CN111917589A - 一种电力通信网络资源备份方法及相关装置 - Google Patents
一种电力通信网络资源备份方法及相关装置 Download PDFInfo
- Publication number
- CN111917589A CN111917589A CN202010796587.7A CN202010796587A CN111917589A CN 111917589 A CN111917589 A CN 111917589A CN 202010796587 A CN202010796587 A CN 202010796587A CN 111917589 A CN111917589 A CN 111917589A
- Authority
- CN
- China
- Prior art keywords
- network
- preset
- reliability
- target sub
- networks
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种电力通信网络资源备份方法及相关装置,方法包括:采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络;根据目标子网络的网络外链路计算所有目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;获取第一可靠性序列前第一预置数量的目标子网络,并备份目标子网络的网络外链路和对应的网络节点;计算每个目标子网络中的所有网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;获取第二可靠性序列前第二预置数量的网络节点进行备份操作。本申请解决了现有技术对大规模电力通信网络的属性分析运算复杂度太高,导致适用性较差的技术问题。
Description
技术领域
本申请涉及电力通信网络技术领域,尤其涉及一种电力通信网络资源备份方法及相关装置。
背景技术
随着各种新型电力业务的快速发展和应用,电力通信网络在智能电网中的作用越来越重要,面对实际环境中电力通信网络的管理和维护更加困难的问题,迫切需要可以应用于实际环境下的电力通信网络的可靠性分析方法;在网络可靠性提升方面,可以采用优化策略实现路由均衡、优化网络的资源从而提升网络可靠性、同时优化电力通信网络相关系统和通信网相关设备等研究方法,在提升电力通信网可靠性方面取得了较好的结果;在电力设备可靠性提升方面,典型的研究成果包括采用优化后的混合半云模型优化配电系统可靠性、采用频率优化策略实现电网可靠性评估;另外,在电力设备可靠性提升方面引入了一些新技术,例如SDN技术已成为新型网络可靠性的关键技术、基于关联规则的Apriori-AHP算法的主动可靠性保障技术、使用链路已使用情况进行网络可靠性研究的方法。
通过对已有研究分析可知,在电力通信网络的可靠性研究方面已经取得了一些研究成果;但是,已有技术主要是新的方法和技术在电力通信网络可靠性提升方面的应用;在电力通信网络规模越来越大的趋势下,现有技术对整个电力通信网络的属性进行分析运算的复杂度太高,导致其实际的适用性较差。
发明内容
本申请提供了一种电力通信网络资源备份方法及相关装置,用于解决现有技术对大规模电力通信网络的属性分析运算复杂度太高,导致适用性较差的技术问题。
有鉴于此,本申请第一方面提供了一种电力通信网络资源备份方法,包括:
采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,所述预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,所述目标子网络包括多个网络节点;
根据所述目标子网络的网络外链路计算所有所述目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;
获取所述第一可靠性序列前第一预置数量的所述目标子网络,并备份所述目标子网络的所述网络外链路和对应的所述网络节点;
计算每个所述目标子网络中的所有所述网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;
获取所述第二可靠性序列前第二预置数量的所述网络节点进行备份操作。
优选地,所述采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,包括:
S1:采用预置目标函数对根据所述预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度,所述预置FCM算法包括所述预置目标函数,所述初始网络种群包括与所述初始网络种群对应的初始聚类中心;
S2:根据所述适应度对所述初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群,所述更新网络种群包括与所述更新网络种群对应的更新聚类中心;
S3:若满足预置停止迭代条件,则根据所述更新聚类中心计算所述更新网络种群的更新适应度,并得到所述目标子网络,所述预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数;
S4:若不满足所述预置停止迭代条件,则将所述更新网络种群代替所述初始网络种群,重复步骤S1-S2,直至满足所述预置停止迭代条件为止。
优选地,所述根据所述目标子网络的网络外链路计算所有所述目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列,包括:
根据所述目标子网络的网络外链路和第一预置可靠公式计算所有所述目标子网络的第一可靠性,所述第一预置可靠公式为:
其中,CR(x)为目标子网络x的所述第一可靠性,|Qx|为目标子网络x与相邻目标子网络之间的所述网络外链路的数量,∑y∈E|Qy|为所有目标子网络之间的所述网络外链路的数量;
将所有所述目标子网络的所述第一可靠性进行升序排列,得到所述第一可靠性序列。
优选地,所述计算每个所述目标子网络中的所有所述网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列,包括:
根据第二预置可靠公式计算每个所述目标子网络中的所有所述网络节点的第二可靠性,所述第二预置可靠公式为:
其中,CC(ni)表示网络节点ni的所述第二可靠性,nj∈ψ(ni)表示电力通信网络删除网络节点ni后的剩余网络节点集合,dij表示网络节点ni和网络节点nj之间最少的网络链路数量;
将所有所述网络节点的所述第二可靠性进行升序排列,得到所述第二可靠性序列。
本申请第二方面提供了一种电力通信网络资源备份装置,包括:
划分模块,用于采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,所述预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,所述目标子网络包括多个网络节点;
第一计算模块,用于根据所述目标子网络的网络外链路计算所有所述目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;
第一备份模块,用于获取所述第一可靠性序列前第一预置数量的所述目标子网络,并备份所述目标子网络的所述网络外链路和对应的所述网络节点;
第二计算模块,用于计算每个所述目标子网络中的所有所述网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;
第二备份模块,用于获取所述第二可靠性序列前第二预置数量的所述网络节点进行备份操作。
优选地,所述划分模块,包括:
聚类分析子模块,用于采用预置目标函数对根据所述预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度,所述预置FCM算法包括所述预置目标函数,所述初始网络种群包括与所述初始网络种群对应的初始聚类中心;
遗传更新子模块,用于根据所述适应度对所述初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群,所述更新网络种群包括与所述更新网络种群对应的更新聚类中心;
第一判断子模块,用于若满足预置停止迭代条件,则根据所述更新聚类中心计算所述更新网络种群的更新适应度,并得到所述目标子网络,所述预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数;
第二判断子模块,用于若不满足所述预置停止迭代条件,则将所述更新网络种群代替所述初始网络种群,触发所述聚类分析子模块,直至满足所述预置停止迭代条件为止。
优选地,所述第一计算模块具体用于:
根据所述目标子网络的网络外链路和第一预置可靠公式计算所有所述目标子网络的第一可靠性,所述第一预置可靠公式为:
其中,CR(x)为目标子网络x的所述第一可靠性,|Qx|为目标子网络x与相邻目标子网络之间的所述网络外链路的数量,∑y∈E|Qy|为所有目标子网络之间的所述网络外链路的数量;
将所有所述目标子网络的所述第一可靠性进行升序排列,得到所述第一可靠性序列。
优选地,所述第二计算模块具体用于:
根据第二预置可靠公式计算每个所述目标子网络中的所有所述网络节点的第二可靠性,所述第二预置可靠公式为:
其中,CC(ni)表示网络节点ni的所述第二可靠性,nj∈ψ(ni)表示电力通信网络删除网络节点ni后的剩余网络节点集合,dij表示网络节点ni和网络节点nj之间最少的网络链路数量;
将所有所述网络节点的所述第二可靠性进行升序排列,得到所述第二可靠性序列。
本申请第三方面提供了一种电力通信网络资源备份设备,其特征在于,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第一方面任一项所述的电力通信网络资源备份方法。
本申请第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面任一项所述的电力通信网络资源备份方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种电力通信网络资源备份方法,包括:采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,目标子网络包括多个网络节点;根据目标子网络的网络外链路计算所有目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;获取第一可靠性序列前第一预置数量的目标子网络,并备份目标子网络的网络外链路和对应的网络节点;计算每个目标子网络中的所有网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;获取第二可靠性序列前第二预置数量的网络节点进行备份操作。
本申请提供的电力通信网络资源备份方法,采用改进的FCM算法将预置大规模电力通信网络划分为多个较小规模的子网络,并根据子网络与子网络之间可靠性分析对子网络重要的节点和链路进行备份操作,而且还对每个子网络内部的节点可靠性进行分析,根据节点的可靠性对每个子网络中的重要但是可靠性较低的节点进行备份操作;备份的原理其实就是在节点度较小的位置,也就是可能存有在可靠性较低的位置,其节点和链路又十分重要的情况,那么就可以通过备份该部分的网络资源提升电力通信网络的可靠性;将大规模电力通信网络分成较小的子网络能够缓解运算复杂度,而逐步分析子网络与子网络,子网络内部的节点之间的可靠关系,然后逐步进行备份,使得备份结果更加准确可靠。因此,本申请解决了现有技术对大规模电力通信网络的属性分析运算复杂度太高,导致适用性较差的技术问题。
附图说明
图1为本申请实施例提供的一种电力通信网络资源备份方法的一个流程示意图;
图2为本申请实施例提供的一种电力通信网络资源备份方法的另一个流程示意图;
图3为本申请实施例提供的一种电力通信网络资源备份装置的一个结构示意图;
图4为本申请应用例提供的备份资源数量对比曲线图;
图5为本申请应用例提供的随机性攻击下的网络连通度对比曲线图;
图6为本申请应用例提供的选择性攻击下的网络连通度对比曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种电力通信网络资源备份方法的实施例一,包括:
101、采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,目标子网络包括多个网络节点。
需要说明的是,FCM算法即为模糊c-均值聚类算法(fuzzy c-means algorithmFCMA或称FCM),是通过优化目标函数得到每个样本点对所有类中心的隶属度,从而决定样本点的类属以达到自动对样本数据进行分类的目的。本实施例中为了避免预置FCM算法陷入局部最优解,引入了预置遗传迭代算法和预置模拟退火约束条件;遗传算法不是采用确定性规则,而是采用概率的变迁规则来指导搜索方向,可以同时处理群体中的多个个体,对搜索空间中的多个解进行评估,因此可以降低陷入局部最优解的风险;而模拟退火的约束条件其实就是温度约束,模拟退火算法与初始值无关,求得的解与初始解状态无关,具有渐近收敛性,是以概率收敛于全局最优解的优化算法,因此,以上两种方法的引入均能够缓解局部最优的问题,使得最终收敛得到的解最接近或者就是全局最优,也就是得到的多个目标子网络的划分更加准确可靠;每个目标子网络均是由网络节点和网络链路构成,网络节点为电力业务提供计算服务,网络链路为电力业务提供通信连接服务。为了便于理解,由于子网络的划分,每个目标子网络中的网络链路可以成为网络外链路和非网络外链路,网络外链路其实就是该目标子网络与其他目标子网络之间连接的链路。
102、根据目标子网络的网络外链路计算所有目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列。
需要说明的是,将电力通信网络划分为多个目标子网络,每个子网络内部关系比较紧密,各个子网络之间的链路比较稀疏,此时,各个目标子网络之间的网络外链路的可靠性对于电力通信网络的整体连通性起到了非常关键的作用,当任意两个子网络之间的链路出现故障时,子网络之间就会失去连通性,所以确保子网络之间链路的可靠性对整个电力通信网络而言至关重要。可以发现,当前子网络的网络外链路数量占所有子网络的网络外链路总数的比值能够衡量一个子网络的外链能力,外链能力越强电力通信网络的可靠性越高,因此,可以利用这一特点,根据子网络的网络外链路的数量计算第一可靠性,也就是外链能力,将然后进行升序排列,排在前面的就是可靠性较弱,外链能力较差的子网络,正是这些网络资源需要进行备份。
103、获取第一可靠性序列前第一预置数量的目标子网络,并备份目标子网络的网络外链路和对应的网络节点。
需要说明的是,第一可靠性序列前面的第一预置数量的目标子网络都是外链能力较差的,也就是可靠性较差的,需要对这些子网络的网络外链路和对应的网络节点进行资源备份操作,从而增强子网络的可靠性。第一预置数量可以根据实际情况设定,例如整个序列的一半,或者三分之一等。
104、计算每个目标子网络中的所有网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列。
需要说明的是,从总体的子网络的可靠性分析完后,需要分析子网络的内部可靠性,也就是内部的网络节点的可靠性,每个目标子网络中的网络节点距离较近,关联性较强,因此,可以采用子网络内部节点中心度进行可靠性衡量,同样将计算得到的第二可靠性进行升序排列,越靠前的其可靠性越低,是需要增加资源量用于提高可靠性的。
105、获取第二可靠性序列前第二预置数量的网络节点进行备份操作。
需要说明的是,第二预置数量同样根据实际情况设定,符合逻辑即可,前面的第二预置数量的网络节点即为可靠性较差的,通过备份的方式增加资源量,达到提升节点可靠性的目的。
本实施例提供的电力通信网络资源备份方法,采用改进的FCM算法将预置大规模电力通信网络划分为多个较小规模的子网络,并根据子网络与子网络之间可靠性分析对子网络重要的节点和链路进行备份操作,而且还对每个子网络内部的节点可靠性进行分析,根据节点的可靠性对每个子网络中的重要但是可靠性较低的节点进行备份操作;备份的原理其实就是在节点度较小的位置,也就是可能存有在可靠性较低的位置,其节点和链路又十分重要的情况,那么就可以通过备份该部分的网络资源提升电力通信网络的可靠性;将大规模电力通信网络分成较小的子网络能够缓解运算复杂度,而逐步分析子网络与子网络,子网络内部的节点之间的可靠关系,然后逐步进行备份,使得备份结果更加准确可靠。因此,本实施例解决了现有技术对大规模电力通信网络的属性分析运算复杂度太高,导致适用性较差的技术问题。
为了便于理解,请参阅图2,本申请提供了一种电力通信网络资源备份方法的实施例二,包括:
201、采用预置目标函数对根据预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度。
需要说明的是,预置FCM算法包括预置目标函数,初始网络种群包括与初始网络种群对应的初始聚类中心。若是用N={n1,n2,...,np}表示网络节点集合,假设将网络节点划分为c(2≤c≤p)个节点集合,即U={A1,A2,...,Ac},也就是初始网络种群,相应的初始聚类中心可以表示为{M1,M2,...,Mc},为了了解初始网络种群类别的划分效果,预置FCM算法中采用预置目标函数进行分类评价,预置目标函数为:
其中,μik为网络节点ni相对于集合Ak的隶属度,dik表示网络节点ni和集合Ak的初始聚类中心Mi的欧几里得距离,b为加权参数,且1≤b≤∞。在本实施例中,将预置目标函数求得的值Jb作用适应度值fi,i=1,2,...,SP,进行遗传迭代操作。隶属度的计算方式如下:
其中,djk表示网络节点nj和集合Ak的初始聚类中心Mj的欧几里得距离。另外,存在一些参数需要进行初始化或者迭代前定义的,例如种群大小SP,温度冷却系数q,预置温度Tend等。
202、根据适应度对初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群。
需要说明的是,更新网络种群包括与更新网络种群对应的更新聚类中心。在初始网络种群中选择父代种群的方法可以是随机比例方法,或者别的抽选方法,在此不作限定;预置单点交叉算法是选择交叉点,将两个个体的交叉点左右部分进行交叉运算,具体的交叉概率可以定义为Pc,预置变异概率可以定义为Pm,进行交叉变异后得到更新网络种群,网络种群更新了,也就是集合U更新了,那么对应的聚类中心也要进行更新,具体的可以根据如下公式进行更新:
其中,Mj表示聚类j的中心,Dij表示第i个网络节点到聚类中心j的距离。
203、若满足预置停止迭代条件,则根据更新聚类中心计算更新网络种群的更新适应度,并得到目标子网络,预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数。
需要说明的是,预置停止迭代条件中引入了模拟退火算法中的判定,即当前温度是否大于预置温度,此处的预置温度Tend就是结束迭代的条件点之一,另外就是迭代的次数是否大于预置最大进化代数,只有当前退火温度T小于或者等于预置温度Tend,且当前更新代数gen大于预置最大进化代数MG时,才停止迭代,得到全局最优解,即目标子网络,引入的两种方法极大程度的降低了局部最优解的风险,因此,得到的子网络划分结果准确率更高。具体选择目标子网络的过程是计算更新网络种群的个体适应度值fi',然后可以根据更新的适应度与初始计算得到的适应度值fi进行比较,如果更新后的适应度值大于初始的值,则直接以新个体代替旧个体,否则就以概率P=exp((fi-fi')T)接受新个体舍弃旧个体,得到目标子网络。
204、若不满足预置停止迭代条件,则将更新网络种群代替初始网络种群,重复步骤201-202,直至满足预置停止迭代条件为止。
需要说明的是,如果没有达到预置停止迭代条件,那么迭代次数加1,即gen=gen+1,当前退火温度同时更新,即T=T*q,继续进行聚类分析,计算适应度值,即重复步骤201-202,直到满足预置停止迭代条件就可以结束迭代操作,得到目标子网络。
205、根据目标子网络的网络外链路和第一预置可靠公式计算所有目标子网络的第一可靠性。
206、将所有目标子网络的第一可靠性进行升序排列,得到第一可靠性序列。
需要说明的是,将电力通信网络划分为多个目标子网络,每个子网络内部关系比较紧密,各个子网络之间的链路比较稀疏,此时,各个目标子网络之间的网络外链路的可靠性对于电力通信网络的整体连通性起到了非常关键的作用。当前子网络的网络外链路数量占所有子网络的网络外链路总数的比值能够衡量一个子网络的外链能力,外链能力越强电力通信网络的可靠性越高,因此,可以利用这一特点,根据子网络的网络外链路的数量计算第一可靠性,也就是外链能力,将然后进行升序排列,排在前面的就是可靠性较弱,外链能力较差的子网络,正是这些网络资源需要进行备份。第一预置可靠公式为:
其中,CR(x)为目标子网络x的第一可靠性,|Qx|为目标子网络x与相邻目标子网络之间的网络外链路的数量,∑y∈E|Qy|为所有目标子网络之间的网络外链路的数量。
207、获取第一可靠性序列前第一预置数量的目标子网络,并备份目标子网络的网络外链路和对应的网络节点。
需要说明的是,第一可靠性序列前面的W个目标子网络都是外链能力较差的,也就是可靠性较差的,需要对这些子网络的网络外链路和对应的网络节点进行资源备份操作,从而增强子网络的可靠性。第一预置数量W可以根据实际情况设定,例如整个序列的一半,或者三分之一等。
208、根据第二预置可靠公式计算每个目标子网络中的所有网络节点的第二可靠性。
209、将所有网络节点的第二可靠性进行升序排列,得到第二可靠性序列。
需要说明的是,从总体的子网络的可靠性分析完后,需要分析子网络的内部可靠性,也就是内部的网络节点的可靠性,每个目标子网络中的网络节点距离较近,关联性较强,因此,可以采用子网络内部节点中心度进行可靠性衡量,同样将计算得到的第二可靠性进行升序排列,越靠前的其可靠性越低,是需要增加资源量用于提高可靠性的。第二预置可靠公式为:
其中,CC(ni)表示网络节点ni的第二可靠性,nj∈ψ(ni)表示电力通信网络删除网络节点ni后的剩余网络节点集合,dij表示网络节点ni和网络节点nj之间最少的网络链路数量。
210、获取第二可靠性序列前第二预置数量的网络节点进行备份操作。
需要说明的是,第二预置数量Z同样根据实际情况设定,符合逻辑即可,前面的Z个网络节点即为可靠性较差的,通过备份的方式增加资源量,达到提升节点可靠性的目的。
为了便于理解,本实施例提供一种电力通信网络资源备份的实验应用例,实验部分使用BRITE工具生成电力通信网络环境,为了验证不同网络规模下算法的性能,使用100个到500个之间变化的网络节点环境;为了验证网络的可靠性,使用一个端到端的最短路径模拟一个电力通信业务;其中,电力业务的源节点使用随机选择的10%网络节点进行模拟,电力业务的终点使用除源节点之外的互不相同的网络节点进行模拟。在方法性能分析方面,将本实施例的方法ROAoIC与传统算法ROAnoC进行比较;传统算法ROAnoC是指仅仅基于网络节点的特性进行备份,而没有对网络进行划分;评价指标包括备份资源数量在总资源中的占比、网络连通度;备份资源数量在总资源中的占比是指子网络中的备份资源、子网络之间的备份资源在总的资源中的比例;网络连通度是指电力通信网络中的网络节点和链路产生故障后,网络最大连通分量网络节点数nr与电力通信网络的节点总数N的比值,可以用公式表示这种比例关系:
其中,So(G)为网络无故障是的网络连通度,Sf(G)为网络故障后的网络连通度,具体可以表示为:
为了验证网络的可靠性,本应用例采用的攻击模型分为随机性攻击和选择性攻击两种;随机性攻击的对象是从网络资源中随机选取,选择性攻击是以较大的概率从子网络之间的可靠性较低的链路中、或从子网络内部可靠性较低的网络资源中选择被攻击的对象。备份资源数量比较的实验结果如图4所示,其中,x轴表示网络节点规模,y轴表示备份资源数量,从图4可知,本应用例算法ROAoIC的备份资源量与传统算法ROAnoC的备份资源量都维持在25%左右;说明两种算法对网络资源的利用率相近。随机性攻击环境下的网络连通度比较的实验结果如图5所示,其中,x轴表示网络节点规模,y轴表示随机性攻击环境下的网络连通度,从图5可知,本应用例算法ROAoIC的网络连通度维持在0.77左右,而传统算法ROAnoC的网络连通度维持在0.57左右,后者明显较低,说明本应用例的方法有效提升了随机性攻击环境下的网络连通度。选择性攻击环境下的网络连通度比较的实验结果如图6所示,其中,x轴表示网络节点规模,y轴表示选择性攻击环境下的网络连通度。从图6可知,本应用例算法ROAoIC的网络连通度维持在0.62左右,而传统算法ROAnoC的网络连通度维持在0.43左右,说明本应用例的方法有效提升了选择性攻击环境下的网络连通度。
为了便于理解,请参阅图3,本申请还提供了一种电力通信网络资源备份装置的实施例,包括:
划分模块301,用于采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,目标子网络包括多个网络节点;
第一计算模块302,用于根据目标子网络的网络外链路计算所有目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;
第一备份模块303,用于获取第一可靠性序列前第一预置数量的目标子网络,并备份目标子网络的网络外链路和对应的网络节点;
第二计算模块304,用于计算每个目标子网络中的所有网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;
第二备份模块305,用于获取第二可靠性序列前第二预置数量的网络节点进行备份操作。
进一步地,划分模块301,包括:
聚类分析子模块3011,用于采用预置目标函数对根据预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度,预置FCM算法包括预置目标函数,初始网络种群包括与初始网络种群对应的初始聚类中心;
遗传更新子模块3012,用于根据适应度对初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群,更新网络种群包括与更新网络种群对应的更新聚类中心;
第一判断子模块3013,用于若满足预置停止迭代条件,则根据更新聚类中心计算更新网络种群的更新适应度,并得到目标子网络,预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数;
第二判断子模块3014,用于若不满足预置停止迭代条件,则将更新网络种群代替初始网络种群,触发聚类分析子模块3011,直至满足预置停止迭代条件为止。
进一步地,第一计算模块302具体用于:
根据目标子网络的网络外链路和第一预置可靠公式计算所有目标子网络的第一可靠性,第一预置可靠公式为:
其中,CR(x)为目标子网络x的第一可靠性,|Qx|为目标子网络x与相邻目标子网络之间的网络外链路的数量,∑y∈E|Qy|为所有目标子网络之间的网络外链路的数量;
将所有目标子网络的第一可靠性进行升序排列,得到第一可靠性序列。
进一步地,第二计算模块304具体用于:
根据第二预置可靠公式计算每个目标子网络中的所有网络节点的第二可靠性,第二预置可靠公式为:
其中,CC(ni)表示网络节点ni的第二可靠性,nj∈ψ(ni)表示电力通信网络删除网络节点ni后的剩余网络节点集合,dij表示网络节点ni和网络节点nj之间最少的网络链路数量;
将所有网络节点的第二可靠性进行升序排列,得到第二可靠性序列。
为了便于理解,本申请还提供了一种电力通信网络资源备份设备,设备包括处理器以及存储器:
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行上述方法实施例中任一种电力通信网络资源备份方法。
为了便于理解,本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行上述方法实施例中任一种电力通信网络资源备份方法。
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,在本申请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,本申请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,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请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(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:RandomAccess Memory,英文缩写:RAM)、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申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电力通信网络资源备份方法,其特征在于,包括:
采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,所述预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,所述目标子网络包括多个网络节点;
根据所述目标子网络的网络外链路计算所有所述目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;
获取所述第一可靠性序列前第一预置数量的所述目标子网络,并备份所述目标子网络的所述网络外链路和对应的所述网络节点;
计算每个所述目标子网络中的所有所述网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;
获取所述第二可靠性序列前第二预置数量的所述网络节点进行备份操作。
2.根据权利要求1所述的电力通信网络资源备份方法,其特征在于,所述采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,包括:
S1:采用预置目标函数对根据所述预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度,所述预置FCM算法包括所述预置目标函数,所述初始网络种群包括与所述初始网络种群对应的初始聚类中心;
S2:根据所述适应度对所述初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群,所述更新网络种群包括与所述更新网络种群对应的更新聚类中心;
S3:若满足预置停止迭代条件,则根据所述更新聚类中心计算所述更新网络种群的更新适应度,并得到所述目标子网络,所述预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数;
S4:若不满足所述预置停止迭代条件,则将所述更新网络种群代替所述初始网络种群,重复步骤S1-S2,直至满足所述预置停止迭代条件为止。
5.一种电力通信网络资源备份装置,其特征在于,包括:
划分模块,用于采用预置FCM算法将预置大规模电力通信网络划分为多个目标子网络,所述预置FCM算法包括预置遗传迭代算法和预置模拟退火约束条件,所述目标子网络包括多个网络节点;
第一计算模块,用于根据所述目标子网络的网络外链路计算所有所述目标子网络的第一可靠性,并进行升序排列,得到第一可靠性序列;
第一备份模块,用于获取所述第一可靠性序列前第一预置数量的所述目标子网络,并备份所述目标子网络的所述网络外链路和对应的所述网络节点;
第二计算模块,用于计算每个所述目标子网络中的所有所述网络节点的第二可靠性,并进行升序排列,得到第二可靠性序列;
第二备份模块,用于获取所述第二可靠性序列前第二预置数量的所述网络节点进行备份操作。
6.根据权利要求5所述的电力通信网络资源备份装置,其特征在于,所述划分模块,包括:
聚类分析子模块,用于采用预置目标函数对根据所述预置大规模电力通信网络得到的初始网络种群进行聚类分析,得到适应度,所述预置FCM算法包括所述预置目标函数,所述初始网络种群包括与所述初始网络种群对应的初始聚类中心;
遗传更新子模块,用于根据所述适应度对所述初始网络种群进行选择后,采用预置单点交叉算法和预置变异概率进行交叉变异操作,得到更新网络种群,所述更新网络种群包括与所述更新网络种群对应的更新聚类中心;
第一判断子模块,用于若满足预置停止迭代条件,则根据所述更新聚类中心计算所述更新网络种群的更新适应度,并得到所述目标子网络,所述预置停止迭代条件为当前退火温度小于或者等于预置温度,且当前更新代数大于预置最大进化代数;
第二判断子模块,用于若不满足所述预置停止迭代条件,则将所述更新网络种群代替所述初始网络种群,触发所述聚类分析子模块,直至满足所述预置停止迭代条件为止。
9.一种电力通信网络资源备份设备,其特征在于,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1-4任一项所述的电力通信网络资源备份方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-4任一项所述的电力通信网络资源备份方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010796587.7A CN111917589B (zh) | 2020-08-10 | 2020-08-10 | 一种电力通信网络资源备份方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010796587.7A CN111917589B (zh) | 2020-08-10 | 2020-08-10 | 一种电力通信网络资源备份方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111917589A true CN111917589A (zh) | 2020-11-10 |
CN111917589B CN111917589B (zh) | 2021-10-19 |
Family
ID=73283694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010796587.7A Active CN111917589B (zh) | 2020-08-10 | 2020-08-10 | 一种电力通信网络资源备份方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111917589B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114517A (zh) * | 2021-05-26 | 2021-07-13 | 广东电网有限责任公司电力调度控制中心 | 网络切片下基于节点特征的网络资源动态备份方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320229A (zh) * | 2014-10-14 | 2015-01-28 | 国家电网公司 | 通信网络建立的方法及装置 |
CN104810860A (zh) * | 2015-02-06 | 2015-07-29 | 华北水利水电大学 | 一种风电场内功率分配方法及分配装置 |
CN105844294A (zh) * | 2016-03-21 | 2016-08-10 | 全球能源互联网研究院 | 一种基于fcm聚类算法的用电行为分析方法 |
CN110601895A (zh) * | 2019-09-19 | 2019-12-20 | 国家电网有限公司 | 电力通信系统数据控制方法和装置 |
US20200106662A1 (en) * | 2015-08-13 | 2020-04-02 | Level 3 Communications, Llc | Systems and methods for managing network health |
CN111160661A (zh) * | 2019-12-31 | 2020-05-15 | 广东电网有限责任公司 | 一种电力通信网可靠性优化方法、系统以及设备 |
-
2020
- 2020-08-10 CN CN202010796587.7A patent/CN111917589B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104320229A (zh) * | 2014-10-14 | 2015-01-28 | 国家电网公司 | 通信网络建立的方法及装置 |
CN104810860A (zh) * | 2015-02-06 | 2015-07-29 | 华北水利水电大学 | 一种风电场内功率分配方法及分配装置 |
US20200106662A1 (en) * | 2015-08-13 | 2020-04-02 | Level 3 Communications, Llc | Systems and methods for managing network health |
CN105844294A (zh) * | 2016-03-21 | 2016-08-10 | 全球能源互联网研究院 | 一种基于fcm聚类算法的用电行为分析方法 |
CN110601895A (zh) * | 2019-09-19 | 2019-12-20 | 国家电网有限公司 | 电力通信系统数据控制方法和装置 |
CN111160661A (zh) * | 2019-12-31 | 2020-05-15 | 广东电网有限责任公司 | 一种电力通信网可靠性优化方法、系统以及设备 |
Non-Patent Citations (3)
Title |
---|
LIN XIQIAO; WU WANLU; ZENG BO; YAN XU; HAN SHUAI; QIN LIJUAN: "Analysis of large-scale electricity load profile using clustering method", 《2018 IEEE 15TH INTERNATIONAL CONFERENCE ON NETWORKING, SENSING AND CONTROL (ICNSC)》 * |
曾瑛: "基于贝叶斯网的电力通信业务可靠性优化算法", 《微型电脑应用》 * |
田海霖: "基于信息融合的电网故障诊断方法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114517A (zh) * | 2021-05-26 | 2021-07-13 | 广东电网有限责任公司电力调度控制中心 | 网络切片下基于节点特征的网络资源动态备份方法及系统 |
CN113114517B (zh) * | 2021-05-26 | 2022-07-01 | 广东电网有限责任公司电力调度控制中心 | 网络切片下基于节点特征的网络资源动态备份方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111917589B (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7466663B2 (en) | Method and apparatus for identifying components of a network having high importance for network integrity | |
CN110149237B (zh) | 一种Hadoop平台计算节点负载预测方法 | |
CN106603293A (zh) | 虚拟网络环境下一种基于深度学习的网络故障诊断方法 | |
CN112487658B (zh) | 一种电网关键节点的识别方法、装置及系统 | |
CN111428323A (zh) | 复杂网络中利用广义折扣度与k-shell识别一组关键节点的方法 | |
CN113422695B (zh) | 一种提高物联网拓扑结构鲁棒性能的优化方法 | |
CN111682962A (zh) | 一种电力数据网故障恢复方法、系统及存储介质 | |
CN107018011B (zh) | 一种保持网络性能可靠度的网络简化方法 | |
WO2019014894A1 (zh) | 网络链路预测方法及装置 | |
CN117527622B (zh) | 网络交换机的数据处理方法及系统 | |
CN111160661B (zh) | 一种电力通信网可靠性优化方法、系统以及设备 | |
Sha et al. | Towards the design of complex evolving networks with high robustness and resilience | |
CN114142923A (zh) | 光缆故障定位方法、装置、设备及可读介质 | |
CN111917589B (zh) | 一种电力通信网络资源备份方法及相关装置 | |
CN113328869A (zh) | 一种告警聚合的方法和装置 | |
CN115632965A (zh) | 基于obdd的sdn双端可靠性评估方法及系统 | |
CN113569961A (zh) | 一种电网节点分类方法及计算机可读介质 | |
CN117540464B (zh) | 基于kriging代理模型的桥梁数字孪生体构建方法 | |
CN115913991B (zh) | 业务数据预测方法、装置、电子设备及存储介质 | |
Jin et al. | Community Selection for Multivariate KPI Predictions in a 2-Tier System | |
CN114745750B (zh) | 网络切片下拥塞链路检测方法、装置和电子设备 | |
CN116032828B (zh) | 一种介数中心性近似计算方法及装置 | |
CN115473817B (zh) | 一种考虑空间特性的电力信息网的构建方法及系统 | |
CN115865740B (zh) | 一种基于网络结构的关键链路识别方法及装置 | |
CN118467523B (zh) | 针对配电网量测装置的量测数据质量评价方法及系统 |
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 |