CN111160661A - 一种电力通信网可靠性优化方法、系统以及设备 - Google Patents

一种电力通信网可靠性优化方法、系统以及设备 Download PDF

Info

Publication number
CN111160661A
CN111160661A CN201911414278.2A CN201911414278A CN111160661A CN 111160661 A CN111160661 A CN 111160661A CN 201911414278 A CN201911414278 A CN 201911414278A CN 111160661 A CN111160661 A CN 111160661A
Authority
CN
China
Prior art keywords
communication network
power communication
node
resource
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.)
Granted
Application number
CN201911414278.2A
Other languages
English (en)
Other versions
CN111160661B (zh
Inventor
郭德孺
施展
林冠强
宋培芳
何旭田
罗慈照
叶学平
骆宇平
陈茂忠
钟佰维
卢军
郑广安
李树青
江飞达
缪海棠
朱纹汉
刘文昊
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.)
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201911414278.2A priority Critical patent/CN111160661B/zh
Publication of CN111160661A publication Critical patent/CN111160661A/zh
Application granted granted Critical
Publication of CN111160661B publication Critical patent/CN111160661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G06Q50/40—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector

Abstract

本发明公开了一种电力通信网可靠性优化方法、系统以及设备，方法包括以下步骤：获取电力通信网络的网络性能特征以及网络故障特征；计算每个电力通信网络节点的性能指标并进行排序，将位于序列最末端的N个电力通信网络节点的进行资源扩容；计算每个电力通信网络节点的可替代概率并进行排序，将位于序列最末端的Q个电力通信网络节点的进行资源冗余。本发明根据性能指标以及可替代概率对网络节点进行资源扩容或者资源冗余，资源扩容防止电力通信网络中出现资源拥塞，而资源冗余能够防止出现资源不可用的情况，从而大大提升了电力通信网络的可靠性。

