CN113411691B - 一种电力光纤网社团划分方法 - Google Patents
一种电力光纤网社团划分方法 Download PDFInfo
- Publication number
- CN113411691B CN113411691B CN202110677581.2A CN202110677581A CN113411691B CN 113411691 B CN113411691 B CN 113411691B CN 202110677581 A CN202110677581 A CN 202110677581A CN 113411691 B CN113411691 B CN 113411691B
- Authority
- CN
- China
- Prior art keywords
- node
- edge
- community
- nodes
- formula
- 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.)
- Active
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims description 20
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 241000170489 Upis Species 0.000 claims description 3
- 230000001404 mediated effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 101100504522 Drosophila melanogaster glec gene Proteins 0.000 claims 1
- 238000005259 measurement Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 239000000835 fiber Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q2011/0086—Network resource allocation, dimensioning or optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种电力光纤网社团划分方法,涉及电力通信技术领域,解决现有电力光纤网中按行政区划分后各部分社团内部不连通、韧性度差、全局信息计算量大等问题,本发明通过构建电力光纤网络模型,提取骨干网,定义电力光纤网络模型中边的局部边介数,基于全局邻介数的边影响力度量,去边找到模块度最大时的划分以及合并孤立节点及剩余社团连接获得最终社团划分结果等步骤实现。本发明在原有骨干网的基础上,通过改变部分三级网的节点归属,使得各社团内部连通,网络整体韧性度得到明显提高,社团结构更加明显。根据实验分析得出,划分后的各部分区域内部全部连通,整体韧性度提高了18.56%,并降低了时间复杂度。
Description
技术领域
本发明涉及电力通信技术领域,具体涉及一种电力光纤网社团划分方法。
背景技术
电力光纤网依托光纤技术已经完全实现了互联互通,一级的骨干光纤网已经形成“三纵四横”的网络结构。为实现电力光纤网运行状态的在线监控及调度决策的快速制定,运行人员通常将电力光纤网划分为若干子区域,目前,电力光纤网的划分研究一般是基于行政区的划分,实现对子区域的“分而治之”,可有效提高计算速度,减小电力光纤网状态分析及调度策略制定的复杂度。
现有研究通过分裂或者凝聚方法来对网络进行更合理的社团划分。一方面通过不断去除高介数边的分裂算法来形成合理社团;另一方面,通过将整体社团结构打散,将大度节点之间重新建立连接,以改善社团内部和社团间的连接效率。
考虑到节点的度相关性、同配性对于社团划分的影响,现有研究提出基于节点相似度的社区结构检测、局部边缘中心性的社团划分算法。这些方法只能基于个别性质对社团进行划分,考虑不够全面。边介数去除方法是社团一种典型方法,然而,计算任意一对节点的最短路径需要全局信息。在大规模网络中,全局信息不易获取。关于社团划分的现有研究提出一种局部边缘中心性的社团划分算法。该方法利用不相似性和介数来查找要删除的社区间链接,依据模块度最大化来划分社团。然而,上述所研究的网络没有考虑到邻居节点的分流作用,也没有考虑现实的电力光纤网节点和边的特殊性,并不适用于电力光纤网的社团划分。
发明内容
本发明为解决现有电力光纤网中按行政区划分后各部分社团内部不连通、韧性度差、全局信息计算量大等问题,提供一种电力光纤网社团划分方法。
一种电力光纤网社团划分方法,该方法由以下步骤实现:
