CN110995597A - 一种电力通信网安全链路选择方法和系统 - Google Patents
一种电力通信网安全链路选择方法和系统 Download PDFInfo
- Publication number
- CN110995597A CN110995597A CN201911409339.6A CN201911409339A CN110995597A CN 110995597 A CN110995597 A CN 110995597A CN 201911409339 A CN201911409339 A CN 201911409339A CN 110995597 A CN110995597 A CN 110995597A
- Authority
- CN
- China
- Prior art keywords
- service
- importance
- link
- fuzzy
- preset
- 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
Links
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
- H04L45/302—Route determination based on requested QoS
- H04L45/306—Route determination based on the nature of the carried application
-
- 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
- H04L45/12—Shortest path evaluation
- H04L45/123—Evaluation of link metrics
-
- 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
- H04L45/14—Routing performance; Theoretical aspects
Abstract
本发明公开了一种电力通信网安全链路选择方法和系统,涉及智能电网领域。该方法包括:将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;通过预设安全链路选择算法和所述各个业务的业务重要度排序,对包含所述业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;通过本方案配置出的最优安全链路,可有效降低电力通信网的全局风险均衡度,降低了传输时延和减少链路计算时间。
Description
技术领域
本发明涉及智能电网领域,尤其涉及一种电力通信网安全链路选择方法和系统。
背景技术
随着我国智能电网的快速发展,电力通信网不断延伸,其覆盖范围已广泛应用于电网运行的发、输、变、配、用、调度等关键环节,形成了一张与电力日常生产、运行、维护和管理密切关联的全程全网电力通信网络,该网络也正逐步向以提供数据传输业务为核心、适应多样化通信方式和业务功能的电力市场、电力生产经营的全过程模式转变。但随之而来,电力通信网全新的运行管理模式需要系统间频繁的进行工作协同和业务传递,大量的业务传递造成了密集性的信息传输。与此同时,国家为了保证电力体制改革的继续深化,也对电网安全运行提出了更高的要求。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种电力通信网安全链路选择方法和系统。
本发明解决上述技术问题的技术方案如下:
一种电力通信网安全链路选择方法,包括以下步骤:
S1,将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
S2,通过预设安全链路选择算法和所述各个业务的业务重要度排序,对包含所述业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
其中,所述预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,所述网络全局风险度函数包括所述业务重要度。
本发明的有益效果是:根据模糊层次分析法和预设业务重要度评价和排序模型对电力通信业务的业务重要度排序,再根据迪杰斯特拉算法和粒子群优化算法对预设业务安全链路选择模型进行求解以获得最优安全链路,通过本方案配置出的最优安全链路,可有效降低电力通信网的全局风险均衡度,降低了传输时延和减少链路计算时间。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,所述S1具体包括:
S11,在所述预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立所述重要度层次中的因素的fuzzy判断矩阵;其中,所述业务重要度层次包括:因素层、准则层和目标层;
S12,根据预设指定信息得到fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对所述集合进行求解获得所述业务重要度排序。
采用上述进一步方案的有益效果是:通过建立在重要度层次中的因素的fuzzy判断矩阵,根据相关领域专家对业务重要度的判断得到预设指定信息,根据指定信息和重要度因素得到fuzzy判断矩阵集合,通过模糊层次分析法对判断矩阵集合求解以获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
进一步地,所述S12具体包括:
汇总所述预设指定信息,得到模糊综合业务重要度判断矩阵,根据所述模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部所述模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部所述fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据所述模糊层次分析法对所述可能度矩阵进行求解,得到业务重要度排序。
采用上述进一步方案的有益效果是:通过汇总预设指定信息,得到模糊综合业务重要度判断矩阵,并计算得到每个业务重要度因素的模糊评价值,并对所有业务的模糊评价值进行归一化出力得到模糊业务重要度因素相对权重即fuzzy判断矩阵,并将每个fuzzy矩阵进行两两比较,得到可能度矩阵,再根据模糊层次分析法对可能矩阵进行求解获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
进一步地,所述S2具体包括:根据改进的迪杰斯特拉算法和粒子群优化算法,并结合所述各个业务的业务重要度排序,对所述预设业务安全链路选择模型进行求解获得最优安全链路。
采用上述进一步方案的有益效果是:通过改进的迪杰斯特拉算法和粒子群优化算法对多条链路进行目标优化,配置出最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
进一步地,所述对所述预设业务安全链路选择模型进行求解获得最优安全链路具体包括:
根据业务功能确定源节点和目的节点;
根据所述预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据所述传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,所述备选最优解根据预设次数的迭代和更新得到最优安全链路。
采用上述进一步方案的有益效果是:根据业务确定的源节点和目的节点,并以不同网络的可用性来设定的带宽和时延作为约束条件,基于改进的迪杰斯特拉算法构建传输链路候选集合,再根据粒子群优化算法即PSO获得链路候选集合中备选最优解,所述备选最优解经过不断迭代和更新获得最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
本发明解决上述技术问题的另一种技术方案如下:
一种电力通信网安全链路选择的系统,包括:业务重要度排序模块和链路计算模块;所述业务重要度排序模块用于将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
所述链路计算模块用于通过预设安全链路选择算法和所述各个业务的业务重要度排序,对包含所述业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
其中,所述预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,所述网络全局风险度函数包括所述业务重要度。
本发明的有益效果是:根据模糊层次分析法和预设业务重要度评价和排序模型对电力通信业务的业务重要度排序,再根据迪杰斯特拉算法和粒子群优化算法对预设业务安全链路选择模型进行求解以获得最优安全链路,通过本方案配置出的最优安全链路,可有效降低电力通信网的全局风险均衡度,降低了传输时延和减少链路计算时间。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,所述业务重要度排序模块包括:业务层次建立模块和重要度计算模块;
所述业务层次建立模块用于在所述预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立所述重要度层次中的因素的fuzzy判断矩阵;其中,所述业务重要度层次包括:因素层、准则层和目标层;
所述重要度计算模块用于根据预设指定信息得到所述fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对所述集合进行求解获得所述业务重要度排序。
采用上述进一步方案的有益效果是:通过建立在重要度层次中的因素的fuzzy判断矩阵,根据相关领域专家对业务重要度的判断得到预设指定信息,根据指定信息和重要度因素得到fuzzy判断矩阵集合,通过模糊层次分析法对判断矩阵集合求解以获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
进一步地,所述重要度计算模块具体用于汇总所述预设指定信息,得到模糊综合业务重要度判断矩阵,根据所述模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部所述模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部所述fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据所述模糊层次分析法对所述可能度矩阵进行求解,得到业务重要度排序。
采用上述进一步方案的有益效果是:通过汇总预设指定信息,得到模糊综合业务重要度判断矩阵,并计算得到每个业务重要度因素的模糊评价值,并对所有业务的模糊评价值进行归一化出力得到模糊业务重要度因素相对权重即fuzzy判断矩阵,并将每个fuzzy矩阵进行两两比较,得到可能度矩阵,再根据模糊层次分析法对可能矩阵进行求解获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
进一步地,所述链路计算模块具体用于根据改进的迪杰斯特拉算法和粒子群优化算法,并结合所述各个业务的业务重要度排序,对所述预设业务安全链路选择模型进行求解获得最优安全链路。
采用上述进一步方案的有益效果是:通过改进的迪杰斯特拉算法和粒子群优化算法对多条链路进行目标优化,配置出最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
