CN106850254B - 一种电力通信网中关键节点识别方法 - Google Patents

Abstract

本发明公开了一种电力通信网中关键节点识别方法，所述方法包括：步骤1：基于电力通信网信息，构建电力通信网节点重要度评价体系；步骤2：基于电力通信网节点重要度评价体系，构建规范化矩阵；步骤3：基于熵权法和层次分析法，综合确定指标权重；步骤4：将权重向量与规范化矩阵结合，构造加权规范化矩阵；步骤5：基于加权规范化矩阵，计算获得节点重要度排序，基于排序结果识别出关键节点，实现了准确对电力通信网中关键节点进行识别的技术效果。

Description

一种电力通信网中关键节点识别方法

技术领域

本发明涉及电力通信网络性能分析领域，具体地，涉及一种电力通信网中关键节点识别方法。

背景技术

对复杂网络的研究，现有方法多是对于节点的度，介数，特征向量等常规指标的研究，具有普适性，然而由于没有考虑到网络节点的行业特点，因此这些研究对于实际网络，如电力通信网等并不能做出全面有效的评价。而对于电力通信网的研究，现有方法多是仅仅在通信层面考虑问题，导致考虑不全面准确性较差。

综上所述，本申请发明人在实现本申请发明技术方案的过程中，发现上述技术至少存在如下技术问题：

在现有技术中，现有的电力通信网中关键节点识别方法存在准确性较差的技术问题。

发明内容

本发明提供了一种电力通信网中关键节点识别方法，解决了现有的电力通信网中关键节点识别方法存在准确性较差的技术问题，实现了准确对电力通信网中关键节点进行识别的技术效果。

为解决上述技术问题，本申请提供了一种电力通信网中关键节点识别方法，所述方法包括：

步骤1：基于电力通信网信息，构建电力通信网节点重要度评价体系；

步骤2：基于电力通信网节点重要度评价体系，构建规范化矩阵；

步骤3：基于熵权法和层次分析法，综合确定指标权重；

步骤4：将权重向量与规范化矩阵结合，构造加权规范化矩阵；

步骤5：基于加权规范化矩阵，计算获得节点重要度排序，基于排序结果识别出关键节点。

其中，本申请中的电力通信网中关键节点识别方法，首先基于电力通信网信息，构建电力通信网节点重要度评价体系，利用全面的评价体系保障了评价的全面，进而保障评价的准确性；然后基于电力通信网节点重要度评价体系，构建规范化矩阵；然后基于熵权法和层次分析法，综合确定指标权重；然后将权重向量与规范化矩阵结合，构造加权规范化矩阵；然后基于加权规范化矩阵，计算获得节点重要度排序，基于排序结果识别出关键节点，即本申请中的方法通过全面的评价体系，加上规范化的矩阵，然后通过合理的熵权法和层次分析法确定指标权重，构造出了准确的加权规范化矩阵，基于准确的加权规范化矩阵，计算获得准确的节点重要度排序，进而识别出准确的关键节点。

进一步的，所述电力通信网节点重要度评价体系包括：目标层、准则层、指标层；其中，目标层为节点重要度水平；目标层下的准则层包括：点类别因素、站点负荷因素、节点拓扑位置；站点类别因素下的指标层包括：站点等级、站点规模两个指标；站点负荷因素下的指标层包括：负荷等级、负荷大小两个指标；节点拓扑位置下的指标层包括：度中心度、紧密中心度、中介中心度三个指标。

进一步的：

度中心度C_Di为C_Di＝k_i/(N-1)，其中，定义节点i与其他节点直接相关联的边数为k，；

紧密中心度C_Ci为

定义节点i到节点j的最短路径中包含边的数量为d_ij；

中介中心度C_Bi为

定义网络中任意两节点j和k之间最短路径总数为g_jk，其中，经过节点i的最短路径条数为g_jk(i)。

进一步的，所述步骤2具体包括：

设电力通信网节点重要度水平评价体系中，总共有N个节点，a表示准则层的第a项分类指标，准则层每项指标下有m个分类细化指标，i、j分别表示第i 个节点，第j个分类细化指标；