Description

一种电力通信网可靠性优化方法、系统以及设备
技术领域
本发明涉及电力通行技术领域，尤其涉及一种电力通信网可靠性优化方法、系统以及设备。
背景技术
随着电力通信网承载的电力业务数量逐渐增多、业务复杂度逐渐提高，电力通信网的可靠运行对电力公司的稳定运营越来越重要。如何提高电力通信网可靠性已成为一个重要的研究内容。已有研究在电力通信网络可靠性方面已取得较多成果。但是，已有算法仅从网络拓扑的维度分析网络的特征，忽略了网络节点之间的替代关联特性，导致电力通信网的可靠性无法进一步提升。
综上所述，现有技术中忽略了电力通行网络节点之间的替代关联特性，导致电力通信网的可靠性存在着无法进一步提升的技术问题。
发明内容
本发明提供了一种电力通信网可靠性优化方法、系统以及设备，解决了现有技术中电力通信网络的可靠性无法进一步提升的技术问题。
本发明提供的一种电力通信网可靠性优化方法，包括以下步骤：
步骤S1：获取电力通信网络的网络性能特征以及网络故障特征；
步骤S2：基于网络性能特征计算每个电力通信网络节点的性能指标，并将电力通信网络节点根据性能指标进行排序，将位于序列最末端的N个电力通信网络节点进行资源扩容；
步骤S3：基于网络故障特征计算每个电力通信网络节点的可替代概率，并将电力通信网络节点根据可替代概率进行排序，将位于序列最末端的Q个电力通信网络节点进行资源冗余。
优选的，在步骤S1中，使用G＝(N,E)表示电力通信网络，电力通信网络包括网络节点集合N和网络链路集合E两种资源，每个电力通信网络节点ni∈N包括CPU资源NR(ni)，每条网络链路ej∈E包括带宽资源bw(ej)。
优选的，所述网络性能特征包括节点CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)。
优选的，所述网络故障特征包括节点的可替代概率J(ni,nj)。
优选的，在步骤S2中，计算每个电力通信网络节点的性能指标的具体步骤如下：
计算每个电力通信网络节点的CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)的权值，CPU资源NR(ni)的权值为wNR、节点直连链路资源DC(ni)的权值为wDC，节点中心度CC(ni)的权值为wCC；
根据每个电力通信网络节点的wNR、wDC、wCC，计算出该节点的性能指标。
优选的，在步骤S2，对性能指标根据数值的大小进行排序，数值越大排序越前；在步骤S3中，对可替代概率根据数值的大小进行排序，数值越大排序越前。
优选的，将位于序列最末端的N个电力通信网络节点的进行扩容50％的资源容量作为备份资源。
优选的，在步骤S3中，将位于序列最末端的Q个电力通信网络节点备份100％的容量作为冗余资源。
一种电力通信网可靠性优化系统，包括电力通信网络数据获取模块、电力通信网络数据处理模块以及资源扩容模块与资源冗余模块；
所述电力通信网络数据获取模块用于获取电力通信网络的网络性能特征以及网络故障特征；
所述电力通信网络数据处理模块用于根据网络性能特征计算每个电力通信网络节点的性能指标，根据网络故障特征计算每个电力通信网络节点的可替代概率；
所述资源扩容模块用于对每个电力通信网络节点的性能指标进行排序，将位于序列最末端的N个电力通信网络节点的进行资源扩容；
所述资源冗余模块用于对每个电力通信网络节点的可替代概率进行排序，并将位于序列最末端的Q个电力通信网络节点的进行资源冗余。
一种电力通信网可靠性优化设备，包括所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述的一种电力通信网可靠性优化方法。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过获取电力通信网络的网络性能特征以及网络故障特征，从而计算出每个电力通信网络节点的性能指标以及可替代概率，根据性能指标以及可替代概率对网络节点进行资源扩容或者资源冗余，资源扩容防止了电力通信网络中出现资源拥塞，而资源冗余能够防止出现资源不可用的情况，从而大大提升了电力通信网络的可靠性。
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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种电力通信网可靠性优化方法、系统以及设备的方法流程图。
图2为本发明实施例提供的一种电力通信网可靠性优化方法、系统以及设备的系统框架图。
图3为本发明实施例提供的一种电力通信网可靠性优化方法、系统以及设备的设备结构图。
图4为本发明实施例提供的一种电力通信网可靠性优化方法、系统的拥塞链路率比较示意图。
图5为本发明实施例提供的一种电力通信网可靠性优化方法、系统的业务可靠性比较示意图。
具体实施方式
本发明实施例提供了一种电力通信网可靠性优化方法、系统以及设备，解决了现有技术中电力通信网络的可靠性无法进一步提升的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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。
