CN110971525B - 一种面向电力通信网的业务运行的业务路由寻址方法 - Google Patents
一种面向电力通信网的业务运行的业务路由寻址方法 Download PDFInfo
- Publication number
- CN110971525B CN110971525B CN201911174339.2A CN201911174339A CN110971525B CN 110971525 B CN110971525 B CN 110971525B CN 201911174339 A CN201911174339 A CN 201911174339A CN 110971525 B CN110971525 B CN 110971525B
- Authority
- CN
- China
- Prior art keywords
- vulnerability
- service
- node
- network
- communication 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
- 230000006854 communication Effects 0.000 title claims abstract description 145
- 238000004891 communication Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 52
- 210000000349 chromosome Anatomy 0.000 claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 52
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000013307 optical fiber Substances 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 23
- 230000008520 organization Effects 0.000 claims description 14
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 7
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims description 3
- 230000001934 delay Effects 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 82
- 238000009826 distribution Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/74—Address processing for routing
- H04L45/741—Routing in networks with a plurality of addressing schemes, e.g. with both IPv4 and IPv6
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/20—Hop count for routing purposes, e.g. TTL
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种面向电力通信网的业务运行的业务路由寻址方法,首先对电力通信网进行建模,并采用基于优先权的染色体编码方式,对通信网的业务运行状态进行编码,接着采用与编码对应的译码方式进行解码,可以得出业务路径集合,然后对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素进行联合分析,得到电力通信网的综合脆弱性评估指标,再根据电力通信网的综合脆弱性评估指标,设置目标函数和约束条件;最后将设置的目标函数作为遗传算法的目标优化函数,根据约束条件采用遗传算法对业务路由进行优化,从业务路径集合中选择出符合条件的业务路径。本发明可以提高寻址效率,并改善寻址效果。
Description
技术领域
本发明涉及电力通信技术领域,具体涉及一种面向电力通信网的业务运行的 业务路由寻址方法。
背景技术
随着电力通信网络结构复杂化和业务多元化,电力通信网的高效、安全、稳 定运行越来越重要。
针对电力通信网不同的应用场景,传统的方法是以增加基础设施冗余度的方 式,对重要业务经过的设备进行双设备保护甚至多设备保护,或者对电力通信网 进行新增站点与光纤链路建设,提高网络连通性,但是需要巨额的资金投入;因 此,需要对电力通信网业务路由寻址进行优化。
本申请发明人在实施本发明的过程中,发现现有技术的方法,至少存在如下 技术问题:
由于电力通信网规模不断扩大,网络结构复杂度不断提高,现有的路由优化 算法无法适应电力网络的变化,因而存在寻址效果不佳的技术问题。
发明内容
有鉴于此,本发明提供了一种面向电力通信网的业务运行的业务路由寻址方 法,用以解决或者至少部分解决现有技术中存在的寻址效果不佳的技术问题。
为了解决上述技术问题,本发明提供了一种面向电力通信网的业务运行的业 务路由寻址方法,包括:
步骤S1:对电力通信网的物理层、网络拓扑层与业务组织层进行联合建模, 业务集合为S={s1,s2,…,sh},电力通信网包括n个节点,h条业务路径,其中,n 和h为正整数;
步骤S2:采用基于优先权的染色体编码方式,对通信网的业务运行状态进 行编码,染色体中每个基因位表示网络中的节点,节点对应的数值表示节点的优 先权,网络节点的总数作为一个独立编码段,代表网络中一个业务的染色体独立 编码,其中,每一个独立编码段代表一个业务路径,将所有独立编码段汇总到一 起组成一个完整的染色体个体,代表电力通信网所有的业务部署;
步骤S3:采用与染色体编码相对应的译码方法对编码后的网络进行译码, 获得业务路径集合;
步骤S4:对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素 进行联合分析,得到电力通信网的综合脆弱性评估指标;
步骤S5:根据电力通信网的综合脆弱性评估指标,设置目标函数和约束条 件;
步骤S6:将设置的目标函数作为遗传算法的目标优化函数,根据约束条件 采用遗传算法对业务路由进行优化,从业务路径集合中选择出符合条件的业务路 径。
在一种实施方式中,步骤S2具体包括:
步骤S2.1:建立h*n的二维数组,h代表网络中业务路径的数量,n代表网 络的节点数;
步骤S2.2:将二维数组的每一行的每一位随机产生1~n不重复的数值,代 表不同节点的优先权,得到新的二维数组;
