CN105656198A - 一种电力通信网络冗余路径策略的获取方法 - Google Patents

Abstract

本发明提供了一种电力通信网络冗余路径策略的获取方法，包括：根据电力网络节点的容量负载信息，建立电力网络故障传播模型；建立由控制中心节点以及路由器节点组成的通信网络模型，并根据所述电力网络故障传播模型中的节点与通信网络节点的连接关系，建立电力通信网络的互依耦合网络模型；获取互依耦合网络模型的最小子网，最小子网描述了电力通信网络的冗余路径策略。在电力通信网络发生故障时，可根据冗余路径策略抑制故障信息发生，从而避免或缓解故障传播引发的级联停电，提高电力通信网络系统的可靠性。

Description

一种电力通信网络冗余路径策略的获取方法

技术领域

本发明涉及电力通信技术领域，具体涉及一种电力通信网络冗余路径策略的获取方法。

背景技术

在通信网络故障控制领域中，冗余路径策略是一个非常重要的分支。冗余路径策略通过增加多余的同等功能的部件，并通过一定的冗余逻辑使它们协调地同步运行，使网络应用功能得到多重保证。冗余路径策略主要的研究方向是可靠性、生存性和互依耦合。可靠性、生存性是大家熟悉的冗余技术，已经在工程中得到广泛应用，这两类方法的缺点是忽略了对内部发生故障的重要性研究，并且这些方法大多受限于长时间的统计特性，不能对实时发生的级联故障做出快速反应。互依耦合是一项新兴技术，理论上它能够细致地对所发生的故障传播过程进行刻画。面对电力网络与通信系统的紧密耦合使得故障呈现出更易传播的问题，互依耦合网络模型是根据耦合网络下的故障传播条件，构建能够描述故障传播机制的数学模型，它能反映导致故障发生的根本原因以及故障产生的最初驱动机理。

目前，现有技术中针对电力网络或通信网络的冗余路径策略或路由建立策略的获取大致有几类方案，具体如下说明：

第一种方案为：一种电力ICT网络区分可靠性的路由建立方法和系统。该方法建立了网络拓扑分层模型，对原网络拓扑图进行分层,其中一层为物理层,另一层为最短路径对层，所述物理层与原网络拓扑图相同，所述最短路径对层包含原网络拓扑图中的所有能够建立的最短路径对；在满足连接请求所允许的最大失效概率前提下，在分层模型中寻找从源节点到目的节点代价最小的路由；该方案将所述代价最小的路由与原网络拓扑图进行匹配,找到原网络拓扑图中，满足连接请求所允许的最大失效概率条件下代价最小的路由，降低了路由耗费的网络资源,提高了网络资源的利用率。

第二种方案为：一种双向路由网络及其可靠性保障方法。该方法采用一种双向路由网络，该网络由双向路由的逻辑设备点构成,其中每个所述逻辑设备点包括至少3台联网的计算设备，逻辑设备点内的各计算设备形成远程双机备份链。该方案能够增强节点的可靠性、减少了消息路由层次，并且在故障后的恢复时间较短。

第三种方案为：一种基于生存性重路由的无线光宽带接入网优化部署方法。该方法采用一种基于生存性重路由的无线光宽带接入网优化部署方法，将整个网络区域划分成M×M个网格单元，并以每个网格单元的中心作为放置无线路由器的可能位置；设Rx表示当前将要放置的一个无线路由器,在满足每个ONU到其它一个ONU存在k条节点不相交路径及无线接入跳数约束的条件下，计算出可以放置无线路由器Rx的所有候选位置，该方案能够解决无线路由器的优化布置问题。

然而，现有技术中只是对单独的通信网络或电力网络的路由可靠性进行改进，没有考虑到电力网络与通信网络结合时的互依耦合问题，没有给出电力通信网络发生故障时抑制故障传播的冗余路径策略的获取方法，使电力通信网络在发生故障时故障信息传播引发级联停电。

发明内容

本发明要解决的技术问题是：现有技术中没有考虑到电力网络与通信网络结合时的互依耦合问题，没有给出电力通信网络发生故障时抑制故障传播的冗余路径策略的获取方法，在电力通信网络发生故障时无法抑制故障传播导致级联停电的问题。

