CN112149967A - 基于复杂系统理论的电力通信网脆弱性评估方法和系统 - Google Patents

基于复杂系统理论的电力通信网脆弱性评估方法和系统 Download PDF

Info

Publication number
CN112149967A
CN112149967A CN202010925837.2A CN202010925837A CN112149967A CN 112149967 A CN112149967 A CN 112149967A CN 202010925837 A CN202010925837 A CN 202010925837A CN 112149967 A CN112149967 A CN 112149967A
Authority
CN
China
Prior art keywords
node
communication network
nodes
vulnerability
power communication
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
CN202010925837.2A
Other languages
English (en)
Other versions
CN112149967B (zh
Inventor
郭舒毓
苗世洪
孙芊
牛荣泽
王磊
马建伟
李丰君
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.)
Huazhong University of Science and Technology
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
State Grid Corp of China SGCC
State Grid Henan Electric Power Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power 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 Huazhong University of Science and Technology, State Grid Corp of China SGCC, State Grid Henan Electric Power Co Ltd, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202010925837.2A priority Critical patent/CN112149967B/zh
Publication of CN112149967A publication Critical patent/CN112149967A/zh
Application granted granted Critical
Publication of CN112149967B publication Critical patent/CN112149967B/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
    • G06Q10/06—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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了基于复杂系统理论的电力通信网脆弱性评估方法和系统，属于配电网优化运行领域。通过考虑电力传感通信网布局原则，建立电力通信网拓扑模型；基于复杂系统理论，建立传感通信网节点脆弱性评估指标集；将电力通信网邻接矩阵代入节点脆弱性评估指标集，求得各节点的指标得分。采用层次分析法获得主观权重，熵权法和离差最大化法获得客观权重，基于不确定正态云组合权重法获得各节点脆弱性排序，根据排序结果，对脆弱度较高的节点进行重点关注，能够有效评估电力传感通信网各节点脆弱性，防止节点故障或收到攻击导致电网大范围故障，提高了电网可靠性与稳定性。

Description

基于复杂系统理论的电力通信网脆弱性评估方法和系统
技术领域
本发明属于配电网优化运行领域，更具体地，涉及基于复杂系统理论的电力通信网脆弱性评估方法和系统。
背景技术
相较于传统配电网，智能电网的发展趋势日益凸显，使得一次电网的可靠性更加依赖于电力传感通信网的稳定性与安全性，因此，电力传感通信网的脆弱性问题受到了广泛关注。
现有技术中，廖一名于2019年提出一种基于边临毁度的电力通信网脆弱性分析方法，该方法通过考虑边临毁度指标和网络损失度指标，对电力通信网各节点进行脆弱性评估与分析。然而，该方法没有充分考虑电力通信网的拓扑特性，且指标选取较为单一，评价结果不够客观与全面。
针对电力传感通信网的节点脆弱性问题，基于复杂系统理论，从网络的视角评估传感通信网的节点脆弱性逐步受到关注。拓扑是传感通信网最直观、本质的属性，通信业务的有效传输建立在可靠的物理网络基础上。除此之外，恐怖袭击、恶意攻击等攻击者难以获取具体的通信业务运行方式，网络脆弱节点更容易成为其攻击对象。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了基于复杂系统理论的电力通信网脆弱性评估方法、系统，其目的在于能够有效评估电力传感通信网节点脆弱性。
为实现上述目的，按照本发明的第一方面，提供了一种基于复杂系统理论的电力通信网脆弱性评估方法，该方法包括：
S1.构建电力通信网拓扑模型的无向无权图，基于复杂系统理论选取反映电力通信网拓扑特性的电力通信网节点脆弱性评估指标；
S2.基于无向无权图对应的邻接矩阵，计算电力通信网各节点脆弱性评估指标值；
S3.通过主观赋权法确定各节点脆弱性评估指标的主观权重，通过客观赋权法确定各节点脆弱性评估指标的客观权重；
S4.通过逆向云生成算法将各种主客观权重进行不确定正态云组合，生成正态云模型组合权重；将正态云模型组合权重与各节点的各脆弱性指标值进行综合决策，生成各节点的综合云模型；
S5.通过计算各节点组合赋权与理想节点组合赋权之间的正态云相似度值，得到各节点脆弱性评估结果。
优选地，步骤S1中，选取的电力通信网节点脆弱性评估指标包括节点组合度数、节点通信效率、基于介数的节点重要度和节点聚集系数中的至少一个。
优选地，步骤S2中，所述节点组合度数计算公式如下：
Figure BDA0002667514110000021
Figure BDA0002667514110000022
其中，
Figure BDA0002667514110000023
表示无向无权图G的节点i的组合度数，αs表示
Figure BDA0002667514110000024
的权重，α1≥α2≥…≥αs≥…≥0，∑αs＝1，
Figure BDA0002667514110000025
表示无向无权图G的节点i的s阶度，{As}i表示无向无权图G的s阶邻接矩阵As的第i行之和。
优选地，步骤S2中，所述节点通信效率计算公式如下：
Figure BDA0002667514110000026
Figure BDA0002667514110000031
其中，Vi表示节点i的通信效率，E0表示原始电力通信网的网络效率，Ei表示去掉节点i之后电力通信网的网络效率，N表示无向无权图的节点数目，dij表示在最短路径算法下，节点i到节点j所经过的节点数目。
优选地，步骤S2中，所述基于介数的节点重要度计算公式如下：
Figure BDA0002667514110000032
其中，Ii表示节点i的基于介数的节点重要度，bG(i)表示无向无权图G的节点i的介数，ρ(bG(i))表示网络中介数为bG(i)的节点概率，N表示无向无权图G节点数目，αij表示节点i到节点j的链路是否连通，wij表示节点i到节点j的链路的流量权重。
优选地，步骤S2中，所述节点聚集系数计算公式如下：
Figure BDA0002667514110000033
其中，Ci表示节点i的聚集系数，dG(i)表示无向无权图G的节点i的度，Si表示dG(i)个节点间存在的边数目。
优选地，所述主观赋权法为层次分析法。
优选地，所述客观分析法为熵值法和离差最大化法。
为实现上述目的，按照本发明的第二方面，提供了一种基于复杂系统理论的电力通信网脆弱性评估系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的基于复杂系统理论的电力通信网脆弱性评估方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)本发明基于复杂系统理论，建立电力传感通信网节点脆弱性评估指标，节点组合度数反映了电力传感通信网节点受邻居节点的影响程度，节点通信效率反映了电力传感通信网节点与网络中其他节点联系的紧密程度，基于介数的节点重要度反映了电力传感通信网节点的分布特性，节点聚集系数反映了电力传感通信网节点在网络中与其他节点的集团化程度，从而对节点的局部特性和全局特性进行了全面分析。
(2)本发明根据电力传感通信网实际对介数与节点聚集系数等指标进行改进，改进后的指标能够充分反映出电力通信网节点的局部特性与全局特性，从而全面客观的对电力通信网节点脆弱性进行评估。
(3)本发明采用基于不确定正态云组合权重的综合评价方法将多类型客观赋权法及主观赋权法进行综合，获得各节点与理想节点的相似程度，按照相似程度对各节点脆弱性进行降序排列，从而对脆弱度排序较高的节点予以重点关注，防止由于脆弱节点故障或受到攻击导致电力网络发生故障。提高了电网可靠性与稳定性。
附图说明
图1为本发明提供的一种基于复杂系统理论的电力通信网脆弱性评估方法流程图；
图2为本发明实施例提供的电力传感通信网拓扑图示意图；
图3为本发明实施例提供的部分节点综合云模型示意图；
图4为本发明实施例提供的各节点脆弱性分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提供了一种基于复杂系统理论的电力通信网脆弱性评估方法，该方法包括：
步骤S1.构建电力通信网拓扑模型的无向无权图，基于复杂系统理论选取反映电力通信网拓扑特性的电力通信网节点脆弱性评估指标。
其针对电力传感通信网布局原则，将通信系统各节点等效为相同的节点，忽略通信线路间的差异，认为通信线路均为双向通信，形成电力传感通信网无权无向图模型。所述电力传感通信网布局原则具体如下：
1)电力通信网拓扑模型中包含2类节点，即各厂站(包含发电厂、变电站、换流站)的通信节点和调度中心，将各厂站和调度中心的通信系统等效为相同的节点。
2)站点之间的通信线路是通信网的边，忽略通信线路间的差异，且认为通信线路双向通信，即认为所有边为无向边。
3)合并同一方向上的多条通信线路以消除多重边和自环。
按照上述原则，电力传感通信网可以表示为一个无权无向图G＝(V,E)，V＝{1,2,…,N}表示网络的节点集，A＝{aij}为电力传感通信网G的邻接矩阵，且若aij＝1，表示节点i和节点j之间存在无向边，即物理线路，否则，aij＝0。
基于复杂系统理论，对电力传感通信网脆弱节点进行辨识是提高电网可靠性与安全性的关键技术之一。优选地，步骤S1中，选取的电力通信网节点脆弱性评估指标包括节点组合度数、节点通信效率、基于介数的节点重要度和节点聚集系数中的至少一个。
步骤S2.基于无向无权图对应的邻接矩阵，计算电力通信网各节点脆弱性评估指标值。
优选地，步骤S2中，所述节点组合度数定义为各高阶度的加权和，计算公式如下：
Figure BDA0002667514110000061
Figure BDA0002667514110000062
As＝As
其中，
Figure BDA0002667514110000063
表示无向无权图G的节点i的组合度数，常数αs表示
Figure BDA0002667514110000064
的权重，表示一个节点受单个邻居的影响不小于单个邻居的邻居的影响，α1≥α2≥…≥αs≥…≥0，∑αs＝1，
Figure BDA0002667514110000065
表示无向无权图G的节点i的s阶度，{As}i表示无向无权图G的s阶邻接矩阵As的第i行之和。
优选地，步骤S2中，所述节点通信效率用于评价网络节点i失去以后网络效率的变化，依据网络效率进行改进。计算公式如下：
Figure BDA0002667514110000066
Figure BDA0002667514110000067
其中，Vi表示节点i的通信效率，E0表示原始电力通信网的网络效率，Ei表示去掉节点i之后电力通信网的网络效率，N表示无向无权图的节点数目，dij表示在最短路径算法下，节点i到节点j所经过的节点数目。
优选地，步骤S2中，所述基于介数的节点重要度计算公式如下：
Figure BDA0002667514110000068
其中，Ii表示节点i的基于介数的节点重要度，bG(i)表示无向无权图G的节点i的介数，ρ(bG(i))表示网络中介数为bG(i)的节点概率，N表示无向无权图G节点数目，αij表示节点i到节点j的链路是否连通，若αij＝0，表示节点i和节点j之间没有链路，若αij＝1，表示节点i和节点j之间链路连通；wij表示节点i到节点j的链路的流量权重。
考虑链路的流量差异，定义链路差异矩阵，即一个拥有介数为bG(i)的节点被选中的概率应为介数为1的节点的b倍，同时考虑信息物理系统传感通信网的链路流量差异，引入链路流量作为权重，得到了链路差异性矩阵，如下所示：
Figure BDA0002667514110000071
式中，dij＝bG(i)·[1-p(bG(i))]·N·wij，bG(i)为节点i的介数，wij为链路的流量权重。
bG(i)为网络中节点i的介数，p(bG(i))表示网络中介数为bG(i)的节点概率。如果将具有介数为bG(i)的节点i作为标准，那么网络的异构性可以理解为网络中与该介数值不同节点的个数。若网络中的其他节点的介数均与节点i相同，即服从介数为bG(i)的标准，所构成的网络就是一个所有节点具有相同介数值的规则网络，是一个不具备异构性的均匀网络，差异程度最低.若网络规模为N，则节点i的“点”差异性为节点差异性为：
Sij＝[1-p(bG(i))]·N·aij
同时考虑节点差异性与边的差异性得到如下公式
xij＝αsij+βdij＝α[1-p(bG(i))]·N·aij+β·bG(i)·[1-p(bG(i))]·N·wij
本发明考虑到节点和边具有相同的重要性，因此，α＝β＝0.5，则节点重要度为
Figure BDA0002667514110000072
式中，△的引入只是为了避免p(bG(i))对公式造成无意义的影响，
Figure BDA0002667514110000073
N＞1。
优选地，步骤S2中，所述节点聚集系数定义为该节点邻居也是邻居的比例，一般地，假设节点i的度为dG(i)(dG(i)>1)也就是节点i有dG(i)个邻居节点，如果这dG(i)个节点间存在的边数为Si，则节点i的聚集系数Ci定义为邻居节点间实际存在的边数和可能存在的边数dG(i)×(dG(i)-1)/2之比。计算公式如下：
Figure BDA0002667514110000081
其中，Ci表示节点i的聚集系数，dG(i)表示无向无权图G的节点i的度，Si表示dG(i)个节点间存在的边数目。
步骤S3.通过主观赋权法确定各节点脆弱性评估指标的主观权重，通过客观赋权法确定各节点脆弱性评估指标的客观权重。
优选地，所述主观赋权法为层次分析法。优选地，所述客观分析法为熵值法和离差最大化法。
步骤S4.通过逆向云生成算法将各种主客观权重进行不确定正态云组合，生成正态云模型组合权重；将正态云模型组合权重与各节点的各脆弱性指标值进行综合决策，生成各节点的综合云模型。
逆向云生成算法：
假设多属性决策问题中有n个待评价节点和m个指标，节点Ai在不同指标Uj下的标准化决策矩阵为V＝(Vij)n×m。若采用k1中主观赋权方法和k2中客观赋权方法，分别得到权重样本集为W＝{W1,W2,…,Wk}(k＝k1+k2)，其中Wi＝{Wi1,Wi2,…,Wim}，则通过有限个(k)权重样本集，W可构成如下权重矩阵：
Figure BDA0002667514110000082
利用逆向云发生器算法生成不确定组合云权重NW(Ex,En,He)，具体过程如下：
(1)利用权重样本集W＝{W1,W2,…,Wk}，计算每个属性指标权重的样本均值。
Figure BDA0002667514110000091
(2)计算权重样本一阶绝对中心距和样本方差。
Figure BDA0002667514110000092
Figure BDA0002667514110000093
(3)正态云组合权重N(Ex,En,He)的期望Ex，熵En和超熵He分别可以表示为：
Figure BDA0002667514110000094
云模型生成算法：
假定T是论域U上某个定性概念，若定量值x∈U，且x是定性概念T的一次随机实现，x服从正态分布，即x～N(Ex,En2)，其中，En'～N(Ex,He2)且对T的隶属度满足：
Figure BDA0002667514110000095
若x为论域U上的正态云模型(Ex,En,He)，则称
Figure BDA0002667514110000096
分别为正态云模型的外包络曲线，期望曲线和内包络曲线。给出两种云模型相似度计算公式：
Figure BDA0002667514110000097
其中，
Figure BDA0002667514110000098
对于任意两朵正态云N1(Ex1,En1,He1)和N2(Ex2,En2,He2)，云模型的加法和乘法代数运算如下：
Figure BDA0002667514110000101
Figure BDA0002667514110000102
假定n个正态云N1(Ex1,En1,He1)，N2(Ex2,En2,He2)，···，Nn(Exn,Enn,Hen)，则这n个云模型加权集合后的综合云模型为N(Ex,En,He)可以通过下列公式计算：
Figure BDA0002667514110000103
步骤S5.通过计算各节点组合赋权与理想节点组合赋权之间的正态云相似度值，得到各节点脆弱性评估结果。
正态云组合权重方法是将主观权重和客观权重看作是围绕真实权重的一组云滴群，通过逆向云生成算法组合构成一个正态云模型，从正态云的形式上看即包含主观偏好又包含客观信息，这也说明了权重信息的模糊和随机不确定性，这既满足合理性又满足可解释性。同时，通过正态云组合权重和决策信息进行综合集成，得到综合评价结果也是一个正态云，因此，建立在权重信息不确定基础上评价结果，可以很好地反映综合评价中的模糊性和动态性，使得评价结果更符合实际。
在层次分析法确定主观权重，熵值法和离差最大化法确定客观权重的基础上，通过逆向云生成算法将已有的各种主客观权重进行不确定正态云组合，生成正态云模型组合权重。将云组合权重与节点的指标得分进行综合决策，生成各节点的综合云模型，通过计算各节点组合赋权与理想节点组合赋权之间的正态云相似度值得到节点的排序结果。然后根据排序结果，对脆弱度较高的节点进行重点关注。
实施例
如图2所示，电力传感通信网模型为对象，该模型以IEEE-33节点为基础，将各厂站和调度中心的通信系统等效为相同的节点。站点之间的通信线路是通信网的边，忽略通信线路间的差异，且认为通信线路双向通信，即认为所有边为无向边。合并同一方向上的多条通信线路以消除多重边和自环。电力传感通信网控制、监测、保护均由IED单元进行动作实现，并通过工业以太网和SDH与服务器、主站控制中心进行通信，并将数据全部上送至主站服务器。依次按照上述方法各步骤进行。
IEEE-33电力传感通信网各节点指标得分如表1所示。
表1
Figure BDA0002667514110000111
Figure BDA0002667514110000121
采用层次分析法给出主观权重，熵权法和离差最大化法给出客观权重，具体权重值如表2所示。
表2
Figure BDA0002667514110000122
Figure BDA0002667514110000131
通过逆向云生成算法将已有的各种主客观权重进行不确定正态云组合，生成正态云模型组合权重。将云组合权重与各节点的指标得分进行综合计算，生成各节点的综合云模型，如图3所示。通过分析各节点综合云模型与理想云模型的相似度，即可得到各节点脆弱性的排序结果，如图4所示。
由图4可知，节点SD1至SD9，节点R1至R5的脆弱性明显高于其他节点。由电力传感通信网拓扑模型图2可知，SD1至SD9为传感通信网子站，R1至R9为通信路由器，各配电终端上送的遥信数据及调度中心下传的遥控、遥调指令均需借助SD1及SD9子站，R1至R9路由器传输。因此，SD1至SD9节点、R1至R9节点相对于传感通信网中的其他节点，具有较高的脆弱性。当该类节点突发故障或遭受网络攻击而失能时，会造成电力传感通信网信息传输延迟或中断，进而造成一次网络可靠性与稳定性降低。
本发明还提供了一种基于复杂系统理论的电力通信网脆弱性评估系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行上述基于复杂系统理论的电力通信网脆弱性评估方法。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于复杂系统理论的电力通信网脆弱性评估方法，其特征在于，该方法包括：
S1.构建电力通信网拓扑模型的无向无权图，基于复杂系统理论选取反映电力通信网拓扑特性的电力通信网节点脆弱性评估指标；
S2.基于无向无权图对应的邻接矩阵，计算电力通信网各节点脆弱性评估指标值；
S3.通过主观赋权法确定各节点脆弱性评估指标的主观权重，通过客观赋权法确定各节点脆弱性评估指标的客观权重；
S4.通过逆向云生成算法将各种主客观权重进行不确定正态云组合，生成正态云模型组合权重；将正态云模型组合权重与各节点的各脆弱性指标值进行综合决策，生成各节点的综合云模型；
S5.通过计算各节点组合赋权与理想节点组合赋权之间的正态云相似度值，得到各节点脆弱性评估结果。
2.如权利要求1所述的方法，其特征在于，步骤S1中，选取的电力通信网节点脆弱性评估指标包括节点组合度数、节点通信效率、基于介数的节点重要度和节点聚集系数中的至少一个。
3.如权利要求2所述的方法，其特征在于，步骤S2中，所述节点组合度数计算公式如下：
Figure FDA0002667514100000011
其中，
Figure FDA0002667514100000012
表示无向无权图G的节点i的组合度数，αs表示
Figure FDA0002667514100000013
的权重，α1≥α2≥…≥αs≥…≥0，∑αs＝1，
Figure FDA0002667514100000014
表示无向无权图G的节点i的s阶度，{As}i表示无向无权图G的s阶邻接矩阵As的第i行之和。
4.如权利要求2或3所述的方法，其特征在于，步骤S2中，所述节点通信效率计算公式如下：
Figure FDA0002667514100000021
Figure FDA0002667514100000022
其中，Vi表示节点i的通信效率，E0表示原始电力通信网的网络效率，Ei表示去掉节点i之后电力通信网的网络效率，N表示无向无权图的节点数目，dij表示在最短路径算法下，节点i到节点j所经过的节点数目。
5.如权利要求2至4任一项所述的方法，其特征在于，步骤S2中，所述基于介数的节点重要度计算公式如下：
Figure FDA0002667514100000023
其中，Ii表示节点i的基于介数的节点重要度，bG(i)表示无向无权图G的节点i的介数，ρ(bG(i))表示网络中介数为bG(i)的节点概率，N表示无向无权图G节点数目，αij表示节点i到节点j的链路是否连通，wij表示节点i到节点j的链路的流量权重。
6.如权利要求2至5任一项所述的方法，其特征在于，步骤S2中，所述节点聚集系数计算公式如下：
Figure FDA0002667514100000024
其中，Ci表示节点i的聚集系数，dG(i)表示无向无权图G的节点i的度，Si表示dG(i)个节点间存在的边数目。
7.如权利要求1至6任一项所述的方法，其特征在于，所述主观赋权法为层次分析法。
8.如权利要求1至7任一项所述的方法，其特征在于，所述客观分析法为熵值法和离差最大化法。
9.一种基于复杂系统理论的电力通信网脆弱性评估系统，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至8任一项所述的基于复杂系统理论的电力通信网脆弱性评估方法。
CN202010925837.2A 2020-09-04 2020-09-04 基于复杂系统理论的电力通信网脆弱性评估方法和系统 Active CN112149967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010925837.2A CN112149967B (zh) 2020-09-04 2020-09-04 基于复杂系统理论的电力通信网脆弱性评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010925837.2A CN112149967B (zh) 2020-09-04 2020-09-04 基于复杂系统理论的电力通信网脆弱性评估方法和系统

Publications (2)

Publication Number Publication Date
CN112149967A true CN112149967A (zh) 2020-12-29
CN112149967B CN112149967B (zh) 2024-02-06

Family

ID=73889317

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010925837.2A Active CN112149967B (zh) 2020-09-04 2020-09-04 基于复杂系统理论的电力通信网脆弱性评估方法和系统

Country Status (1)

Country Link
CN (1) CN112149967B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361054A (zh) * 2021-06-11 2021-09-07 山东大学 电力信息物理系统路由优化方法及系统
CN113472432A (zh) * 2021-06-30 2021-10-01 中国人民解放军国防科技大学 一种光纤通信网地理灾难抗毁性评估方法
CN114091268A (zh) * 2021-11-24 2022-02-25 南京航空航天大学 一种基于节点重要度与层次分析法的无人机健康状况评估方法
CN115473817A (zh) * 2022-08-10 2022-12-13 武汉大学 一种考虑空间特性的电力信息网的构建方法及系统
CN116827807A (zh) * 2023-05-30 2023-09-29 国网吉林省电力有限公司 基于多因素评价指标的电力通信网节点重要性评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090106844A1 (en) * 2007-10-19 2009-04-23 Jun Yoon System and method for vulnerability assessment of network based on business model
CN105976257A (zh) * 2015-12-17 2016-09-28 国家电网公司 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090106844A1 (en) * 2007-10-19 2009-04-23 Jun Yoon System and method for vulnerability assessment of network based on business model
CN105976257A (zh) * 2015-12-17 2016-09-28 国家电网公司 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙静月 等: "基于业务的电力通信网络脆弱性分析评价方法", 《电力系统保护与控制》, vol. 45, no. 24, pages 138 - 145 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361054A (zh) * 2021-06-11 2021-09-07 山东大学 电力信息物理系统路由优化方法及系统
CN113472432A (zh) * 2021-06-30 2021-10-01 中国人民解放军国防科技大学 一种光纤通信网地理灾难抗毁性评估方法
CN114091268A (zh) * 2021-11-24 2022-02-25 南京航空航天大学 一种基于节点重要度与层次分析法的无人机健康状况评估方法
CN115473817A (zh) * 2022-08-10 2022-12-13 武汉大学 一种考虑空间特性的电力信息网的构建方法及系统
CN115473817B (zh) * 2022-08-10 2023-08-15 武汉大学 一种考虑空间特性的电力信息网的构建方法及系统
CN116827807A (zh) * 2023-05-30 2023-09-29 国网吉林省电力有限公司 基于多因素评价指标的电力通信网节点重要性评估方法
CN116827807B (zh) * 2023-05-30 2024-05-10 国网吉林省电力有限公司 基于多因素评价指标的电力通信网节点重要性评估方法

Also Published As

Publication number Publication date
CN112149967B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN112149967A (zh) 基于复杂系统理论的电力通信网脆弱性评估方法和系统
Acosta et al. Extremely randomized trees-based scheme for stealthy cyber-attack detection in smart grid networks
Sarafijanovic et al. An artificial immune system approach with secondary response for misbehavior detection in mobile ad hoc networks
CN105550714A (zh) 一种异构网络环境中告警信息的聚类融合方法
CN112769869B (zh) 一种基于贝叶斯攻击图的sdn网络安全预测方法及对应系统
CN110798314B (zh) 一种基于随机森林算法的量子密钥分发参数优化方法
CN108632266A (zh) 一种配电通信网络安全态势感知方法
Cheng et al. An elitism strategy based genetic algorithm for streaming pattern discovery in wireless sensor networks
CN110995597A (zh) 一种电力通信网安全链路选择方法和系统
CN115049270B (zh) 考虑变电站网络攻击成功概率的电力系统风险评估方法
CN115219838A (zh) 一种基于多源信息融合的配电网故障研判方法
CN115618249A (zh) 一种基于LargeVis降维与DBSCAN聚类的低压配电台区相位识别方法
Nagaraj et al. Glass: A graph learning approach for software defined network based smart grid ddos security
Caleb et al. Secured Node Identification Approach Based on Artificial Neural Network Infrastructure for Wireless Sensor Networks
CN115277115A (zh) 一种用于解决网络上鲁棒信息传播问题的方法及系统
Han et al. A multi-perspective framework of analysis of critical infrastructures with respect to supply service, controllability and topology
CN117539619A (zh) 基于云边融合的算力调度方法、系统、设备和存储介质
CN115766081A (zh) 一种电力工控云平台的异常流量检测方法及装置
Li et al. Information security evaluation based on artificial neural network
CN113569961B (zh) 一种电网节点分类方法及计算机可读介质
Ahmed et al. Spatio-temporal deep graph network for event detection, localization and classification in cyber-physical electric distribution system
Banerjee et al. Decision making in assessment of RRAP of WSN using fuzzy-hybrid approach
CN113114677A (zh) 一种僵尸网络检测方法及装置
CN112241812A (zh) 基于单边优化与遗传算法协作的低压配电网拓扑识别方法
CN114866325B (zh) 电力系统网络攻击的预测方法

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