进一步地,所述链路计算模块包括:最优安全链路计算模块,具体用于根据业务功能确定源节点和目的节点;
根据所述预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据所述传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,所述备选最优解根据预设次数的迭代和更新得到最优安全链路。
采用上述进一步方案的有益效果是:根据业务确定的源节点和目的节点,并以不同网络的可用性来设定的带宽和时延作为约束条件,基于改进的迪杰斯特拉算法构建传输链路候选集合,再根据粒子群优化算法即PSO获得链路候选集合中备选最优解,所述备选最优解经过不断迭代和更新获得最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的电力通信网安全链路选择方法的流程示意图;
图2为本发明的其他实施例提供的电力通信业务分布图;
图3为本发明的实施例提供的电力通信业务重要度层次分析结构图;
图4为本发明的实施例提供的电力通信仿真网络结构图;
图5为本发明的实施例提供的电力通信网络拓扑中边的风险度分布;
图6为本发明的实施例提供的不同链路数据传输时延的对比图;
图7为本发明的实施例提供的安全链路方法迭代计算性能的对比图;
图8为本发明的实施例提供的电力通信网安全链路选择系统的结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
在电力通信网络环境中,电力通信网业务安全链路选择问题是指,为了规避全局密集性风险分布,在保证全程全网安全可靠的情况下,在业务安全链路选择时,根据风险度的不同将业务平均分布到整个通信网络中,以保持网络全局风险均衡。如图2所示,为电力通信网业务分布图,该图可表示为G<V,E>,G表示加权图,其中V表示顶点集合,E表示边集合,其中顶点V={v1,v2,…,v9}为业务安全链路节点,边E={eij},i∈Z+,j∈Z+,j>i为链路节点间的通道,Z+表示节点编号的整数集合(1,2,3..9),i和j都是节点的编号,带箭头的虚线sk,k∈Z+为节点间存在的通信业务,从图中可以看出,通道e15上的业务分布密集,一旦节点v1或v5发生故障或出现异常,将严重影响整个网络的通信业务。在对于这一问题就需要通过规避全局密集性风险分布来降低大量通信业务对通信全网造成的严重影响。其中,sk表示例如在v1和v5存在通信链路,它们承载的业务是s1,s1是业务的类型编号。
如图1所示,为本发明实施例提供的一种电力通信网安全链路选择方法,该方法包括:S1,将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
在某实施例中,根据网络全局风险度函数、带宽函数、时延函数和和业务通道可用性函数建立预设业务重要度评价和排序模型,其中网络全局风险度函数如下公式:
其中P为网络的全局风险度;V(vi)为节点vi的风险度;M(eij)为边eij的风险度,表示的是从节点V1到节点Vm的每个节点风险度,表示共有n条边,每两个不同节点间的边的风险度,节点j≠节点i即可。
如果节点vi发生故障或出现异常,根据通信网络中节点聚集度,通过该节点的业务将中断,其产生影响的严重程度用如下公式表示:
其中,Wt为节点vi和边eij上第t个业务的权重值,根据业务重要度确定。t就是代表第t个业务,取值范围就是业务的数量,Q表示业务通道的可用性。
如果eij发生故障或出现异常,根据通信网络中各个节点的集中程度,业务中断产生影响的严重程度用式,如下:
其中,Li为与节点i相连的链路数,ki为节点i的度数,Wt为节点vi和边eij上第t个业务的权重值,可以根据业务重要度确定。
节点i和j之间的通道eij带宽函数根据以下公式:
NB=bandwidth(eij),
时延函数根据以下公式:
其中,m、n表示通信网络中共有m个节点,n条边。
业务通道可用性函数根据以下公式,即承载通信业务的节点和边的可用性
其中,Nsk表示承载业务sk的节点或边共有N个,这个公式要表示承载业务sk的全部边集合和点集合,有多少是可以使用的,因为这些边或节点肯能有故障或异常情况。B(Vi)是表示节点的可用性,B(eij)表示边的可用性。
通过上述内容得出电力通信网面向业务的全局风险均衡问题的数据模型,如下:
在所有带宽均<B,时延均<D时,电力通信网的可用性最高,在此基础上可寻求网络全局风险度最低的安全链路。其中,这里的B和D是带宽和时延的阈值,可以改为其他字母,例如Bmax,Dmax,取值是根据不同网络的可用性,自行设定的。
业务重要度,即业务权重值,电力通信网中某项业务在所有业务中的重要程度,是上述网络全局风险度函数的重要组成部分,直接关系到业务链路配置的结果。本文采用模糊层次分析法即FAHP构建了业务重要度评价和排序模型,该模型充分考虑了最短路径和重要业务链路选择优化等约束条件,具体业务重要度评价和排序过程如下:
(1)电力通信业务重要度层次分析结构建立。本文在全面考虑电力通信业务基础上,根据业务属性的不同将业务重要度划分为三个不同层次,分别为因素层、准则层和目标层。本文建立的电力通信业务重要度层次分析结构图如图3所示。
(2)电力通信业务重要度模糊矩阵构造与一致性验证方法。根据上文建立的电力通信业务重要度层次分析结构和专家判断信息构造业务重要度模糊矩阵R,首先引入业务重要度标注方法,如表1电力通信业务重要度标注所示。
标度 | 含义 |
0.9 | 一个业务重要度因素比另一个极端重要 |
0.7 | 一个业务重要度因素比另一个强烈重要 |
0.5 | 一个业务重要度因素比另一个明显重要 |
0.3 | 一个业务重要度因素比另一个稍微重要 |
0.1 | 两个业务重要度因素具有同等的重要度 |
0.2/0.4/0.6/0.8 | 上述相邻判断的中间值 |
表1
假设某一层次因素C与它的下一层因素m1,m2,…,mn相关,则该fuzzy判断矩阵如下式所示:
其中,式中r11=0.5,i=1,2,..,n,rij=1-rji,i,j=1,2,..,n,rij=rij-rjk,i,j,k=1,2,..,n,rij为三角模糊数,rij=(aij,bij,rij),其中aij,bij,rij为业务重要度因素ci和cj相对于上一层业务重要度因素C的对比,业务重要度因素ci和cj的最差、最可能和最好的重要度估计值。fuzzy判断矩阵在一定程度上代表了人的逻辑判断是否具有一致性,如果T比C稍微重要,C比M明显重要,那么可以推出T一定比M明显重要。
(3)电力通信业务重要度排序
通过对上文中fuzzy判断矩阵排序可以得到该层相对于上一层某元素的相对权重,用p表示p个专家指定的fuzzy判断矩阵集合,表示用p表示p个专家指定的fuzzy判断矩阵集合——代表了人的逻辑判断是否具有一致性,是领域专家对业务重要度的判断,具体步骤如下:
①汇总p个专家的偏好信息,计算求得模糊综合业务重要度判断矩阵;
②归一化单个业务重要度因素的模糊评价值,继而得到模糊业务重要度因素相对权重向量即fuzzy判断矩阵;
③两两比较相对权重值,写出可能度矩阵;
④运用模糊层次分析法即FAHP得到业务重要度相对权重向量。
根据业务重要度相对权重向量对所有业务按照重要度从高到低的顺序排列,后续对重要度较高的业务配置最优的安全链路。
S2,通过预设安全链路选择算法和各个业务的业务重要度排序,对包含业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
在某实施例中,电力通信网中最优安全链路选择,即为根据业务重要度排序,选择节点间几何距离最小、消耗费用最少且安全风险最低的链路,采用改进的迪杰斯特拉(Dijkstra)算法和粒子群优化(PSO)算法实现电力通信网最优安全链路选择过程,具体包括:
(1)基于改进Dijkstra算法的业务数据包传输路径候选集合获取。传输路径候选集合就是根据业务功能确定的源结点Vsrc和目的结点Vdes,在电力通信网络拓扑中,利用改进Dijkstra算法寻找全部满足电力通信网业务安全链路选择模型中带宽B、时延D等约束条件的传输链路候选集合Y={y1,y2,...,yk},使得业务数据包可以通过集合中每条候选链路yi传送到目的结点。其中约束条件在这里仅考虑了带宽B和时延D因素,还有节点的吞吐量,可以根据实际需要确认。
获取传输路径候选集合具体步骤包括如下:
Step1:通过原始的Dijkstra算法公式更新节点及链路通道权重值(w1,i),(wx),(wn,i);
Step2:算法初始化,v1为起始节点,将v1加入到最短路径节点的集合S,S={v1};
Step3:其他节点放入Q,即Q=V-S,其中V表示全部节点集合,S是保存最短路径的节点集合,Q是排除S中节点的其余节点;
Step4:dis(v1)=wx,dis(i)=∞,dis(i)为v1与i之间的距离;
Step5:若i为v1的邻接点,则dis(i)=wx,j成立,dis(i)=wx,j,表示与节点i的距离,使用权重值wx,j代替;
Step7:在Q中找到路径最短的节点j,将节点j加入到S,即Q是排除S中节点的其余节点,要在Q这些节点中寻找最低路径节点,放入S中;
Step8:用j的每个邻接点判断dis(j)与wij之和是否小于dis(j),如果成立则更新j到v1的距离;
Step10:重复执行Step2至Step9,直到Y=k,表示共有k条传输链路候选集合Y={y1,y2,...,yk}。
(2)基于PSO算法的最优安全链路选择。将上面计算得到的传输路径候选集合Y作为输入,利用PSO算法进行全局的最优安全链路选择。每一个粒子代表候选的传输链路,可视为N维搜索空间中的一个搜索个体,粒子的当前位置即为对应安全链路全局最优化的一个候选解,粒子群中最优的个体极值作为当前全局最优解。不断迭代,更新速度和位置,最终得到满足终止条件Min(P)和Max(Q)的多目标最优解。
其中,预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,网络全局风险度函数包括业务重要度。
根据模糊层次分析法和预设业务重要度评价和排序模型对电力通信业务的业务重要度排序,再根据迪杰斯特拉算法和粒子群优化算法对预设业务安全链路选择模型进行求解以获得最优安全链路,通过本方案配置出的最优安全链路,可有效降低电力通信网的全局风险均衡度,降低了传输时延和减少链路计算时间。
优选地,在上述任意实施例中,S1具体包括:
S11,在预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立重要度层次中的因素的fuzzy判断矩阵;其中,业务重要度层次包括:因素层、准则层和目标层;
S12,根据预设指定信息得到fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对集合进行求解获得业务重要度排序。
通过建立在重要度层次中的因素的fuzzy判断矩阵,根据相关领域专家对业务重要度的判断得到预设指定信息,根据指定信息和重要度因素得到fuzzy判断矩阵集合,通过模糊层次分析法对判断矩阵集合求解以获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
优选地,在上述任意实施例中,S12具体包括:
汇总预设指定信息,得到模糊综合业务重要度判断矩阵,根据模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据模糊层次分析法对可能度矩阵进行求解,得到业务重要度排序。
通过汇总预设指定信息,得到模糊综合业务重要度判断矩阵,并计算得到每个业务重要度因素的模糊评价值,并对所有业务的模糊评价值进行归一化出力得到模糊业务重要度因素相对权重即fuzzy判断矩阵,并将每个fuzzy矩阵进行两两比较,得到可能度矩阵,再根据模糊层次分析法对可能矩阵进行求解获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
优选地,在上述任意实施例中,S2具体包括:根据改进的迪杰斯特拉算法和粒子群优化算法,并结合各个业务的业务重要度排序,对预设业务安全链路选择模型进行求解获得最优安全链路。
通过改进的迪杰斯特拉算法和粒子群优化算法对多条链路进行目标优化,配置出最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
优选地,在上述任意实施例中,对预设业务安全链路选择模型进行求解获得最优安全链路具体包括:
根据业务功能确定源节点和目的节点;
根据预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,备选最优解根据预设次数的迭代和更新得到最优安全链路。
根据业务确定的源节点和目的节点,并以不同网络的可用性来设定的带宽和时延作为约束条件,基于改进的迪杰斯特拉算法构建传输链路候选集合,再根据粒子群优化算法即PSO获得链路候选集合中备选最优解,备选最优解经过不断迭代和更新获得最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
在本发明提供的其他实施例中,根据本方案的最优安全链路选择方法,对如图4所示的电力通信网进行仿真实验,包括13个节点,即业务安全链路节点,12条边,即链路节点间的通道。在节点间生成34个通信业务,业务重要度按照2.1节的评价方法进行排序。节点的可用性值在[0.90,0.99]范围内随机生成。该仿真实验运用改进的Dijkstra算法获取规模为5的初始链路集。
将本文提出的DSPO算法,分别与LB(基于负载均衡路由分配算法)和AAR(基于可用性路由分配算法)进行实验比较,包括安全链路选择、不同链路的传输延迟、安全链路计算迭代计算性能3个实验。其中,DSPO算法表示将Dijkstra算法+PSO算法相结合,得到新的算法缩写DPSO。
实验一:安全链路风险度分布对比。将34个业务重要度划分为4个区间,分别为[1~30]、[30~60]、[60~90]、[90~100],如图5所示为电力通信网络拓扑中边的风险度分布图,横坐标为网络所承载的业务重要度,纵坐标为边所承载的业务量。由图可以看出,本文提出的DPSO方法在进行链路选择时,边上所承载的重要度在[60~90]区间的业务是最多的,在[30~60]区间的业务次之,[90~100]区间的业务相对来说较少,反观LB和AAR算法,尽管边上所承载的大多数业务也是重要度较低或居中的通信业务,但这两种算法重要度在[90~100]之间的业务比例相较于DPSO算法明显增高,仅考虑了路径的距离但具有较高的风险。所以,本文采用的DPSO算法在风险分布均衡效果上表现更优。
实验二:不同链路的传输时延对比。根据3种方法分配的不同业务链路,在10m内进行实验测试,通过采集业务传输时间和平均时延信息,进行了不同链路下业务执行效率的比较。如图6所示,本文DPSO算法选择的最优安全链路平均时延时间明显低于其他两种方法,最大时延仅为0.00028,由此可见,DPSO算法分配的业务链路充分考虑了几何距离最小和消耗费用,减小了业务传输过程中的端到端时延。
实验三:安全链路的迭代计算性能对比。对3种链路选择方法的迭代计算性能进行了实验比对,如图7所示,在200次的迭代计算中,DPSO算法的全局寻优能力最强,其他两种方法存在局部最优解问题,仿真实验证明,本文提出的DPSO算法具有较高的全局搜索能力,可以成功的降低电力通信网络的全局风险度,对于解决网络全局风险均衡问题具有一定的积极意义。
在本发明提供的其他实施例中,给出了一种电力通信网安全链路选择的系统,如图8所示,该系统包括:包括:业务重要度排序模块11和链路计算模块12;业务重要度排序模块11用于将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
链路计算模块12用于通过预设安全链路选择算法和各个业务的业务重要度排序,对包含业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
其中,预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,网络全局风险度函数包括业务重要度。
根据模糊层次分析法和预设业务重要度评价和排序模型对电力通信业务的业务重要度排序,再根据迪杰斯特拉算法和粒子群优化算法对预设业务安全链路选择模型进行求解以获得最优安全链路,通过本方案配置出的最优安全链路,可有效降低电力通信网的全局风险均衡度,降低了传输时延和减少链路计算时间。
优选地,在上述任意实施例中,业务重要度排序模块11包括:业务层次建立模块和重要度计算模块;
业务层次建立模块用于在预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立重要度层次中的因素的fuzzy判断矩阵;其中,业务重要度层次包括:因素层、准则层和目标层;
重要度计算模块用于根据预设指定信息得到fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对集合进行求解获得业务重要度排序。
通过建立在重要度层次中的因素的fuzzy判断矩阵,根据相关领域专家对业务重要度的判断得到预设指定信息,根据指定信息和重要度因素得到fuzzy判断矩阵集合,通过模糊层次分析法对判断矩阵集合求解以获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
优选地,在上述任意实施例中,重要度计算模块具体用于汇总预设指定信息,得到模糊综合业务重要度判断矩阵,根据模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据模糊层次分析法对可能度矩阵进行求解,得到业务重要度排序。
通过汇总预设指定信息,得到模糊综合业务重要度判断矩阵,并计算得到每个业务重要度因素的模糊评价值,并对所有业务的模糊评价值进行归一化出力得到模糊业务重要度因素相对权重即fuzzy判断矩阵,并将每个fuzzy矩阵进行两两比较,得到可能度矩阵,再根据模糊层次分析法对可能矩阵进行求解获得业务重要度排序,对所有业务按照重要度从高到低的顺序排序,后续对重要度较高的业务配置最优的安全链路,有效保证了电力通信网全局风险度最低,保证了电力通信网信息传输的安全运行。
优选地,在上述任意实施例中,链路计算模块12具体用于根据改进的迪杰斯特拉算法和粒子群优化算法,并结合各个业务的业务重要度排序,对预设业务安全链路选择模型进行求解获得最优安全链路。
通过改进的迪杰斯特拉算法和粒子群优化算法对多条链路进行目标优化,配置出最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
优选地,在上述任意实施例中,链路计算模块12包括:最优安全链路计算模块12,具体用于根据业务功能确定源节点和目的节点;
根据预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,备选最优解根据预设次数的迭代和更新得到最优安全链路。
根据业务确定的源节点和目的节点,并以不同网络的可用性来设定的带宽和时延作为约束条件,基于改进的迪杰斯特拉算法构建传输链路候选集合,再根据粒子群优化算法即PSO获得链路候选集合中备选最优解,备选最优解经过不断迭代和更新获得最优安全链路,对重要度较高的业务配置最优的安全链路,有效降低电力通信网的全局风险均衡度,降低了传输时延和减少了链路计算时间。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种电力通信网安全链路选择方法,其特征在于,包括:
S1,将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
S2,通过预设安全链路选择算法和所述各个业务的业务重要度排序,对包含所述业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
其中,所述预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,所述网络全局风险度函数包括所述业务重要度。
2.根据权利要求1所述的一种电力通信网安全链路选择方法,其特征在于,所述S1具体包括:
S11,在所述预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立所述重要度层次中的因素的fuzzy判断矩阵;其中,所述业务重要度层次包括:因素层、准则层和目标层;
S12,根据预设指定信息得到fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对所述集合进行求解获得所述业务重要度排序。
3.根据权利要求2所述的一种电力通信网安全链路选择方法,其特征在于,所述S12具体包括:
汇总所述预设指定信息,得到模糊综合业务重要度判断矩阵,根据所述模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部所述模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部所述fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据所述模糊层次分析法对所述所述可能度矩阵进行求解,得到业务重要度排序。
4.根据权利要求1-3任一项所述的一种电力通信网安全链路选择方法,其特征在于,所述S2具体包括:根据改进的迪杰斯特拉算法和粒子群优化算法,并结合所述各个业务的业务重要度排序,对所述预设业务安全链路选择模型进行求解获得最优安全链路。
5.根据权利要求4所述的一种电力通信网安全链路选择方法,其特征在于,所述对所述预设业务安全链路选择模型进行求解获得最优安全链路具体包括:
根据业务功能确定源节点和目的节点;
根据所述预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据所述传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,所述备选最优解根据预设次数的迭代和更新得到最优安全链路。
6.一种电力通信网安全链路选择的系统,其特征在于,包括:业务重要度排序模块和链路计算模块;
所述业务重要度排序模块用于将电力通信业务输入到根据模糊层次分析法构建的预设业务重要度评价和排序模型中,得到业务重要度和各个业务的业务重要度排序;
所述链路计算模块用于通过预设安全链路选择算法和所述各个业务的业务重要度排序,对包含所述业务重要度的预设业务安全链路选择模型进行求解,得到最优安全链路;
其中,所述预设业务安全链路选择模型根据网络全局风险度函数、带宽函数、时延函数和业务通道可用性函数建立,所述网络全局风险度函数包括所述业务重要度。
7.根据权利要求6所述的一种电力通信网安全链路选择的系统,其特征在于,所述业务重要度排序模块包括:业务层次建立模块和重要度计算模块;
所述业务层次建立模块用于在所述预设业务重要度评价和排序模型中根据建立的三层不同的业务重要度层次,建立所述重要度层次中的因素的fuzzy判断矩阵;其中,所述业务重要度层次包括:因素层、准则层和目标层;
所述重要度计算模块用于根据预设指定信息得到所述fuzzy判断矩阵集合,运用模糊层次分析法并根据输入的电力通信业务对所述集合进行求解获得所述业务重要度排序。
8.根据权利要求7所述的一种电力通信网安全链路选择的系统,其特征在于,所述重要度计算模块具体用于汇总所述预设指定信息,得到模糊综合业务重要度判断矩阵,根据所述模糊综合业务重要度判断矩阵计算得到每个业务重要度因素的模糊评价值;
对全部所述模糊评价值进行归一化处理,得到fuzzy判断矩阵;
对全部所述fuzzy判断矩阵进行两两比较,得到可能度矩阵;
根据所述模糊层次分析法对所述所述可能度矩阵进行求解,得到业务重要度排序。
9.根据权利要求6-8任一项所述的一种电力通信网安全链路选择的系统,其特征在于,所述链路计算模块具体用于根据改进的迪杰斯特拉算法和粒子群优化算法,并结合所述各个业务的业务重要度排序,对所述预设业务安全链路选择模型进行求解获得最优安全链路。
10.根据权利要求9所述的一种电力通信网安全链路选择的系统,其特征在于,所述链路计算模块包括:最优安全链路计算模块,具体用于根据业务功能确定源节点和目的节点;
根据所述预设业务安全链路选择模型中的带宽和时延为约束条件,基于改进的迪杰斯特拉算法构建源节点到目的结点的传输链路候选集合;
根据所述传输链路候选集合,利用PSO算法进行全局的最优安全链路选择,获得备选最优解,所述备选最优解根据预设次数的迭代和更新得到最优安全链路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409339.6A CN110995597A (zh) | 2019-12-31 | 2019-12-31 | 一种电力通信网安全链路选择方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409339.6A CN110995597A (zh) | 2019-12-31 | 2019-12-31 | 一种电力通信网安全链路选择方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110995597A true CN110995597A (zh) | 2020-04-10 |
Family
ID=70079613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911409339.6A Pending CN110995597A (zh) | 2019-12-31 | 2019-12-31 | 一种电力通信网安全链路选择方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110995597A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113709117A (zh) * | 2021-08-11 | 2021-11-26 | 国网河北省电力有限公司保定供电分公司 | 电力通信网安全链路配置方法 |
CN114285789A (zh) * | 2021-12-14 | 2022-04-05 | 国网吉林省电力有限公司信息通信公司 | 一种电力通信网中自动生成业务疏导方案的方法 |
CN115242651A (zh) * | 2022-06-13 | 2022-10-25 | 国网河南省电力公司新乡供电公司 | 基于综合链路重要度的电力业务保护方法、装置和介质 |
CN115242607A (zh) * | 2022-07-01 | 2022-10-25 | 国网福建省电力有限公司 | 一种基于节点重要性的电力网络可靠性预警方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429894A (zh) * | 2015-11-30 | 2016-03-23 | 国网冀北电力有限公司信息通信分公司 | 一种电力通信网中业务路由选择方法及装置 |
CN106453085A (zh) * | 2016-12-14 | 2017-02-22 | 国家电网公司 | 基于业务重要度的风险均衡路由分配的方法及系统 |
-
2019
- 2019-12-31 CN CN201911409339.6A patent/CN110995597A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429894A (zh) * | 2015-11-30 | 2016-03-23 | 国网冀北电力有限公司信息通信分公司 | 一种电力通信网中业务路由选择方法及装置 |
CN106453085A (zh) * | 2016-12-14 | 2017-02-22 | 国家电网公司 | 基于业务重要度的风险均衡路由分配的方法及系统 |
Non-Patent Citations (1)
Title |
---|
仝晓明: "基于风险均衡的电力通信业务路由规划算法的设计及应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113709117A (zh) * | 2021-08-11 | 2021-11-26 | 国网河北省电力有限公司保定供电分公司 | 电力通信网安全链路配置方法 |
CN114285789A (zh) * | 2021-12-14 | 2022-04-05 | 国网吉林省电力有限公司信息通信公司 | 一种电力通信网中自动生成业务疏导方案的方法 |
CN115242651A (zh) * | 2022-06-13 | 2022-10-25 | 国网河南省电力公司新乡供电公司 | 基于综合链路重要度的电力业务保护方法、装置和介质 |
CN115242651B (zh) * | 2022-06-13 | 2023-09-26 | 国网河南省电力公司新乡供电公司 | 基于综合链路重要度的电力业务保护方法、装置和介质 |
CN115242607A (zh) * | 2022-07-01 | 2022-10-25 | 国网福建省电力有限公司 | 一种基于节点重要性的电力网络可靠性预警方法 |
CN115242607B (zh) * | 2022-07-01 | 2023-06-27 | 国网福建省电力有限公司 | 一种基于节点重要性的电力网络可靠性预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sahoo et al. | ESMLB: Efficient switch migration-based load balancing for multicontroller SDN in IoT | |
CN110995597A (zh) | 一种电力通信网安全链路选择方法和系统 | |
Aujla et al. | MEnSuS: An efficient scheme for energy management with sustainability of cloud data centers in edge–cloud environment | |
CN103179052B (zh) | 一种基于接近度中心性的虚拟资源分配方法及系统 | |
He et al. | Web service composition optimization based on improved artificial bee colony algorithm | |
Meneguette et al. | A virtual machine migration policy based on multiple attribute decision in vehicular cloud scenario | |
Qin et al. | User-edge collaborative resource allocation and offloading strategy in edge computing | |
El Gaily et al. | Constrained quantum optimization for resource distribution management | |
Sanjalawe et al. | Cloud Data Center Selection Using a Modified Differential Evolution. | |
Gao et al. | A deep learning framework with spatial-temporal attention mechanism for cellular traffic prediction | |
Ma | Edge server placement for service offloading in internet of things | |
CN114065457A (zh) | 一种电力通信网最优安全链路配置方法与系统 | |
Fu et al. | A self-adaptive differential evolution algorithm for binary CSPs | |
CN116227632A (zh) | 用于客户端异构和数据异构场景的联邦学习方法和装置 | |
Jiang et al. | A task offloading method with edge for 5G-envisioned cyber-physical-social systems | |
Yu et al. | Analysis of distributed database access path prediction based on recurrent neural network in internet of things | |
Gąsior | QoS rate allocation in computer networks under uncertainty | |
CN113469522A (zh) | 综合能源物联网评价方法、装置、电子设备及存储介质 | |
Bai et al. | An efficient skyline query algorithm in the distributed environment | |
Wang et al. | Communication network time series prediction algorithm based on big data method | |
Rose Varuna et al. | Design of an effectual node balancing cluster with partitioner algorithm using Markov decision process | |
CN111487873A (zh) | 一种能源互联网能量分散协同控制方法 | |
Lv et al. | Heterogeneous CCN cache allocation strategy with collaboration support | |
Eid et al. | Replication strategies based on markoc chain monte carlo and optimization on cloud applications | |
Wei et al. | Cost-effective stochastic resource placement in edge clouds with horizontal and vertical sharing |
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 |
Application publication date: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |