CN109377034A - 基于智能电网信息通信系统的风险态势评估方法 - Google Patents

基于智能电网信息通信系统的风险态势评估方法 Download PDF

Info

Publication number
CN109377034A
CN109377034A CN201811185333.0A CN201811185333A CN109377034A CN 109377034 A CN109377034 A CN 109377034A CN 201811185333 A CN201811185333 A CN 201811185333A CN 109377034 A CN109377034 A CN 109377034A
Authority
CN
China
Prior art keywords
index
risk
fuzzy
formula
membership
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.)
Pending
Application number
CN201811185333.0A
Other languages
English (en)
Inventor
刘昆
邹岳琳
郭江涛
张龙军
王天军
明涛
王巧莉
马斌
吕娜
尹蕊
张烜
顾楠
杨淼
高阳
赵刚
常春雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Network Xinjiang Electric Power Co Ltd Information And Communication Co
State Grid Corp of China SGCC
Original Assignee
National Network Xinjiang Electric Power Co Ltd Information And Communication Co
State Grid Corp of China SGCC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Network Xinjiang Electric Power Co Ltd Information And Communication Co, State Grid Corp of China SGCC filed Critical National Network Xinjiang Electric Power Co Ltd Information And Communication Co
Priority to CN201811185333.0A priority Critical patent/CN109377034A/zh
Publication of CN109377034A publication Critical patent/CN109377034A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电网信息通信安全技术领域，是一种基于智能电网信息通信系统的风险态势评估方法，包括S1：建立风险态势评估指标体系；S2：利用主客观相结合的计算方法确定风险态势评估指标体系中指标的模糊密度；S3：将指标的模糊密度进行模糊测度后，用模糊积分算子来融合各指标集合的模糊测度值；S4：确定风险等级，构造相应的隶属函数，得出模糊评价矩阵；S5：将指标集合的模糊测度值与各风险等级相对应的评价矩阵进行模糊积分，得出该风险等级的综合估计值，重复上述S3至S4，得出智能电网信息通信系统的风险态势综合估计值。本发明提供的方法考虑了各指标间的耦合性和风险，提高了评估结果的精确性。

Description

基于智能电网信息通信系统的风险态势评估方法
技术领域
本发明涉及电网信息通信安全技术领域，是一种基于智能电网信息通信系统的风险态势评估方法。
背景技术
随着能源互联网掀起的热潮，电力系统的组织结构和运行方式都在发生着深刻的变化。分布式电源以及各种储能设备不断接入，运行方式变得更加灵活；设备数据精度、采集的频度不断提高，产生海量数据程指数级增长；未来的电力系统不仅仅是电能生产、运输、分配、使用的物理系统，而是由物理系统、信息系统、控制单元深度耦合的电力CPS系统。在电力CPS中，风险的传播方式具有明显的耦合性，其CPS特征在给电力系统带来高效、稳定运行的同时，也带来了许多不确定因素。
传统的电力信息通信网络风险态势评估方法主要可以分为定性分析、定量分析、综合分析三种，如主成分分析法、BP神经网络法等。然而主成分分析法思想是通过原有变量的少数线型组合来解释原有变量，以达到对高维变量综合和化简的目的，但是这种方法样本的数量选取都比较重要，结果对数据的选取比较敏感；BP神经网络法对电力通信网络进行风险评估时将通信网抽象为3层的前馈BP网络进行分析，在一定程度上缩短了收敛的时间，但可能会出现局部最优的偏差，且隐含层节点数目不易确定。
发明内容
本发明提供了一种基于智能电网信息通信系统的风险态势评估方法，克服了上述现有技术之不足，其能有效解决现有技术中在筛选影响智能电网信息通信系统安全性指标时，仅依靠专家支持度法造成的依赖专家经验定性过于主观、忽略评估指标间的耦合性和风险的非可加性，导致的无法真实反应系统可靠性的问题。
本发明的技术方案是通过以下措施来实现的：一种基于智能电网信息通信系统的风险态势评估方法，包括以下步骤：
S1：建立智能电网信息通信系统风险指标体系，以专家支持度法和最小均差法相结合的方式对智能电网信息通信系统的风险指标进行初步筛选，将筛选出的指标作为初选指标，并将初选指标采用层次化体系架构建模生成风险态势评估指标体系，其中筛选初选指标具体包括以下过程：
S101，邀请M位相关领域的专家，对风险指标X进行投票，计算每个指标的专家支持度：
式中：supi表示指标i的支持度，vi表示的是专家对指标i的投票数目；M为参与投票的专家总数，
S102，运用最小均差法，假设风险指标X有n条评估样本数据，每个样本对象都有m个指标，指标值用参数xij(i＝1,2,…,n；j＝1,2,…,m,)来表示，第j指标的均方差如下：
式中：m为指标的个数；为样本均值；
S103，将专家支持度方法和最小均差法相结合，判断是否满足设置的限定条件，条件表达式为：
若满足，则剔除对应的风险指标若不满足，则将对应的风险指标作为初选指标；
S104：将筛选出的初选指标采用层次化体系架构建模生成风险态势评估指标体系，将风险态势评估指标体系分为目标层、准则层和指标层；
S2：利用主客观相结合的计算方法确定风险态势评估指标体系中指标的模糊密度；
S3：将指标的模糊密度进行模糊测度后，用模糊积分算子来融合各指标集合的模糊测度值；
S4：确定风险等级，根据风险等级构造各相应的隶属函数，得出模糊评价矩阵；
S5：将S3中各指标集合的模糊测度值与S4中各风险等级相对应的隶属函数的评价矩阵进行模糊积分，得出该风险等级的综合估计值，循环上述S3至S4，直到达到最高的目标层得出智能电网信息通信系统的风险态势综合估计值。
下面是对上述发明技术方案的进一步优化或/和改进：
上述S2中：计算指标的模糊密度具体包括以下过程：
S201，根据AHP法得到主观权重序列的过程为：
S2011，根据构建的电力信息通信网络风险态势评估指标体系X构造判断矩阵：
设xi∈X(i＝1,2,…,n)，αij代表指标xi对xj的相对重要性，则指标xi对xj的相对重要性为1/αij，确定判断矩阵A＝(αij)n×n，
S2012，使用方根法来确定指标权重，得到判断矩阵后，其方根法如下：
得到初选指标权重序列η′＝(η1′,η2′,…，ηn′)T，
式中：n代表指标的个数；aij代表判断矩阵中xi相对xj的重要性标度；ηi′代表第i个指标的主观权值，
S2013，根据上一步骤得到的指标权重序列，将其进行0-1标准化：
式中：ηi代表第i个标准化后的指标值；n代表指标的个数；
S2014，由此可得改进的AHP法求得的主观权值为：η＝(η1,η2,…，ηn)T，
S202，根据熵权法得到客观权值的过程为：
S2021，设有m条数据样本，n项评估指标，其组成的指标数据矩阵为X＝(xij)m×n，指标值xij在指标j下的权重为h(xij)，
指标j的熵值为ej，
式中：k＝(lnm)-1,ej≥0，
S2022，计算各指标的变异程度系数dj：
dj＝1-ej (8)
式中：j＝1,2,…,n，
S2023,计算各指标的权重系数ξj：
式中：n代表指标的个数；j＝1,2,…,n；ξj代表第j个指标的客观权值，
S2024，由此可得熵值法求得的客观权值为：ξ＝(ξ1,ξ2,…,ξn)T；
S203：利用基于偏好因子的主客观权重结合法，将主客观权重结合，来确定各指标的模糊密度，即各指标的综合权重w为:
W＝[αη1+(1-α)ξ1,αη2+(1-α)ξ2,…,αηn+(1-α)ξn]T (10)
式中：n代表指标的个数；α为主观权向量的偏好因子，取值为0.5。
上述S3中得到指标集合的模糊测度值具体包括以下步骤：
S301，对模糊测度的相关定义、定理进行界定：
令λ∈(-1，∞)，有限集合X＝{x1,x2,…,xn}，|X|＝n≥3，若(X,P(X))为可测空间，且集函数：gλ:P(X)→[0,1]满足下列条件时:
(1)gλ(Φ)＝0,gλ(X)＝1；
(2)F∈P(X),E∩F＝Φ，E∪F≠X，有:gλ(E∪F)＝gλ(E)+gλ(F)+λgλ(E)gλ(F)那么，称gλ为λ模糊测度；
正则gλ模糊测度中的参数λ的值由以下方程决定：
当时，λ>0，gλ模糊测度是超可加的；当时，λ＝0，gλ模糊测度是可加的；当时，λ<0，gλ模糊测度是次可加的；
S302：设有限集合X＝x1,x2,…,xn,gλ是P(X)上的λ-Fuzzy测度，记为：
gλ({xi})＝g(i＝1,2,…,n)，则A∈P(X)，有:
S303：根据式(11)，结合S2中指标的模糊密度，求取各指标集合的λ参数值；
S304：根据式(12)，计算各指标集合的模糊测度值，即耦合性权值。
上述S4中得出各风险等级相对应的隶属函数具体包括以下步骤：
S401，按照信息安全风险评估规范划确定风险等级评语集，并将风险等级评语集r分为r1，r2，r3，r4，r5五个模糊集合；
S402，针对上述五个风险等级模糊集合，采用岭型分布模型构造隶属函数，将数据代入式(13)，得到各风险等级相对应的隶属函数，并依据隶属函数得出各风险等级的模糊评价矩阵：
上述于S5：计算风险态势综合估计值具体包括以下过程：
S501：将模糊测度值与评价矩阵进行模糊积分，设有限集X＝{x1,x2,…,xn}，μ:x→[0,1]满足，μ(x1)≤μ(x2)≤…≤μ(xn),则可测函数μ关于模糊测度gλ的choquet模糊积分为:
式中：μ(x0)＝0；Ai＝{xi,xi+1,…,xn}；δi＝gλ(Ai)-gλ(Ai+1)；gλ(An+1)＝0；
S502：假设S4得到的某个风险等级的模糊评价矩阵为：
由式(15)可知，B1～B3相对与风险等级r1的隶属度分别为α11,α21,α31；对矩阵进行列排序，设α11＝0.8，α21＝0.1，α31＝0.3，则α21≤α31≤α11，代入式(14)，得：
式中e(r1)为指标B1～B3相对于风险等级r1的隶属度；
S503：循环上述S501至S502，计算指标B1～B3相对于r2～r5的隶属度；
S504：由指标层向目标层逐级计算直到最高的目标层，由最终得到的隶属度，依据最大隶属度原则，确定基于智能电网信息通信系统的风险态势。
上述S1中所述目标层为总控目标层，表示总体风险态势，包括电力通信网络风险态势；所述准则层包括设备、环境、业务和运维管理；所述指标层为体系框架最底层的因素层包括光缆、SDH设备、PCM设备、载波机、路由/交换机、电源、雷电、冰雪、风力、其他外界因素、控制业务中断时间、管理业务中断时间、设备检修次数、技术管理等级、人员任务完成率。
本发明利用专家支持度法和最小均差法对智能电网信息通信系统的风险指标进行初步筛选，使得筛选出的初选指标不受评估人员的主观经验和专业知识以及最小均方差筛选法过于机械缺乏灵活性的缺点限制，而得出一个相对系统和稳定的指标体系；利用改进的AHP法和客观熵值法相结合来确定各指标的模糊密度，避免了使用单一的某种方法易导致误差偏大的问题；采用模糊分布中的岭型分布模型来构造隶属函数，并结合最小二乘法不断地修正模型中的相应参数，使其尽可能地接近真实情况，反映电力通信网络的客观规律和科学性；用模糊测度来表示单个或集体指标的重要程度，能提高评估的精准性。
附图说明
附图1为本发明的流程图。
附图2为本发明构建风险指标体系的方法流程图。
附图3为本发明计算指标模糊密度的方法流程图。
附图4为本发明计算指标集合模糊测度的方法流程图。
附图5为本发明得到综合风险态势的方法流程图。
附图6为本发明层次化风险态势评估指标体系图。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合附图对本发明作进一步描述：
如附图1、2、表1所示，一种基于智能电网信息通信系统的风险态势评估方法，包括以下步骤：
S1：建立智能电网信息通信系统风险指标体系，以专家支持度法和最小均差法相结合的方式对智能电网信息通信系统的风险指标进行初步筛选，将筛选出的指标作为初选指标，并将初选指标采用层次化体系架构建模生成风险态势评估指标体系，其中筛选初选指标具体包括以下过程：
S101，邀请M位相关领域的专家，对风险指标X进行投票，计算每个指标的专家支持度：
式中：supi表示指标i的支持度，vi表示的是专家对指标i的投票数目；M为参与投票的专家总数，
S102，运用最小均差法，假设风险指标X有n条评估样本数据，每个样本对象都有m个指标，指标值用参数xij(i＝1,2,…,n；j＝1,2,…,m,)来表示，第j指标的均方差如下：
式中：m为指标的个数；为样本均值；
S103，将专家支持度方法和最小均差法相结合，判断是否满足设置的限定条件，条件表达式为：
若满足，则剔除对应的风险指标若不满足，则将对应的风险指标作为初选指标；
S104：将筛选出的初选指标采用层次化体系架构建模生成风险态势评估指标体系，将风险态势评估指标体系分为目标层、准则层和指标层；
S2：利用主客观相结合的计算方法确定风险态势评估指标体系中指标的模糊密度；
S3：将指标的模糊密度进行模糊测度后，用模糊积分算子来融合各指标集合的模糊测度值；
S4：确定风险等级，根据风险等级构造各相应的隶属函数，得出模糊评价矩阵；
S5：将S3中各指标集合的模糊测度值与S4中各风险等级相对应的隶属函数的评价矩阵进行模糊积分，得出该风险等级的综合估计值，循环上述S3至S4，直到达到最高的目标层得出智能电网信息通信系统的风险态势综合估计值。
传统方法在选取指标时往往单一采用定性或定量的方法，前者过于主观，后者过于机械，缺乏灵活性。专家支持度法是一种依靠专家经验的定性的筛选方法，而最小均差法是依靠数据计算的一种定量的方法，因此要结合实际问题，将二者结合起来进行筛选，在风险评估问题中，均方差小的并不意味着就可以直接剔除，系统往往有极其重要且比较稳定的指标，所以需要综合考量。
本发明通过利用专家支持度法和最小均差法对智能电网信息通信系统的风险指标进行初步筛选，使得筛选出的初选指标不受评估人员的主观经验和专业知识以及最小均方差筛选法过于机械缺乏灵活性的缺点限制，而得出一个相对系统和稳定的指标体系；利用改进的AHP法和客观熵值法相结合来确定各指标的模糊密度，避免了使用单一的某种发发可能导致误差偏大的问题；采用模糊分布中的岭型分布模型来构造隶属函数，并结合最小二乘法不断地修正模型中的相应参数，使其尽可能地贴近真实情况，反映电力通信网络的客观规律和科学性；用模糊测度来表示单个或集体指标的重要程度，能提高评估精准性。
下面是对上述发明技术方案的进一步优化或/和改进：
如附图1、附图3所示，S2中：计算指标的模糊密度具体包括以下过程：
S201，根据AHP法得到主观权重序列的过程为：
S2011，根据构建的电力信息通信网络风险态势评估指标体系X构造判断矩阵：
设xi∈X(i＝1,2,…,n)，αij代表指标xi对xj的相对重要性，则指标xi对xj的相对重要性为1/αij，确定判断矩阵A＝(αij)n×n，
S2012，使用方根法来确定指标权重，得到判断矩阵后，其方根法如下：
得到初选指标权重序列η′＝(η1′,η2′,…，ηn′)T，
式中：n代表指标的个数；aij代表判断矩阵中xi相对xj的重要性标度；ηi′代表第i个指标的主观权值，
S2013，根据上一步骤得到的指标权重序列，将其进行0-1标准化：
式中：ηi代表第i个标准化后的指标值；n代表指标的个数；
S2014，由此可得改进的AHP法求得的主观权值为：η＝(η1,η2,…，ηn)T，
S202，根据熵权法得到客观权值的过程为：
S2021，设有m条数据样本，n项评估指标，其组成的指标数据矩阵为X＝(xij)m×n，指标值xij在指标j下的权重为h(xij)，
指标j的熵值为ej，
式中：k＝(lnm)-1,ej≥0，
S2022，计算各指标的变异程度系数dj：
dj＝1-ej (8)
式中：j＝1,2,…,n，
S2023,计算各指标的权重系数ξj：
式中：n代表指标的个数；j＝1,2,…,n；ξj代表第j个指标的客观权值，
S2024，由此可得熵值法求得的客观权值为：ξ＝(ξ1,ξ2,…,ξn)T；
S203：利用基于偏好因子的主客观权重结合法，将主客观权重结合，来确定各指标的模糊密度，即各指标的综合权重w为:
W＝[αη1+(1-α)ξ1,αη2+(1-α)ξ2,…,αηn+(1-α)ξn]T (10)
式中：n代表指标的个数；α为主观权向量的偏好因子，取值为0.5。
传统的层次分析法首先构造判断矩阵，然后利用四法之一进行权重计算，并进行一致性检验，最后进行层次总排序，最终得到评估指标的主观权值。然而，根据模糊测度的定义可知，模糊密度的取值虽然限定于[0,1]范围内,但对于其和并没有限定范围，即不必满足等于1的条件。因此，本发明对传统的层次分析法的方根法和归一化稍作了改进，给出基于偏好因子的主客观权重结合法来确定模糊密度。
如附图1、附图4、表1所示，S3中得到指标集合的模糊测度值具体包括以下步骤：
S301，对模糊测度的相关定义、定理进行界定：
令λ∈(-1，∞)，有限集合X＝{x1,x2,…,xn}，|X|＝n≥3，若(X,P(X))为可测空间，且集函数：gλ:P(X)→[0,1]满足下列条件时:
(1)gλ(Φ)＝0,gλ(X)＝1；
(2)F∈P(X),E∩F＝Φ，E∪F≠X，有:gλ(E∪F)＝gλ(E)+gλ(F)+λgλ(E)gλ(F)那么，称gλ为λ模糊测度；
正则gλ模糊测度中的参数λ的值由以下方程决定：
当时，λ>0，gλ模糊测度是超可加的；当时，λ＝0，gλ模糊测度是可加的；当时，λ<0，gλ模糊测度是次可加的；
S302：设有限集合X＝x1,x2,…,xn,gλ是P(X)上的λ-Fuzzy测度，记为：
gλ({xi})＝g(i＝1,2,…,n)，则A∈P(X)，有:
S303：根据式(11)，结合S2中指标的模糊密度，求取各指标集合的λ参数值；
S304：根据式(12)，计算各指标集合的模糊测度值，即耦合性权值。
如附图1、表1所示，上述S4中得出各风险等级相对应的隶属函数具体包括以下步骤：
S401，按照信息安全风险评估规范划确定风险等级评语集，并将风险等级评语集r分为r1，r2，r3，r4，r5五个模糊集合；
S402，针对上述五个风险等级模糊集合，采用岭型分布模型构造隶属函数，将数据代入式(13)，得到各风险等级相对应的隶属函数，并依据隶属函数得出各风险等级的模糊评价矩阵：
在电力信息通信网的风险态势估计中，风险等级可以看作是没有清晰界限的模糊集，本发明根据《信息安全技术—信息安全风险评估规范》将风险等级评语集r划分为“很高”、“高”、“中等”、“低”、“很低”五个模糊集合，分别用r1，r2，r3，r4，r5来表示。针对上述五个模糊集合，需要构造相应的隶属函数来确定相对于各风险等级的隶属度。本发明采用模糊分布中的岭型分布模型来构造隶属函数，从电力通信网络的实际问题的具体特性出发，经过多次试验，并结合数学中的最小二乘法不断地修正模型中的相应参数，使其尽可能地贴近真实情况，反映客观规律性和科学性。
如附图1、附图5所示，上述S5：计算风险态势综合估计值具体包括以下过程：
S501：将模糊测度值与评价矩阵进行模糊积分，设有限集X＝{x1,x2,…,xn}，μ:x→[0,1]满足，μ(x1)≤μ(x2)≤…≤μ(xn),则可测函数μ关于模糊测度gλ的choquet模糊积分为:
式中：μ(x0)＝0；Ai＝{xi,xi+1,…,xn}；δi＝gλ(Ai)-gλ(Ai+1)；gλ(An+1)＝0；
S502：假设S4得到的某个风险等级的模糊评价矩阵为：
由式(15)可知，B1～B3相对与风险等级r1的隶属度分别为α11,α21,α31；对矩阵进行列排序，设α11＝0.8，α21＝0.1，α31＝0.3，则α21≤α31≤α11，代入式(14)，得：
式中e(r1)为指标B1～B3相对于风险等级r1的隶属度；
S503：循环上述S501至S502，计算指标B1～B3相对于r2～r5的隶属度；
S504：由指标层向目标层逐级计算直到最高的目标层，由最终得到的隶属度，依据最大隶属度原则，确定基于智能电网信息通信系统的风险态势。
模糊积分被认为是在模糊测度的基础上定义的一种非线性函数，被看作是一种基于指标模糊测度的集成算子。由于模糊积分算子的计算不需要假设指标间相互独立，较为适用于电力通信网这种关联性较强的评估问题。
如附图6所示，在S1中，所述目标层为总控目标层，表示总体风险态势，包括电力通信网络风险态势；所述准则层包括设备、环境、业务和运维管理；所述指标层为体系框架最底层的因素层包括光缆、SDH设备、PCM设备、载波机、路由/交换机、电源、雷电、冰雪、风力、其他外界因素、控制业务中断时间、管理业务中断时间、设备检修次数、技术管理等级、人员任务完成率。
以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
表1.风险等级及其描述表

Claims (10)

1.一种基于智能电网信息通信系统的风险态势评估方法，其特征在于包括以下步骤：
S1：建立智能电网信息通信系统风险指标体系，以专家支持度法和最小均差法相结合的方式对智能电网信息通信系统的风险指标进行初步筛选，将筛选出的指标作为初选指标，并将初选指标采用层次化体系架构建模生成风险态势评估指标体系，其中筛选初选指标具体包括以下过程：
S101，邀请M位相关领域的专家，对风险指标X进行投票，计算每个指标的专家支持度：
式中：supi表示指标i的支持度，vi表示的是专家对指标i的投票数目；M为参与投票的专家总数，
S102，运用最小均差法，假设风险指标X有n条评估样本数据，每个样本对象都有m个指标，指标值用参数xij(i＝1,2,…,n；j＝1,2,…,m,)来表示，第j指标的均方差如下：
式中：m为指标的个数；为样本均值；
S103，将专家支持度方法和最小均差法相结合，判断是否满足设置的限定条件，条件表达式为：
若满足，则剔除对应的风险指标若不满足，则将对应的风险指标作为初选指标；
S104：将筛选出的初选指标采用层次化体系架构建模生成风险态势评估指标体系，将风险态势评估指标体系分为目标层、准则层和指标层；
S2：利用主客观相结合的计算方法确定风险态势评估指标体系中指标的模糊密度；
S3：将指标的模糊密度进行模糊测度后，用模糊积分算子来融合各指标集合的模糊测度值；
S4：确定风险等级，根据风险等级构造各相应的隶属函数，得出模糊评价矩阵；
S5：将S3中各指标集合的模糊测度值与S4中各风险等级相对应的隶属函数的评价矩阵进行模糊积分，得出该风险等级的综合估计值，循环上述S3至S4，直到达到最高的目标层得出智能电网信息通信系统的风险态势综合估计值。
2.根据权利要求1所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S2中：计算指标的模糊密度具体包括以下过程：
S201，根据AHP法得到主观权重序列的过程为：
S2011，根据构建的电力信息通信网络风险态势评估指标体系X构造判断矩阵：
设xi∈X(i＝1,2,…,n)，αij代表指标xi对xj的相对重要性，则指标xi对xj的相对重要性为1/αij，确定判断矩阵A＝(αij)n×n，
S2012，使用方根法来确定指标权重，得到判断矩阵后，其方根法如下：
得到初选指标权重序列η′＝(η′1,η′2,…，η′n)T，
式中：n代表指标的个数；aij代表判断矩阵中xi相对xj的重要性标度；η′i代表第i个指标的主观权值，
S2013，根据上一步骤得到的指标权重序列，将其进行0-1标准化：
式中：ηi代表第i个标准化后的指标值；n代表指标的个数；
S2014，由此可得改进的AHP法求得的主观权值为：η＝(η1,η2,…，ηn)T，
S202，根据熵权法得到客观权值的过程为：
S2021，设有m条数据样本，n项评估指标，其组成的指标数据矩阵为X＝(xij)m×n，指标值xij在指标j下的权重为h(xij)，
指标j的熵值为ej，
式中：k＝(lnm)-1,ej≥0，
S2022，计算各指标的变异程度系数dj：
dj＝1-ej (8)
式中：j＝1,2,…,n，
S2023,计算各指标的权重系数ξj：
式中：n代表指标的个数；j＝1,2,…,n；ξj代表第j个指标的客观权值，
S2024，由此可得熵值法求得的客观权值为：ξ＝(ξ1,ξ2,…,ξn)T；
S203：利用基于偏好因子的主客观权重结合法，将主客观权重结合，来确定各指标的模糊密度，即各指标的综合权重w为:
W＝[αη1+(1-α)ξ1,αη2+(1-α)ξ2,…,αηn+(1-α)ξn]T (10)
式中：n代表指标的个数；α为主观权向量的偏好因子，取值为0.5。
3.根据权利要求1或2所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S3中，得到指标集合的模糊测度值具体包括以下步骤：
S301，对模糊测度的相关定义、定理进行界定：
令λ∈(-1，∞)，有限集合X＝{x1,x2,…,xn}，|X|＝n≥3，若(X,P(X))为可测空间，且集函数：gλ:P(X)→[0,1-满足下列条件时:
(1)gλ(Φ)＝0,gλ(X)＝1；
(2)E∩F＝Φ，E∪F≠X，有:gλ(E∪F)＝gλ(E)+gλ(F)+λgλ(E)gλ(F)那么，称gλ为λ模糊测度；
正则gλ模糊测度中的参数λ的值由以下方程决定：
当时，λ>0，gλ模糊测度是超可加的；当时，λ＝0，gλ模糊测度是可加的；当时，λ<0，gλ模糊测度是次可加的；
S302，设有限集合X＝x1,x2,…,xn,gλ是P(X)上的λ-Fuzzy测度，记为：
gλ({xi})＝g(i＝1,2,…,n)，则A∈P(X)，有:
S303，根据式(11)，结合S2中指标的模糊密度，求取各指标集合的λ参数值；
S304，根据式(12)，计算各指标集合的模糊测度值，即耦合性权值。
4.根据权利要求1或2所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S4中得出各风险等级相对应的隶属函数具体包括以下步骤：
S401，按照信息安全风险评估规范确定风险等级评语集，并将风险等级评语集r分为r1，r2，r3，r4，r5五个模糊集合；
S402，针对上述五个风险等级模糊集合，采用岭型分布模型构造隶属函数，将数据代入式(13)，得到各风险等级相对应的隶属函数，并依据隶属函数得出各风险等级的模糊评价矩阵：
5.根据权利要求3所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S4中得出各风险等级相对应的隶属函数具体包括以下步骤：
S401，按照信息安全风险评估规范划确定风险等级评语集，并将风险等级评语集r分为r1，r2，r３，r4，r5五个模糊集合；
S402，针对上述五个风险等级模糊集合，采用岭型分布模型构造隶属函数，将数据代入式(13)，得到各风险等级相对应的隶属函数，并依据隶属函数得出各风险等级的模糊评价矩阵：
6.根据权利要求1或2或5所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S5：计算风险态势综合估计值具体包括以下过程：
S501：将模糊测度值与评价矩阵进行模糊积分，设有限集X＝{x1,x2,…,xn}，μ:x→[0,1]满足，μ(x1)≤μ(x2)≤…≤μ(xn),则可测函数μ关于模糊测度gλ的choquet模糊积分为:
式中：μ(x0)＝0；Ai＝{xi,xi+1,…,xn}；δi＝gλ(Ai)-gλ(Ai+1)；gλ(An+1)＝0；
S502：假设S4得到的某个风险等级的模糊评价矩阵为：
由式(15)可知，B1～B3相对与风险等级r1的隶属度分别为α11,α21,α31；对矩阵进行列排序，设α11＝0.8，α21＝0.1，α31＝0.3，则α21≤α31≤α11，代入式(14)，得：
式中e(r1)为指标B1～B3相对于风险等级r1的隶属度；
S503：循环上述S501至S502，计算指标B1～B3相对于r2～r5的隶属度；
S504：由指标层向目标层逐级计算直到最高的目标层；由最终得到的隶属度，依据最大隶属度原则，确定基于智能电网信息通信系统的风险态势。
7.根据权利要求3所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S5中，计算风险态势综合估计值具体包括以下过程：
S501：将模糊测度值与评价矩阵进行模糊积分，设有限集X＝{x1,x2,…,xn}，μ:x→[0,1]满足，μ(x1)≤μ(x2)≤…≤μ(xn),则可测函数μ关于模糊测度gλ的choquet模糊积分为:
式中：μ(x0)＝0；Ai＝{xi,xi+1,…,xn}；δi＝gλ(Ai)-gλ(Ai+1)；gλ(An+1)＝0；
S502：假设S4得到的某个风险等级的模糊评价矩阵为：
由式(15)可知，B1～B3相对与风险等级r1的隶属度分别为α11,α21,α３1；对矩阵进行列排序，设α11＝0.8，α21＝0.1，α31＝0.3，则α21≤α31≤α11，代入式(14)，得：
式中e(r1)为指标B1～B3相对于风险等级r1的隶属度；
S503：循环上述S501至S502，计算指标B1～B３相对于r2～r5的隶属度；
S504：由指标层向目标层逐级计算直到最高的目标层，由最终得到的隶属度，依据最大隶属度原则，确定基于智能电网信息通信系统的风险态势。
8.根据权利要求4所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S5：计算风险态势综合估计值具体包括以下过程：
S501：将模糊测度值与评价矩阵进行模糊积分，设有限集X＝{x1,x2,…,xn}，μ:x→[0,1]满足，μ(x1)≤μ(x2)≤…≤μ(xn),则可测函数μ关于模糊测度gλ的choquet模糊积分为:
式中：μ(x0)＝0；Ai＝{xi,xi+1,…,xn}；δi＝gλ(Ai)-gλ(Ai+1)；gλ(An+1)＝0；
S502：假设S4得到的某个风险等级的模糊评价矩阵为：
由式(15)可知，B1～B3相对与风险等级r1的隶属度分别为α11,α21,α31；对矩阵进行列排序，设α11＝0.8，α21＝0.1，α31＝0.3，则α21≤α31≤α11，代入式(14)，得：
式中e(r1)为指标B1～B3相对于风险等级r1的隶属度；
S503：循环上述S501至S502，计算指标B1～B3相对于r2～r5的隶属度；
S504：由指标层向目标层逐级计算直到最高的目标层，由最终得到的隶属度，依据最大隶属度原则，确定基于智能电网信息通信系统的风险态势。
9.根据权利要求1或2或5或7或8所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S1中，所述目标层为总控目标层，表示总体风险态势，包括电力通信网络风险态势；所述准则层包括设备、环境、业务和运维管理；所述指标层为体系框架最底层的因素层包括光缆、SDH设备、PCM设备、载波机、路由/交换机、电源、雷电、冰雪、风力、其他外界因素、控制业务中断时间、管理业务中断时间、设备检修次数、技术管理等级、人员任务完成率。
10.根据权利要求6所述的基于智能电网信息通信系统的风险态势评估方法，其特征在于S1中，所述目标层为总控目标层，表示总体风险态势，包括电力通信网络风险态势；所述准则层包括设备、环境、业务和运维管理；所述指标层为体系框架最底层的因素层包括光缆、SDH设备、PCM设备、载波机、路由/交换机、电源、雷电、冰雪、风力、其他外界因素、控制业务中断时间、管理业务中断时间、设备检修次数、技术管理等级、人员任务完成率。
CN201811185333.0A 2018-10-11 2018-10-11 基于智能电网信息通信系统的风险态势评估方法 Pending CN109377034A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811185333.0A CN109377034A (zh) 2018-10-11 2018-10-11 基于智能电网信息通信系统的风险态势评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811185333.0A CN109377034A (zh) 2018-10-11 2018-10-11 基于智能电网信息通信系统的风险态势评估方法

Publications (1)

Publication Number Publication Date
CN109377034A true CN109377034A (zh) 2019-02-22

Family

ID=65403150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811185333.0A Pending CN109377034A (zh) 2018-10-11 2018-10-11 基于智能电网信息通信系统的风险态势评估方法

Country Status (1)

Country Link
CN (1) CN109377034A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978396A (zh) * 2019-03-29 2019-07-05 深圳市人民医院 一种风险事件的早期筛查系统及方法
CN110555624A (zh) * 2019-09-10 2019-12-10 合肥工业大学 一种考虑指标关联的电网调度运行综合评估方法
CN110650040A (zh) * 2019-09-17 2020-01-03 中国民航大学 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法
CN111553509A (zh) * 2020-04-01 2020-08-18 中山大学 针对地质环境风险的轨道交通选线评估及成本优化方法
CN111950627A (zh) * 2020-08-11 2020-11-17 重庆大学 一种多源信息融合方法及其应用
CN111967777A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN113421000A (zh) * 2021-06-30 2021-09-21 中国人民解放军国防科技大学 一种通信设备自主可控评估方法
CN113435713A (zh) * 2021-06-08 2021-09-24 广东省国际工程咨询有限公司 基于gis技术和两模型融合的风险地图编制方法及系统
CN113642934A (zh) * 2021-10-11 2021-11-12 中国电力科学研究院有限公司 电力无线网络通信质量评价方法及系统、设备、存储介质
CN113822532A (zh) * 2021-08-23 2021-12-21 深圳供电局有限公司 信息系统资产风险评估方法及其装置和存储介质
CN114500294A (zh) * 2022-01-14 2022-05-13 国网河北省电力有限公司保定供电分公司 一种通信网络的安全评估方法及其系统
CN111582740B (zh) * 2020-05-13 2023-05-23 电子科技大学 一种多旋翼无人机风险评估系统
CN113822532B (zh) * 2021-08-23 2024-06-07 深圳供电局有限公司 信息系统资产风险评估方法及其装置和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222279A (zh) * 2011-06-14 2011-10-19 华南理工大学 基于模糊综合评判法的制革行业技术的评估方法
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
CN107330610A (zh) * 2017-06-28 2017-11-07 国网山东省电力公司经济技术研究院 一种电网节能减排效益量化评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102222279A (zh) * 2011-06-14 2011-10-19 华南理工大学 基于模糊综合评判法的制革行业技术的评估方法
CN105023067A (zh) * 2015-08-04 2015-11-04 环境保护部南京环境科学研究所 基于层次分析法-模糊综合评价的化工项目环境风险评价体系
CN107330610A (zh) * 2017-06-28 2017-11-07 国网山东省电力公司经济技术研究院 一种电网节能减排效益量化评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔力民 等: "智能电网信息通信系统风险评估的模糊测度方法", 《电力建设》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978396A (zh) * 2019-03-29 2019-07-05 深圳市人民医院 一种风险事件的早期筛查系统及方法
CN110555624A (zh) * 2019-09-10 2019-12-10 合肥工业大学 一种考虑指标关联的电网调度运行综合评估方法
CN110650040A (zh) * 2019-09-17 2020-01-03 中国民航大学 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法
CN110650040B (zh) * 2019-09-17 2022-03-11 中国民航大学 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法
CN111553509A (zh) * 2020-04-01 2020-08-18 中山大学 针对地质环境风险的轨道交通选线评估及成本优化方法
CN111553509B (zh) * 2020-04-01 2023-05-09 中山大学 针对地质环境风险的轨道交通选线评估及成本优化方法
CN111582740B (zh) * 2020-05-13 2023-05-23 电子科技大学 一种多旋翼无人机风险评估系统
CN111950627B (zh) * 2020-08-11 2024-04-05 重庆大学 一种多源信息融合方法及其应用
CN111950627A (zh) * 2020-08-11 2020-11-17 重庆大学 一种多源信息融合方法及其应用
CN111967777B (zh) * 2020-08-19 2023-10-27 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN111967777A (zh) * 2020-08-19 2020-11-20 国网河南省电力公司经济技术研究院 一种储能促进清洁能源利用价值的综合评价方法
CN113435713B (zh) * 2021-06-08 2024-02-23 广东省国际工程咨询有限公司 基于gis技术和两模型融合的风险地图编制方法及系统
CN113435713A (zh) * 2021-06-08 2021-09-24 广东省国际工程咨询有限公司 基于gis技术和两模型融合的风险地图编制方法及系统
CN113421000B (zh) * 2021-06-30 2023-07-11 中国人民解放军国防科技大学 一种通信设备自主可控评估方法
CN113421000A (zh) * 2021-06-30 2021-09-21 中国人民解放军国防科技大学 一种通信设备自主可控评估方法
CN113822532A (zh) * 2021-08-23 2021-12-21 深圳供电局有限公司 信息系统资产风险评估方法及其装置和存储介质
CN113822532B (zh) * 2021-08-23 2024-06-07 深圳供电局有限公司 信息系统资产风险评估方法及其装置和存储介质
CN113642934B (zh) * 2021-10-11 2022-01-04 中国电力科学研究院有限公司 电力无线网络通信质量评价方法及系统、设备、存储介质
CN113642934A (zh) * 2021-10-11 2021-11-12 中国电力科学研究院有限公司 电力无线网络通信质量评价方法及系统、设备、存储介质
CN114500294A (zh) * 2022-01-14 2022-05-13 国网河北省电力有限公司保定供电分公司 一种通信网络的安全评估方法及其系统

Similar Documents

Publication Publication Date Title
CN109377034A (zh) 基于智能电网信息通信系统的风险态势评估方法
CN110020815A (zh) 一种基于网络层次分析法的电网节点综合脆弱性指标计算方法
Zhang et al. A new index and classification approach for load pattern analysis of large electricity customers
CN103577888B (zh) 一种对产品设计方案优选的方法
CN106651169A (zh) 基于模糊综合评价的配电自动化终端状态评价方法及系统
CN108734355A (zh) 一种应用于电能质量综合治理场景的短期电力负荷并行预测方法及系统
CN105975735A (zh) 一种用于电力设备健康状态评估的建模方法
CN108038300A (zh) 基于改进的隶属度函数结合神经网络的光纤状态评估方法
CN110795692A (zh) 一种主动配电网运行状态评估方法
CN110490409B (zh) 一种基于dnn的低压台区线损率标杆值设定方法
CN103632203A (zh) 一种基于综合评价的配电网供电区域划分方法
CN104881609A (zh) 一种复杂软件系统软件单元可信性评估方法
CN104318482A (zh) 一套智能配电网综合评估体系和方法
CN104077493B (zh) 一种电力继电保护系统状态评估指标体系的构建方法
CN110489783B (zh) 一种基于qrnn的低压台区线损率合理范围估计方法
CN111260198A (zh) 一种台区同期线损合理度评判方法、系统及终端设备
CN107358332A (zh) 一种电网调度运行精益化评价方法
CN110826228B (zh) 一种地区电网运行品质极限评估方法
CN109993463A (zh) 一种综合管廊的工程质量管理评价方法
CN108805471A (zh) 基于复合系统作用关系分析的水资源承载能力评价方法
CN107730083A (zh) 对象的能力量化方法及装置
CN114219212A (zh) 一种计及泛在电力物联与边缘计算的需求侧资源柔性调度方法
CN107292489A (zh) 一种电网调度运行精益化评价系统
CN105790262B (zh) 一种基于枚举法的eens等值计算的方法及系统
CN105184496A (zh) 矿井通风系统健康指数综合评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190222