CN113344743A - 一种智能电网的故障危害指数计算与脆弱性评估方法 - Google Patents

一种智能电网的故障危害指数计算与脆弱性评估方法 Download PDF

Info

Publication number
CN113344743A
CN113344743A CN202110846088.9A CN202110846088A CN113344743A CN 113344743 A CN113344743 A CN 113344743A CN 202110846088 A CN202110846088 A CN 202110846088A CN 113344743 A CN113344743 A CN 113344743A
Authority
CN
China
Prior art keywords
node
fault
grid
information
power
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
CN202110846088.9A
Other languages
English (en)
Other versions
CN113344743B (zh
Inventor
罗劲瑭
姚实颖
刘晓
张晋瑞
关慧方
胥威汀
叶强
杨宇玄
乔云池
阳小龙
张晨琳
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.)
Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Sichuan 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 Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Sichuan Electric Power Co Ltd
Priority to CN202110846088.9A priority Critical patent/CN113344743B/zh
Publication of CN113344743A publication Critical patent/CN113344743A/zh
Application granted granted Critical
Publication of CN113344743B publication Critical patent/CN113344743B/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
    • 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
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种智能电网的故障危害指数计算与脆弱性评估方法，包括以下步骤：根据电力网与信息网进行抽象构建智能电网的相依耦合网络拓扑模型；根据电力网的节点故障以及信息网的节点故障，获得故障元件集合，根据故障元件集合获得节点的故障危害指数；根据故障的交互传播及智能电网的双向耦合，得出节点的耦合继发性故障传播，根据节点的耦合继发性故障传播，获得节点的耦合继发性故障危害指数；根据节点的故障危害指数和节点的耦合继发性故障危害指数，获得节点继发性综合故障危害指数，根据节点继发性综合故障危害指数，获得节点的脆弱性评估指标。本发明考虑了智能电网的耦合性和故障的交互传播，得到的系统脆弱性分析结果较为直观准确。

Description

一种智能电网的故障危害指数计算与脆弱性评估方法
技术领域
本发明涉及智能电网安全防护技术领域，更具体地说，它涉及一种智能电网的故障危害指数计算与脆弱性评估方法。
背景技术
智能电网现已发展为电力网与信息网深度融合的相依耦合信息物理系统，且二者具备复杂的交互关系，其主要表现为：信息网的正常运行需要电力网提供电能供应，同时电力网的能量流的变化和正常运行依赖信息网提供的控制(Control)、通信(Communication)和计算(Computation)等3C功能。信息网和电力网间的这种相依耦合关系，给智能电网带来了两面效应，即：一方面它极大提升和优化了电网的运行与控制效率，使我们通过信息网对电力一次系统的量测、控制与调度更加灵活高效；然而另一方面它在某种程度上却让智能电网变得更加脆弱，已成为连锁故障蔓延的最大诱因之一。因此，基于电力网和信息网交互影响来对智能电网脆弱节点进行辨识成为值得研究的问题。
为解决信息网与电力网相依耦合关系给智能电网带来的负面效应，提升智能电网的运行质量，已有大量研究已经取得阶段性的成果。在信息网与电力网交互影响及系统遭受攻击(随机或恶意)的研究中主要考虑3类事件。第一类是以电力系统为目标的物理攻击。该方法大部分依据邻接矩阵、元件状态和连锁故障网络拓扑图的输电线路脆弱性评估方法，研究线路攻击和线路故障传播的时序关系。第二类是针对信息系统的网络攻击。该方法大多数研究着眼于信息元件的失效，刻画负荷重分配攻击对系统可靠性的影响，使得电力系统损失较多负荷甚至诱发连锁故障。第三类则是针对信息物理系统的协同攻击。在该部分研究中，通过建立考虑信息物理协同攻击的双层及三层规划模型，建立负荷重分配攻击分别与切除发电机攻击和断开输电线路攻击相互协同的攻击模型，来分析信息与物理系统的交互机制，并对不同场景下的系统安全风险进行了量化评估。
但上述三类方法，仍存在以下局限性：对于第一类和第二类方法，仅考虑到单侧独立攻击，未能将电力网和信息网的元件之间的故障传播交互影响考虑在内。而在网络故障传播过程中，通常是由某一侧网络初始故障开始，进而在电力网和信息网中来回传播。只从电力网或信息网单侧网络出发进行脆弱性分析，得到的结果不够全面，与实际情况有一定的偏差。而在第三类方法中需要攻击者在对完整的网络拓扑和传输线导纳信息掌握的情况下，将预先设计的错误数据注入网络而不被监测到。然而，拓扑信息在控制中心通常是保密的，不容易获取。对于攻击能力有限的攻击者来说，很难获得所有线路的导纳值。该种方法侧重于分析特定的场景或拓扑结构中节点的脆弱性或危害性，因此得到的结果参考价值有限。因此，在对无法获取完整网络线路导纳值的一般网络故障的情况下，结合电力网和信息网的相依耦合作用，来对智能电网进行脆弱性分析就显得十分重要。
发明内容
本发明的目的是提供一种智能电网的故障危害指数计算与脆弱性评估方法，用以现有技术中对智能电网的脆弱节点辨识结果不够准确的问题，得到更加准确的智能电网脆弱节点辨识结果。
本发明的上述技术目的是通过以下技术方案得以实现的：一种智能电网的故障危害指数计算与脆弱性评估方法，包括以下步骤：
S1：根据电力网与信息网进行抽象构建智能电网的相依耦合网络拓扑模型；
S2：根据电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据所述故障元件集合获得节点的故障危害指数；
S3：根据故障的交互传播及智能电网的双向耦合，得出节点的耦合继发性故障传播，根据所述节点的耦合继发性故障传播，获得节点的耦合继发性故障危害指数；
S4：根据节点的故障危害指数和节点的耦合继发性故障危害指数，获得节点继发性综合故障危害指数，根据节点继发性综合故障危害指数，获得节点的脆弱性评估指标。
进一步的，根据电力网、信息网及其耦合边建立网络拓扑模型，即G(GP,GC,EP-C)；其中，Gp表示为电力网的抽象拓扑图，Gc表示为信息网的抽象拓扑图，EP-C表示耦合边集合；获取耦合边集合的具体步骤如下：
S11：将电力网中的发电厂、变电站以及负荷作为节点，电力线作为边，获取出电力网的抽象网络图；
S12：将信息网中的广域监测系统、数据采集与监视控制系统、相位量测装置以及调度中心作为节点，通信线作为边，获取信息网的抽象网络图；
S13：根据所述电力网的抽象网络图与信息网的抽象网络图，获取电力网与信息网的耦合边集合。
进一步的，根据智能电网中电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据所述故障元件集合获得节点的故障危害指数；其具体步骤如下：
S21：根据线路故障的潮流转移，得到邻居线路上的有功功率以及传输裕度；
S22：根据通信节点的信息量转移，得到邻居节点需处理的数据分组量；
S23：根据节点的故障传播，获取节点的故障元件集合Zi＝{ZV,ZE}；其中，ZE表示连锁故障过程中失效的电力传输线路的集合，ZV表示连锁故障过程中失效的信息节点的集合；
根据节点的故障元件集合得出节点的故障危害指数为
Figure BDA0003180611980000031
其中，hi表示为由节点i引发的故障元件集合Zi对系统造成的危害指数故障危害指数，
Figure BDA0003180611980000032
电力传输线路Aj失效的危害程度函数，I(Aj),I(j)表示指示函数，fj表示节点j失效的危害程度函数，元件j包括电力传输线路和通信节点。
进一步的，根据电力传输线路中的邻居线路的有功功率以及邻居线路的传输裕度，得出电力传输线路Aj失效的危害程度函数以及指示函数；
根据通信节点中邻居线路需处理的数据分组量以及通信节点的转发能力，得出通信节点中节点j失效的危害程度函数以及指示函数。
进一步的，根据故障的交互传播与智能电网的双向耦合，得出节点的耦合继发性故障传播的具体步骤如下：
初始时刻t＝0，电力网传输线路和通信节点失效，节点的故障先向其邻居元件传播，此时设置t＝1，获得原发性故障危害指数；
在t≥2时，节点发生耦合继发性故障传播；
故障传播从t＝0时刻到t＝k时刻结束。
进一步的，根据节点的耦合继发性故障传播，得到节点的耦合继发性故障危害指数为
Figure BDA0003180611980000033
其中，
Figure BDA0003180611980000034
为节点j失效后引发一系列耦合继发性故障的故障信息节点集合，
Figure BDA0003180611980000035
为节点j失效后引发一系列耦合继发性故障的故障电力传输线路集合，
Figure BDA0003180611980000036
为t时刻信息节点g失效的危害程度函数，
Figure BDA0003180611980000037
为t时刻电力传输线路Ag失效的危害程度函数，It(Ag),It(g)表示t时刻的指示函数，pcop表示耦合节点对于失效元件的影响程度，即耦合影响因子。
进一步的，根据电力网与信息网相依耦合下多对多的电力-信息节点对应的连接关系，获得t时刻电力网-信息网节点连接矩阵L(t)，
Figure BDA0003180611980000038
其中，
Figure BDA0003180611980000039
为t时刻电力网节点ui和信息网节点vj的对应连接关系；若电力网节点ui和信息网节点vj具有对应的连接关系，则
Figure BDA0003180611980000041
否则
Figure BDA0003180611980000042
进一步的，当信息网节点失效时，则信息网节点对于电力网节点的耦合影响因子为：
Figure BDA0003180611980000043
进一步的，当电力网节点失效时，则电力网节点对信息网节点的影响如下：
当信息网节点仅有一条耦合线路与电力网节点连接，则信息网节点发生故障的概率为1；
当信息网节点有大于一条耦合线路与电力网节点连接，则信息节点发生故障的概率为0。
进一步的，将节点的故障危害指数与节点的耦合继发性故障危害指数相加，获取电力网节点与信息网节点的继发性综合故障危害指数分别如下：
Figure BDA0003180611980000044
其中,hp,i为电力节点表示初始时刻故障引发的综合故障危害指数，
Figure BDA0003180611980000045
表示电力节点故障导致的原发性故障危害指数，
Figure BDA0003180611980000046
表示电力节点故障引发的耦合继发性故障危害指数，hc,i为信息节点为初始时刻故障引发的综合故障危害指数，
Figure BDA0003180611980000047
为信息节点故障导致的原发性故障危害指数，
Figure BDA0003180611980000048
为信息节点故障引发的耦合继发性故障危害指数；
根据电力网节点与信息网节点的继发性综合故障危害指数，获取电力网节点与信息网节点的脆弱性评估指标分别如下：FP,i＝1/hP,i，FC,i＝1/hC,i，其中，FP,i为电力节点的脆弱性评估指标，FC,i为信息节点的脆弱性评估指标；
若电力网节点与信息网节点的脆弱性评估指标数值越小，即电力网节点与信息网节点的继发性综合故障危害指数越高，即电力网节点与信息网节点的脆弱性越强。
与现有技术相比，本发明具有以下有益效果：
1.本发明考虑到电力网侧故障线路荷载转移和线路传输裕度以及信息网侧的节点数据转发能力和信息流转移大小来对故障危害程度进行量化分析，得到更加精确的节点故障危害指数。
2.本发明还考虑到故障在单侧网络中的传播还考虑到故障在两侧网络的来回传播，即在计算节点的故障危害指数时综合考虑了邻居节点和耦合节点的影响，并将故障传播过程用时序来离散描述，动态传播与静态描述相结合，得到的结果较为准确。
3.本发明综合考虑到节点失效所引发的故障危害指数及耦合继发性故障危害指数，较为准确地描述了节点失效引发系统故障的程度；因此，在此基础上的得到的节点脆弱性评估指标可以较为准确的对相依耦合的智能电网节点的脆弱性进行分辩。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明流程示意图。
图2为电力信息物理系统相依耦合网络拓扑图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例
如图1所示，本实施例提供一种智能电网的故障危害指数计算与脆弱性评估方法，包括以下步骤：
S1：根据电力网与信息网进行抽象构建智能电网的相依耦合网络拓扑模型；
S2：根据电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据故障元件集合获得节点的故障危害指数；
S3：根据故障的交互传播及智能电网的双向耦合，得出节点的耦合继发性故障传播，根据节点的耦合继发性故障传播，获得节点的耦合继发性故障危害指数；
S4：根据节点的故障危害指数和节点的耦合继发性故障危害指数，获得节点继发性综合故障危害指数，根据节点继发性综合故障危害指数，获得节点的脆弱性评估指标。
工作原理：构建电力网、信息网相依耦合网络模型，得到节点及其连接线路失效(即t＝0)，失效后故障会向邻居线路及邻居节点传播(即t＝1)，然后判断出电力传输线路以及信息节点是否失效，若失效则计算各邻居元件的危害程度，得到单侧网络中各节点故障危害指数；基于上述原理，考虑到故障在电力传输线路以及信息节点中会来回传播，因此在次判断电力传输线路以及信息节点是否失效，加入耦合影响因子，计算出节点耦合继发性故障危害指数，最后计算出各节点继发性综合故障危害指数，并根据节点继发性综合故障危害指数得到节点的脆弱性评估指标。
根据电力网、信息网及其耦合边建立网络拓扑模型，即G(GP,GC,EP-C)；其中，Gp表示为电力网的抽象拓扑图，Gc表示为信息网的抽象拓扑图，EP-C表示耦合边集合；获取耦合边集合的具体步骤如下：
S11：将电力网中的发电厂、变电站以及负荷作为节点，电力线作为边，获取出电力网的抽象网络图；
S12：将信息网中的广域监测系统、数据采集与监视控制系统、相位量测装置以及调度中心作为节点，通信线作为边，获取信息网的抽象网络图；
S13：根据所述电力网的抽象网络图与信息网的抽象网络图，获取电力网与信息网的耦合边集合。。
如图2所示，本实施例提供电力网的抽象网络图、信息网的抽象网络图以及耦合边集合，可将电力网抽象为网络图GP＝(Vp,Ep)，其中，VP＝{u1,u2,...,un}是电力网的节点集，ui∈VP,(i＝1,2...,n)表示电力网中的节点，
Figure BDA0003180611980000061
是电力网的边集合；可将信息网抽象为网络图GC＝(VC,EC)，其中，VC＝{v1,v2,...,vm}是信息网的节点集，vi∈VC,(i＝1,2...,m)表示信息网中的节点，
Figure BDA0003180611980000062
是信息网的边集合；耦合边可以用来描述电力网与信息网间的相依耦合关系。EP-C表示耦合边集合，表示为：EP-C＝{(u,v)|u∈VP,v∈VC}；若信息网中节点u与电力网中节点v相依耦合，则EP-C(u,v)＝1，否则EP-C(u,v)＝0。
根据智能电网中电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据故障元件集合获得节点的故障危害指数；其具体步骤如下：
S21：根据线路故障的潮流转移，得到邻居线路上的有功功率以及传输裕度；
S22：根据通信节点的信息量转移，得到邻居节点需处理的数据分组量；
S23：根据节点的故障传播，获取节点的故障元件集合Zi＝{ZV,ZE}；其中，ZV表示连锁故障过程中失效的电力传输线路的集合，ZE表示连锁故障过程中失效的信息节点的集合；
根据节点的故障元件集合得出节点的故障危害指数为
Figure BDA0003180611980000071
其中，hi表示为由节点i引发的故障元件集合Zi对系统造成的危害指数故障危害指数，
Figure BDA0003180611980000072
电力传输线路Aj失效的危害程度函数，I(Aj),I(j)表示指示函数，fj表示节点j失效的危害程度函数，元件j包括电力传输线路和通信节点。
本实施例步骤S21中，在电力网侧的输电线路中传输能量流，在信息网侧的线路中传输信息流，本实施例从“能源流～信息流”相依耦合的角度来展开研究。对于耦合网络节点集V可由电力网节点和信息网节点组成，即：V＝(VP,VC)，在智能电网中，我们假设若某一节点失效，则该节点相连的线路故障。则该条线路中传输的潮流将会向其邻居线路发生转移，由于网络非均匀性，故向其邻居线路的转移的潮流是不同的。从线路故障后的荷载重新分配出发，设线路Ai发生故障时，转移到邻居线路Aj上的有功功率
Figure BDA0003180611980000073
为：
Figure BDA0003180611980000074
其中，
Figure BDA0003180611980000075
为线路Ai故障的情况下线路Aj的实时传输有功功率，
Figure BDA0003180611980000076
为故障线路Ai发生故障前线路Aj上的实时传输有功功率。
故障能否在线路中进行传播还与线路自身的强壮性有关，当系统中的某条线路因故障断开时，其上传输的潮流会被分配到其他邻居线路中，传输裕度不同的线路表现出不同的容纳能力，传输裕度大的线路仍可正常运行，传输裕度小的线路则发生线路过载现象，实现故障传播，这里用Wmax来表示线路j的传输裕度为
Figure BDA0003180611980000077
其中，Wmax表示线路j上的最大荷载容量，
Figure BDA0003180611980000078
表示线路j上运行的负载容量。
当网络中的某一节点遭受攻击，则与其相连的线路发生故障进而失效，则这些失效线路中传输的能量流将会转移到它们的相邻上下游线路。当承载转移负荷的线路的总负荷超过其传输裕度时，这些线路也宣告失效，即因负载转移而导致故障连锁传播。重复上述过程，直到耦合系统稳定为止。
步骤S22中，信息网中的信息流以数据分组的形式在信息节点间进行转发、分析和处理，在信息节点遭到攻击时，原通过它转发的数据包将会转移到其他相邻节点，再由它们转发，以确保整个系统的测量调度仍能正常进行。在节点数据包进行转移时，本实施例进行如下转移量假设：对于连接度较大的节点，通过的信息流会更多，它们处理信息的能力也更强。当节点失效时，未处理的信息流将按照一定比例重新分配到连接的邻居节点上。为了避免进一步的级联故障，信息流的重新分布应倾向于当前具有更大处理能力的邻居节点，从而保证网络的顺畅运行。设信息节点i在t时刻发生故障，则根据上述转移量假设，则其邻居节点j在t+1时刻需处理的数据分组量Sj(t+1)表示为：
Figure BDA0003180611980000081
其中，Si(t)表示故障时刻t节点i上待处理的数据分组数；ωj为节点j的度数；Sj(t)为节点i的所有邻居节点度数相加之和；Nj(t+1)表示t时刻节点j处理剩余的分组量；Nj(t+1)表示的是若节点i未故障时，t+1时刻到达节点j的数据分组量。
故障节点i的数据包转移能否引发信息网侧的连锁故障，则与信息节点j的转发能力
Figure BDA0003180611980000082
有关：若节点j处需转发的数据量超出该节点转发能力，则信息节点j处会发生拥塞而处于失效状态。
步骤S23中，当电力网遭到攻击时，节点失效导致传输线路故障，线路间发生潮流转移，连锁故障形成。而对于信息网来说，节点故障后，节点中转发的数据包发生转移，形成连锁故障。在此过程中，仅讨论原发性故障，即故障仅向邻居元件传播的初始时刻。如图2所示，电力节点u1故障，则与其相连的电力网内部线路
Figure BDA0003180611980000083
以及耦合连边e1-2失效，通信网中的节点v2仅有u1一个供电节点，故节点v2因失去供电设备而停止运行，则与v2节点相连的通信线路
Figure BDA0003180611980000084
故障，失效线路放入线路故障集X中的Z1集合中，此时Z1更新为
Figure BDA0003180611980000085
电力线路
Figure BDA0003180611980000086
上的负荷会转移到相关的邻居线路
Figure BDA0003180611980000087
上，而通信节点v2上的信息流将会转移到其邻居节点v1,v3上。
根据电力传输线路中的邻居线路的有功功率以及邻居线路的传输裕度，得出电力传输线路Aj失效的危害程度函数以及指示函数；根据通信节点中邻居线路需处理的数据分组量以及通信节点的转发能力，得出通信节点中节点j失效的危害程度函数以及指示函数。
本实施例中通过对危害程度函数以及指示函数进行更新，得出更新后的故障危害指数如下：对于电力网来说，危害程度函数
Figure BDA0003180611980000088
由线路的有功功率与传输裕度来表示，其定义式为：
Figure BDA0003180611980000091
其指示函数I(Aj)的定义如下：
Figure BDA0003180611980000092
对于信息网来说，危害程度函数fj由节点用数据包的转发拥塞程度来表示
Figure BDA0003180611980000093
其指示函数I(j)的定义如下：
Figure BDA0003180611980000094
根据上述的定义式计算出电力传输线路Aj危害程度函数
Figure BDA0003180611980000095
通信节点的危害程度函数fj以及指示函数I(Aj)，I(j)，最后由
Figure BDA0003180611980000096
得出节点的故障危害指数的具体值。
根据故障的交互传播与智能电网的双向耦合，得出节点的耦合继发性故障传播的具体步骤如下：
初始时刻t＝0，电力网传输线路和通信节点失效，节点的故障先向其邻居元件传播，此时设置t＝1，获得原发性故障危害指数；
在t≥2时，节点发生耦合继发性故障传播；
故障传播从t＝0时刻到t＝k时刻结束。
本实施例中，电力网与信息网存在双向耦合关系，二者运行状态互相影响。假设电力网中某一节点故障，则故障会由电力网开始,接着影响到信息网，然后返回到电力网。以此类推，反复重复以上过程，直到耦合系统稳定。而在此过程中，设电力节点失效后，故障开始在其相连线路及耦合邻居节点中传播，若某一电力传输线路Ai在t时刻因其邻居线路失效而受到故障波及，但其自身裕度较大，并未在t+1时刻失效。但因故障在两侧网络中辐射式且反复传播，故可能在t+n时刻，该线路Ai的其他邻居线路失效再次波及到它；且在另一侧的耦合网络中，此时耦合故障可能传播到与电力传输线路Ai连接的电力节点相耦合的信息节点，则耦合网络的故障也会向该线路Ai传播。此时故障不仅需要考虑单侧故障传播的影响还需要考虑耦合网络故障传播的影响；信息节点失效亦如此。这个过程就是耦合继发性故障传播。
根据节点的耦合继发性故障传播，得到节点的耦合继发性故障危害指数为
Figure BDA0003180611980000097
其中，
Figure BDA0003180611980000098
为节点j失效后引发一系列耦合继发性故障的故障信息节点集合，
Figure BDA0003180611980000099
为节点j失效后引发一系列耦合继发性故障的故障电力传输线路集合，
Figure BDA00031806119800000910
为t时刻信息节点g失效的危害程度函数，
Figure BDA00031806119800000911
为t时刻电力传输线路Ag失效的危害程度函数，It(Ag),It(g)表示t时刻的指示函数，pcop表示耦合节点对于失效元件的影响程度，即耦合影响因子。
本实施例中，根据电力网以及信息网的耦合继发性故障传播，得到了耦合继发性故障危害指数hcop，j；从电力网方面对耦合继发性故障危害指数进行解释，对于电力传输线路来说，耦合继发性故障危害指数中的危害程度函数
Figure BDA0003180611980000101
同式
Figure BDA0003180611980000102
即为t时刻的有功功率转移量与传输线路裕值的比较：
Figure BDA0003180611980000103
t时刻的指示函数It(Ag)定义如下
Figure BDA0003180611980000104
根据电力网与信息网相依耦合下的多对多的电力-信息节点对应连接关系，获得t时刻电力网-信息网节点连接矩阵L(t)，
Figure BDA0003180611980000105
其中，
Figure BDA0003180611980000106
为t时刻电力网节点ui和信息网节点vj的对应连接关系，若电力网节点ui和信息网节点vj具有信息交互关系，则
Figure BDA0003180611980000107
否则
Figure BDA0003180611980000108
本实施例中，对于耦合影响因子的计算，则根据电力网和信息网间的节点耦合关系来计算。在电力网与信息网相依耦合的复杂网络中，节点间耦合关系不是简单的一对一或是一对多，而是多对多和多级耦合链的复杂耦合模式。在本发明中，采用的是多对多的耦合关系，结合图2来说，如在无故障发生(即t＝0)时，电力网节点u2在进行电力调度时，既可以由信息节点v3来实现，也可以由信息节点v4来实现。根据此多对多的电力-信息节点对应连接关系，可以得到t时刻电力网-信息网节点连接矩阵L(t)；用以判断电力节点与信息节点的对应的连接关系，若交互则
Figure BDA0003180611980000109
否则
Figure BDA00031806119800001010
当信息网节点失效时，则信息网节点对于电力网节点的耦合影响因子为：
Figure BDA00031806119800001011
本实施例中，根据上述的电力节点与信息节点的对应的连接关系，得出当信息网节点失效时，信息网对于电力节点耦合影响因子的影响。
当电力网节点失效时，则电力网节点对信息网节点的影响如下：
当信息网节点仅有一条耦合线路与电力网节点连接，则信息网节点发生故障的概率为1；
当信息网节点有大于一条耦合线路与电力网节点连接，则信息节点失效概率为0。
本实施例中，从信息网方面对耦合继发性故障危害指数进行解释，对于电力传输线路来说，耦合继发性故障危害指数中的危害程度函数
Figure BDA0003180611980000111
同式
Figure BDA0003180611980000112
即为t时刻的节点转发数据包与节点转发能力的比较：
Figure BDA0003180611980000113
t时刻的指示函数It(j)定义如下
Figure BDA0003180611980000114
根据做出的假设，得出电力网对于信息节点的耦合影响因子定义为：
Figure BDA0003180611980000115
即对信息网而言，只要有两条及以上的耦合线路与电力网节点连接，则信息网节点不会出现故障。
根据故障危害指数与耦合继发性故障危害指数，获取电力节点与信息节点的继发性综合故障危害指数如下：
Figure BDA0003180611980000116
其中,hp,i为电力节点i表示初始故障引发的综合故障危害指数，
Figure BDA0003180611980000117
表示电力节点i故障导致的原发性故障危害指数，
Figure BDA0003180611980000118
表示电力节点i故障引发的耦合继发性故障危害指数，hc,i为信息节点i为初始故障引发的综合故障危害指数，
Figure BDA0003180611980000119
为信息节点i故障导致的原发性故障危害指数，
Figure BDA00031806119800001110
为信息节点i故障引发的耦合继发性故障危害指数；
根据上述得到的节点继发性综合故障危害指数，获取节点的脆弱性评估指标如下：FP,i＝1/hP,i，FC,i＝1/hC,i，其中，FP,i为电力节点i的脆弱性评估指标，FC,i为信息节点i的脆弱性评估指标；
若脆弱性评估指标数值越小，即节点的继发性综合故障危害指数越高，则该节点的脆弱性越强。
本实施例中，将故障危害指数hi与耦合继发性故障危害指数hcop,i相加，得到电力网/信息网节点故障后对智能电网造成的综合危害指数大小。节点的继发性综合故障危害指数可以较好地描述从节点i失效后故障开始传播到故障传播结束这一时序过程中节点i故障传播的程度。节点的继发性综合故障危害指数越高，说明节点失效后引发的系统的故障程度越高。
脆弱性评估指标数值越小，即节点的继发性综合故障危害指数越高，说明该节点故障后，网络中有更多的元件受到影响，对系统的危害程度越高，网络保持其拓扑结构完整并正常运行的能力越差，则该节点的脆弱性越强。
将得到的节点的脆弱性评估指标按照从小到大进行排序，即可得到智能电网连锁故障节点脆弱性排序，排名越靠前，则节点的脆弱性越强。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不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，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，包括以下步骤：
S1：根据电力网与信息网进行抽象构建智能电网的相依耦合网络拓扑模型；
S2：根据电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据所述故障元件集合获得节点的故障危害指数；
S3：根据故障的交互传播及智能电网的双向耦合，得出节点的耦合继发性故障传播，根据所述节点的耦合继发性故障传播，获得节点的耦合继发性故障危害指数；
S4：根据节点的故障危害指数和节点的耦合继发性故障危害指数，获得节点继发性综合故障危害指数，根据节点继发性综合故障危害指数，获得节点的脆弱性评估指标。
2.根据权利要求1所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据电力网、信息网及其耦合边建立网络拓扑模型，即G(GP,GC,EP-C)；其中，Gp表示为电力网的抽象拓扑图，Gc表示为信息网的抽象拓扑图，EP-C表示耦合边集合；获取耦合边集合的具体步骤如下：
S11：将电力网中的发电厂、变电站以及负荷作为节点，电力线作为边，获取出电力网的抽象网络图；
S12：将信息网中的广域监测系统、数据采集与监视控制系统、相位量测装置以及调度中心作为节点，通信线作为边，获取信息网的抽象网络图；
S13：根据所述电力网的抽象网络图与信息网的抽象网络图，获取电力网与信息网的耦合边集合。
3.根据权利要求2所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据智能电网中电力网的节点故障以及信息网的节点故障，获得电力网节点与信息网节点的故障元件集合，根据所述故障元件集合获得节点的故障危害指数；其具体步骤如下：
S21：根据线路故障的潮流转移，得到邻居线路上的有功功率以及传输裕度；
S22：根据通信节点的信息量转移，得到邻居节点需处理的数据分组量；
S23：根据节点的故障传播，获取节点的故障元件集合Zi＝{ZV,ZE}；其中，ZV表示连锁故障过程中失效的电力传输线路的集合，ZE表示连锁故障过程中失效的信息节点的集合；
根据节点的故障元件集合得出节点的故障危害指数为
Figure FDA0003180611970000011
其中，hi表示为由节点i引发的故障元件集合Zi对系统造成的危害指数故障危害指数，
Figure FDA0003180611970000012
电力传输线路Aj失效的危害程度函数，I(Aj),I(j)表示指示函数，fj表示节点j失效的危害程度函数，元件j包括电力传输线路和通信节点。
4.根据权利要求3所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据电力传输线路中的邻居线路的有功功率以及邻居线路的传输裕度，得出电力传输线路Aj失效的危害程度函数以及指示函数；
根据通信节点中邻居线路需处理的数据分组量以及通信节点的转发能力，得出通信节点中节点j失效的危害程度函数以及指示函数。
5.根据权利要求3所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据故障的交互传播与智能电网的双向耦合，得出节点的耦合继发性故障传播的具体步骤如下：
初始时刻t＝0，电力网传输线路和通信节点失效，节点的故障先向其邻居元件传播，此时设置t＝1，获得原发性故障危害指数；
在t≥2时，节点发生耦合继发性故障传播；
故障传播从t＝0时刻到t＝k时刻结束。
6.根据权利要求5所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据节点的耦合继发性故障传播，得到节点的耦合继发性故障危害指数为
Figure FDA0003180611970000021
其中，
Figure FDA0003180611970000022
为节点j失效后引发一系列耦合继发性故障的故障信息节点集合，
Figure FDA0003180611970000023
为节点j失效后引发一系列耦合继发性故障的故障电力传输线路集合，
Figure FDA0003180611970000024
为t时刻信息节点g失效的危害程度函数，
Figure FDA0003180611970000025
为t时刻电力传输线路Ag失效的危害程度函数，It(Ag),It(g)表示t时刻的指示函数，pcop表示耦合节点对于失效元件的影响程度，即耦合影响因子。
7.根据权利要求6所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，根据电力网与信息网相依耦合下多对多的电力-信息节点对应的连接关系，获得t时刻电力网-信息网节点连接矩阵L(t)，
Figure FDA0003180611970000026
其中，
Figure FDA0003180611970000027
为t时刻电力网节点ui和信息网节点vj的对应连接关系；若电力网节点ui和信息网节点vj具有对应的连接关系，则
Figure FDA0003180611970000031
否则
Figure FDA0003180611970000032
8.根据权利要求7所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，当信息网节点失效时，则信息网节点对于电力网节点的耦合影响因子为：
Figure FDA0003180611970000033
9.根据权利要求7所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，当电力网节点失效时，则电力网节点对信息网节点的影响如下：
当信息网节点仅有一条耦合线路与电力网节点连接，则信息网节点发生故障的概率为1；
当信息网节点有大于一条耦合线路与电力网节点连接，则信息节点发生故障的概率为0。
10.根据权利要求6任一项所述的一种智能电网的故障危害指数计算与脆弱性评估方法，其特征在于，将节点的故障危害指数与节点的耦合继发性故障危害指数相加，获取电力网节点与信息网节点的继发性综合故障危害指数分别如下：
Figure FDA0003180611970000034
其中,hp,i为电力节点i表示初始故障引发的综合故障危害指数，
Figure FDA0003180611970000035
表示电力网节点i故障导致的原发性故障危害指数，
Figure FDA0003180611970000036
表示电力网节点i故障引发的耦合继发性故障危害指数，hc,i为信息网节点i为初始故障引发的综合故障危害指数，
Figure FDA0003180611970000037
为信息网节点i故障导致的原发性故障危害指数，
Figure FDA0003180611970000038
为信息网节点i故障引发的耦合继发性故障危害指数；
根据电力网节点与信息网节点的继发性综合故障危害指数，获取电力网节点与信息网节点的脆弱性评估指标分别如下：FP,i＝1/hp，i，FC,i＝1/hc，i，其中，FP,i为电力网节点i的脆弱性评估指标，FC,i为信息网节点i的脆弱性评估指标；
若电力网节点与信息网节点的脆弱性评估指标数值越小，即电力网节点与信息网节点的继发性综合故障危害指数越高，即电力网节点与信息网节点的脆弱性越强。
CN202110846088.9A 2021-07-26 2021-07-26 一种智能电网的故障危害指数计算与脆弱性评估方法 Active CN113344743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110846088.9A CN113344743B (zh) 2021-07-26 2021-07-26 一种智能电网的故障危害指数计算与脆弱性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110846088.9A CN113344743B (zh) 2021-07-26 2021-07-26 一种智能电网的故障危害指数计算与脆弱性评估方法

Publications (2)

Publication Number Publication Date
CN113344743A true CN113344743A (zh) 2021-09-03
CN113344743B CN113344743B (zh) 2022-05-17

Family

ID=77480344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110846088.9A Active CN113344743B (zh) 2021-07-26 2021-07-26 一种智能电网的故障危害指数计算与脆弱性评估方法

Country Status (1)

Country Link
CN (1) CN113344743B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113917908A (zh) * 2021-10-11 2022-01-11 国网四川省电力公司经济技术研究院 一种负载转移影响效应的智能电网脆弱性分析方法及装置
CN114124728A (zh) * 2021-11-11 2022-03-01 国网四川省电力公司经济技术研究院 电网控制系统与电力一次设备间脆弱性耦合链路识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040261030A1 (en) * 2002-11-04 2004-12-23 Nazzal Robert N. Feedback mechanism to minimize false assertions of a network intrusion
CN103684864A (zh) * 2013-12-11 2014-03-26 南京大学 针对大规模区域故障的通信网络脆弱性分析系统及其工作方法
CN112117757A (zh) * 2020-07-14 2020-12-22 武汉大学 考虑信息物理耦合关系的电力系统N-k故障下关键线路辨识方法
CN112491034A (zh) * 2020-10-20 2021-03-12 东北电力大学 一种基于交流潮流模型的电力信息物理系统建模方法
CN112615365A (zh) * 2020-12-08 2021-04-06 国网四川省电力公司经济技术研究院 一种智能电网脆弱性关键点识别方法及装置
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 (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040261030A1 (en) * 2002-11-04 2004-12-23 Nazzal Robert N. Feedback mechanism to minimize false assertions of a network intrusion
CN103684864A (zh) * 2013-12-11 2014-03-26 南京大学 针对大规模区域故障的通信网络脆弱性分析系统及其工作方法
CN112117757A (zh) * 2020-07-14 2020-12-22 武汉大学 考虑信息物理耦合关系的电力系统N-k故障下关键线路辨识方法
CN112491034A (zh) * 2020-10-20 2021-03-12 东北电力大学 一种基于交流潮流模型的电力信息物理系统建模方法
CN112615365A (zh) * 2020-12-08 2021-04-06 国网四川省电力公司经济技术研究院 一种智能电网脆弱性关键点识别方法及装置
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 (2)

* Cited by examiner, † Cited by third party
Title
XISONG DONG等: ""Vulnerability Analysis of Smart Grid Based on Complex Network Theory"", 《2015 5TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND TECHNOLOGY》 *
王先培等: ""复杂网络理论在电力CPS连锁故障研究中的应用综述"", 《电网技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113917908A (zh) * 2021-10-11 2022-01-11 国网四川省电力公司经济技术研究院 一种负载转移影响效应的智能电网脆弱性分析方法及装置
CN113917908B (zh) * 2021-10-11 2024-05-28 国网四川省电力公司经济技术研究院 一种负载转移影响效应的智能电网脆弱性分析方法及装置
CN114124728A (zh) * 2021-11-11 2022-03-01 国网四川省电力公司经济技术研究院 电网控制系统与电力一次设备间脆弱性耦合链路识别方法

Also Published As

Publication number Publication date
CN113344743B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
Yan et al. Integrated security analysis on cascading failure in complex networks
CN113344743B (zh) 一种智能电网的故障危害指数计算与脆弱性评估方法
Cetinay et al. Nodal vulnerability to targeted attacks in power grids
Bompard et al. Analysis of the structural vulnerability of the interconnected power grid of continental Europe with the Integrated Power System and Unified Power System based on extended topological approach
CN107682195A (zh) 基于复杂网络与大数据结合的通信网络鲁棒性评估方法
CN103179001B (zh) 一种基于工作路径信息的电力通信网可靠性评估方法
CN110210229B (zh) 电网信息物理系统的脆弱性的评估方法、系统及存储介质
CN113411221B (zh) 电力通信网络故障仿真验证方法、装置、设备和存储介质
Wang et al. Cascading risk assessment in power-communication interdependent networks
CN105678337B (zh) 一种智能变电站故障诊断中的信息融合方法
CN109494728B (zh) 一种配电终端选址选型方法
Sitanayah et al. Fault-tolerant relay deployment based on length-constrained connectivity and rerouting centrality in wireless sensor networks
Fu et al. Modeling and analysis of industrial IoT reliability to cascade failures: An information-service coupling perspective
Wang et al. A new model approach of electrical cyber physical systems considering cyber security
Chen et al. Cyber-physical power system vulnerability analysis based on complex network theory
CN109586281A (zh) 基于节点优化编号的配电网可靠性评估方法、装置与介质
CN105512957A (zh) 一种电力系统中信息物理安全风险的评估方法
Liu et al. Node Importance Evaluation of Cyber‐Physical System under Cyber‐Attacks Spreading
Tohidi et al. A continuous‐time Markov chain model for redundancy allocation problem: An economic analysis
CN109033603B (zh) 基于源流路径链的智能变电站二次系统仿真方法
CN116667336A (zh) 台区光伏配电网信息网络节点评估方法、系统与电子设备
Yasin et al. Gossip routing protocol for forest fire detection using wireless sensor networks
Li et al. An Effective Node‐To‐Edge Interdependent Network and Vulnerability Analysis for Digital Coupled Power Grids
Buccafurri et al. A routing algorithm increasing the transmission availability in smart grids
Wang Reliability analysis of social network data transmission in wireless sensor network topology

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