步骤S2.3:将新的二维数组转化成为长度为h*n的一维数组,并删除在同一 业务路径中重复出现的节点,保证每个节点业务路径中仅出现一次,其中,数组 中每个元素的地址表示染色体中每个基因位,对应的数值代表节点的优先权。
在一种实施方式中,步骤S3具体包括:
对于每一个独立编码段,从起点开始进行路由寻找,若遇到多节点相邻时, 选择优先权高的节点进行寻路,直到业务寻路到终点,其中,每个节点仅允许在 路径中存在一次。
在一种实施方式中,所述方法还包括:
通过引入拦截数组,将出现死路的节点返回到上一节点,并加入到其上一节 点的拦截数组中。
在一种实施方式中,步骤S4具体包括:
步骤S4.1:分别对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性 因素进行分析,获得物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、 网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层 节点脆弱性评估指标和业务组织层链路脆弱性评估指标;
步骤S4.2:根据物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、 网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层 节点脆弱性评估指标和业务组织层链路脆弱性评估指标,获得电力通信网的综合 脆弱性评估指标。
在一种实施方式中,步骤S4.1具体包括:
步骤S4.1.1:根据设备与链路的浴盆效应、人员失误与自然因素等导致的故 障概率,确定物理层节点物理脆弱性NPV与链路物理脆弱性EPV:
步骤S4.1.2:根据经过链路的最短路径在网络中所有最短路径中的占比,确 定网路拓扑层节点物理脆弱性NTV与链路物理脆弱性ETV:
其中,V是节点的集合,σ(m,n)是节点(m,n)之间最短路径的个数,σ(m,n|eij) 节点(m,n)之间,通过边e的最短路径的个数,σ(m,n|vi)表示从节点m到n的所 有最短路径中经过结点i的数目与网络中所有最短路径数目之比;
步骤S4.1.3:根据流经节点和链路的业务承载数量、业务等级重要度确定 业务组织层节点物理脆弱性NP与链路物理脆弱性EP:
其中,D为业务的种类,nk(vi)为节点vi上业务类型为k的业务数量;ns(eij) 为边eij承载的业务类型为k的业务数量;Ck为业务类型为k的业务重要度。
在一种实施方式中,步骤S4.2具体包括:
步骤S4.2.1:根据各层级的脆弱性指标,获得节点综合脆弱性评价指标NV、 链路综合脆弱性评价指标EV和网络平均脆弱度NAV;
其中,ω1和ω4表示物理层脆弱性影响因素的权重,ω2和ω5表示网络拓扑 层脆弱性影响因素的权重,ω3和ω6表示业务组织层脆弱性影响因素的权重,可 以根据各评价指标对网络的效能的影响程度进行设定,M表示链路数量,N表示 节点数量;
步骤S4.2.2:将节点综合脆弱性的标准差和链路综合脆弱性的标准差之和, 作为衡量网络整体脆弱性的指标,称为电力通信网脆弱性均衡度NBV,表达式 如下:
步骤S4.2.3:将网络平均脆弱度NAV和电力通信网脆弱性均衡度NBV作 为电力通信网的综合脆弱性评估指标。
在一种实施方式中,步骤S5中的目标函数为公式(11),
f=min(f1,f2) (11)
其中:
约束条件为:
deley光纤=l*n/c (18)
其中,f1表示网络平均脆弱度NAV,f2表示电力通信网脆弱性均衡度NBV, Ω表示允许的时延最大值,l表示传输距离,n表示光纤芯折射率,c表示光速, 表示复用、解复用的处理时延,deleySDH表示SDH设备的传输时延, deley光纤表示光纤的传输时延、表示为中间节点设备时延光纤的传输 时延。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术 效果:
本发明提供了一种面向电力通信网的业务运行的业务路由寻址方法,对电力 通信网进行建模后,采用基于优先权的染色体编码方式,对通信网的业务运行状 态进行编码,可以将电力通信网业务可能的运行状态进行数字化,接着采用与编 码对应的译码方式进行解码,可以得出业务路径集合,然后对节点与链路在物理 层、网路拓扑层和业务组织层的脆弱性因素进行联合分析,得到电力通信网的综 合脆弱性评估指标,再根据电力通信网的综合脆弱性评估指标,设置目标函数和 约束条件;最后将设置的目标函数作为遗传算法的目标优化函数,根据约束条件 采用遗传算法对业务路由进行优化,从业务路径集合中选择出符合条件的业务路 径。
通过对通信网的业务运行状态进行编码,可以将电力通信网业务可能的运行 状态进行数字化,为后续的网络优化的提供基础,然后通过分析得到电力通信网 的综合脆弱性评估指标,并设置目标函数和约束条件,采用遗传算法那进行求解, 可以得出优化后的路径,可以提高寻址的效率,并且可以优化寻址的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例 或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的 附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳 动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种面向电力通信网的业务运行的业务路由寻址方法 的整体流程图;
图2为本发明实施例中浴盆曲线的示意图;
图3为本发明实施例中采用的基于优先权的染色体编码方式的示意图;
图4为本发明实施例的面向电力通信网业务运行状态的染色体编码方式的 设计方法的流程图;
图5为本发明实施例的面向电力通信网业务运行状态的染色体译码方式的 设计方法的流程图;
图6为本发明实施例的某地区电力通信网的部分网络拓扑;
图7为本发明具体实施方式中初始种群的对应解的空间分布示意图;
图8为本发明具体实施方式中运行第200代种群对应的Pareto最优解的空间 分布示意图。
具体实施方式
本申请发明人通过大量的研究与实践发现:目前,电力通信网规模不断扩大, 网络结构复杂度不断提高,对电力通信网业务路由优化算法的应用研究就越来越 丰富,但如何将电力通信网业务可能的运行状态数字化是对网络进行优化的前提。
鉴于这种现状,对具有实际应用价值的电力通信网的业务运行状态的编码方 式进行设计就具有重要意义。设计一种面向电力通信网的业务运行状态的染色体 编码方式,能够为优化电力通信网络业务路由部署、资源利用率、网络容量规划 等算法提供研究前提,对于优化与仿真技术的研究具有重要研究意义。
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他实施 例,都属于本发明保护的范围。