请参阅图1，图1为本发明实施例提供的一种电力通信网可靠性优化方法、系统以及设备的方法流程图。
本发明提供的一种电力通信网可靠性优化方法，包括以下步骤：
步骤S1：获取电力通信网络的网络性能特征以及网络故障特征；根据网络性能特征以及网络故障特征从而分析电力通信网资源关联特征；
步骤S2：基于网络性能特征计算每个电力通信网络节点的性能指标，并将电力通信网络节点根据性能指标进行排序，将位于序列最末端的N个电力通信网络节点的进行资源扩容，通过对网络节点的资源进行扩容从而提高电力通信网络的可靠性。
步骤S3：基于网络故障特征计算每个电力通信网络节点的可替代概率，并将电力通信网络节点根据可替代概率进行排序，将位于序列最末端的Q个电力通信网络节点的进行资源冗余，通过对网络节点的资源进行资源冗余从而提高电力通信网络的可靠性。
作为一个优选的实施例，在步骤S1中，使用G＝(N,E)表示电力通信网络，电力通信网络包括网络节点集合N和网络链路集合E两种资源，每个电力通信网络节点网络节点ni∈N包括CPU资源NR(ni)，每条网络链路ej∈E包括带宽资源bw(ej)。
作为一个优选的实施例，所述网络性能特征包括节点CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)。
节点中心度CC(ni)用与描述电力通信网络中的其它节点到当前节点的距离，其它电力通信网络节点到当前电力通信网络节点的距离越小，说明当前电力通信网络节点越可能成为其它电力通信网络节点的中心。基于此，使用公式(1)计算节点中心度CC(ni)。公式中，dij表示电力通信网络节点ni与电力通信网络节点nj的所有路径中包含链路数量最少的路径，
Figure BDA0002350780760000041
表示电力通信网络中除了节点ni之外的其它电力通信网络节点。
Figure BDA0002350780760000051
关于节点直连链路资源DC(ni)，使用当前电力通信网络节点的边所包含的带宽资源之和进行计算，如公式(2)所示。其中，E(ni)表示电力通信网络节点ni∈N的边构成的集合。
Figure BDA0002350780760000052
作为一个优选的实施例，所述网络故障特征包括电力通信网络节点的可替代概率J(ni,nj)。
在电力通信网络节点的可替代方面，考虑到电力通信网络节点被替代是通过重新制定路由策略来实现的。所以，本实施例使用任意两个电力通信网络节点在两跳范围内重叠网络节点的比例，来判定任意两个电力通信网络节点是否可以被替代，使用公式(3)进行求解可替代概率J(ni,nj)；
Figure BDA0002350780760000053
公式(3)中，N(ni)表示可以通过一跳到达电力通信网络节点ni的节点集合。|*|表示集合中的电力通信网络节点的数量。所以，任意两个电力通信网络节点ni,nj的J(ni,nj)取值越大，说明这电力通信网络节点之间的路由可达距离越小，当J(ni,nj)＝1时，两个电力通信网络节点之间是直达路由，相互替代的概率较高。相反，当J(ni,nj)取值较小时，电力通信网络节点ni、nj的可以相互替代的概率较低。
为了评估每个电力通信网络节点的可替代概率J(ni,nj)，使用公式(4)计算所有电力通信网络节点对当前电力通信网络节点的可替代概率。从公式可知，当Sub(ni)较大时，当前电力通信网络节点的可被替代概率较高，电力通信网络节点的可靠性较高。当被替代概率较低的电力通信网络节点ni发生故障时，由于没有可替代的电力通信网络节点导致电力通信网络不可用，此时电力通信网络的可靠性较低。
Figure BDA0002350780760000054
作为一个优选的实施例，在步骤S2中，计算每个电力通信网络节点的性能指标的具体步骤如下：
在网络性能方面，网络的可靠性与资源的多少相关。其中，节点CPU资源NR(ni)和节点直连链路资源DC(ni)的空闲资源越多，需要备份的资源越少。在节点中心度CC(ni)方面，电力通信网络节点越处于网络拓扑的中心位置，电力业务对其的资源使用越多，需要备份的资源越多。
计算每个电力通信网络节点的CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)的权值，CPU资源NR(ni)的权值为wNR、节点直连链路资源DC(ni)的权值为wDC，节点中心度CC(ni)的权值为wCC；
为了均衡NR(ni)、DC(ni)、CC(ni)三个性能指标的权值，从而更加准确的判定每个电力通信网络节点的性能。本实施例采用熵权法求解NR(ni)、DC(ni)、CC(ni)三个性能指标的权值wNR、wDC、wCC。因为三个指标的计算方式相同，本实施例中以指标NR(ni)为例进行说明。
通过公式(5)计算指标NR(ni)的权值wNR。其中，m表示指标的数量，eNR表示指标的熵值，使用公式(6)进行计算。在公式(6)中，N表示电力通信网络节点的数量，rij表示N个电力通信网络节点的三种评价指标构成的熵权评价矩阵的元素，其下标i表示被评价的电力通信网络节点，下标j表示电力通信网络节点i的第j个指标。
Figure BDA0002350780760000061
Figure BDA0002350780760000062
根据每个电力通信网络节点的wNR、wDC、wCC，计算出该节点的性能指标。基于上述分析使用公式(7)求解每个电力通信网络节点的性能指标。其中，同趋化函数
Figure BDA0002350780760000063
主要解决NR(ni)、DC(ni)、CC(ni)三个性能指标的取值范围不同，用于对每个电力通信网络节点的指标进行均衡处理，计算过程如下：
Figure BDA0002350780760000071
作为一个优选的实施例，在步骤S2，对性能指标根据数值的大小进行排序，数值越大排序越前；在步骤S3中，对可替代概率根据数值的大小进行排序，数值越大排序越前。
作为一个优选的实施例，将位于序列最末端的N个电力通信网络节点的进行扩容50％的资源容量作为备份资源；对性能指标取值较差的S个电力通信节点，根据已使用的资源数量，采用扩容50％容量作为备份资源。
作为一个优选的实施例，在步骤S3中，将位于序列最末端的Q个电力通信网络节点备份100％的容量作为冗余资源。在网络故障方面，网络的可靠性与资源的可替换性相关。一般来说，电力通信网络节点在网络中越容易被其它电力通信网络节点替代，在网络发生故障时，该电力通信网络节点的可靠性越高。电力通信网络节点的可替代概率的取值越低。在电力通信网络节点发生故障时，越没有可用的资源进行替代，导致网络的可靠性降低，需要根据已使用的资源数量，对网络资源进行备份。
如图2所示，一种电力通信网可靠性优化系统，包括电力通信网络数据获取模块201、电力通信网络数据处理模块202以及资源扩容模块203与资源冗余模块204；
所述电力通信网络数据获取模块201用于获取电力通信网络的网络性能特征以及网络故障特征；
所述电力通信网络数据处理模块202用于根据网络性能特征计算每个电力通信网络节点的性能指标，根据网络故障特征计算每个电力通信网络节点的可替代概率；
所述资源扩容模块203用于对每个电力通信网络节点的性能指标进行排序，将位于序列最末端的N个电力通信网络节点的进行资源扩容；
所述资源冗余模块204用于对每个电力通信网络节点的可替代概率进行排序，并将位于序列最末端的Q个电力通信网络节点的进行资源冗余。
如图3所示，一种电力通信网可靠性优化设备30，所述设备包括处理器300以及存储器301；
所述存储器301用于存储程序代码302，并将所述程序代码302传输给所述处理器；
所述处理器300用于根据所述程序代码302中的指令执行上述的一种电力通信网可靠性优化方法中的步骤。
示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序302在所述终端设备30中的执行过程。
所述终端设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
实施例2
为验证本申请的一种电力通信网可靠性优化方法的性能，实验部分使用Brite工具生成网络拓扑。考虑到Brite生成的网络拓扑类型中，Waxman类型的网络拓扑的路径中包含较多的链路，可以用于模拟端到端的电力业务。所以，实验中使用Brite工具生成Waxman类型的网络拓扑，网络节点的规模从100个增加到600个。在端到端的电力业务模拟方面，从网络拓扑中选择10％的网络节点作为源点，从剩余的网络节点中任意选择一个节点作为目标节点。
通过对已有类似算法进行分析可知，文献【Jin W，Yu P,Xiong A,et al.Anapproximate all-terminal reliability evaluation method for large-scale smartgrid communication systems[C]//2018 IEEE/IFIP Network Operations andManagement Symposium.IEEE,2018:1-5.】提出的AREM-SGC算法与本发明算法解决的问题类似，属于比较典型的研究成果。所以，实验中将本申请提出一种电力通信网可靠性优化方法与AREM-SGC算法进行性能分析。实验从网络拥塞、网络故障两个维度来检测业务的可靠性。
为了模拟网络拥塞，实验中以[0.05,0.15]的均匀分布概率，设置每条网络链路的拥塞状态，当某条网络链路发生拥塞时，通过该条链路的电力业务都会受到影响。为了确保电力业务的可靠性，通过新的路由策略，实现电力业务的正常运行。
在网络故障的模拟方面，设置网络链路以(0.01,0.003)的均匀分布概率，设置每条网络链路的故障状态。为了判断网络故障时电力业务的可靠性，业务可靠性R(G)使用可用业务的总数来进行衡量，使用公式(8)进行计算，其中，Su(G)表示可用的业务总数，So(G)表示业务总数。
Figure BDA0002350780760000091
实验结果如图4所示，其中x轴表示网络节点的数量变化，y轴表示链路拥塞率。从图可知，本发明算法RAOAoRAF的拥塞链路率维持在55％附近，传统算法AREM-SGC的拥塞链路率维持在75％附近。所以，本申请的一种电力通信网可靠性优化方法链路拥塞率降低较多。
实验结果如图5所示，其中x轴表示网络节点的数量变化，y轴表示业务可靠性。从图可知，本发明算法RAOAoRAF的业务可靠性维持在0.75附近；传统算法AREM-SGC的业务可靠性维持在0.49附近。本申请一种电力通信网可靠性优化方法的业务可靠性提升较多。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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所述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，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种电力通信网可靠性优化方法，其特征在于，包括以下步骤：
步骤S1：获取电力通信网络的网络性能特征以及网络故障特征；
步骤S2：基于网络性能特征计算每个电力通信网络节点的性能指标，并将电力通信网络节点根据性能指标进行排序，将位于序列最末端的N个电力通信网络节点进行资源扩容；
步骤S3：基于网络故障特征计算每个电力通信网络节点的可替代概率，并将电力通信网络节点根据可替代概率进行排序，将位于序列最末端的Q个电力通信网络节点进行资源冗余。
2.根据权利要求1所述的一种电力通信网可靠性优化方法，其特征在于，在步骤S1中，使用G＝(N,E)表示电力通信网络，电力通信网络包括网络节点集合N和网络链路集合E两种资源，每个电力通信网络节点ni∈N包括CPU资源NR(ni)，每条网络链路ej∈E包括带宽资源bw(ej)。
3.根据权利要求2所述的一种电力通信网可靠性优化方法，其特征在于，所述网络性能特征包括节点CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)。
4.根据权利要求3所述的一种电力通信网可靠性优化方法，其特征在于，所述网络故障特征包括电力通信网络节点的可替代概率J(ni,nj)。
5.根据权利要求4所述的一种电力通信网可靠性优化方法，其特征在于，在步骤S2中，计算每个电力通信网络节点的性能指标的具体步骤如下：
计算每个电力通信网络节点的CPU资源NR(ni)、节点直连链路资源DC(ni)以及节点中心度CC(ni)的权值，CPU资源NR(ni)的权值为wNR、节点直连链路资源DC(ni)的权值为wDC，节点中心度CC(ni)的权值为wCC；
根据每个电力通信网络节点的wNR、wDC、wCC，计算出该节点的性能指标。
6.根据权利要求5所述的一种电力通信网可靠性优化方法，其特征在于，在步骤S2，对性能指标根据数值的大小进行排序，数值越大排序越前；在步骤S3中，对可替代概率根据数值的大小进行排序，数值越大排序越前。
7.根据权利要求6所述的一种电力通信网可靠性优化方法，其特征在于，将位于序列最末端的N个电力通信网络节点的进行扩容50％的资源容量作为备份资源。
8.根据权利要求7所述的一种电力通信网可靠性优化方法，其特征在于，在步骤S3中，将位于序列最末端的Q个电力通信网络节点备份100％的容量作为冗余资源。
9.一种电力通信网可靠性优化系统，其特征在于，包括电力通信网络数据获取模块、电力通信网络数据处理模块以及资源扩容模块与资源冗余模块；
所述电力通信网络数据获取模块用于获取电力通信网络的网络性能特征以及网络故障特征；
所述电力通信网络数据处理模块用于根据网络性能特征计算每个电力通信网络节点的性能指标，根据网络故障特征计算每个电力通信网络节点的可替代概率；
所述资源扩容模块用于对每个电力通信网络节点的性能指标进行排序，将位于序列最末端的N个电力通信网络节点的进行资源扩容；
所述资源冗余模块用于对每个电力通信网络节点的可替代概率进行排序，并将位于序列最末端的Q个电力通信网络节点的进行资源冗余。
10.一种电力通信网可靠性优化设备，其特征在于，包括所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-8任一项所述的一种电力通信网可靠性优化方法。
CN201911414278.2A 2019-12-31 2019-12-31 一种电力通信网可靠性优化方法、系统以及设备 Active CN111160661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911414278.2A CN111160661B (zh) 2019-12-31 2019-12-31 一种电力通信网可靠性优化方法、系统以及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911414278.2A CN111160661B (zh) 2019-12-31 2019-12-31 一种电力通信网可靠性优化方法、系统以及设备

Publications (2)

Publication Number Publication Date
CN111160661A true CN111160661A (zh) 2020-05-15
CN111160661B CN111160661B (zh) 2022-06-21

Family

ID=70560204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911414278.2A Active CN111160661B (zh) 2019-12-31 2019-12-31 一种电力通信网可靠性优化方法、系统以及设备

Country Status (1)

Country Link
CN (1) CN111160661B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN111917589A (zh) * 2020-08-10 2020-11-10 广东电网有限责任公司电力调度控制中心 一种电力通信网络资源备份方法及相关装置
CN113518367A (zh) * 2021-04-09 2021-10-19 广东电网有限责任公司电力调度控制中心 5g网络切片下基于服务特征的故障诊断方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170149673A1 (en) * 2015-11-19 2017-05-25 Viasat, Inc. Enhancing capacity of a direct communication link
CN108768877A (zh) * 2018-07-20 2018-11-06 网宿科技股份有限公司 一种突发流量的分配方法、装置及代理服务器
CN110557345A (zh) * 2019-08-19 2019-12-10 广东电网有限责任公司 一种电力通信网资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170149673A1 (en) * 2015-11-19 2017-05-25 Viasat, Inc. Enhancing capacity of a direct communication link
CN108768877A (zh) * 2018-07-20 2018-11-06 网宿科技股份有限公司 一种突发流量的分配方法、装置及代理服务器
CN110557345A (zh) * 2019-08-19 2019-12-10 广东电网有限责任公司 一种电力通信网资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
雷雨田 等: "安全可靠性评估及其在电力光纤通信网的应用", 《湖南电力》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN111682962B (zh) * 2020-05-19 2023-07-04 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN111917589A (zh) * 2020-08-10 2020-11-10 广东电网有限责任公司电力调度控制中心 一种电力通信网络资源备份方法及相关装置
CN111917589B (zh) * 2020-08-10 2021-10-19 广东电网有限责任公司电力调度控制中心 一种电力通信网络资源备份方法及相关装置
CN113518367A (zh) * 2021-04-09 2021-10-19 广东电网有限责任公司电力调度控制中心 5g网络切片下基于服务特征的故障诊断方法及系统

Also Published As

Publication number Publication date
CN111160661B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN110351118B (zh) 根因告警决策网络构建方法、装置和存储介质
CN111160661B (zh) 一种电力通信网可靠性优化方法、系统以及设备
CN108322320B (zh) 业务生存性分析方法及装置
US10740198B2 (en) Parallel partial repair of storage
CN111565146B (zh) 一种网络拓扑感知的电力通信网链路故障恢复方法
CN110570311B (zh) 区块链的共识方法、装置及设备
CN111682962A (zh) 一种电力数据网故障恢复方法、系统及存储介质
Bartolini et al. Network recovery after massive failures
Konak et al. Designing survivable resilient networks: a stochastic hybrid genetic algorithm approach
US20230283534A1 (en) Availability SLO-Aware Network Optimization
He et al. Topological approach to measure network recoverability
CN114091610A (zh) 智能决策方法及装置
CN111600752A (zh) 一种电力通信业务可靠性优化方法及相关装置
CN115361295B (zh) 基于topsis的资源备份方法、装置、设备及介质
CN111917589B (zh) 一种电力通信网络资源备份方法及相关装置
CN115225515B (zh) 一种网络抗毁性分析方法及相关设备
Yi et al. SQHCP: Secure-aware and QoS-guaranteed heterogeneous controller placement for software-defined networking
CN113660677B (zh) 带权时变网络在耗费限制下的最大错误独立路径计算方法
US8995827B2 (en) System and method for finding partially disjoint paths for spare capacity allocation in shared backup path protection for dual fiber cuts
Jia et al. Network recovery for large-scale failures in smart grid by reinforcement learning
CN114422438A (zh) 电力通信网络的链路调节方法及装置
CN112953781A (zh) 网络切片下基于粒子群的虚拟业务故障恢复方法及装置
CN114244713A (zh) 一种电力5g网络切片的资源备份方法及装置
CN107623586B (zh) 网络链路预测方法及装置
JP3895700B2 (ja) 通信網故障頻度計算方法、通信網故障頻度計算装置、通信網故障頻度計算プログラム及びそのプログラムを記録した記録媒体

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