为实现上述的发明目的，本发明提供了一种电力通信网络冗余路径策略的获取方法。包括：

根据电力网络节点的容量负载信息，建立电力网络故障传播模型；

建立由控制中心节点以及路由器节点组成的通信网络模型，并根据所述电力网络故障传播模型中的节点与通信网络模型节点的连接关系，建立电力通信网络的互依耦合网络模型；

获取所述互依耦合网络模型的最小子网，所述最小子网描述了所述电力通信网络的冗余路径策略；

其中，

所述电力网络节点包括发电厂节点以及带有负载的变电子站节点；

在所述最小子网中，每个所述电力网络节点至少与两个所述通信网络节点相连；每个所述通信网络节点与所述发电厂节点之间，至少有两条相交于所述控制中心节点的路径。

其中较优地，所述获取所述互依耦合网络模型的最小子网，是通过求解如下式所示的约束条件获取的：

$\begin{array}{c}Minimize\left\{\right|G^{\′}\left|\right|G^{\′}\⊆G^c\left|\right\}\\ s.t\\ \left\{\begin{array}{c}CC\∈G^{\′},Ge\∉G^{\′}\\ \∀v_i\∈G^{\′},\underset{i=1}{\overset{\left|G^{\′}\right|}{\Σ}}corr\left\{v_i\right\}2\·\underset{j\∈\{G\backslash G^c\}}{\overset{|G\backslash G^c|}{\Σ}}{v}_j,j\≤\left|G^p\right|\\ \∀v_i\∈G^{\′},v_j\∈G,\underset{(i,j)\∈G}{\Σ}{w}_{i,j}\≤T\\ \∀v_i\∈G^{\′},\∃p_{i,corr\left\{Ge\right\}},{p^{\′}}_{i,corr\left\{Ge\right\}},p_{i,corr\left\{Ge\right\}}\∩{p^{\′}}_{,corr\left\{Ge\right\}}=\{i,CC\}\\ i\≤\left|G^c\right|\end{array}\right.\end{array}$

其中，G'代表所述最小子网，给定G^p代表所述电力网络，而G^c表示所述通信网络；CC代表所述控制中心节点；Ge代表所述发电厂节点；v代表任意所述电力网络节点或通信网络节点，i、j均为所述节点的编号；

corr代表相关函数，具体定义如下式所示：

$\∀v_j\∈V^c,corr\left(v_j\right)=\left\{v_i\right|(v_i,v_j)\∈E^{pc},v_i\∈V^p\}$

其中，v代表任意所述电力网络节点或通信网络节点，i、j均为所述节点的编号；V^p代表所述电力网络节点集合，E^p代表所述电力网络路径集合；V^c代表所述通信网络节点集合，E^c代表所述通信网络路径集合。

其中较优地，所述通过求解如下式所示的约束条件获取所述互依耦合网络模型的最小子网，包括如下步骤：

输入所述互依耦合网络模型的拓扑结构；

调用最小覆盖集算法，得到通信节点度的集合SV和电力节点重叠度的集合Rep；

调用最小双冗余路径算法，得到所述最小子网G'。

其中较优地，所述最小覆盖集算法，包括：

S11、初始化所述通信节点度的集合SV以及电力节点重叠覆盖度的集合Rep；

S12、确定所述控制中心节点CC的位置；

S13、遍历所述电力网络节点集合V^p；

S14、遍历所述通信网络节点集合V^c；

S15、若所述电力网络节点和所述通信网络节点之间有连接的节点，转至步骤S16；

S16、将所述通信节点度SV_i加1，也即；

S17、将所述电力节点重叠覆盖度Rep_i加1；

S18、对所述通信节点度SV_i进行排序，得到所述通信节点度的集合SV；

S19、返回排序后的通信节点度的集合SV和电力节点重叠度的集合Rep；

其中较优地，所述最小双冗余路径算法，包括：

S21、集合k为与所述发电厂节点相连的所述通信网络节点的集合，初始化所述集合k，；

S22、若SV集合中的第i项不为0，Rep集合中的第i项大于等于2，则转步骤S23；否则，转步骤S29；

S23、以SV_i为起点，k_j为终点，搜索第一条路由；

S24、更新所述通信网络节点的权值，使所述通信网络节点无法被第二条路由选择；

S25、以SV_i为起点，k_j为终点，搜索第二条路由；

S26、将SV_i保存至最小子网G'；

S27、更新集合k_j，k_j＝k_j+1；

S28、更新遍历计数器i＝i+1；

S29、得到具备双覆盖双冗余特征的最小子网G'。

其中较优地，所述根据电力网络节点的容量负载信息，建立电力网络故障传播模型，包括：

根据所述电力网络中所述变电子站的容量负载信息，建立电力网络的容量-负载模型；

省略所述容量-负载模型的动态特性，对所述负载信息进行简化，得到所述电力网络故障传播模型。

本发明提供了一种电力通信网络冗余路径策略的获取方法。该方法在电力网络故障传播模型的基础上建立电力通信网络互依耦合网络模型，获取互依耦合网络模型的最小子网。该最小子网描述了电力通信网络的冗余路径策略，在电力通信网络发生故障时，可根据冗余路径策略抑制故障信息发生，从而避免或缓解故障传播引发的级联停电，提高电力通信网络系统的可靠性。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明第一实施例提供的电力通信网络冗余路径策略的获取方法流程图；

图2是本发明第一实施例提供的电力网络故障传播模型拓扑结构示意图；

图3是本发明第一实施例提供的互依耦合网络模型拓扑结构示意图；

图4是本发明第一实施例提供的DCDR算法流程图；

图5是本发明第一实施例提供的MDCS算法流程图；

图6是本发明第一实施例提供的MDRP算法流程图；

图7是本发明第二实施例提供的三级电力骨干网络拓扑结构示意图；

图8是本发明第二实施例提供的电力节点个数与全网级联比例变化曲线示意图；

图9是本发明第二实施例提供的真实网络和随机网络的度分布和度方差对比结果示意图；

图10是本发明第二实施例提供的PFP模型下λ参数不同平均值的对比结果示意图；

图11是本发明第二实施例提供的互依耦合网络中通信网络节点对电力网络节点的耦合度分布示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明提供了一种电力通信网络冗余路径策略的获取方法，如图1所示该方法包括：S101、根据电力网络节点的容量负载信息，建立电力网络故障传播模型；S102、根据所述电力网络故障传播模型中的节点与通信网络节点的连接关系，建立电力通信网络的互依耦合网络模型；S103、获取互依耦合网络模型的最小子网，最小子网描述了电力通信网络的冗余路径策略；其中，电力网络节点包括发电厂节点以及带有负载的变电子站节点；通信网络节点包括控制中心节点以及路由器节点；在最小子网中，每个电力网络节点至少与两个通信网络节点相连；每个通信网络节点与发电厂节点之间，至少有两条相交于控制中心节点的路径。下面将对本发明提供的电力通信网络冗余路径策略的获取方法展开详细说明。

实施例一

本实施例提供一种电力通信网络冗余路径策略的获取方法。如图1所示，该方法包括：

S101、根据电力网络节点的容量负载信息，建立电力网络故障传播模型，也即PFP模型(PowerFaultPropagation)。

首先，为了更加清晰的表述后续的建模过程，表1罗列了一些电力网络故障传播建模中需要用到的基本符号及其表示含义。

表1符号及其表示含义

其次，还有一些在后续的建模中需要定义的函数，具体为：

电力网络以及通信网络的相关函数corr定义如式(1)所示：

$\∀v_j\∈V^c,corr\left(v_j\right)=\left\{v_i\right|(v_i,v_j)\∈E^{pc},v_i\∈V^p\}---\left(1\right)$

$\∀v_i\∈V^p,corr\left(v_i\right)=\left\{v_j\right|(v_i,v_j)\∈E^{pc},v_i\∈V^c\}---\left(2\right)$

电力网络和通信网络组成的耦合网络的最大度定义如式(3)所示：

$d_{max}\left(G\right)=max\left\{corr\left(v_i\right)\right|\∀v_i\∈V^p\}---\left(3\right)$

最小度定义如式(4)所示：

$d_{min}\left(G\right)=min\left\{corr\left(v_i\right)\right|\∀v_i\∈V^p\}---\left(4\right)$

其中，v为任意节点；E^pc为电力网络与通信网络耦合路径集合；V^p为电力网络的节点集合；V^c为电力网络的节点集合。

下面将对电力网络故障传播模型的建立进行详细说明。由于电力网络系统是经过严密设计的，网络内部发生的故障可以及时的反应电力网络的异常状态，所以本发明对实际电力网络中的故障进行建模，根据电力网络中变电子站的容量负载信息，建立电力网络的容量-负载模型。优选地，该容量-负载模型为CLM模型(CrucittiLatoraMarchiori)。

考虑到电力网络的复杂性，电力网络有诸多变化因素，本发明只关注于故障传播，因此对CLM模型中与故障传播的无关细节通过的一系列的假设进行简化和忽略，假设条件具体包括：(a)在研究电力级联失效中，直流电模型是非常普遍的模型；(b)每个电力节点都具有相同的负载水平，即每个电力节点下所带的负载重要性是相同的；(c)忽略电流方向，且认为电力系统是一个平衡系统，以更加简化的处理故障传播。在基于上述假设条件下，省略了CLM模型电力网络的动态特性，对负载的若干因素进行了简化，最后抽象出电力网络故障传播模型。

在上述假设下，给定电力网络G^p＝(V^p,E^p)，电力节点v_i的度即为与之相邻节点的数目，即deg(v_i),v_i∈V^p。电力节点v_i的负载为L_i。在CML模型中，节点容量与负载的关系如式(5)所示：

C_i＝a_iL_i,i＝1,2,...N(5)

其中，C_i代表子站节点的整体容量；a_i是容忍参数；而L_i代表子站的整体负载。

考虑到故障因素，因此应用式(6)来表示电力网络故障传播模型：

C_i＝λ_iL_i,i＝1,2,...N(6)

其中，C_i代表子站节点的整体容量；而L_i代表子站的整体负载。λ_i表示整个子站的容忍水平。需要说明的是，a_i和λ_i代表不同的含义，两者并不完全相同，a_i表示一个电力设备或者电线对热效应的容忍水平，而由于智能柔性交流电输电系统的应用，不再考虑电力线热效应的问题，所以本发明中λ_i表示一个变电子站的整体对故障的容忍水平。

进一步地，本发明认为一个站点的整体容量就是该站的整体电量。电力网络故障传播模型的拓扑结构如图2所示。其中，方块图形表示变电子站，长方形图形表示该子站所连接的所有负载。连接两个变电子站的带箭头的直线表示高压输电线，而连接负载和变电子站的无箭头的直线表示配用电力传输线。如图2所示，变电子站S₃的容量为100。如果其负载L₃发生了故障，那么变电站的容量100就会根据deg(S₃)和邻居站的容量进行再分配。由于每个变电站负载水平是相等的，所以邻居节点的容量应当重新被调整，因此容量100被重新分配到变电站S₁、S₄、S₅中，分别为30、40、30。

S102、建立由控制中心节点以及路由器节点组成的通信网络模型，并根据所述电力网络故障传播模型中的节点与通信网络模型节点的连接关系，建立电力通信网络的互依耦合网络模型。

由于电能的瞬时性且不能以自身形态进行大规模存储，根据基尔霍夫定律，所产生总电能应当与总负载相当。为了研究故障在互依耦合网络中的传播行为，下面将对电力网络以及通信网络的耦合网络进行建模。

图3为互依耦合网络模型的拓扑结构示意图。如图3所示，电力网络节点包括发电厂节点以及带有负载的变电子站节点；通信网络节点包括控制中心节点以及路由器节点。图3中，带有大写字符G的图标表示发电厂。一般地，当电力系统发生故障时，发电厂具有切机减负的功能。方块代表变电子站节点，连接各个变电子站节点以及发电厂节点的实线是高压电力传输线。长方形L_i代表与变电子站节点所连接的负载。这意味着子站所带负载全部由该子站提供电力。上述所有的元素组成了电力系统。另一方面，用大写字母C表示通信网络中的控制中心及诶单。一般地，该控制中心位于城市或城镇中的电力管理局。路由器节点通过光纤直接或者间接的与控制中心进行连接。特别的，连接电力网络与通讯网络的光纤链路，由于它承载了电力及时控制和灵活调整的信息，因此有着非常重要的作用。在如图3所示的模型中，电力网络和通信网络由虚拟的分隔平面区分。电力网络节点和通信网络节点通过光纤直接连接。一般地，连接电力网络节点的路由器并不局限于一个。通信网络中的控制中心和电力网络中的发电厂分别是两个网络中的重要组件。

给定G^p＝(V^p,E^p)代表电力网络，G^c＝(V^c,E^c)表示通信网络。其中，V^p为电力网络节点集合，E^p为电力网络路径集合；V^c为通信网络节点集合，E^c为通信网络路径集合。而且，控制中心CC∈V^c，发电厂Ge∈V^p。两个耦合网络之间的链接E^pc＝{(u,v)|u∈V^p,v∈V^c}。那么，如图3所示，可用G＝(V^p∪V^c,E^p∪E^c∪E^pc)表示耦合网络模型。

为了深入研究故障级联的具体细节，进一步对耦合网络模型进行适当的修改。即将电力网络弱化为一系列的变电站点的集合G^p＝(G,S₁,S₂,…,S_n)，而将通信网络强化为加权图的形式G^c＝(V^c,E^c,W)，这样耦合网络变化为G＝(V^p∪V^c,E^c∪E^pc,W)。由于时延是智能电网里必须要考虑的因素，令t_i,j代表在节点i和节点j之间时延，那么时延权重由式(7)表示：

$w_{i,j}=\{\begin{array}{c}{t}_{i,j}|(n_i,n_j)\∈G\\ \begin{array}{cc}\mathrm{\∞}& else\end{array}\end{array},n_i,n_j\∈v^c\∪v^p,i\≠j---\left(7\right)$

其中，w_i,j为时延权重；t_i,j代表在节点i和节点j之间时延；n代表任意一个节点。

S103、获取互依耦合网络模型的最小子网，最小子网描述了电力通信网络的冗余路径策略。步骤S103中的子步骤具体说明如下：

S1031、确定求得最小子网的约束条件，求得控制中心节点位置。

给定耦合网络G＝(V^p∪V^c,E^c∪E^pc,W)，能否找到最小的通信网络节点集合G'，在最小子网中，每个电力网络节点至少与两个通信网络节点相连，满足对电力网络节点的双覆盖条件；每个通信网络节点与发电厂节点之间，至少有两条相交于控制中心节点的路径，满足通信网络与电力网络节点的双冗余条件。为找出满足如下约束的最小的通信子图，具体的约束条件如式(8)所示，

$\begin{array}{c}Minimize\left\{\right|G^{\′}\left|\right|G^{\′}\⊆G^c\left|\right\}\\ s.t\\ \left\{\begin{array}{c}CC\∈G^{\′},Ge\∉G^{\′}\\ \∀v_i\∈G^{\′},\underset{i=1}{\overset{\left|G^{\′}\right|}{\Σ}}corr\left\{v_i\right\}2\·\underset{j\∈\{G\backslash G^c\}}{\overset{|G\backslash G^c|}{\Σ}}{v}_j,j\≤\left|G^p\right|\\ \∀v_i\∈G^{\′},v_j\∈G,\underset{(i,j)\∈G}{\Σ}{w}_{i,j}\≤T\\ \∀v_i\∈G^{\′},\∃p_{i,corr\left\{Ge\right\}},{p^{\′}}_{i,corr\left\{Ge\right\}},p_{i,corr\left\{Ge\right\}}\∩{p^{\′}}_{,corr\left\{Ge\right\}}=\{i,CC\}\\ i\≤\left|G^c\right|\end{array}\right.\end{array}---\left(8\right)$

其中，v为任意节点；E^pc为电力网络与通信网络耦合路径集合；V^p为电力网络的节点集合；V^c为电力网络的节点集合；G为互依耦合网络；Ge为发电厂结点；p_i,j为节点对儿(i,j)；CC为通信网络控制中心节点；G^p为电力网络；G^c为通信网络。

式(8)中的第一个约束条件用于确保通信网络控制中心CC位于通信子网中，而Ge并不在所求网络。第二个约束考虑了对电力网络中节点至少达到双覆盖。第三个约束用于考察子网中相对独立路径的双冗余问题。同时，该约束也意味着CC∈p_i,corr{Ge}。所求目标为子网G'尽可能的小。

一般地，在式(8)给出的约束中通信网络控制中心CC的位置是固定不变的。下面给出在给定互依耦合网络G中确定CC的具体位置的方法：对于如果|x-y|表示网络节点x与节点y之间的路径长度，那么节点CC的确定方法如式(9)所示。

$CC=\underset{x\∈V^c}{\arg \min }\left(x\right|\underset{y\∈V\left(G\right)}{\Σ}\max |x-y|)---\left(9\right)$

若在互依耦合网络中有独立分离的节点，即该节点既不位于电力网络中，又不位于通信网络中，那么该节点将不具有任何功能。因此，互依耦合网络是联通的，可得|x-y|是有界的。根据方程(9)，通信网络控制中心CC具有有限，确定的数值并令其次，给定互依耦合网络G的节点个数|V|，电力网络节点数目n和通信网络节点数目m，则约束关系存在如式(10)所示的关系：

$\left\{\begin{array}{c}m+n=\left|V\right|\\ \frac{m}{d_{max}}\≤n\≤\frac{m}{d_{min}}\end{array}\right.---\left(10\right)$

也即如式(11)所示：

$\frac{\left|V\right|}{d_{max}+1}\≤n\≤|\frac{\left|V\right|}{d_{\min }+1}---\left(11\right)$

其中，|V|为互依耦合网络G的节点个数，n为电力网络节点数目，m为通信网络节点数目，

若整个网络的最大节点度为deg_max(deg_max≥3)，则如式(12)所示：

$\left|V\right|\≤\frac{{\mathrm{deg}}_{max}}{{\mathrm{deg}}_{\max }-2}{({\mathrm{deg}}_{max}-1)}^k---\left(12\right)$

由于并无单独的隔离节点，有1≤d_min≤d_max≤deg_max，结合式(11)和式(12)，可得n有上界值，如式(13)所示：

$n\≤\frac{{\mathrm{deg}}_{max}}{2({\mathrm{deg}}_{\max }-2)}{({\mathrm{deg}}_{max}-1)}^k---\left(13\right)$

式(13)给出了互依耦合网络中的电力网络节点与耦合度之间的数字约束关系。

S1032、确定约束条件后，利用双覆盖双冗余算法求得耦合网络的最小子网。

在确定了通信网络控制中心CC的位置之后，分析方程(2)中的约束关系。为了确保对电力故障信息的收集，需要寻找满足双冗余双覆盖条件的最小子网为G'。由于最小联通决策集(MCDS)为NP-hard问题，k联通m决策集问题依然是NP-hard问题。因此，针对该耦合网络模型以及式(8)，本发明提供一种启发式求解算法，即基于互依耦合网络模型的双覆盖双冗余算法。关于算法的计算步骤具体说明如下：

假设G'是一个可行解，在方程(8)中，并没有任何条件确保可以得到可行解。例如，在偏远地区的电站S'，仅仅有唯一的路由节点R'与之相连，e_S',R'∈E^pc。因此，由于多个约束的限制，启发式的算法尽可能的给出近似有效解G_a'。称集合Vul(G)＝G_a'-G'为脆弱集。

针对式(8)给出的约束条件，求解约束条件的算法可分两步：第一步，在通信网络中逐步找到最小双覆盖电力网络节点的集合。而且，所有备选的节点根据耦合度进行了排序。由于复杂性的原因，我们持续的寻找次小集合，直至第二步满足为止，否则，继续寻找次小集合。第二步，由于所有的故障信息将递交到节点corr(Ge)，并最终传输到发电站进行切机或者甩负，可以考虑将上述独立路径问题看做单目的地最短路径的狄克斯特拉算法(Dijkstra)，由于Dijkstra算法是求解单目路径的常用算法，这里不再对其内容展开叙述。为了求得两条相对独立的路径，可在权重进行调整后重新运行迪科斯彻算法(Dijkstra)。

为了清晰地叙述上述两个求解步骤，将两个求解步骤分别以两个算法命名。第一步为最小覆盖集算法，简称为MDCS算法(MinimalDoubleCoverSet)；第二步为最小双冗余路径算法，简称为MDRP算法(MinimalDoubleRedundantPath)。将MDCS算法以及MDRP算法通过参数传递合成为基于互依耦合网络模型的双覆盖双冗余算法，用于计算互依耦合网路模型中描述冗余路径策略的最小子网，简称为DCDR算法(DoubleCoverandDoubleRedundancy)。下面对DCDR算法的求解过程进行具体说明：

(a)基于互依耦合网络模型的双覆盖双冗余算法(DCDR算法)

DCDR算法用于求解互依耦合网路模型中描述冗余路径策略的最小子网，其步骤具体如图4所示：

S1、输入网络拓扑图G；

S2、调用MDCS算法，计算出排序后的通信节点度集合SV以及电力节点重叠覆盖度集合Rep；

S3、调用MDRP算法，得到目标最小子网G'，最小子网G'为满足双覆盖双冗余的拓扑结构，描述了电力通信网络的冗余路径策略。

(b)最小覆盖集算法(MDCS算法)

输入互依耦合网络模型G，调用MDCS算法，具体如图5所示包括：

S11、初始化所述通信节点度的集合SV以及电力节点重叠覆盖度的集合Rep；

S12、确定所述控制中心节点CC的位置；

S13、遍历所述电力网络节点集合V^p；

S14、遍历所述通信网络节点集合V^c；

S15、若所述电力网络节点和所述通信网络节点之间有连接的节点，转至步骤S16；

S16、将所述通信节点度SV_i加1，也即；

S17、将所述电力节点重叠覆盖度Rep_i加1；

S18、对所述通信节点度SV_i进行排序，得到所述通信节点度的集合SV；

S19、返回排序后的通信节点度的集合SV和电力节点重叠度的集合Rep；

(c)最小双冗余路径算法(MDRP算法)

输入互依耦合网络模型G、通信节点度的集合SV以及电力节点重叠度的集合Rep，调用MDRP算法，具体如图6所示包括：

S21、集合k为与所述发电厂节点相连的所述通信网络节点的集合，初始化所述集合k，；

S22、若SV集合中的第i项不为0，Rep集合中的第i项大于等于2，则转步骤S23；否则，转步骤S29；

S23、以SV_i为起点，k_j为终点，搜索第一条路由；

S24、更新所述通信网络节点的权值，确保该节点不会被第二条路由选中；

S25、以SV_i为起点，k_j为终点，搜索第二条路由；

S26、将SV_i保存至最小子网G'；

S27、更新集合k_j，k_j＝k_j+1；

S28、更新遍历计数器i＝i+1；

S29、得到具备双覆盖双冗余特征的最小子网G'。

根据上述算法，可以求得电力通信网络互依耦合网络模型的最小子网G'，最小子网G'描述了电力通信网络的冗余路径策略，使电力通信网络发生故障时，故障信息的传递可以得到抑制，从而避免或减缓发生级联停电的状况。

实施例二

为了验证实施例一提供的获取方法的性能，本实施例提供了一种电力通信网络冗余路径策略获取方法的具体实例。

由于整合电力网络与通讯网络为一体的仿真工具尚不可用，这里用NetworkX工具来产生互依耦合网络，将故障传播过程在产生的耦合网络中进行仿真实验。

首先，建立对于实施例一提供的获取方法的评价指标。仿真实验采用了中国某省的真实的三级电力骨干网络拓扑，如图7所示。长方形表示子站，而红色的圆形代表发电站。将60个电力节点导入NetworkX中，随机的产生50KV-100KV的子站容量。实验的目的包括对模型的验证和对算法的验证。每次实验重复20次取平均值。由于实际中通信网络的拓扑结构类似于电力网络，从而形成120个节点互依耦合的网络。为了比较，产生了无标度的参数的网络，所有节点失效后级联才会形成。这里利用故障损毁节点导致全网级联的百分比来度量算法。某种程度上说，该百分比意味着导致整个网络损毁的困难性。不同于已有的相关工作，本实施例测量了整个网络而不是部分网络形成的级联。同时，也利用了耦合网络节点的耦合度来观察了部分仿真结果。

下面对仿真的结果进行分析。图8比较了确定性耦合网络与参数β＝2.2的无标度网络参数下，当电力节点个数增加时，导致全网级联的比例增加的变化图。当无标度网络节点数目较小时，导致级联的百分比也相对较小。当网络节点数目增多时，导致级联的百分比随之增大。从图7中可得一个有意思的观察结果。从微观角度，真实的电网是经过精心设计好以满足电力的特定应用需求的，不同于无标度的网络。尽管从整体来讲，整个电力网络依然具有无标度网络的特性。而这个特性也许启发后续研究者更多的深入研究电力网络的局部特性，从而在减缓级联上有所提高。

图9示出了真实网络和随机网络的度分布和度方差，随着电力网络节点的增多的变化情况。图9表明网络的平均度分布和度方差随着节点增多而逐步增大。在真实的确定性网络中，节点具有较小的平均度分布和较小的度方差。随着节点数目的增多，真实的网络中节点的平均度逐渐稳定增加，而随机网络下的节点度的虽然也随着节点数增加而增加，但变化却有异常。进一步的，异常变化反应在方差指标上。随着网络节点数目的增多，确定性网络的方差稳定增加。而随机网络的方差却不具有这种特性，尤其是在节点40、50以及60之间。

图10示出了在PFP模型下λ参数的不同平均值的比较结果。参数λ表明了整个变电站的故障容忍水平。在电力网络中，λ＝1表明，当一个节点发生故障后，相邻的每个节点都不具有超过其本身容量的容忍能力，所以很容易的就可以导致整个电力网络产生级联。λ＝1.5表明每个电力节点都具有相对较强的故障容忍能力。百分比的值从0而不是1开始。其原因是，在PFP模型中并没有对电力线热效应进行建模，导致了差异。图10表明选取较大值的容忍水平是减缓级联发生的有效方法。但是，对一个变电站来说，同时提高很多电子设备的容忍特性是非常困难的。

图11示出了互依耦合网络中通信网络节点对电力网络节点的耦合度分布。在真实的电力网络中，出于安全性的原因，网络是单向耦合的，即信息从电力网络中流向通信网络中。一个通信节点耦合一个电力节点情形是脆弱的。但是，一个通信节点耦合8个电力节点也是脆弱的。例如，在节点数目为60情形下。为了避免刻意的攻击，节点度超过4的节点通过重新连接，通过随机的连接，在保证原先度分布不变的前提下，进行了重新配置。重新配置后的连接后的度分布如图11的下图所示。

时延参数T可从给定的路由跳数上粗略的反应出来。表2显示了互依耦合网络中的实际时延。表中所列数值的单位为秒。给定重要电力业务，其时延大约为10ms。然而，表2中当节点数目为90，跳数≤15处的数值已经远超10ms。这意味着在互依耦合网络节点为90的规模下，通过大于10跳而小于15跳的路由路径不能满足给定的延迟。这个例外值暗含了DCDR配置算法在一定的网络范围内是有效的。表2中的数字说明，整个互依耦合网络可划分为多个分布式的可自治的系统，在每个自治系统内配置DCDR算法。同时，分布式自治系统的划分，有利于对所发生的故障进行隔离，从而避免级联的发生。

表2时延参数T

通过实施例二对实施例一的方法进行验证，说明本发明提供的冗余路径策略获取方法可以有效的抑制或减缓级联停电的发生。

综上所述，本发明提供了一种电力通信网络冗余路径策略的获取方法。该方法在电力网络故障传播模型的基础上建立电力通信网络互依耦合网络模型，获取互依耦合网络模型的最小子网。该最小子网描述了电力通信网络的冗余路径策略，在电力通信网络发生故障时，可根据冗余路径策略抑制故障信息发生，从而避免或缓解故障传播引发的级联停电，提高电力通信网络系统的可靠性。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (6)

1.一种电力通信网络冗余路径策略的获取方法，其特征在于，包括：

根据电力网络节点的容量负载信息，建立电力网络故障传播模型；

建立由控制中心节点以及路由器节点组成的通信网络模型，并根据所述电力网络故障传播模型中的节点与通信网络模型节点的连接关系，建立电力通信网络的互依耦合网络模型；

获取所述互依耦合网络模型的最小子网，所述最小子网描述了所述电力通信网络的冗余路径策略；

其中，

所述电力网络节点包括发电厂节点以及带有负载的变电子站节点；

在所述最小子网中，每个所述电力网络节点至少与两个所述通信网络节点相连；每个所述通信网络节点与所述发电厂节点之间，至少有两条相交于所述控制中心节点的路径。

2.如权利要求1所述的获取方法，其特征在于，所述获取所述互依耦合网络模型的最小子网，是通过求解如下式所示的约束条件获取的：

s.t

其中，G'代表所述最小子网，给定G^p代表所述电力网络，而G^c表示所述通信网络；CC代表所述控制中心节点；Ge代表所述发电厂节点；v代表任意所述电力网络节点或通信网络节点，i、j均为所述节点的编号；

corr代表相关函数，具体定义如下式所示：

其中，v代表任意所述电力网络节点或通信网络节点，i、j均为所述节点的编号；V^p代表所述电力网络节点集合，E^p代表所述电力网络路径集合；V^c代表所述通信网络节点集合，E^c代表所述通信网络路径集合。

3.如权利要求2所述的获取方法，其特征在于，所述通过求解如下式所示的约束条件获取所述互依耦合网络模型的最小子网，包括如下步骤：

输入所述互依耦合网络模型的拓扑结构；

调用最小覆盖集算法，得到通信节点度的集合SV和电力节点重叠度的集合Rep；

调用最小双冗余路径算法，得到所述最小子网G'。

4.如权利要求3所述的获取方法，其特征在于，所述最小覆盖集算法，包括：

S11、初始化所述通信节点度的集合SV以及电力节点重叠覆盖度的集合Rep；

S12、确定所述控制中心节点CC的位置；

S13、遍历所述电力网络节点集合V^p；

S14、遍历所述通信网络节点集合V^c；

S15、若所述电力网络节点和所述通信网络节点之间有连接的节点，转至步骤S16；

S16、将所述通信节点度SV_i加1，也即；

S17、将所述电力节点重叠覆盖度Rep_i加1；

S18、对所述通信节点度SV_i进行排序，得到所述通信节点度的集合SV；

S19、返回排序后的通信节点度的集合SV和电力节点重叠度的集合Rep。

5.如权利要求3所述的获取方法，其特征在于，所述最小双冗余路径算法，包括：

S21、集合k为与所述发电厂节点相连的所述通信网络节点的集合，初始化所述集合k，；

S22、若SV集合中的第i项不为0，Rep集合中的第i项大于等于2，则转步骤S23；否则，转步骤S29；

S23、以SV_i为起点，k_j为终点，搜索第一条路由；

S24、更新所述通信网络节点的权值，使所述通信网络节点无法被第二条路由选择；

S25、以SV_i为起点，k_j为终点，搜索第二条路由；

S26、将SV_i保存至最小子网G'；

S27、更新集合k_j，k_j＝k_j+1；

S28、更新遍历计数器i＝i+1；

S29、得到具备双覆盖双冗余特征的最小子网G'。

6.如权利要求1所述的获取方法，其特征在于，所述根据电力网络节点的容量负载信息，建立电力网络故障传播模型，包括：

根据所述电力网络中所述变电子站的容量负载信息，建立电力网络的容量-负载模型；

省略所述容量-负载模型的动态特性，对所述负载信息进行简化，得到所述电力网络故障传播模型。