构造第a项指标的决策矩阵X_a：

对决策矩阵X_a进行标准化处理，构成规范决策矩阵R_a＝(r_ij)_N×m：

对于效益型指标：

对于成本型指标：

其中，x_ij ^max＝max{x_ij|1≤i≤N}，x_ij ^min＝min{x_ij|1≤i≤N}。

进一步的，所述步骤3具体包括：

将准则层第a项指标下的各个指标两两比较，构造出比较判断矩阵A；

计算比较判断矩阵A满足等式A_w1＝λ_maxw1的最大特征根λ_max和对应的特征向量w₁，w₁即是单排序权值；

进行一致性检验，计算一致性指标

其中，m为比较判断矩阵的阶数；计算一致性比率

其中，R_I为平均随机一致性指标；

当C_R＜0.1时，则判断矩阵具有满意的一致性，将w₁归一化，得到主观权重 w_aj'；

计算第a项分类指标的第j个分类细化指标的熵值：

其中，k＝1/InN，得到熵权向量的计算公式如下：

确定综合权重：

其中，w_aj满足0≤w_aj≤1，

进一步的，所述步骤4具体为：

将权重向量与规范化矩阵结合，构造加权规范化矩阵Ya：

。

进一步的，所述步骤5具体包括：

获得每个节点准则层各指标的相对贴近度，并将相对贴近度作为节点重要度的指标值，组成新的决策矩阵X＝(x_ij)_N×M；

进行规范化处理，得到规范化决策矩阵R＝(r_ij)_N×M，计算各指标权重W，得到加权规范化矩阵Y＝(y_ij)_N×M；

计算出每个节点对相对贴近度Z_i，获得节点重要度排序，进而识别出关键节点。

进一步的，所述步骤5具体包括：

基于加权规范化矩阵Y_a，计算指标体系中第a项分类指标的正负理想解；

正理想解：

负理想解：

其中，L＝{1,…,N}，；

计算节点重要度水平体系中第a项分类指标值与正负理想值之间的欧式距离：

到正理想解的距离：

到负理想解的距离：

得到每个节点第a项指标的相对贴近度：Z_ai＝D^- _ai/(D⁺ _ai+D^- _ai),i＝1,2,…N；

得到每个节点准则层各指标的相对贴近度，分别计算出准则层站点类别因素，站点负荷因素，节点拓扑位置三个分类指标的相对贴近度，并以此作为节点重要度的指标值，组成新的决策矩阵X＝(x_ij)_N×M，进行规范化处理，得到规范化决策矩阵R＝(r_ij)_N×M，计算各指标权重W，得到加权规范化矩阵Y＝(y_ij)_N×M，最后计算出每个节点对相对贴近度Z_i，从而得出节点重要度排序，识别出关键节点。

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

现有技术中的方法没有从电力通信网与电网的特殊关系分析节点的重要性，未能考虑网络节点自身地位和作用的区别，因此不能全面有效地反应出通信节点在拓扑层的重要性。而本申请中的方法将电力通信网的拓扑结构和节点行业特点结合起来，更准确的识别电力通信网中的关键节点。

进一步的，由于电力通信网属于复杂网络的范畴，因此具备很多复杂网络的拓扑特点，又由于其是电力系统的通信专网，又具备较强的行业特点，因此在评价网络中节点重要度的时候，本申请将网络拓扑结构与通信网实际相结合，能够得到准确的评价结果，并且，权重的确定对于评价结果有很大的影响，本申请好的方法确立一个更为综合性的权重值，保障了评价结果的科学性、合理性。

进一步的，本方法将电力通信网的拓扑结构与电网影响因子结合起来，得到一个电力通信网节点重要度的评价方法，该方法既考虑了复杂网络的拓扑结构，又考虑了通信节点所在站点因素，更具有全面性、有效性，能够更为准确的识别电力通信网中重要的节点。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；

图1是本申请中电力通信网节点重要度评价体系示意图；

图2是本申请中基于TOPSIS算法的电力通信网节点重要度评价流程示意图；

图3是本申请中电力通信网拓扑结构示意图。

具体实施方式

本发明提供了一种电力通信网中关键节点识别方法，解决了现有的电力通信网中关键节点识别方法存在准确性较差的技术问题，实现了准确对电力通信网中关键节点进行识别的技术效果。

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

请参考图1-图3，电力通信网节点重要度评价体系的构成如图1所示。站点为电力通信网节点所在电力站点，如变电站，发电厂等。该体系由目标层，准则层，指标层构成。其中，准则层包括站点类别因素，站点负荷因素，节点拓扑位置；站点类别因素下的指标层包括站点等级，站点规模两个指标；站点负荷因素下的指标层包括负荷等级，负荷大小两个指标；节点拓扑位置下的指标层包括度中心度，紧密中心度，中介中心度三个指标。采用基于TOPSIS的多属性决策节点重要性综合评价方法，将评价节点重要性的多个评价指标分别看作方案的属性，最终将节点的重要性评价转化为一个多属性决策问题。

站点等级，站点规模，负荷等级，负荷大小指标，均根据各个节点实际情况赋予不同的等级值，具体赋值情况见表一。

度中心度，紧密中心度，中介中心度指标，根据电力通信网拓扑结构计算，具体计算方法如下：

基于图论的方法，构建电力通信网网络拓扑图，设G＝(V,E)为网络的拓扑结构，其中，V＝{v₁，v₂,…,v_N}是网络节点集，|V|＝N。E＝{e₁，e₂,…,e_M}是网络无向链路集，|E|＝M。

定义一

度中心度C_Di

度中心度测量网络中某点与所有其它节点相联系的程度，度中心度越高，节点越重要。定义节点i与其他节点直接相关联的边数为k_i，则度中心度可表示为：

C_Di＝k_i/(N-1) (1)

其中，C_Di为节点i的度中心度；k_i为节点i的度，即该节点与其他节点直接相关联的边数；N为网络中节点总数目。

定义二

紧密中心度C_Ci

紧密中心度反映网络中某节点与其他节点之间的接近程度，紧密中心度越大，表明节点越处于网络的中心位置，节点越重要。定义节点i到节点j的最短路径中包含边的数量为d_ij，则紧密中心度可表示为：

其中，C_Ci为节点i的紧密中心度；N为网络中节点总数目。

定义三

中介中心度C_Bi

中介中心度是以经过网络中某个节点的最短路径数目刻画节点重要性的指标。网络中其他节点对通信时经过该节点的次数越多，则该节点越重要，因此，中介中心度越高，则节点越重要。定义网络中任意两节点j和k之间最短路径总数为g_jk，其中，经过节点i的最短路径条数为g_jk(i)，则中介中心度可表示为：

其中，C_Bi为节点i的中介中心度；N为网络中节点总数目。

基于TOPSIS算法的电力通信网节点重要度评价流程如图2 示。

设电力通信网节点重要度水平评价体系中，总共有N个节点，a表示准则层的第a项分类指标(站点类别因素，站点负荷因素，节点拓扑位置)，准则层每项指标下有m个分类细化指标，i、j分别表示第i个节点，第j个分类细化指标。

1.构造规范化矩阵

构造准则层第a项指标的决策矩阵X_a，其中，N表示N个节点，m表示共有m个分类细化指标。例如，算例中，准则层第一项指标站点类别因素下有两个分类细化指标：站点等级，站点规模，则m＝2。

由于指标体系下各个分类细化指标的类型和量纲不同，为了消除这些影响，需要对决策矩阵X_a进行标准化处理，构成规范决策矩阵R_a＝(r_ij)_N×m。

对于效益型指标：

对于成本型指标：

其中，x_j ^max＝max{x_ij|1≤i≤N}，x_j ^min＝min{x_ij|1≤i≤N}。

2.计算权重W_a向量

本文在权重确定方面，采用将熵权法和层次分析法结合的综合权重确定方法。

层次分析法采用专家打分的方法，将除目标层以外的各层次因素与同层其他因素的重要性进行两两比较，本文中，将准则层第a项指标下的各个指标两两比较，构造出比较判断矩阵A。

判断矩阵元素的值反映了对各因素相对重要性的认识，一般采用1～9及其倒数的标度方法。

计算比较判断矩阵A满足等式A_w1＝λ_maxw1的最大特征根λ_max和对应的特征向量w₁，w₁即是单排序权值。

进行一致性检验，计算一致性指标

其中m为比较判断矩阵的阶数。计算一致性比率

其中R_I为平均随机一致性指标，可通过查表得到。

一般而言，C_R越小说明比较判断矩阵的一致性越好。通常认为C_R＜0.1时，判断矩阵具有满意的一致性。将w₁归一化，得到主观权重w_aj'。

熵权法是根据各指标所包含的信息量的大小来确定指标权重的客观赋权法。

计算第a项分类指标的第j个分类细化指标的熵值e_aj：

其中，r_ij为规范决策矩阵中的值，P_ij为归一化值，e_aj是第j个分类细化指标的熵值。

其中k＝1/InN，最后得到熵权向量的计算公式如下：

确定综合权重：

其中，w_aj满足0≤w_aj≤1，

3.构造加权规范化矩阵Y_a

将权重向量与规范化矩阵结合，构造加权规范化矩阵Y_a。

4.计算相对贴近度

基于加权规范化矩阵Y_a，确定每个分类细化指标的正负理想解。所谓的正理想解就是某一个指标中最优值，反之就是负理想解。

正理想解：

负理想解：

其中，L＝{1,…,N}，即L为电力通信网中节点集合；y_im为矩阵Y_a中第i个节点第m个指标对应的值。每个节点的正负理想解，即为Y_a矩阵中，每列最大值和最小值。

计算节点重要度水平体系中第a项分类指标值与正负理想值之间的欧式距离：

到正理想解的距离：

到负理想解的距离：

得到每个节点第a项指标的相对贴近度：Z_ai＝D^- _ai/(D⁺ _ai+D^- _ai),i＝1,2,…N(14)

至此，可得到每个节点准则层各指标的相对贴近度，分别计算出准则层站点类别因素各节点相对贴近度Z₁＝[z₁₁,z₁₂,…,z_1N]^T，站点负荷因素各节点相对贴近度Z₂＝[z₂₁,z₂₂,…,z_2N]^T，节点拓扑位置各节点相对贴近度Z₃＝[z₃₁,z₃₂,…,z_3N]^T，并以此作为节点重要度的指标值，组成新的决策矩阵X＝(x_ij)_N×M，根据公式(4)、 (5)进行规范化处理，得到规范化决策矩阵R＝(r_ij)_N×M，根据公式(6)到(9)计算各指标权重W，得到加权规范化矩阵Y＝(y_ij)_N×M，最后根据公式(10)到(14)计算出每个节点对相对贴近度Z_i，从而可以得出最终节点重要度排序，识别出关键节点。

5.算例分析

图3 中的网络中有14个节点，16条链路，其中7号节点是省级调度中心，13号节点是地区调度中心，9，10，11，12，14号节点是220kv变电站，其余节点均是500kv变电站。

站点类别因素下的分类细化指标：站点等级和站点规模，站点负荷下的分类细化指标：负荷等级和负荷大小，可参考上文中评价标准，得到其相对影响值，结果如表一所示。

节点拓扑位置下的分类细化指标：度中心度，紧密中心度和中介中心度，由上文中公式计算可得，计算结果如表二所示。

由站点等级，站点规模相对影响值，可以构建站点类别因素决策矩阵X₁，由负荷等级，负荷大小相对影响值，可以构建站点负荷因素决策矩阵X₂，由度中心度，紧密中心度，中介中心度的计算值，可以构建节点拓扑位置决策矩阵X₃。根据决策矩阵，将矩阵中的值进行去量纲处理，可计算出规范化决策矩阵R₁，R₂， R₃。

采用层次分析法及熵权法，计算出综合权重，结果如表三所示。

由规范化决策矩阵R₁，R₂，R₃，及各指标权重值。可构建加权规范化矩阵Y₁， Y₂，Y₃。可计算出准则层各个指标下，每个节点相对贴近度，即为重要度评分。评分结果如表四所示。

由准则层三个指标站点类别因素，站点负荷因素，节点拓扑位置的贴近度，可构建目标层决策矩阵，经计算可构造出目标层规范化矩阵。

计算准则层各指标权重，准则层各指标权重如表五所示。

由规范化决策矩阵R，及准则层各指标权重值。可构建加权规范化矩阵Y。计算出每个节点最终相对贴近度Z_i，即为各节点重要度评分。结果如表六所示。

根据表六计算结果，节点7的重要度最大，这与节点7为省调，在电力通信网中处于较为核心的位置的实际相匹配。节点13是地调，其重要度值高于其余 220kv变电站节点。节点9，11，在拓扑结构中有相同的重要度，然而，综合考虑站点因素后，节点9的重要度要高于节点11。节点3，5，在站点因素方面具有相同的重要度，由于节点5处于网络中比较核心的位置，因此重要度更高。验证了方法的正确性。

具体实现过程如表1-表6所示：

表一.站点类别因素及站点负荷因素相对影响值

表二.电力通信网各节点拓扑位置参数

表三.指标层各指标权重

表四.各节点准则层计算结果及排序

表五.准则层各指标权重

表六.节点重要度计算结果

本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：

现有技术中的方法没有从电力通信网与电网的特殊关系分析节点的重要性，未能考虑网络节点自身地位和作用的区别，因此不能全面有效地反应出通信节点在拓扑层的重要性。而本申请中的方法将电力通信网的拓扑结构和节点行业特点结合起来，更准确的识别电力通信网中的关键节点。

进一步的，由于电力通信网属于复杂网络的范畴，因此具备很多复杂网络的拓扑特点，又由于其是电力系统的通信专网，又具备较强的行业特点，因此在评价网络中节点重要度的时候，本申请将网络拓扑结构与通信网实际相结合，能够得到准确的评价结果，并且，权重的确定对于评价结果有很大的影响，本申请好的方法确立一个更为综合性的权重值，保障了评价结果的科学性、合理性。

进一步的，本方法将电力通信网的拓扑结构与电网影响因子结合起来，得到一个电力通信网节点重要度的评价方法，该方法既考虑了复杂网络的拓扑结构，又考虑了通信节点所在站点因素，更具有全面性、有效性，能够更为准确的识别电力通信网中重要的节点。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种电力通信网中关键节点识别方法，其特征在于，所述方法包括：

步骤1：基于电力通信网信息，构建电力通信网节点重要度评价体系；

步骤2：基于电力通信网节点重要度评价体系，构建规范化矩阵；

步骤3：基于熵权法和层次分析法，综合确定指标权重；

步骤4：将权重向量与规范化矩阵结合，构造加权规范化矩阵；

步骤5：基于加权规范化矩阵，计算获得节点重要度排序，基于排序结果识别出关键节点；所述电力通信网节点重要度评价体系包括：目标层、准则层、指标层；其中，目标层为节点重要度水平；目标层下的准则层包括：点类别因素、站点负荷因素、节点拓扑位置；站点类别因素下的指标层包括：站点等级、站点规模两个指标；站点负荷因素下的指标层包括：负荷等级、负荷大小两个指标；节点拓扑位置下的指标层包括：度中心度、紧密中心度、中介中心度三个指标；

度中心度C_Di为C_Di＝k_i/(N-1)，其中，定义节点i与其他节点直接相关联的边数为k，C_Di为节点i的度中心度；k_i为节点i的度，N为网络中节点总数目；

紧密中心度C_Ci为

定义节点i到节点j的最短路径中包含边的数量为d_ij；

中介中心度C_Bi为

定义网络中任意两节点j和k之间最短路径总数为g_jk，其中，经过节点i的最短路径条数为g_jk(i)；

所述步骤2具体包括：

设电力通信网节点重要度水平评价体系中，总共有N个节点，a表示准则层的第a项分类指标，准则层每项指标下有m个分类细化指标，i、j分别表示第i个节点，第j个分类细化指标；

构造第a项指标的决策矩阵X_a：

对决策矩阵X_a进行标准化处理，构成规范决策矩阵R_a＝(r_ij)_N×m：

对于效益型指标：

对于成本型指标：

其中，x_j ^max＝max{x_ij|1≤i≤N}，x_j ^min＝min{x_ij|1≤i≤N}；

所述步骤5具体包括：

获得每个节点准则层各指标的相对贴近度，并将相对贴近度作为节点重要度的指标值，组成新的决策矩阵X＝(x_ij)_N×M；

进行规范化处理，得到规范化决策矩阵R＝(r_ij)_N×M，计算各指标权重W，得到加权规范化矩阵Y＝(y_ij)_N×M；

计算出每个节点对相对贴近度Z_i，获得节点重要度排序，进而识别出关键节点；其中，基于加权规范化矩阵Y_a，计算指标体系中第a项分类指标的正负理想解；

正理想解：

负理想解：

其中，L＝{1，…，N}，其中，L为电力通信网中节点集合；y_im为矩阵Y_a中第i个节点第m个指标对应的值；每个节点的正负理想解，即为Y_a矩阵中，每列最大值和最小值；

计算节点重要度水平体系中第a项分类指标值与正负理想值之间的欧式距离：

到正理想解的距离：

到负理想解的距离：

得到每个节点第a项指标的相对贴近度：Z_ai＝D^- _ai/(D⁺ _ai+D^- _ai)，i＝1，2，…N；

得到每个节点准则层各指标的相对贴近度，分别计算出准则层站点类别因素，站点负荷因素，节点拓扑位置三个分类指标的相对贴近度，并以此作为节点重要度的指标值，组成新的决策矩阵X＝(x_ij)_N×M，进行规范化处理，得到规范化决策矩阵R＝(r_ij)_N×M，计算各指标权重W，得到加权规范化矩阵Y＝(y_ij)_N×M，最后计算出每个节点对相对贴近度Z_i，从而得出节点重要度排序，识别出关键节点。

2.根据权利要求1所述的电力通信网中关键节点识别方法，其特征在于，所述步骤3具体包括：

将准则层第a项指标下的各个指标两两比较，构造出比较判断矩阵A；

计算比较判断矩阵A满足等式Aw₁＝λ_maxw₁的最大特征根λ_max和对应的特征向量w₁，w₁即是单排序权值；

进行一致性检验，计算一致性指标

其中，m为比较判断矩阵的阶数；计算一致性比率

其中，R_I为平均随机一致性指标；

当C_R＜0.1时，则判断矩阵具有满意的一致性，将w₁归一化，得到主观权重w_aj'；

计算第a项分类指标的第j个分类细化指标的熵值：

其中，k＝1/InN，r_ij为规范决策矩阵中的值，P_ij为归一化值，e_aj是第j个分类细化指标的熵值，得到熵权向量的计算公式如下：

确定综合权重：

其中，w_aj满足0≤w_aj≤1，

3.根据权利要求1所述的电力通信网中关键节点识别方法，其特征在于，所述步骤4具体为：

将权重向量与规范化矩阵结合，构造加权规范化矩阵Y_a：

。

Images