡方法。
由图5可知,三种方法的各种指标均满足约束,说明三种方法均为有效地实现网络风险均衡的方法。但本发明提供的方法具有最低的网络均衡度、网络风险度和网络负载度,充分证明本发明提供的方法相对现有的其它方法能够有效降低网络风险值,并保证有效的风险均衡和负载均衡。
实施例四
图6示出了本发明的一种电力通信网的风险均衡系统的结构示意图。如图6所示,本实施例中的风险均衡系统包括:信息获取单元60、第一确定单元61、第二确定单元62、第三确定单元63、第四确定单元64、第五确定单元65和路径优化单元66。
信息获取单元60,用于获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;
第一确定单元61,用于根据获得的节点信息、相邻节点之间的链路信息以及业务信息,确定每个业务对应的多个业务路径;
第二确定单元62,用于分别从确定的每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,从而得到至少一个业务单路径集合;其中,业务单路径集合中每个业务路径对应不同业务;
第三确定单元63,用于根据节点信息、相邻节点之间的链路信息、业务信息以及至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度;
第四确定单元64,用于根据每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度;
第五确定单元65,用于根据至少一个业务单路径集合以及业务信息,确定每个业务单路径集合对应的网络负载度;
路径优化单元66,用于根据每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
本实施例所述的风险均衡系统可实现上述风险均衡方法,本实施例不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种电力通信网的风险均衡方法,其特征在于,包括:
获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;
根据所述节点信息、所述相邻节点之间的链路信息以及所述业务信息,确定每个业务对应的多个业务路径;
分别从所述每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,从而得到至少一个业务单路径集合;其中,所述业务单路径集合中每个业务路径对应电力通信网中的不同业务;
根据所述节点信息、所述相邻节点之间的链路信息、所述业务信息以及所述至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度;
根据所述每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度;
根据所述至少一个业务单路径集合以及所述业务信息,确定每个业务单路径集合对应的网络负载度;
根据所述每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
2.根据权利要求1所述的风险均衡方法,其特征在于,
所述节点信息包括:节点个数和每个节点承载的业务;
所述相邻节点之间的链路信息包括:链路个数和每个链路承载的业务;
所述业务信息包括:业务个数、每个业务的预设重要度、每个业务的带宽值、每个业务的起始节点以及终止节点。
3.根据权利要求2所述的风险均衡方法,其特征在于,所述业务路径由承载业务的节点以及承载业务的链路组成。
4.根据权利要求1所述的风险均衡方法,其特征在于,
所述业务单路径集合中每个节点的风险度的计算公式如下:
所述业务单路径集合中每个链路的风险度的计算公式如下:
其中,为t时刻节点vi的风险度,为t时刻节点vi的失效概率,Vq为业务单路径集合q中节点的集合,vi∈Vq;为节点vi承载的业务集合,且S为电力通信网的业务集合,sk1为第k1个业务,k1=1,2,…,K,且K为S包含的业务个数,bk1为sk1的带宽值,dk1为sk1的预设重要度,BM为电力通信网的带宽,且
为t时刻链路eij的风险度,为t时刻链路eij的失效概率,Eq为业务单路径集合q中相邻节点之间的链路的集合,eij∈Eq,为链路eij上承载的业务集合,且sk2为第k2个业务,k2=1,2,…,K,bk2为sk2的带宽值,dk2为sk2的预设重要度,且
5.根据权利要求4所述的风险均衡方法,其特征在于,所述业务单路径集合对应的网络风险度的计算公式如下:
其中,Ψq(t)为t时刻业务单路径集合q对应的网络风险度。
6.根据权利要求5所述的风险均衡方法,其特征在于,所述业务单路径集合对应的网络负载度的计算公式如下:
其中,Ωq为业务单路径集合q对应的网络负载度。
7.根据权利要求6所述的风险均衡方法,其特征在于,所述业务路径优化模型为:
其中,表示求取业务单路径集合q0,使得业务单路径集合q0对应的网络均衡度最小,ΨT为预设的网络风险度约束门限,ΩT为预设的网络负载度约束门限,Φq(t)的计算公式如下:
其中,|Vq|为Vq包含的节点个数,|Eq|为Eq包含的链路个数,为t时刻Vq中节点的平均风险度,为t时刻Eq中链路的平均风险度,其中,与的计算公式如下:
8.根据权利要求7所述的风险均衡方法,其特征在于,所述根据所述每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡,包括:
根据所述每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,通过免疫算法,得到每个业务的优化路径,实现电力通信网的风险均衡。
9.根据权利要求8所述的风险均衡方法,其特征在于,所述免疫算法中,业务路径优化模型为:
其中,n为免疫算法的当前迭代次数。
10.一种电力通信网的风险均衡系统,其特征在于,包括:
信息获取单元,用于获取电力通信网中的节点信息、相邻节点之间的链路信息以及业务信息;