实施例一
本实施例提供了一种面向电力通信网的业务运行的业务路由寻址方法,请参 见图1,该方法包括:
步骤S1:对电力通信网的物理层、网络拓扑层与业务组织层进行联合建模, 业务集合为S={s1,s2,…,sh},电力通信网包括n个节点,h条业务路径,其中,n 和h为正整数。
具体来说,本实施方式通过图论相关理论将电力通信网定义成为一个有权无 向网络,在构建电力通信网络的同时,需要以下处理:
(1)电力通信网络中的不同层级,如跨区核心层、骨干层、控制层,这三 层中不同等级的站点(包括各厂站和数据调度中心)被抽象成为电力通信网模型 的节点,两节点之间的光缆线路被抽象成为电力通信网的边,等级不同承载的业 务种类与数量都会有所差异,通过分析通过站点和光缆线路的业务种类及其数量, 来评估节点和链路的重要度。一般来说等级越高越重要。同时由于无法对配线架、 光纤熔点进行合理建模,本发明暂不考虑其光纤熔点、配线架等无源设备。
(2)电力通信网的通信光缆线路使用双向通信,因此认为所有通信光缆线 路均为无向边。
(3)电力通信网在实际建设中同一传输方向可能有多条光纤线路,主要因 为城域网光纤通信主要采用普通光纤,大部分光纤线路比较短,通信站内接入光 纤纵横交错,所以为了避免网络出现自环与多重边的现象,同一传输方向只保留 一条链路。
(4)由于电力通信网对业务实时性要求极高,因此,链路的权值由该链路 上的传输时延决定,其中时延包括设备时延和传输时延。
基于以上理论,将电力通信网表示成为含有n个节点,m条链路的无向有权 网络G=(V,E),其中网络节点集合使用V={v1,v2,…,vn}来表示,网络链路集合使 用E={eij}来表示。并将电力通信网的节点和链路用邻接矩阵(Adjacency matrix) 的方法进行储存(Rn*n表示邻接矩阵是一个n*n的方阵)。其中, 如果节点i和节点j间存在链路,那么aij=1,否则aij=0。wij是权值矩阵 表示链路eij时延大小的权值。利用时延作为电力通信网网络的 传输的权值更符合电力通信通信网高实时性的业务路由选择要求。
传统的电力通信网在进行网络脆弱性评估时多考虑的时网络拓扑受到破坏 对网络效能带来的影响,但是因为电力通信网最为重要的任务就是实现信息的传 输,只将电力通信网拓扑进行建模不能满足承载多业务的电力通信网的实际需求。 因此,在对电力通信网建模时还要考虑网络承载的不同业务对网络脆弱性评估的 影响。本发明对网络业务进行如下建模:定义网络中业务集合为S={s1,s2,…,sh},h 代表网络中业务总数,每条业务sh定义为(起点,终点,业务的传输路径,业 务s对应的业务重要度),分别用(start,end,route,Ck)表示。针对电力通 信网中常见的继电保护业务、安全稳定控制业务、调度数据网业务、输变电状态 监测业务、变电站综合监控业务、调度电话业务、配网自动化业务和配网运行监 控业务等不同的业务种类,根据各类业务在电力通信网中的重要程度,设定相应的业务重要度。
模拟真实电力通信网的运行状态,业务路由采用基于bellman-ford最短路径 选路方式对业务集合中每个业务规划其初始路由,下面就要展开对影响该电力通 信网初始网络脆弱性相关指标的建模研究。
步骤S2:采用基于优先权的染色体编码方式,对通信网的业务运行状态进 行编码,染色体中每个基因位表示网络中的节点,节点对应的数值表示节点的优 先权,网络节点的总数作为一个独立编码段,代表网络中一个业务的染色体独立 编码,其中,每一个独立编码段代表一个业务路径,将所有独立编码段汇总到一 起组成一个完整的染色体个体,代表电力通信网所有的业务部署。
具体来说,在利用遗传算法对电力通信网进行优化时,将业务路由优化问题 向编码空间的映射被称之为业务染色体编码,即脆弱性优化指标与染色体之间的 关系。
为了保证业务路由优化空间中的所有可行解都可以表示为遗传算法编码空 间中的染色体位串,本发明提出基于优先权的染色体编码方式,染色体中每个基 因位代表网络中的节点,对应的数值代表节点的优先权,网络节点的总数作为一 个独立编码段,代表着网络中一个业务的染色体独立编码,一个染色体由若干个 染色体独立片段组成,每一个独立编码段代表一个业务路径,将所有独立码段汇 总到一起组成一个完整的染色体个体,代表着电力通信网所有的业务部署,如果 优先权最高的节点为业务起始点,且到终点有路径可寻,则业务编码成功,否则 重新选取,编码方式如图3所示。由前述步骤对电力通信网建模可知,网络 G=(V,E),业务集合为S={s1,s2,…,sh},网络中一共有n个节点,h条业务,那么 染色体个体共由h个独立编码段组成,每个独立编码段有n个基因位。因此,定 义染色体长度L为:
L=h*n (1)
在一种实施方式中,步骤S2具体包括:
步骤S2.1:建立h*n的二维数组,h代表网络中业务路径的数量,n代表网 络的节点数;
步骤S2.2:将二维数组的每一行的每一位随机产生1~n不重复的数值,代 表不同节点的优先权,得到新的二维数组;
步骤S2.3:将新的二维数组转化成为长度为h*n的一维数组,并删除在同一 业务路径中重复出现的节点,保证每个节点业务路径中仅出现一次,其中,数组 中每个元素的地址表示染色体中每个基因位,对应的数值代表节点的优先权。
具体来说,本发明提供的编码方法能够采用计算机软件技术实现流程。图4 为面向电力通信网业务运行状态的染色体编码方式的设计方法的流程图,具体过 程如下:
通过建立h*n的二维数组,h代表网络中业务的数量,n代表网络的节点数。 将二维数组的第一行的每一位随机产生1~n不重复的数值,代表不同节点的优 先权。并对每一行进行上述操作,得到新的二维数组。将上述h*n的二维数组转 化成为长度为h*n的一维数组,并且每个节点仅允许在路径中存在一次,其中数 组中每个元素的地址代表染色体中每个基因位,对应的数值代表节点的优先权, 网络节点的总数作为一个独立编码段,代表着网络中一个业务的染色体独立编码, 一个染色体由若干个染色体独立片段组成,每一个独立编码段代表着一个业务路 径,将所有独立码段汇总到一起组成一个完整的染色体个体,代表着电力通信网 所有的业务部署。
步骤S3:采用与染色体编码相对应的译码方法对编码后的网络进行译码, 获得业务路径集合。
具体来说,利用遗传算法对电力通信网进行优化时,将编码空间向业务路由 优化空间的映射成为业务染色体译码,即将利用优先权编码的染色体映射为电力 通信网的业务路径部署的过程。对于电力通信网业务的染色体来说,是由一个或 多个独立编码段组成。对于某个染色体编码段,从起点开始进行路由寻找,若遇 到多节点相邻时,选择优先权高的节点进行寻路,直到业务寻路到终点,并且每 个节点仅允许在路径中存在一次,以免出现环路情况。然而,由于优先级编码方 法的特殊性,在反解路径的过程中可能会出现无路境可走的情况,依次将所有独 立编码段译码。
在一种实施方式中,步骤S3具体包括:
对于每一个独立编码段,从起点开始进行路由寻找,若遇到多节点相邻时, 选择优先权高的节点进行寻路,直到业务寻路到终点,其中,每个节点仅允许在 路径中存在一次。
在一种实施方式中,所述方法还包括:
通过引入拦截数组,将出现死路的节点返回到上一节点,并加入到其上一节 点的拦截数组中。
具体来说,请参见图5,为本发明实施例的面向电力通信网业务运行状态的 染色体译码方式的设计方法的流程图。
译码过程就是编码的反过程,从起点开始进行路由寻找,若遇到多节点相邻 时,选择优先权高的节点进行寻路,直到业务寻路到终点,所有业务在源点到终 点不改变的前提下,业务从源点出发通过邻接矩阵寻找与之相连的节点,保留优 先权高的节点,并在此节点继续寻找除上一路由之外的其他连接点,以此类推, 最终到达指定终点。然而,由于优先级编码方法的特殊性,在反解路径的过程中 可能会出现无路境可走的情况,此时引入拦截数组,将出现死路的节点返回到上 一节点,并加入到其上一节点的拦截数组中,在进行寻路时,将除去上一跳路由 的节点和拦截数组中的节点,剩下与之相连的节点进行优先权比较,继续寻路。
为了更清楚地说明本发明的编码和解码过程,下面通过一个示例进行说明, 实施例具体实施方案为:
以某地区的电力通信网的部分网络拓扑为例,如图6所示。若该网络中只存 在V2到V4的继电保护业务部署,对上述网络进行编码操作。那么,染色体由 1个独立编码段组成,网络中一共有6个节点,即独立编码段的基因位为6。因 此,染色体长度L为6。如果随机产生某个染色体为(1-2-5-3-6-4)。则节点2对 应的优先权为2,节点4对应的优先权为3。
例如某时刻存在V2到V4的继电保护业务需求,其对应的染色体段的编码 方式为(1-2-5-3-6-4)。则路径依次为V2-V3-V6-V5-V4,当业务寻路达到V1时, 由于连接它的节点(V2,V5,V6)已经在路径中,因此寻路不能继续进行。所以这里 引入拦截数组来解决上述问题,当业务寻路到V1发现无路可走后,则将V1放 入前面一个节点(V5)的拦截数组中,寻路过程返回到V5。在继续选路的过程中, 选择排除拦截节点(V1)和已存在路径中的节点(V6)后的剩余节点中优先权最大 的节点,路径依次为V2-V3-V6-V5-V4,停止循路,即译码结束。
本发明主要是面向电力通信网业务运行状态的染色体译码方式,通过实现基 于优先权的间接编码方式,为电力通信网业务路由优化与仿真应用做好研究准备。 本发明的创新点在于提出了一种面向电力通信网的基于优先权的间接编码方式。 将电力通信网业务进行编码,使用网络邻接矩阵基于优先权的方式进行寻找下一 跳路由;并在译码时利用阻塞数组来避免基于优先权寻路时可能会发生死路的情 况。本发明充分利用了计算资源,为电力通信网不同场景下的业务路由优化的实 现提供了基础,提高了业务路由优化算法和仿真应用的准确性,缩短了编程实现 周期。
步骤S4:对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素 进行联合分析,得到电力通信网的综合脆弱性评估指标。
在一种实施方式中,步骤S4具体包括:
步骤S4.1:分别对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性 因素进行分析,获得物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、 网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层 节点脆弱性评估指标和业务组织层链路脆弱性评估指标;
步骤S4.2:根据物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、 网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层 节点脆弱性评估指标和业务组织层链路脆弱性评估指标,获得电力通信网的综合 脆弱性评估指标。
在一种实施方式中,步骤S4.1具体包括:
步骤S4.1.1:根据设备与链路的浴盆效应、人员失误与自然因素等导致的故 障概率,确定物理层节点物理脆弱性NPV与链路物理脆弱性EPV:
步骤S4.1.2:根据经过链路的最短路径在网络中所有最短路径中的占比,确 定网路拓扑层节点物理脆弱性NTV与链路物理脆弱性ETV:
其中,V是节点的集合,σ(m,n)是节点(m,n)之间最短路径的个数,σ(m,n|eij) 节点(m,n)之间,通过边e的最短路径的个数,σ(m,n|vi)表示从节点m到n的所 有最短路径中经过结点i的数目与网络中所有最短路径数目之比;
步骤S4.1.3:根据流经节点和链路的业务承载数量、业务等级重要度确定 业务组织层节点物理脆弱性NP与链路物理脆弱性EP:
其中,D为业务的种类,nk(vi)为节点vi上业务类型为k的业务数量;ns(eij) 为边eij承载的业务类型为k的业务数量;Ck为业务类型为k的业务重要度。
具体来说,步骤S4.1.1是物理层脆弱性评估模型,其包括物理层节点脆弱性 评估指标、物理层链路脆弱性评估指标,具体实现过程如下:
电力通信网络的物理层脆弱性主要是指网络中设备与链路的自身的脆弱性。 主要包括网络终端设备、网络管理系统以及通信网络中使用的光纤、电缆等介质。 从电力通信网络实际运行情况来看,运行状态差、接近临界状态、故障后影响严 重的部件是人们最关心的问题。这也是脆弱性分析的主要目的。通常,系统中性 能最差的组件不一定是造成最严重影响的组件。通常不会造成严重影响的最坏运 行条件。本发明主要考虑SDH设备和光纤设备的可靠性。
SDH设备和光纤链路老化、运维人员失误和自然因素等导致链路故障带来 的影响。SDH设备和光纤链路老化带来的风险是一个随时间的变化参量,通常 可以用“浴盆曲线”来描述(如图2所示)。浴盆曲线可分为三个阶段:前期故障 期,意外故障期和损失期。在故障的前期,因为原材料和制造工艺的不足,使设 备开始使用时故障率很高,不过由于设备开始运转,故障率迅速下降。在意外故 障期内,设备故障概率极低,能够较为稳定持续的工作。当设备即将到达使用时 就会处于损失期,随时都有发生故障的可能。
根据浴盆曲线,本实施例则对设备因素i,在时间区间(0,t1)和(t2,T)内其发生 概率pi(t)是设定时长Ti(例如寿命)的指数函数,因此在时间区间(0,t)内设备因 素i的发生概概率为:
式19中,c为一常数,可以通过或计算得到。
运维人员失误和自然因素等导致链路故障则具有随机性,很难在故障发生前 做出判断,不过这种随机故障是一个随时间变化的参量,可以用近年来因为运维 人员失误和自然因素等发生故障的风险概率RP来表示。
本实施例中,假设设备与链路的浴盆效应和人员失误与自然因素等导致的故 障概率、是相互独立的。因此,节点物理脆弱性NPV与链路物理脆弱性EPV如 公式(1)和(2)所示。
步骤S4.1.2是网络拓扑层脆弱性评估模型,包括网路拓扑层节点物理脆弱性 NTV与链路物理脆弱性ETV。具体实现过程如下:
网络拓扑层次上的网络元件失效在结构上是脆弱的。拓扑脆弱性通过不可破 坏性和生存性来衡量。脆弱性强的网络拓扑对通信服务的可靠性支持能力较弱, 反之,支持能力较强。网络拓扑的统计特征反映了网络支持服务的能力。因此, 网络拓扑不会改变网络元素的失效概率,但在宏观上对业务配置具有决定性作用。 从影响关系上看,网络拓扑层的抗毁性和生存性越强,网络资源对配置高可靠性 业务越有优势。在某种程度上说,网络拓扑层的优劣对业务失效概率存在决定性 作用。
依据复杂网络相关网络评价参数,本发明通过分析各层中节点和链路的脆弱 性,对于评价整体网络的平均路径长度和聚类系数不予考虑,而且一般而言节点 度数大是因为该站点需要传输的业务比较多,属于中枢节点,所以节点度数则是 和节点重要度评价指标重复;但是由于电力通信网业务传输的路由协议主要基于 最短路径算法实现,所以基于经过该链路的最短路径在网络中所有最短路径中所 占的比例的介数参数更适合来作为评价电力通信网拓扑层脆弱性的指标,下面定 义节点拓扑脆弱性NTV和链路拓扑脆弱性ETV如公式(3)和公式(4)所示。
步骤S4.1.2是业务组织层脆弱性评估模型,包括业务组织层节点物理脆弱性 NP与链路物理脆弱性EP。具体实现过程如下:
业务组织层在网络拓扑层和网络资源可用性的基础上,根据业务需求配置业 务。常用的配置包括单路径业务、全双路径业务和部分双路径业务。业务组织层 不影响网络元素的失效概率,但对业务的失效概率存在决定性作用。不同的业务 配置方式具有不同的业务可靠性。
而电力通信网的多种业务安全稳定是确保整个电力通信安全稳定的基础,业 务组织层是在网络拓扑层和网络资源的可用性基础上,按业务需求对业务进行配 置。业务组织层脆弱性主要由流经节点和链路的业务承载数量、业务等级重要度, 那么节点和链路的业务压力计算表达式如公式(5)和(6)所示。
在一种实施方式中,步骤S4.2具体包括:
步骤S4.2.1:根据各层级的脆弱性指标,获得节点综合脆弱性评价指标NV、 链路综合脆弱性评价指标EV和网络平均脆弱度NAV;
其中,ω1和ω4表示物理层脆弱性影响因素的权重,ω2和ω5表示网络拓扑 层脆弱性影响因素的权重,ω3和ω6表示业务组织层脆弱性影响因素的权重,可 以根据各评价指标对网络的效能的影响程度进行设定,M表示链路数量,N表示 节点数量;
步骤S4.2.2:将节点综合脆弱性的标准差和链路综合脆弱性的标准差之和, 作为衡量网络整体脆弱性的指标,称为电力通信网脆弱性均衡度NBV,表达式 如下:
步骤S4.2.3:将网络平均脆弱度NAV和电力通信网脆弱性均衡度NBV作 为电力通信网的综合脆弱性评估指标。
具体来说,将上述研究的节点与链路在物理层、网路拓扑层和业务组织层的 脆弱性因素联合分析,可以得到节点和链路在各层级的脆弱性评估指标。然后将 各层级的脆弱性指标结合,定义节点综合脆弱性评价指标NV、链路综合脆弱性 评价指标EV和网络平均脆弱度NAV,权值由各评价指标对网络的效能的影响 程度进行设定,得到的公式(7)~(9).
在得到网络中每个节点和链路的脆弱性评价指标之后,就可以进一步得到全 网脆弱性的评价指标。依据电力通信网性质,当各节点与链路的脆弱性在电力通 信网中分布不均衡时,对某些NV或EV值很大的节点或链路进行选择性故障设 置,电力通信网性能下降迅速。并且由于电力通信网建设过程中,一线人员很难 考虑要网络均衡的问题,会导致电力通信网局部区域业务负载极不均衡,新增业 务如果得到均衡布置,可以很快弥补前期业务分布不均衡的问题,所以将节点综 合脆弱性的标准差和链路综合脆弱性的标准差之和,作为衡量网络整体脆弱性的 指标,称为电力通信网脆弱性均衡度NBV,表达式如公式(10)所示,其中和为节点和链路脆弱性的均值。由公式(10)可以看出,当网络中的脆弱性分 布越不均衡,节点的脆弱性标准差与边的脆弱性标准差就越大,网络脆弱性均衡 度NBV就越大。
步骤S5:根据电力通信网的综合脆弱性评估指标,设置目标函数和约束条 件。
其中,步骤S5中的目标函数为公式(11),
f=min(f1,f2) (11)
其中:
约束条件为:
deley光纤=l*n/c (18)
其中,f1表示网络平均脆弱度NAV,f2表示电力通信网脆弱性均衡度NBV, Ω表示允许的时延最大值,l表示传输距离,n表示光纤芯折射率,c表示光速, 表示复用、解复用的处理时延,deleySDH表示SDH设备的传输时延, deley光纤表示光纤的传输时延、表示为中间节点设备时延光纤的传输 时延。
步骤S6:将设置的目标函数作为遗传算法的目标优化函数,根据约束条件 采用遗传算法对业务路由进行优化,从业务路径集合中选择出符合条件的业务路 径。
具体来说,本发明对NSGA-II多目标遗传算法进行了适当的改动,首先随 机生成规模为N的初始种群;然后对父代种群中的染色体进行解码得到各目标 值,计算每个网络单元的脆弱性均衡度和脆弱性综合评价指标均值;利用获得的 两个目标函数值对父群进行非支配排序,得到染色体水平值和拥挤度;按二元锦 标赛机制从种群中选出一半的染色体组成配对种群,并对其进行遗传操作生成规 模为H的子代种群。将亲本后代群体组合以获得2H的新一代群体,然后再对新 一代种群进行非支配序列得到其染色体水平值和拥挤度,根据最低染色体水平和 最小拥挤程度的顺序,选择H个染色体以形成新的父代群体。循环上述过程一 直到遗传过程结束。
在既要保证增加的业务对于网络整体的脆弱性影响最小,又要保证全网的脆 弱性均衡度最小,对于上述基于网络脆弱性的电力通信网路由优化问题,用多目 标遗传算法的优化目标数学表达式如公式(11)~(18)所示。
总体来说,与现有技术相比,本发明具有如下优点或者有益技术效果:
1、本发明设计了一种面向电力通信网业务运行状态的编码方式,采用基于 优先权的染色体编码方式,对通信网的业务运行状态进行编码,通过邻接矩阵、 业务矩阵对电力通信网进行建模,为电力通信网络分布式仿真提供了业务路由优 化算法的实现基础,提高了电力通信网业务路由优化算法及仿真应用的准确性和 效率。
2、在分析得到电力通信网的综合脆弱性评估指标后,根据电力通信网的综 合脆弱性评估指标,设置目标函数和约束条件采用改进的NSGA-II算法对业务 路径进行优化,可以得到优化的业务路径。
下面通过具体示例对本发明提供的业务路由寻址方法进行介绍。
本发明主要是面向电力通信网业务运行状态的染色体译码方式,通过实现基 于优先权的间接编码方式,为电力通信网业务路由优化与仿真应用做好研究准备。 本发明的创新点在于提出了一种面向电力通信网的基于优先权的间接编码方式。 将电力通信网业务进行编码,使用网络邻接矩阵基于优先权的方式进行寻找下一 跳路由;并在译码时利用阻塞数组来避免基于优先权寻路时可能会发生死路的情 况。本发明充分利用了计算资源,为电力通信网不同场景下的业务路由优化的实 现提供了基础,提高了业务路由优化算法和仿真应用的准确性,缩短了编程实现 周期。
本实施方式仿真使用M省局部电力通信网拓扑结构,采用本发明的方法对 其进行建模、编码等,将站点和光纤链路抽象成节点和边,其中包括17个节点 和25条边,由于电网业务数据高度保密,本发明通过电力通信光传输网半实物 分布式仿真平台基于电网常用的bellman-ford协议来模拟20条业务在该网络中 的运行方式,并将上述仿真网络简称为网络G,网络中传输的业务及业务重要度 分布情况如下表1所示。
表1业务分布情况
业务序号 | 业务类型 | 业务起止点 | 业务路径 | 业务重要度 |
S<sub>1</sub> | 继电保护 | (1,8) | 1、6、5、7、8 | 1 |
S<sub>2</sub> | 配网自动化 | (1,15) | 1、14、13、17、8、15 | 0.205 |
S<sub>3</sub> | 继电保护 | (2,7) | 2、3、4、5、7 | 1 |
S<sub>4</sub> | 调度数据网 | (2,11) | 2、14、12、11 | 0.598 |
S<sub>5</sub> | 安全稳定控制 | (4,17) | 4、5、7、8、17 | 1 |
S<sub>6</sub> | 调度电话 | (2,15) | 2、14、13、17、8、15 | 0.938 |
S<sub>7</sub> | 安全稳定控制 | (3,13) | 3、1、14、13 | 1 |
S<sub>8</sub> | 配网自动化 | (12,9) | 12、14、13、17、9 | 0.205 |
S<sub>9</sub> | 继电保护 | (3,16) | 3、1、14、13、17、16 | 1 |
S<sub>10</sub> | 调度数据网 | (10,17) | 10、4、5、7、8、17 | 0.598 |
S<sub>11</sub> | 输变电状态检测 | (4,14) | 4、3、12、14 | 0.298 |
S<sub>12</sub> | 继电保护 | (3,7) | 3、4、5、7 | 1 |
S<sub>13</sub> | 安全稳定控制 | (5,17) | 5、7、8、17 | 1 |
S<sub>14</sub> | 配网运行监控 | (5,12) | 5、4、3、12 | 0.12 |
S<sub>15</sub> | 继电保护 | (5,2) | 5、6、1、2 | 1 |
S<sub>16</sub> | 安全稳定控制 | (3,9) | 3、1、6、9 | 1 |
S<sub>17</sub> | 调度电话 | (6,13) | 6、9、17、13 | 0.938 |
S<sub>18</sub> | 变电站综合监控 | (6,3) | 6、1、3 | 0.286 |
S<sub>19</sub> | 配网运行监控 | (15,14) | 15、16、17、13、14 | 0.12 |
S<sub>20</sub> | 继电保护 | (1,10) | 1、3、10 | 1 |
利用NSGA-II多目标优化算法进行路由分配,设初始种群规模为100,迭代 次数的200,变异率为0.1,图7和图8分别是初始种群的对应解的空间分布和 运行第200代种群对应的Pareto最优解集的空间分布。
从得到的100最优解中选取部分Pareto最优解,如表2所示,若以降低电力 通信网的脆弱性均衡度NBV为主要优化目标时,则选择方案1;若以降低网络 平均脆弱度NAV为主要优化目标,则选择方案10;若无特殊需求时则可以选择 方案5或6。同时,根据电力通信网实际需求和人为经验,可对脆弱性均衡度与 网络平均脆弱度设置选择权重,进行选择。其中,网络未优化前的脆弱性均衡度 为2.570,网络平均脆弱度为1.947。
表2部分Pareto最优解
Plan | NBV | NAV |
1 | 1.315 | 2.372 |
2 | 1.372 | 2.222 |
3 | 1.440 | 2.194 |
4 | 1.469 | 2.144 |
5 | 1.532 | 2.114 |
6 | 1.616 | 2.083 |
7 | 1.661 | 2.057 |
8 | 1.782 | 2.028 |
9 | 1.823 | 1.981 |
10 | 1.940 | 1.957 |
如果将降低电力通信网的脆弱性均衡度NBV为主要优化目标,那么方案1 会是相对比较好的选择,其中脆弱性均衡度NBV为1.315,比优化前降低48.833%, 网络平均脆弱度NAV为2.372,比优化前升高21.802%;若将降低网络平均脆弱 度为主要优化目标,那么方案10会是相对比较好的选择,其中脆弱性均衡度NBV 为1.940,比优化前降低24.514%,网络平均脆弱度NAV为1.957,比优化前升 高0.538%;若以方案5作为本次优化的最优解,其中脆弱性均衡度NBV为1.532, 比优化前降低40.389%,网络平均脆弱度NAV为2.114,比优化前升高8.678%。 通过对上述三种方案的对比分析,若电力通信网无特殊要求时,方案同时对方案 5在保证脆弱性均衡度NBV大幅度下降的同时,网络平均脆弱度NAV的上升较小。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是 对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不 脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发 明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (3)
1.一种面向电力通信网的业务运行的业务路由寻址方法,其特征在于,包括:
步骤S1:对电力通信网的物理层、网络拓扑层与业务组织层进行联合建模,业务集合为S={s1,s2,…,sh},电力通信网包括n个节点,h条业务路径,其中,n和h为正整数;
步骤S2:采用基于优先权的染色体编码方式,对通信网的业务运行状态进行编码,染色体中每个基因位表示网络中的节点,节点对应的数值表示节点的优先权,网络节点的总数作为一个独立编码段,代表网络中一个业务的染色体独立编码,其中,每一个独立编码段代表一个业务路径,将所有独立编码段汇总到一起组成一个完整的染色体个体,代表电力通信网所有的业务部署;
步骤S3:采用与染色体编码相对应的译码方法对编码后的网络进行译码,获得业务路径集合;
步骤S4:对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素进行联合分析,得到电力通信网的综合脆弱性评估指标;
步骤S5:根据电力通信网的综合脆弱性评估指标,设置目标函数和约束条件;
步骤S6:将设置的目标函数作为遗传算法的目标优化函数,根据约束条件采用遗传算法对业务路由进行优化,从业务路径集合中选择出符合条件的业务路径;
其中,步骤S2具体包括:
步骤S2.1:建立h*n的二维数组,h代表网络中业务路径的数量,n代表网络的节点数;
步骤S2.2:将二维数组的每一行的每一位随机产生1~n不重复的数值,代表不同节点的优先权,得到新的二维数组;
步骤S2.3:将新的二维数组转化成为长度为h*n的一维数组,并删除在同一业务路径中重复出现的节点,保证每个节点业务路径中仅出现一次,其中,数组中每个元素的地址表示染色体中每个基因位,对应的数值代表节点的优先权;
步骤S4具体包括:
步骤S4.1:分别对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素进行分析,获得物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层节点脆弱性评估指标和业务组织层链路脆弱性评估指标;
步骤S4.2:根据物理层节点脆弱性评估指标、物理层链路脆弱性评估指标、网路拓扑层节点脆弱性评估指标、网路拓扑层链路脆弱性评估指标、业务组织层节点脆弱性评估指标和业务组织层链路脆弱性评估指标,获得电力通信网的综合脆弱性评估指标;
步骤S4.1具体包括:
步骤S4.1.1:根据设备与链路的浴盆效应、人员失误与自然因素导致的故障概率,确定物理层节点物理脆弱性NPV与链路物理脆弱性EPV:
c为常数,Ti为设定时长,(0,t1)、(t1,t2,)、(t2,T)表示从时间区间(0,t)划分出的不同的时间区间;
步骤S4.1.2:根据经过链路的最短路径在网络中所有最短路径中的占比,确定网路拓扑层节点物理脆弱性NTV与链路物理脆弱性ETV:
其中,V是节点的集合,σ(m,n)是节点(m,n)之间最短路径的个数,σ(m,n|eij)节点(m,n)之间,通过边e的最短路径的个数,σ(m,n|vi)表示从节点m到n的所有最短路径中经过结点i的数目与网络中所有最短路径数目之比;
步骤S4.1.3:根据流经节点和链路的业务承载数量、业务等级重要度确定业务组织层节点物理脆弱性NP与链路物理脆弱性EP:
其中,D为业务的种类,nk(vi)为节点vi上业务类型为k的业务数量;ns(eij)为边eij承载的业务类型为k的业务数量;Ck为业务类型为k的业务重要度;
步骤S4.2具体包括:
步骤S4.2.1:根据各层级的脆弱性指标,获得节点综合脆弱性评价指标NV、链路综合脆弱性评价指标EV和网络平均脆弱度NAV;
其中,ω1和ω4表示物理层脆弱性影响因素的权重,ω2和ω5表示网络拓扑层脆弱性影响因素的权重,ω3和ω6表示业务组织层脆弱性影响因素的权重,可以根据各评价指标对网络的效能的影响程度进行设定,M表示链路数量,N表示节点数量;
步骤S4.2.2:将节点综合脆弱性的标准差和链路综合脆弱性的标准差之和,作为衡量网络整体脆弱性的指标,称为电力通信网脆弱性均衡度NBV,表达式如下:
步骤S4.2.3:将网络平均脆弱度NAV和电力通信网脆弱性均衡度NBV作为电力通信网的综合脆弱性评估指标;
步骤S5中的目标函数为公式(11),
f=min(f1,f2) (11)
其中:
约束条件为:
deley光纤=l*n/c (18)
2.如权利要求1所述的方法,其特征在于,步骤S3具体包括:
对于每一个独立编码段,从起点开始进行路由寻找,若遇到多节点相邻时,选择优先权高的节点进行寻路,直到业务寻路到终点,其中,每个节点仅允许在路径中存在一次。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
通过引入拦截数组,将出现死路的节点返回到上一节点,并加入到其上一节点的拦截数组中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174339.2A CN110971525B (zh) | 2019-11-26 | 2019-11-26 | 一种面向电力通信网的业务运行的业务路由寻址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174339.2A CN110971525B (zh) | 2019-11-26 | 2019-11-26 | 一种面向电力通信网的业务运行的业务路由寻址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110971525A CN110971525A (zh) | 2020-04-07 |
CN110971525B true CN110971525B (zh) | 2021-02-19 |
Family
ID=70031717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174339.2A Active CN110971525B (zh) | 2019-11-26 | 2019-11-26 | 一种面向电力通信网的业务运行的业务路由寻址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110971525B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542115B (zh) * | 2020-04-22 | 2022-10-04 | 国家电网有限公司 | 基于sdn电力通信网络的数据路径确定方法、装置及系统 |
CN111711539B (zh) * | 2020-06-15 | 2022-11-18 | 华中师范大学 | 一种面向电力通信sdh光传输网的仿真方法 |
CN112600701B (zh) * | 2020-12-09 | 2021-11-16 | 国网湖南省电力有限公司 | 智慧能源站采集业务的数据融合传输方法 |
CN113242213B (zh) * | 2021-04-15 | 2022-10-21 | 内蒙古电力(集团)有限责任公司内蒙古电力经济技术研究院分公司 | 一种电力通信骨干网节点脆弱性诊断方法 |
CN113285832B (zh) * | 2021-05-24 | 2022-11-01 | 国网河南省电力公司信息通信公司 | 基于nsga-ii的电力多模态网络资源优化分配方法 |
CN114025264B (zh) * | 2021-11-15 | 2024-01-12 | 国网天津市电力公司信息通信公司 | 一种面向电力通信sdh光传输网络的路由规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618982A (zh) * | 2015-01-08 | 2015-05-13 | 重庆邮电大学 | 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法 |
CN106549779A (zh) * | 2015-09-18 | 2017-03-29 | 中国电力科学研究院 | 一种多约束电力通信业务最大不相交双路由配置方法 |
CN106789190A (zh) * | 2016-12-05 | 2017-05-31 | 国网河南省电力公司信息通信公司 | 一种电力通信网脆弱性评估及路由优化方法 |
CN108400935A (zh) * | 2018-02-11 | 2018-08-14 | 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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950971B (zh) * | 2010-09-14 | 2012-11-28 | 浙江大学 | 一种基于遗传算法的企业配电网的无功优化方法 |
CN105871724B (zh) * | 2016-03-21 | 2018-12-25 | 广州供电局有限公司 | 电力通信网线路优化方法及系统 |
CN108880886B (zh) * | 2018-06-20 | 2021-10-22 | 国家电网公司信息通信分公司 | 一种跨区域电力系统保护通信网规划方法 |
CN110112745B (zh) * | 2019-05-24 | 2021-04-27 | 全球能源互联网研究院有限公司 | 电网信息物理系统防护方法、装置、设备及存储介质 |
-
2019
- 2019-11-26 CN CN201911174339.2A patent/CN110971525B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104618982A (zh) * | 2015-01-08 | 2015-05-13 | 重庆邮电大学 | 基于改进遗传-蚁群算法的Adhoc网络寻找最优路径的方法 |
CN106549779A (zh) * | 2015-09-18 | 2017-03-29 | 中国电力科学研究院 | 一种多约束电力通信业务最大不相交双路由配置方法 |
CN106789190A (zh) * | 2016-12-05 | 2017-05-31 | 国网河南省电力公司信息通信公司 | 一种电力通信网脆弱性评估及路由优化方法 |
CN108400935A (zh) * | 2018-02-11 | 2018-08-14 | 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 |
Non-Patent Citations (1)
Title |
---|
考虑电力通信网可靠性的业务路由优化分配方法;蔡伟等;《电网技术》;20131231;第37卷(第12期);第3541-3545页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110971525A (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110971525B (zh) | 一种面向电力通信网的业务运行的业务路由寻址方法 | |
CN105335816A (zh) | 基于深度学习的电力通信网运行趋势与业务风险分析方法 | |
CN107294775B (zh) | 基于层次分析法和遗传算法的通信网优化方法 | |
CN113705085B (zh) | 一种智能电网多层次结构建模及风险评估方法 | |
CN109344975B (zh) | 一种电力通信业务单点故障的核查优化方法及其系统 | |
CN110222889B (zh) | 基于多种智能算法的配电网馈线自动化终端配置方法 | |
CN108880886B (zh) | 一种跨区域电力系统保护通信网规划方法 | |
Hu et al. | Adaptive slave controller assignment for fault-tolerant control plane in software-defined networking | |
CN114025264B (zh) | 一种面向电力通信sdh光传输网络的路由规划方法 | |
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 | |
CN112118176A (zh) | 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 | |
CN111475953A (zh) | 供能可靠性影响分析方法、装置设备及存储介质 | |
CN114662799B (zh) | 一种输电线路检修计划优化方法、装置、设备及存储介质 | |
Li et al. | Network topology optimization via deep reinforcement learning | |
CN110474801A (zh) | 基于业务可靠性的电力通信网络故障仿真方法 | |
CN110246372A (zh) | 航空保障设备的扩展规划方法 | |
Dong et al. | A service routing reconstruction approach in cyber-physical power system based on risk balance | |
CN116667881B (zh) | 一种基于快速密度聚类的电力通信网关键链路评估方法 | |
CN111404727A (zh) | 一种基于备用路由潜在风险评估模型的路由分析方法 | |
CN114598612B (zh) | 电力通信融合网络级联失效模型及节点脆弱性评估方法 | |
CN107360480B (zh) | 一种基于负载均衡的onu分组规划方法 | |
CN114221901B (zh) | 一种能源互联网cps韧性调度方法、系统及其存储介质 | |
CN114567562A (zh) | 一种电网与通信网耦合网络关键节点识别的方法 | |
CN114285789A (zh) | 一种电力通信网中自动生成业务疏导方案的方法 | |
CN106230615A (zh) | 一种基于智能路径搜索的业务工单开通方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |