CN112003734A - 一种基于改进结构熵的信息物理系统关键节点辨识方法 - Google Patents

一种基于改进结构熵的信息物理系统关键节点辨识方法 Download PDF

Info

Publication number
CN112003734A
CN112003734A CN202010737617.7A CN202010737617A CN112003734A CN 112003734 A CN112003734 A CN 112003734A CN 202010737617 A CN202010737617 A CN 202010737617A CN 112003734 A CN112003734 A CN 112003734A
Authority
CN
China
Prior art keywords
node
information
nodes
entropy
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
CN202010737617.7A
Other languages
English (en)
Other versions
CN112003734B (zh
Inventor
蔡晔
刘颖
陈洋
刘放
曹一家
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.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
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 Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN202010737617.7A priority Critical patent/CN112003734B/zh
Publication of CN112003734A publication Critical patent/CN112003734A/zh
Application granted granted Critical
Publication of CN112003734B publication Critical patent/CN112003734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/16—Electric power substations
    • 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
    • Y04S10/40—Display of information, e.g. of data or controls
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于改进结构熵的信息物理系统关键节点辨识方法，基于系统数据，获取系统拓扑特征信息。根据系统拓扑特征信息，建立信息物理拓扑模型。建立节点重要度的评估指标。对建立的评估指标进行仿真验证。能够较为准确、合理的辨识评估出信息物理系统中的关键节点，对提高系统鲁棒性，降低系统失效风险，提升系统安全可靠运行意义重大。

Description

一种基于改进结构熵的信息物理系统关键节点辨识方法
技术领域
本发明属于信息物理技术领域，特别是涉及一种基于改进结构熵的信息物理系统关键节点辨识方法。
背景技术
随着智能电网建设的逐步推进，一次电网和信息网络深度融合，信息物理系统的规模和结构变得越来越复杂庞大。先进信息技术在电网中的大量应用增强了电网的可控性和可观性，但同时也增加了系统的脆弱性。一旦信息物理系统中的关键节点失效或被恶意攻击时，故障不仅会影响本层网络，同时会通过电网与信息网的相依关系传播到相依系统，造成相依网络也发生故障，进而触发严重连锁故障，造成大停电事故发生。
信息物理系统的拓扑结构错综复杂，节点众多，系统中个别节点故障就有可能造成系统发生大停电事故。因此信息物理系统关键节点的辨识对提高系统鲁棒性，降低系统故障风险，提升电网安全可靠运行意义重大。然而，大多数关键节点辨识方法只针对单层网络，并未将电网与信息网结合起来考虑，因此，亟需一种方法辨识信息物理系统的关键节点。
发明内容
本发明实施例的目的在于提供一种基于改进结构熵的信息物理系统关键节点辨识方法，以实现准确、合理、快速的辨识信息物理系统中的关键节点，降低系统失效风险，提升系统安全性。
为解决上述技术问题，本发明所采用的技术方案是，基于改进结构熵的信息物理系统关键节点辨识方法，包括：
步骤S1.基于系统数据，获取系统拓扑特征信息；
步骤S2.根据系统拓扑特征信息，建立信息物理拓扑模型；
步骤S3.建立节点重要度的评估指标；
步骤S4.对建立的评估指标进行仿真验证。
进一步的，所述步骤S2，具体包括：
将电网中变电站、发电厂与信息网中基站看成节点，系统中的输电线路及通讯线路看成边，构建由边与节点组成的无向加权连通图G(V,E,W)，其中V＝{1,2,3....N}表示网络中所有节点的集合，E表示边的集合，W＝(W1,W2......Wi)为线路权值集合，其中Wi为各线路的阻抗值。
进一步的，所述步骤S3，具体包括：
S31，定义节点重要度Pi为：
Figure BDA0002605670070000021
Figure BDA0002605670070000022
其中：
Si＝[1-P(ki)]N
Di＝ki[1-P(ki)]N∑Wij
Figure BDA0002605670070000023
式中，Pi′为中间量；Ri为电网与信息网间的相互依存关系；Di为边差异性；Si为节点间的差异性；N为节点个数；ki为系统中节点i的度数；P(ki)为网络中节点度数为ki的节点的概率；Wij为边i,j的权值；
Figure BDA0002605670070000024
分别表示电网与信息网中节点i度数；
Figure BDA0002605670070000025
为电力网中度数为
Figure BDA0002605670070000026
的节点与信息网中度数为
Figure BDA0002605670070000027
的节点相互依存的概率；
Figure BDA0002605670070000028
分别表示电力网中度数为
Figure BDA0002605670070000029
信息网中度数为
Figure BDA00026056700700000210
的节点的概率；
S32，定义系统改进结构熵H为：
Figure BDA00026056700700000211
网络中结构熵越大则网络能量分布越均匀，网络的结构熵越小网络能量分布越不均匀；
S33，基于系统改进结构熵，定义结构熵变化量ΔH评估不同节点退出运行后系统组织结构状态的变化：
ΔH＝H(t)-H(0)
式中，H(0)为节点发生故障前系统结构熵，H(t)为节点退出运行后系统结构熵。
进一步的，所述步骤S4，利用python3.0为仿真工具进行连锁故障仿真，具体包括：
S401，初始化：设定电网、信息网基本参数；
S402，初始结构熵计算；
S403，当故障时间t＝0时，触发连锁故障；计算各节点依次移除后系统结构熵变化量，从大到小排序生成初始故障节点顺序表，依次作为初始故障节点触发连锁故障；
S404，被切除线路对应信息节点产出信息包；其中，信息包由源节点产生，用来存放故障线路序号；
S405，判断是否有线路断开；
S406，计算此时系统剩余负荷；
Figure BDA0002605670070000031
式中G，G'分别表示故障前、后的电网，Fl为线路l的潮流；
S407，连锁故障仿真时间加1；
S408，按照路由规则完成一次信息传输；其中路由规则为：首先，故障节点或线路对应的信息节点产生信息包，如果该信息节点的邻居节点包含调度中心，设定调度中心为系统中度数最大的两个节点，则将信息包传输给调度中心；否则，则根据选择概率Pj选择邻居节点，该邻居节点作为新的源节点，重复操作，直至信息包传输至调度中心；
其中，下式计算选择概率：
Hj＝ωdj+(1-ω)sj
Figure BDA0002605670070000032
式中：j为源节点的邻居节点；dj代表节点j到调度中心之间的最短路径长度；sj为节点j的等待传输的信息包数量；ω为路由策略控制系数；Hj为节点j到调度中心的有效距离；Hm为源节点的各个邻居节点到调度中心的有效距离；β为路由概率控制系数；Li为源节点的邻居节点集合；Pj为邻居节点j被选中作为新的源节点的概率，e为自然常数；
S409，查看调度中心是否接收到信息包，如果收到，则对电力网络进行优化控制；
S410，判断系统是否完全解裂，如果是，单次连锁故障模拟结束；否则进入步骤S405。
本发明的有益效果：基于改进结构熵的信息物理系统关键节点辨识方法，不仅考虑了单层网络节点间的差异性Si、边差异性Di，同时还考虑了电网与信息网间的相互依存关系Ri。因此能够较为准确、合理的辨识评估出信息物理系统中的关键节点，对提高系统鲁棒性，降低系统失效风险，提升系统安全可靠运行意义重大。
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为本发明方法的方法流程示意图。
图2为电网拓扑结构图
图3为信息网拓扑结构图
图4为关键节点175、5、32与系统中非关键节点故障后的系统剩余负荷变化图
具体实施方式
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，所描述的实施例仅仅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。
基于改进结构熵的信息物理系统关键节点辨识方法，流程如图1所示，包括：
S1.基于系统数据，获取系统拓扑特征信息。
S2.根据系统拓扑特征信息，建立信息物理拓扑模型。
S3.建立节点重要度的评估指标。
S4.对建立的评估指标进行仿真验证。
步骤S2，具体包括：
将电网中变电站、发电厂与信息网中基站看成节点，系统中的输电线路及通讯线路看成边，构建由边与节点组成的无向加权连通图G(V,E,W)，其中V＝{1,2,3....N}表示网络中所有节点的集合，E表示边的集合，W＝(W1,W2......)为线路权值集合，其中Wi为各线路的阻抗值。
步骤S3，具体包括：
S31，定义节点重要度Pi为：
Figure BDA0002605670070000051
Figure BDA0002605670070000052
其中：
Si＝[1-P(ki)]N
Di＝ki[1-P(ki)]N∑Wij
Figure BDA0002605670070000053
式中，Pi′为中间量；Ri为电网与信息网间的相互依存关系；Di为边差异性；Si为节点间的差异性；N为节点个数；ki为系统中节点i的度数；P(ki)为网络中节点度数为ki的节点的概率；Wij为边i,j的权值；
Figure BDA0002605670070000054
分别表示电网与信息网中节点i度数；
Figure BDA0002605670070000055
为电力网中度数为
Figure BDA0002605670070000056
的节点与信息网中度数为
Figure BDA0002605670070000057
的节点相互依存的概率；
Figure BDA0002605670070000058
分别表示电力网中度数为
Figure BDA0002605670070000059
信息网中度数为
Figure BDA00026056700700000510
的节点的概率。
S32，定义系统改进结构熵H为：
Figure BDA00026056700700000511
结构熵指标能够很好地反映网络中地“有序”情况：网络中结构熵越大则网络能量分布越均匀，网络的结构熵越小网络能量分布越不均匀。
S33，基于系统改进结构熵，定义结构熵变化量ΔH评估不同节点退出运行后系统组织结构状态的变化。
ΔH＝H(t)-H(0)
式中，H(0)为节点发生故障前系统结构熵；H(t)为节点退出运行后系统结构熵。
步骤S4所述的对建立的评估指标进行仿真验证，具体为利用python3.0为仿真工具进行连锁故障仿真，即可以根据仿真结果验证该评估指标的有效性。
步骤S4，具体包括：
S401，初始化：设定电网、信息网基本参数。
S402，初始结构熵计算。
S403，当故障时间t＝0时，触发连锁故障；计算各节点依次移除后系统结构熵变化量，从大到小排序生成初始故障节点顺序表，依次作为初始故障节点触发连锁故障。
S404，被切除线路对应信息节点产出信息包。其中，信息包由源节点(采集监测单元)产生，用来存放故障线路序号。
S405，判断是否有线路断开。
S406，计算此时系统剩余负荷。
采用如下算式计算系统剩余负荷：
Figure BDA0002605670070000061
式中G，G'分别表示故障前、后的电网，Fl为线路l的潮流。
S407，连锁故障仿真时间加1。
S408，按照路由规则完成一次信息传输；其中路由规则为：首先，故障节点或线路对应的信息节点产生信息包，如果该信息节点的邻居节点包含调度中心，设定调度中心为系统中度数最大的两个节点，则将信息包传输给调度中心；否则，则根据选择概率Pj选择邻居节点，该邻居节点作为新的源节点，重复上述操作，直至信息包传输至调度中心。
采用如下算式计算选择概率：
Hj＝ωdj+(1-ω)sj
Figure BDA0002605670070000062
式中：j为源节点的邻居节点；dj代表节点j到调度中心之间的最短路径长度；sj为节点j的等待传输的信息包数量；ω为路由策略控制系数；Hj为节点j到调度中心的有效距离；Hm为源节点的各个邻居节点到调度中心的有效距离；β为路由概率控制系数；Li为源节点的邻居节点集合；Pj为邻居节点j被选中作为新的源节点的概率，e为自然常数；
S409，查看调度中心是否接收到信息包，如果收到，则对电力网络进行优化控制；
S410，判断系统是否完全解裂，如果是，单次连锁故障模拟结束；否则进入步骤S405。
具体的，本实施例以某省电网与信息网数据为例验证本实施例提出的信息物理系统关键节点辨识方法。
该电网包含254个节点，其中包括41个发电节点，414条边。信息网中包含230个节点，319条边。图2和图3分别为电网与信息网的拓扑结构图。
为了便于分析与验证，表1只给出了移除信息物理融合系统中的节点后结构熵变化前10位节点信息及其剩余负荷。
表1节点故障后结构熵变化前10位节点信息及剩余负荷
排名 节点编号 ΔH Load 排名 节点编号 ΔH Load
1 175 1.58913 0.01510 6 64 1.20154 0.12261
2 5 1.44648 0.04250 7 211 1.18858 0.13837
3 32 1.44014 0.06686 8 7 1.14525 0.06783
4 90 1.26119 0.08113 9 197 1.12896 0.05939
5 37 1.21772 0.11297 10 48 1.12782 0.17554
图4给出了关键节点175、5、32与系统中一个非关键节点故障后系统剩余负荷变化的对比结果。
从表1可以看出，当结构熵变化排名前10位的节点发生故障，连锁故障仿真结束后，系统剩余负荷皆小于0.2，同时，结合图4可以明显看出，相较于非关键节点故障后系统剩余负荷未发生太大变化，当系统中的关键节点故障后，均会触发严重连锁故障，进而对系统造成较大的破坏。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (4)

1.基于改进结构熵的信息物理系统关键节点辨识方法，其特征在于，包括：
步骤S1.基于系统数据，获取系统拓扑特征信息；
步骤S2.根据系统拓扑特征信息，建立信息物理拓扑模型；
步骤S3.建立节点重要度的评估指标；
步骤S4.对建立的评估指标进行仿真验证。
2.根据权利要求1所述的基于改进结构熵的信息物理系统关键节点辨识方法，其特征在于，所述步骤S2，具体包括：
将电网中变电站、发电厂与信息网中基站看成节点，系统中的输电线路及通讯线路看成边，构建由边与节点组成的无向加权连通图G(V,E,W)，其中V＝{1,2,3....N}表示网络中所有节点的集合，E表示边的集合，W＝(W1,W2......Wi)为线路权值集合，其中Wi为各线路的阻抗值。
3.根据权利要求1所述的基于改进结构熵的信息物理系统关键节点辨识方法，其特征在于，所述步骤S3，具体包括：
S31，定义节点重要度Pi为：
Figure FDA0002605670060000011
Figure FDA0002605670060000012
其中：
Si＝[1-P(ki)]N
Di＝ki[1-P(ki)]N∑Wij
Figure FDA0002605670060000013
式中，P′i为中间量；Ri为电网与信息网间的相互依存关系；Di为边差异性；Si为节点间的差异性；N为节点个数；ki为系统中节点i的度数；P(ki)为网络中节点度数为ki的节点的概率；Wij为边i,j的权值；
Figure FDA0002605670060000014
分别表示电网与信息网中节点i度数；
Figure FDA0002605670060000015
为电力网中度数为
Figure FDA0002605670060000021
的节点与信息网中度数为
Figure FDA0002605670060000022
的节点相互依存的概率；
Figure FDA0002605670060000023
分别表示电力网中度数为
Figure FDA0002605670060000024
信息网中度数为
Figure FDA0002605670060000025
的节点的概率；
S32，定义系统改进结构熵H为：
Figure FDA0002605670060000026
网络中结构熵越大则网络能量分布越均匀，网络的结构熵越小网络能量分布越不均匀；
S33，基于系统改进结构熵，定义结构熵变化量ΔH评估不同节点退出运行后系统组织结构状态的变化：
ΔH＝H(t)-H(0)
式中，H(0)为节点发生故障前系统结构熵，H(t)为节点退出运行后系统结构熵。
4.根据权利要求1所述的基于改进结构熵的信息物理系统关键节点辨识方法，其特征在于，所述步骤S4，利用python3.0为仿真工具进行连锁故障仿真，具体包括：
S401，初始化：设定电网、信息网基本参数；
S402，初始结构熵计算；
S403，当故障时间t＝0时，触发连锁故障；计算各节点依次移除后系统结构熵变化量，从大到小排序生成初始故障节点顺序表，依次作为初始故障节点触发连锁故障；
S404，被切除线路对应信息节点产出信息包；其中，信息包由源节点产生，用来存放故障线路序号；
S405，判断是否有线路断开；
S406，计算此时系统剩余负荷；
Figure FDA0002605670060000027
式中G，G'分别表示故障前、后的电网，Fl为线路l的潮流；
S407，连锁故障仿真时间加1；
S408，按照路由规则完成一次信息传输；其中路由规则为：首先，故障节点或线路对应的信息节点产生信息包，如果该信息节点的邻居节点包含调度中心，设定调度中心为系统中度数最大的两个节点，则将信息包传输给调度中心；否则，则根据选择概率Pj选择邻居节点，该邻居节点作为新的源节点，重复操作，直至信息包传输至调度中心；
其中，下式计算选择概率：
Hj＝ωdj+(1-ω)sj
Figure FDA0002605670060000031
式中：j为源节点的邻居节点；dj代表节点j到调度中心之间的最短路径长度；sj为节点j的等待传输的信息包数量；ω为路由策略控制系数；Hj为节点j到调度中心的有效距离；Hm为源节点的各个邻居节点到调度中心的有效距离；β为路由概率控制系数；Li为源节点的邻居节点集合；Pj为邻居节点j被选中作为新的源节点的概率，e为自然常数；
S409，查看调度中心是否接收到信息包，如果收到，则对电力网络进行优化控制；
S410，判断系统是否完全解裂，如果是，单次连锁故障模拟结束；否则进入步骤S405。
CN202010737617.7A 2020-07-28 2020-07-28 一种基于改进结构熵的信息物理系统关键节点辨识方法 Active CN112003734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010737617.7A CN112003734B (zh) 2020-07-28 2020-07-28 一种基于改进结构熵的信息物理系统关键节点辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010737617.7A CN112003734B (zh) 2020-07-28 2020-07-28 一种基于改进结构熵的信息物理系统关键节点辨识方法

Publications (2)

Publication Number Publication Date
CN112003734A true CN112003734A (zh) 2020-11-27
CN112003734B CN112003734B (zh) 2022-06-07

Family

ID=73467294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010737617.7A Active CN112003734B (zh) 2020-07-28 2020-07-28 一种基于改进结构熵的信息物理系统关键节点辨识方法

Country Status (1)

Country Link
CN (1) CN112003734B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487590A (zh) * 2020-12-08 2021-03-12 国网四川省电力公司经济技术研究院 一种优化智能电网鲁棒性的方法及装置
CN112865085A (zh) * 2021-01-27 2021-05-28 国网湖南省电力有限公司 一种用于电力信息物理系统的攻击模拟方法及系统
CN115118650A (zh) * 2022-06-24 2022-09-27 重庆理工大学 基于信息传播概率的复杂网络关键节点识别方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078678A1 (en) * 2010-09-23 2012-03-29 Infosys Technologies Limited Method and system for estimation and analysis of operational parameters in workflow processes
US20160330089A1 (en) * 2015-05-07 2016-11-10 Kuwait University System and method for determining the feedback capacity of information distributed in a complex network
CN106253270A (zh) * 2016-08-18 2016-12-21 西南交通大学 电力系统脆弱线路辨识方法和系统
CN106355308A (zh) * 2016-08-24 2017-01-25 张雪敏 一种基于决策树辨识风电接入系统关键设备的方法
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
CN106779309A (zh) * 2016-11-24 2017-05-31 华北电力大学（保定） 关键线路多角度多层次的辨识方法
CN106850254A (zh) * 2016-12-20 2017-06-13 国网新疆电力公司信息通信公司 一种电力通信网中关键节点识别方法
CN107222348A (zh) * 2017-06-22 2017-09-29 湘潭大学 一种降低电力信息物理系统连锁故障风险的方法
CN107274105A (zh) * 2017-06-28 2017-10-20 山东大学 基于线性判别分析的多属性决策树电网稳定裕度评估方法
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN108667005A (zh) * 2018-04-13 2018-10-16 湘潭大学 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN108879708A (zh) * 2018-08-28 2018-11-23 东北大学 一种主动配电网的无功电压分区方法及系统
CN109687438A (zh) * 2018-12-19 2019-04-26 西南交通大学 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法
CN110428191A (zh) * 2019-08-30 2019-11-08 华北电力大学（保定） 配电网脆弱节点辨识的方法
CN112633649A (zh) * 2020-12-11 2021-04-09 国网辽宁省电力有限公司经济技术研究院 电网多属性重要节点评估与规划方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120078678A1 (en) * 2010-09-23 2012-03-29 Infosys Technologies Limited Method and system for estimation and analysis of operational parameters in workflow processes
US20160330089A1 (en) * 2015-05-07 2016-11-10 Kuwait University System and method for determining the feedback capacity of information distributed in a complex network
CN106253270A (zh) * 2016-08-18 2016-12-21 西南交通大学 电力系统脆弱线路辨识方法和系统
CN106355308A (zh) * 2016-08-24 2017-01-25 张雪敏 一种基于决策树辨识风电接入系统关键设备的方法
CN106779309A (zh) * 2016-11-24 2017-05-31 华北电力大学（保定） 关键线路多角度多层次的辨识方法
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
CN106850254A (zh) * 2016-12-20 2017-06-13 国网新疆电力公司信息通信公司 一种电力通信网中关键节点识别方法
CN107222348A (zh) * 2017-06-22 2017-09-29 湘潭大学 一种降低电力信息物理系统连锁故障风险的方法
CN107274105A (zh) * 2017-06-28 2017-10-20 山东大学 基于线性判别分析的多属性决策树电网稳定裕度评估方法
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN108667005A (zh) * 2018-04-13 2018-10-16 湘潭大学 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN108879708A (zh) * 2018-08-28 2018-11-23 东北大学 一种主动配电网的无功电压分区方法及系统
CN109687438A (zh) * 2018-12-19 2019-04-26 西南交通大学 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法
CN110428191A (zh) * 2019-08-30 2019-11-08 华北电力大学（保定） 配电网脆弱节点辨识的方法
CN112633649A (zh) * 2020-12-11 2021-04-09 国网辽宁省电力有限公司经济技术研究院 电网多属性重要节点评估与规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BIN LIU: ""Recognition and Vulnerability Analysis of Key Nodes in Power Grid Based on Complex Network Centrality"", 《 IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II: EXPRESS BRIEFS》 *
MENG ZHOU: ""Evaluation of the node importance in power grid communication network and analysis of node risk"", 《NOMS 2018 - 2018 IEEE/IFIP NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM》 *
周依希等: "基于AHP-灰色关联度的复杂电网节点综合脆弱性评估", 《电力系统保护与控制》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487590A (zh) * 2020-12-08 2021-03-12 国网四川省电力公司经济技术研究院 一种优化智能电网鲁棒性的方法及装置
CN112487590B (zh) * 2020-12-08 2022-07-29 国网四川省电力公司经济技术研究院 一种优化智能电网鲁棒性的方法及装置
CN112865085A (zh) * 2021-01-27 2021-05-28 国网湖南省电力有限公司 一种用于电力信息物理系统的攻击模拟方法及系统
CN112865085B (zh) * 2021-01-27 2022-05-03 国网湖南省电力有限公司 一种用于电力信息物理系统的攻击模拟方法及系统
CN115118650A (zh) * 2022-06-24 2022-09-27 重庆理工大学 基于信息传播概率的复杂网络关键节点识别方法
CN115118650B (zh) * 2022-06-24 2023-12-01 重庆理工大学 基于信息传播概率的复杂网络关键节点识别方法

Also Published As

Publication number Publication date
CN112003734B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN112003734B (zh) 一种基于改进结构熵的信息物理系统关键节点辨识方法
CN106789190B (zh) 一种电力通信网脆弱性评估及路由优化方法
CN105376156B (zh) 一种基于多属性决策的电力骨干传输网路由规划方法
CN107222348B (zh) 一种降低电力信息物理系统连锁故障风险的方法
Xu et al. Robust transient stability-constrained optimal power flow with uncertain dynamic loads
CN109687438B (zh) 一种计及高铁冲击负荷作用下的电网脆弱线路辨识方法
CN112633649A (zh) 电网多属性重要节点评估与规划方法
CN105406476B (zh) 基于历史数据的电力系统稳定性快速判断方法
CN107025524B (zh) 考虑负荷供电可靠性要求的设备过载辅助决策方法
CN102970163B (zh) 电力通信骨干网节点升级方法及系统
CN113422695B (zh) 一种提高物联网拓扑结构鲁棒性能的优化方法
CN109375050B (zh) 一种基于初始故障线路割集的电力系统关键断面辨识方法
CN110299762A (zh) 基于pmu准实时数据的主动配电网抗差估计方法
CN107622360A (zh) 一种综合考虑主客观因素的关键线路识别方法
Atat et al. Stochastic geometry-based model for dynamic allocation of metering equipment in spatio-temporal expanding power grids
CN113705085A (zh) 一种智能电网多层次结构建模及风险评估方法
CN106067074A (zh) 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法
CN116015707A (zh) 配电网信息物理系统网络拓扑优化方法、装置及终端
CN107947156A (zh) 基于改进Softmax回归的电网故障临界切除时间判别方法
CN111900720B (zh) 一种基于双层网页排序算法的输电网脆弱线路辨识方法
CN113472738A (zh) 一种电力内网终端设备的攻击风险耦合建模方法
CN108183481B (zh) 一种基于深度学习电网快速判稳方法和系统
CN109193594B (zh) 确定电力安全保护等级的方法、装置、服务器和存储介质
CN111834996B (zh) 电网线损计算方法和装置
CN113271226B (zh) 电力通信网关键链路识别方法及其保护方法

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