第一确定单元,用于根据所述节点信息、所述相邻节点之间的链路信息以及所述业务信息,确定每个业务对应的多个业务路径;
第二确定单元,用于分别从所述每个业务对应的多个业务路径中任意选取一个业务路径,构成一个业务单路径集合,从而得到至少一个业务单路径集合;其中,所述业务单路径集合中每个业务路径对应不同业务;
第三确定单元,用于根据所述节点信息、所述相邻节点之间的链路信息、所述业务信息以及所述至少一个业务单路径集合,确定每个业务单路径集合中每个节点的风险度以及每个链路的风险度;
第四确定单元,用于根据所述每个业务单路径集合中每个节点的风险度以及每个链路的风险度,确定每个业务单路径集合对应的网络风险度;
第五确定单元,用于根据所述至少一个业务单路径集合以及所述业务信息,确定每个业务单路径集合对应的网络负载度;
路径优化单元,用于根据所述每个业务单路径集合对应的网络风险度以及网络负载度,采用预设的业务路径优化模型,得到每个业务的优化路径,实现电力通信网的风险均衡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510919627.1A CN105553869B (zh) | 2015-12-11 | 2015-12-11 | 一种电力通信网的风险均衡方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510919627.1A CN105553869B (zh) | 2015-12-11 | 2015-12-11 | 一种电力通信网的风险均衡方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105553869A CN105553869A (zh) | 2016-05-04 |
CN105553869B true CN105553869B (zh) | 2018-08-28 |
Family
ID=55832807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510919627.1A Active CN105553869B (zh) | 2015-12-11 | 2015-12-11 | 一种电力通信网的风险均衡方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105553869B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230500A (zh) * | 2016-07-28 | 2016-12-14 | 浪潮软件集团有限公司 | 一种电力通信网络裕度校验系统 |
CN106656797B (zh) * | 2016-11-30 | 2019-05-31 | 中国民航大学 | 一种考虑风险均衡的afdx网络路径优化的方法 |
CN106789646A (zh) * | 2016-12-09 | 2017-05-31 | 国网北京市电力公司 | 业务传输路径确定方法及装置 |
CN106656598B (zh) * | 2016-12-22 | 2020-06-16 | 云南电网有限责任公司 | 电力通信网关键业务备选路由配置方法及系统 |
CN107302497B (zh) * | 2017-05-16 | 2020-05-15 | 北京中睿昊天信息科技有限公司 | 一种基于遗传算法的电力线载波通信路由自适应优选方法 |
CN107689917B (zh) * | 2017-08-10 | 2023-05-26 | 国家电网公司 | 一种基于非一致性业务均衡的电力通信网路由分配方法 |
CN108400935B (zh) * | 2018-02-11 | 2021-02-23 | 国家电网公司信息通信分公司 | 一种基于遗传算法的业务路径选择方法、装置及电子设备 |
CN108574631B (zh) * | 2018-04-20 | 2021-04-30 | 中国联合网络通信集团有限公司 | 路由分配方法及装置 |
CN109510764B (zh) * | 2018-05-07 | 2021-04-27 | 全球能源互联网研究院有限公司 | 电力多业务传输优化方法及装置 |
CN109038794B (zh) * | 2018-07-11 | 2021-09-17 | 中国电力科学研究院有限公司 | 一种面向QoS控制的特高压电网系统保护业务路径规划方法 |
CN109861910B (zh) * | 2019-03-11 | 2021-06-22 | 国网福建省电力有限公司 | 一种基于链路可用率的电力通信网链路重要度计算方法 |
CN110290001B (zh) * | 2019-06-26 | 2022-04-19 | 广东电网有限责任公司 | 电力通信网的单链结构优化方法、装置及设备 |
CN113095609A (zh) * | 2019-12-23 | 2021-07-09 | 北京博超时代软件有限公司 | 风险提示预演方法、装置及设备 |
CN112118176B (zh) * | 2020-08-27 | 2022-07-19 | 国网内蒙古东部电力有限公司信息通信分公司 | 一种面向业务可靠性的综合数据网通道路由负载优化方法 |
CN114826392B (zh) * | 2022-03-31 | 2023-08-29 | 国家电网有限公司 | 一种电力通信网网络可靠性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279794A (zh) * | 2013-06-06 | 2013-09-04 | 中国南方电网有限责任公司 | 电力通信网风险评估方法 |
CN103716250A (zh) * | 2014-01-06 | 2014-04-09 | 中国人民解放军空军工程大学 | 面向负载均衡的ip网络弹性路由层优化方法 |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050195739A1 (en) * | 2004-02-23 | 2005-09-08 | Grover Wayne D. | Protecting a network using protected working capacity envelopes |
-
2015
- 2015-12-11 CN CN201510919627.1A patent/CN105553869B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279794A (zh) * | 2013-06-06 | 2013-09-04 | 中国南方电网有限责任公司 | 电力通信网风险评估方法 |
CN103716250A (zh) * | 2014-01-06 | 2014-04-09 | 中国人民解放军空军工程大学 | 面向负载均衡的ip网络弹性路由层优化方法 |
CN104468355A (zh) * | 2014-11-21 | 2015-03-25 | 国家电网公司 | 可靠性约束条件下的路由选择方法 |
Non-Patent Citations (2)
Title |
---|
Risk Evaluation Method of Electric Power Communication network;Kangming Jiang 等;《2013 Ninth International Conference on Natural Computation (ICNC)》;20130725;全文 * |
基于风险均衡的电力通信业务的路由分配机制;曾庆涛 等;《电子与信息学报》;20130630;第35卷(第6期);第2-3节、图1-2 * |
Also Published As
Publication number | Publication date |
---|---|
CN105553869A (zh) | 2016-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105553869B (zh) | 一种电力通信网的风险均衡方法及系统 | |
CN107666412B (zh) | 服务功能链的虚拟网络功能部署方法 | |
CN103001875B (zh) | 一种量子密码网络动态路由方法 | |
CN109547966A (zh) | 输电线路无线传感器网络的路由规划及故障诊断备份方法 | |
CN105376156A (zh) | 一种基于多属性决策的电力骨干传输网路由规划方法 | |
CN104579964A (zh) | 一种量子密码网络动态路由架构系统 | |
CN105959221B (zh) | 软件定义卫星网络的流表一致性优化的方法 | |
CN108540204A (zh) | 用于卫星网络拓扑生成的快速收敛蚁群算法 | |
CN105406988A (zh) | 一种软件定义抗毁网络构建方法 | |
CN110350511B (zh) | 一种基于转供电亲和度的配电网故障恢复方法 | |
Fan et al. | Critical nodes identification for vulnerability analysis of power communication networks | |
CN101925100A (zh) | 一种异构无线传感器网络的容错路由恢复方法 | |
CN114158102B (zh) | 面向馈线自动化实时控制的无线异构通信网络切换方法 | |
CN106685745B (zh) | 一种网络拓扑构建方法及装置 | |
CN106067074B (zh) | 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法 | |
CN104955068B (zh) | 一种基于关联模式的数据聚合传输方法 | |
Liu et al. | Survivability-aware routing restoration mechanism for smart grid communication network in large-scale failures | |
Cheena et al. | Emperor penguin optimised self-healing strategy for WSN based smart grids | |
CN106255131A (zh) | 基于无线充电的传感器网络锚点选择方法 | |
CN106603294B (zh) | 一种基于电力通信网结构和状态的综合脆弱性评估方法 | |
Matta et al. | Putting sensor data to the service of the smart grid: From the substation to the AMI | |
Ji et al. | Comprehensive vulnerability assessment and optimisation method of power communication network | |
Liu et al. | Risk-aware service routes planning for system protection communication network in energy internet | |
CN107371125A (zh) | 基于粒子群算法的无线传感器网络故障修复方法及装置 | |
CN103096380A (zh) | 无线接入点负载均衡优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |