CN107563587A

CN107563587A - 一种关键业务识别方法及装置

Info

Publication number: CN107563587A
Application number: CN201710600075.7A
Authority: CN
Inventors: 杨学涛; 韩宇奇; 马世英; 郭创新; 宋墩文; 许鹏飞; 陈勇; 杜三恩; 刘道伟; 冯静; 李铮; 熊选文; 位士全; 郅治
Original assignee: Zhejiang University ZJU; State Grid Corp of China SGCC; State Grid Zhejiang Electric Power Co Ltd; China Electric Power Research Institute Co Ltd CEPRI
Current assignee: Zhejiang University ZJU; State Grid Corp of China SGCC; State Grid Zhejiang Electric Power Co Ltd; China Electric Power Research Institute Co Ltd CEPRI
Priority date: 2017-07-21
Filing date: 2017-07-21
Publication date: 2018-01-09

Abstract

本发明涉及一种物理电网系统保护层的关键业务识别方法及装置，包括：根据业务重要度的特征指标，建立各特征指标下的业务相对重要值矩阵；对业务相对重要值矩阵加权求和，确定加权综合相对重要值矩阵；根据加权综合相对重要值矩阵计算加权影响因子，按所述加权影响因子大小排序，以加权影响因子的大小为依据识别业务的关键性；其中，加权影响因子越大，则其对应的业务越关键。

Description

一种关键业务识别方法及装置

技术领域

本发明涉及一种识别方法及装置，具体涉及一种关键业务识别方法及装置。

背景技术

随着经济的不断发展，智能电网建设的不断推进，以及电网的大规模互联，作为电力系统通信专网的电力通信网承载的业务不断增多，网络结构随之越加复杂化。电力系统越来越依赖于信息通信系统(ICS)和监测控制系统(MCS)以保障其安全、可靠、高效的运行，电力通信网作为ICS和MCS的支撑网络，其可靠性研究被置于了非常重要的位置。

传统的网络脆弱性分析大多基于拓扑结构和网络流量，很少考虑网络中传输业务的类别和特征。拓扑脆弱性和流量脆弱性只能间接地反映网络业务的损失情况，当拓扑和流量不能正确描述网络业务的损失程度时，传统网络脆弱性分析就失去了意义。特别是物理电网系统保护层关键业务识别尤为重要。

目前关键业务识别方法大多是利用专家系统。然而，这种方法具有极大的主观不确定性。

发明内容

为了弥补上述缺陷，本发明提供一种关键业务识别方法及装置，克服了现有物理电网系统保护层关键业务识别方法中，存在较大主观不确定性难题。

本发明的目的是采用下述技术方案实现的：

一种关键业务识别方法，所述方法包括：

根据业务重要度的特征指标，建立各特征指标下的业务相对重要值矩阵；

对所述业务相对重要值矩阵加权求和，确定加权综合相对重要值矩阵；

根据加权综合相对重要值矩阵计算加权影响因子，按所述加权影响因子大小排序，以加权影响因子的大小为依据识别业务的关键性；其中，加权影响因子越大，则其对应的业务越关键。

优选的，所述建立各特征指标下的业务相对重要值矩阵之前包括：定义评价业务集中业务重要度的特征指标，生成特征指标集；

所述业务集是通过读取物理电网系统保护层中的相关业务构成的集合，其表达式为：

O＝{o_i},i＝1,2,...,I；

其中，O为业务集，I为业务总数，o_i表示第i个业务。

进一步地，所述生成特征指标集记为M＝{m_n},n＝1,2,...,N；

其中，M为特征指标集，N为特征指标总量，m_n为特征指标，所述特征指标包括时延、业务通道、误码率、实时性、可靠性和安全区。

进一步地，获得所述特征指标集中，各业务在特征指标下的重要值包括：将业务集O对应的特征指标集M全局映射到整数域，得到业务o_i在特征指标m_n下的重要值越大则对应业务o_i的重要度越高。

进一步地，通过下式确定各特征指标下的相对重要值矩阵

式中，I表示业务总数，i、j∈I，表示业务o_i在特征指标m_n下的重要值相较于业务o_j的相对重要度，若o_i的重要值大于o_j，将赋值为1，相反则赋值为0，若与业务o_j重要值一致，则赋值0.5。

进一步地，根据相对重要值矩阵，可得：

通过下式确定加权综合相对重要值矩阵：

式中，a_ij表示第i行j列元素的加权综合相对重要值，I表示业务总数，i、j∈I，b_n为特征指标m_n的受关注度，b_n值大小与特征指标m_n对应的业务的重要度呈正比。

进一步地，通过下式确定加权影响因子：

式中，表示矩阵A中第i个元素的加权影响因子。

一种关键业务识别装置，所述装置包括：

构建模块，用于根据业务重要度的特征指标，建立各特征指标下的业务相对重要值矩阵；

确定模块，用于对所述业务相对重要值矩阵加权求和，确定加权综合相对重要值矩阵；

计算模块，用于根据加权综合相对重要值矩阵计算加权影响因子；

识别模块，用于按所述加权影响因子大小排序，以加权影响因子的大小为依据识别业务的关键性；其中，加权影响因子越大，则其对应的业务越关键。

优选的，所述构建模块包括：第一生成单元，用于通过读取物理电网系统保护层中的相关业务，构成业务集，其表达式为：

O＝{o_i},i＝1,2,...,I；

其中，I为业务总数，o_i表示第i个业务；

第二生成单元，用于生成特征指标集记为M＝{m_n},n＝1,2,...,N；其中，N为特征指标总量，所述特征指标包括时延、业务通道、误码率、实时性、可靠性和安全区；

获取单元，用于获得特征指标集中，各业务在特征指标下的重要值；

第一确定单元，用于通过下式确定各特征指标下的相对重要值矩阵

优选的，所述确定模块，包括第二确定单元，用于通过下式确定加权综合相对重要值矩阵：

优选的，所述计算模块，包括第三确定单元，用于通过下式确定加权影响因子：

式中，表示矩阵A中第i个元素的加权影响因子。

与最接近的现有技术相比，本发明的有益效果是：

本发明提供的技术方案，在关键业务识别方法中引入了加权电网影响因子的概念，根据业务重要度的特征指标，建立各特征指标下的业务相对重要值矩阵；对业务相对重要值矩阵加权求和，确定加权综合相对重要值矩阵；根据加权综合相对重要值矩阵计算加权影响因子，按所述加权影响因子大小排序，以加权影响因子的大小为依据识别业务的关键性；从而更加准确、客观地识别物理电网系统保护层关键业务，克服了利用专家系统对物理电网系统保护层关键业务识别的主观不确定性。本方案不但可靠易行，且经济成本低、便于推广；对物理电网系统保护层关键业务识别具有非常重要的意义。

附图说明

图1是本发明实施例中一种关键业务识别方法流程图；

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供的一种关键业务识别方法，从而弥补了现有物理电网系统保护层关键业务识别方法中，存在较大的主观不确定性的缺陷，如图1所示，包括：

S101根据业务重要度的特征指标，建立各特征指标下的业务相对重要值矩阵；

具体的，步骤S101中，在建立各特征指标下的业务相对重要值矩阵之前包括：定义评价业务集中业务重要度的特征指标，生成特征指标集；其中，业务集是通过读取物理电网系统保护层中的相关业务构成的集合，表达式如下：

O＝{o_i},i＝1,2,...,I；

其中，I为业务总数，o_i表示第i个业务。

生成特征指标集记为M＝{m_n},n＝1,2,...,N；

其中，N为特征指标总量，特征指标包括时延、业务通道、误码率、实时性、可靠性和安全区。

获得特征指标集中，各业务在特征指标下的重要值包括：将业务集O对应的特征指标集M全局映射到整数域，得到业务o_i在特征指标m_n下的重要值。具体为：将非常重要、重要、一般、不重要等重要度指标分别对应为4、3、2、1；越大则对应业务o_i的重要度越高。这里的映射是将定性的重要程度的转化为定量的数值大小。例如指标1(误码率等)对业务A来说非常重要(重要、一般、不重要等)，则相应的映射到整数域的值为4(3、2、1)。至于如何定性评价指标对业务的重要程度，则有操作人员来判断。上述映射关系，实际上可以看做是打分，能够体现重要程度关系即可，但为了方便综合考虑各个指标，则应该取相同的范围。

通过下式确定各特征指标下的相对重要值矩阵

式中，I表示业务总数，i、j∈I，表示业务o_i在特征指标m_n下的重要值相较于业务o_j的相对重要度，若o_i的重要值大于o_j，将赋值为1，相反则赋值为0，若与业务o_j重要度一致，则赋值0.5。

S102对所述业务相对重要值矩阵加权求和，确定加权综合相对重要值矩阵；

根据相对重要值矩阵，可得：

通过下式确定加权综合相对重要值矩阵：

式中，式中，a_ij表示第i行j列元素的加权综合相对重要值，I表示业务总数，i、j∈I，b_n为特征指标m_n的受关注度，b_n值大小与特征指标m_n对应的业务的重要度呈正比。

S103根据加权综合相对重要值矩阵计算加权影响因子，按所述加权影响因子大小排序，以加权影响因子的大小为依据识别业务的关键性；其中，加权影响因子越大，则其对应的业务越关键。

通过下式确定加权影响因子：

式中，表示矩阵A中第i个元素的加权影响因子。

加权影响因子由某业务对各指标的加权综合相对重要值相加得到，而各指标的相对重要值是通过各个业务直接比较得到的。可以设想一个极端的例子，业务1对所有指标的要求都特别高，那么通过与其他各业务相比，其对所有指标的相对重要值都为1(除了a₁₁为0.5)，通过加权之后，其加权综合相对重要值也为1，最终计算出的加权电网影响因子为N-0.5，将比其他业务的影响因子值大，所以更为关键。加权电网影响因子越大，表明该业务对指标(综合考虑)要求越高，因此越关键。

基于上述发明构思，本实施例中还提供一种关键业务识别装置，包括：构建模块、确定模块、计算模块和识别模块。

其中，构建模块包括：第一生成单元，用于通过读取物理电网系统保护层中的相关业务，构成业务集，其表达式为：

O＝{o_i},i＝1,2,...,I；

其中，I为业务总数，o_i表示第i个业务；

其中，确定模块，包括第二确定单元，用于通过下式确定加权综合相对重要值矩阵：

其中，计算模块，包括第三确定单元，用于通过下式确定加权影响因子：

式中，表示矩阵A中第i个元素的加权影响因子。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims

1.一种关键业务识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述建立各特征指标下的业务相对重要值矩阵之前包括：定义评价业务集中业务重要度的特征指标，生成特征指标集；

O＝{o_i},i＝1,2,...,I；

其中，O为业务集，I为业务总数，o_i表示第i个业务。

3.根据权利要求2所述的方法，其特征在于，所述生成特征指标集记为M＝{m_n},n＝1,2,...,N；

4.根据权利要求2所述的方法，其特征在于，获得所述特征指标集中，各业务在特征指标下的重要值包括：将业务集O对应的特征指标集M全局映射到整数域，得到业务o_i在特征指标m_n下的重要值越大则对应业务o_i的重要度越高。

5.根据权利要求4所述的方法，其特征在于，通过下式确定各特征指标下的相对重要值矩阵

6.根据权利要求5所述的方法，其特征在于，根据相对重要值矩阵，可得：

<mrow> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>b</mi> <mi>n</mi> </msub> <mo>&CenterDot;</mo> <msubsup> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> </msubsup> <mo>;</mo> </mrow>

通过下式确定加权综合相对重要值矩阵：

7.根据权利要求6所述的方法，其特征在于，通过下式确定加权影响因子：

<mrow> <msubsup> <mi>a</mi> <mi>i</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msubsup> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>I</mi> </munderover> <msub> <mi>a</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>;</mo> </mrow>

式中，表示矩阵A中第i个元素的加权影响因子。

8.一种关键业务识别装置，其特征在于，所述装置包括：

9.根据权利要求8所述的装置，其特征在于，所述构建模块包括：第一生成单元，用于通过读取物理电网系统保护层中的相关业务，构成业务集，其表达式为：

O＝{o_i},i＝1,2,...,I；

其中，I为业务总数，o_i表示第i个业务；

10.根据权利要求8所述的装置，其特征在于，所述确定模块，包括第二确定单元，用于通过下式确定加权综合相对重要值矩阵：

11.根据权利要求8所述的装置，其特征在于，所述计算模块，包括第三确定单元，用于通过下式确定加权影响因子：

式中，表示矩阵A中第i个元素的加权影响因子。