步骤一、根据电力光纤网拓扑结构,构建电力光纤网模型G(V,E,W,B);
节点集V={Vi|i=1,2……,N},N为节点的数量;边集E{eij|i=1,……,N,j=1,……,N,i≠j},eij=(vi,vj)为从节点vi到节点vj的边,其中eij=eji,节点权值集其中为节点vi的权重;B={0,1},用于表示该节点是否为一二级骨干网络上的节点;若是,则取值为1,否则取值为0;
步骤二、从步骤一构建的电力光纤网络模型G(V,E,W,B)中抽取出一二级骨干网络,并将所述一二级骨干网中省级下属各个地级市行政区内部的站点和链路保留,形成初始社团,即获得骨干网络G0(V(0),E(0),W),节点集V(0)∈V,边集E(0)∈E,确定社团集合为C(0);
步骤三:定义G中边eij的局部边介数LEBij;
式中,σst(2)为G中所有两跳最短路径的数目,σst(2)(eij)表示以节点vs为起点,以节点vt为终点的两跳最短路径中经过边eij的数目;
式中,σst(3)为G中所有三跳最短路径的数目,σst(3)(eij)表示以节点vs为起点,以节点vt为终点的三跳最短路径中经过边eij的数目;
式中,Aik、Ajl分别为G的相邻矩阵A中的(i,k)元和(j,l)元,A=(Aij)N*N;如果存在连接节点vi、vk的边,则Aik=1,否则Aik=0;如果存在连接节点vj、vl的边,则Ajl=1,否则Ajl=0;
N[j]为包括节点vj的所有邻居节点,N[i]为包括节点vi的所有邻居节点;N(j)为不包括节点vj的所有邻居节点,N(i)为不包括节点vi的所有邻居节点;
V\N[j]为去除N[j]占节点集V的其它节点集;V\N[i]为去除N[i]占节集V的其它节点集;
式中,σst为节点vs、vt之间的最短路径数,σst(k)为通过节点vk的节点vs、vt之间的最短路径数;
步骤五、除了G0中所保留的边,将G中剩余的边按照边缘中心性LECij去边,找到模块度最大时的社团划分,定义为G1;具体为:
步骤五二、根据模块度的定义:
式中,m为整个网络边数,Aij为连接节点vi、vj的边,Pij为空模型中节点vi、vj之间有边相连的概率:
式中,di、dj分别为G中节点vi、vj的度;
式中,ci、cj分别为节点vi、vj所属的社团,当节点vi、vj属于同一个社团时,δ(ci,cj)取值为1,否则取值为0;
步骤五三、设置不同的阈值θ用于划分G,对于G中大于阈值θ的边,则去掉该边,计算每个阈值θ对应的模块度Q,并选择具有最大模块度的网络对应的θ作为G的阈值;
对于G中的每条边的LECij,按照降序排列,将边集E(0)中的边始终保留,当其余边集E/E(0)中边的LECij大于阈值θ时,则去掉该边,找到模块度最大时划分的社团G1(V(1),E(1),W);
步骤六:合并G1中的孤立节点及剩余社团到G0上,获得最终社团划分结果;具体过程为:
步骤六一、对于G1中的孤立节点,当该孤立节点在G中的邻居节点也都是孤立节点时,称为双孤立节点;找到所述邻居节点中度最大的节点,将度最大的节点与双孤立节点相连,形成零散社团;
当该孤立节点在G中存在邻居节点且该邻居节点位于某个社团时,称为单孤立节点;将所述单孤立节点在G中度为1的节点与G中原有相连节点连接;在G中度不为1的节点与其邻居节点中度最大的节点连接;
步骤六二、获得带有G0的点和边的p个社团与其余q个社团,此时网络图表示为G2,G2中的社团集合为C(2)={c1,…,cp,cp+1,…,cp+q},其中前p个社团是带有G0中的节点和边的社团,C(0)∈{c1,…,cp};
根据连边密度,将C(2)中社团{cp+1,…,cp+q}与社团{c1,…,cp}合并,并且前p个社团间不能互相合并,直到G2中所有节点都连接在G0上;具体为:
首先,建立一个q行p列的矩阵R=(Rab)q*p;
然后,找到矩阵R中最大的Rab,合并社团ca和社团cb,更新矩阵,直到矩阵变成一个q行p列的零矩阵,获得社团集合C(3)={c1,…,cp},C(0)∈C(3);
保持此时社团集合C(3)内的节点不变,将各个社团内部在G中原有的边连接上,获得最终划分的社团集合C(4)={c1,…,cp},C(3)∈C(4)。
本发明的有益效果:本发明所述的方法是基于边缘中心性的社团划分方法,对省级电力光纤网络进行划分。按照行政区域进行划分管理时,部分行政区内部之间的连通性并不高,整体韧性度差,有些站点甚至跨区链接,并不方便管理。
本发明所述的方法在原有骨干网的基础上,通过改变部分三级网的节点归属,使得各社团内部连通,网络整体韧性度得到明显提高,社团结构更加明显,有利于省级行政区的分区管理,避免只依靠行政区划分进行管理的缺陷。根据实验分析得出,划分后的各部分区域内部全部连通,整体韧性度提高了18.56%。
本发明提出的方法是一种新型的电力光纤网划分社团方法,与传统划分社团方法之间的另一个差别在于删除的边数。后者需要去除边直到没有边残留,但是,前者仅需要去除权重大于阈值θ的边,即在去除过程结束时,网络中仍保留一些边。与传统的划分社团方法不同,我们在不更新权重值矩阵的情况下删除边,从而降低了时间复杂度。
附图说明
图1为本发明述的一种电力光纤网社团划分的流程图。
图2为省级电力光纤网络模型,粗黑线为骨干网络行政区内部连边示意图。
图3为按照阈值去边后初始社团划分G1的结果示意图,其中圆形节点表示节点v145所在的社团,其余节点采用菱形表示。
图4为G1中节点v145所在社团合并孤立节点与其余社团的过程示意图。
图5为合并社团后,将节点v145所在社团内部在G中原有的边连接上的最终社团结果示意图。
具体实施方式
具体实施方式一、结合图1至图5说明本实施方式,一种电力光纤网社团划分方法,该方法由以下步骤实现:
步骤一:根据电力光纤网拓扑结构,构建电力光纤网模型G(V,E,W,B);该方法基于吉林省电力光纤网计算,即:根据吉林省电力光纤网络的物理拓扑结构构建电力光纤网络模型;
由于现有电力通信网已铺设大规模的光纤网,并逐步引入DWDM(密集型光波复用)、ASON(自动光交换网络)、OTN(光传送网)等先进技术。电力光纤网作为语音、数据、视频、电网运行等多种不同业务的承载网络,其各站点的分布范围广,站点之间的连接复杂。为了对电力光纤网进行更好的管理,分析并建立相应的电力光纤网模型,本实施方式进行以下假设:
(1)每个光纤站点都被视为光纤网中的一个节点。220kV及以上的高压输电网的光纤网,包括发电厂,调度中心和变电站,被视为标准节点,节点权重为1,其余节点为0.5;
(2)各光纤站点之间的光缆链路连接都被视为光纤网中的一个边。在光纤网拓扑模型中边是无方向性的,忽略各光缆连接链路的长度、芯数和电压等级,它支持无差别的双向传输;
(3)将多条光缆链路的起点和终点与拓扑模型中的一条边组合在一起,从而消除光纤网拓扑模型中的自环和多条边之类的特殊网络结构。
本实施方式根据实际的省级一二三级光纤网拓扑结构,并基于复杂网络理论,将其抽象为无向加权复杂网络;
因此,一个电力光纤网模型G可以构建如下。
G(V,E,W,B)
节点集V={Vi|i=1,2……,N},N为节点的数量;边集E{eij|i=1,……,N,j=1,……,N,i≠j},eij=(vi,vj)为从节点vi到节点vj的边,其中eij=eji,节点权值集其中为节点vi的权重;B={0,1},用于表示该节点是否为一二级骨干网络上的节点;若是,则取值为1,否则取值为0;
因为电压等级为220kV以上的站点,承载方式都是专用通道,其时延和误码率远远小于其余站点,因此设定将电压等级为220kV以上的站点设定为权重为1的节点,其余站点设定为权重为0.5的节点;每条连接边eij的权重为节点vi和节点vj的均值,即为:
步骤二、从步骤一构建的电力光纤网络模型G(V,E,W,B)中抽取出一二级骨干网络,并将所述一二级骨干网中省级下属各个地级市行政区内部的站点和链路保留,形成初始社团,即获得骨干网络G0(V(0),E(0),W),节点集V(0)∈V,边集E(0)∈E,确定社团集合为C(0);如图2。
本实施方式中,所述行政区内部的站点和链路分别与电力光纤网模型G中定义的节点和边对应。
步骤三、定义电力光纤网络模型G中边eij的局部边介数LEBij;
式中,σst(2)为G中所有两跳最短路径的数目,σst(2)(eij)表示以节点vs为起点,以节点vt为终点的两跳最短路径中经过边eij的数目;
式中,σst(3)为G中所有三跳最短路径的数目,σst(3)(eij)表示以节点vs为起点,以节点vt为终点的三跳最短路径中经过边eij的数目;
衡量一条边影响力本质上是节点与邻居节点之间的联系紧密程度,随着三角结构的出现,用结构洞的思想衡量边eij在网络中的全局影响力,综合衡量节点与邻居节点的联系紧密程度,紧密程度越大,节点枢纽作用被削弱,边eij两侧节点vi、vj的枢纽作用被削弱,而此时边eij的影响力增大。
式中,Aik、Ajl分别为G的相邻矩阵A中的(i,k)元和(j,l)元,A=(Aij)N*N,
如果存在连接节点vi、vk的边,则Aik=1,否则Aik=0;如果存在连接节点vj、vl的边,则Ajl=1,否则Ajl=0;
N[j]为包括节点vj的所有邻居节点,N[i]为包括节点vi的所有邻居节点;N(j)为不包括节点vj的所有邻居节点,N(i)为不包括节点vi的所有邻居节点;
V\N[j]为去除N[j]占节点集V的其它节点集;V\N[i]为去除N[i]占节集V的其它节点集;
式中,σst为节点vs、vt之间的最短路径数,σst(k)为通过节点vk的节点vs、vt之间的最短路径数。
步骤五、除了G0中所保留的边,将G中剩余的边按照边缘中心性LECij去边,找到模块度最大时的社团划分,定义为G1;具体为:
步骤五二、根据模块度的定义:
式中,m为整个网络边数,Aij为连接节点vi、vj的边,Pij为空模型中节点vi、vj之间有边相连的概率:
式中,di、dj分别为G中节点vi、vj的度;设定P=(Pij)N*N,(Pij)N*N为概率矩阵,Pij是空模型P中节点vi、vj之间有边相连的概率。空模型P是一种与原有网络G具有类似结构特征且边随机连接的网络,通过引入空模型P,来反映社团内部边的比例的期望值;
式中,ci,cj分别为节点vi、vj所属的社团,当节点vi、vj属于同一个社团时,δ(ci,cj)取值为1,否则取值为0;
步骤五三、设置从7到35(步长为0.1)不同的阈值θ用于划分G,对于G中大于阈值θ的边,则去掉该边,计算每个阈值θ对应的模块度Q,并选择具有最大模块度的网络对应的θ作为G的阈值;
对于G中的每条边的LECij,按照降序排列,将边集E(0)中的边始终保留,当其余边集E/E(0)中边的LECij大于阈值θ时,则去掉该边,找到模块度最大时划分的社团G1(V(1),E(1),W);
本实施方式中,阈值的选择为7.6。并且在划分的过程中,发现白山和通化除了骨干网络依旧有很严密的连接,无法拆分,所以在此将白山和通化作为一个社团进行接下来的划分。确定社团集合为C(1)数量为8,得到首次社团划分G1(V(1),E(1),W);如图3。
步骤六:合并G1中的孤立节点及剩余社团到G0上,获得最终社团划分结果;具体过程为:
步骤六一、对于G1中的孤立节点,当该孤立节点在G中的邻居节点也都是孤立节点时,称为双孤立节点;找到所述邻居节点中度最大的节点,将度最大的节点与双孤立节点相连,形成零散社团;
当该孤立节点在G中存在邻居节点且该邻居节点位于某个社团时,称为单孤立节点;将所述单孤立节点在G中度为1的节点与G中原有相连节点连接;在G中度不为1的节点与其邻居节点中度最大的节点连接;如图4;
步骤六二、获得带有骨干网G0的点和边的8个社团与其余18个社团,此时网络表示为G2,G2中的社团为C(2)={c1,…,c8,c9,…,c26},其中前8个社团是带有骨干网G0中在节点和边的社团,C(0)∈{c1,…,c8};
根据连边密度,将将C(2)中其余18个社团与C(2)中8个社团合并,并且前8个社团间不能互相合并,直到网络G2中所有节点都连接在骨干网G0上;具体为:
首先,建立一个18行8列的矩阵R=(Rab)18*8;
然后,找到矩阵R中最大的Rab,合并社团ca和社团cb,更新矩阵,直到矩阵变成一个18行8列的零矩阵。保持此时社团集合C(3)内的节点不变,将各个社团内部在G中原有的边连接上,获得最终划分的社团集合C(4)={c1,…,c8},C(3)∈C(4);如图5。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种电力光纤网社团划分方法,其特征是:该方法由以下步骤实现:
步骤一、根据电力光纤网络拓扑结构,构建电力光纤网络模型G(V,E,W,B);
节点集V={Vi|i=1,2......,N},N为节点的数量;边集E{eij|i=1,......,N,j=1,......,N,i≠j},eij=(vi,vj)为从节点vi到节点vj的边,其中eij=eji,节点权值集其中为节点vi的权重;B={0,1},用于表示该节点是否为一二级骨干网络上的节点;若是,则取值为1,否则取值为0;
步骤二、从步骤一构建的电力光纤网络模型G(V,E,W,B)中抽取出一二级骨干网络,并将所述一二级骨干网中省级下属各个地级市行政区内部的站点和链路保留,形成初始社团,即获得骨干网络G0(V(0),E(0),W),节点集V(0)∈V,边集E(0)∈E,确定社团集合为C(0);
步骤三:定义G中边eij的局部边介数LEBij;
式中,σst(2)为G中所有两跳最短路径的数目,σst(2)(eij)表示以节点vs为起点,以节点vt为终点的两跳最短路径中经过边eij的数目;
式中,σst(3)为G中所有三跳最短路径的数目,σst(3)(eij)表示以节点vs为起点,以节点vt为终点的三跳最短路径中经过边eij的数目;
式中,Aik、Ajl分别为G的相邻矩阵A中的(i,k)元和(j,l)元,A=(Aij)N*N;如果存在连接节点vi、vk的边,则Aik=1,否则Aik=0;如果存在连接节点vj、vl的边,则Ajl=1,否则Ajl=0;
N[j]为包括节点vj的所有邻居节点,N[i]为包括节点vi的所有邻居节点;N(j)为不包括节点vj的所有邻居节点,N(i)为不包括节点vi的所有邻居节点;
V\N[j]为去除N[j]占节点集V的其它节点集;V\N[i]为去除N[i]占节集V的其它节点集;
式中,σst为节点vs、vt之间的最短路径数,σst(k)为通过节点vk的节点vs、vt之间的最短路径数;
步骤五、除了G0中所保留的边,将G中剩余的边按照边缘中心性LECij去边,找到模块度最大时的社团划分,定义为G1;具体为:
步骤五二、根据模块度的定义:
式中,m为整个网络边数,Aij为连接节点vi、vj的边,Pij为空模型中节点vi、vj之间有边相连的概率:
式中,di、dj分别为G中节点vi、vj的度;
式中,ci、cj分别为节点vi、vj所属的社团,当节点vi、vj属于同一个社团时,δ(ci,cj)取值为1,否则取值为0;
步骤五三、设置不同的阈值θ用于划分G,对于G中大于阈值θ的边,则去掉该边,计算每个阈值θ对应的模块度Q,并选择具有最大模块度的网络对应的θ作为G的阈值;
对于G中的每条边的LECij,按照降序排列,将边集E(0)中的边始终保留,当其余边集E/E(0)中边的LECij大于阈值θ时,则去掉该边,找到模块度最大时划分的社团G1(V(1),E(1),W);
步骤六:合并G1中的孤立节点及剩余社团到G0上,获得最终社团划分结果;具体过程为:
步骤六一、对于G1中的孤立节点,当该孤立节点在G中的邻居节点也都是孤立节点时,称为双孤立节点;找到所述邻居节点中度最大的节点,将度最大的节点与双孤立节点相连,形成零散社团;
当该孤立节点在G中存在邻居节点且该邻居节点位于某个社团时,称为单孤立节点;将所述单孤立节点在G中度为1的节点与G中原有相连节点连接;在G中度不为1的节点与其邻居节点中度最大的节点连接;
步骤六二、获得带有G0的点和边的p个社团与其余q个社团,此时网络图表示为G2,G2中的社团集合为C(2)={c1,...,cp,cp+1,...,cp+q},其中前p个社团是带有G0中的节点和边的社团,C(0)∈{c1,...,cp};
根据连边密度,将C(2)中社团{cp+1,...,cp+q}与社团{c1,...,cp}合并,并且前p个社团间不能互相合并,直到G2中所有节点都连接在G0上;具体为:
首先,建立一个q行p列的矩阵R=(Rab)q*p;
然后,找到矩阵R中最大的Rab,合并社团ca和社团cb,更新矩阵,直到矩阵变成一个q行p列的零矩阵,获得社团集合C(3)={c1,...,cp},C(0)∈C(3);
保持此时社团集合C(3)内的节点不变,将各个社团内部在G中原有的边连接上,获得最终划分的社团集合C(4)={c1,...,cp},C(3)∈C(4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110677581.2A CN113411691B (zh) | 2021-06-18 | 2021-06-18 | 一种电力光纤网社团划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110677581.2A CN113411691B (zh) | 2021-06-18 | 2021-06-18 | 一种电力光纤网社团划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113411691A CN113411691A (zh) | 2021-09-17 |
CN113411691B true CN113411691B (zh) | 2022-03-11 |
Family
ID=77681419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110677581.2A Active CN113411691B (zh) | 2021-06-18 | 2021-06-18 | 一种电力光纤网社团划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113411691B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116032727B (zh) * | 2021-10-25 | 2024-04-09 | 中国科学院沈阳自动化研究所 | 一种基于区域协作的电力物联网感知层自修复方法 |
CN116595693B (zh) * | 2023-05-23 | 2023-12-15 | 东北电力大学 | 一种电力光缆网抗毁性分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102745A (zh) * | 2014-07-31 | 2014-10-15 | 上海交通大学 | 基于局部最小边的复杂网络社团挖掘方法 |
CN107944705A (zh) * | 2017-11-27 | 2018-04-20 | 国网河南省电力公司信息通信公司 | 一种基于模块度划分通信社团的全端可靠性计算方法 |
CN109004646A (zh) * | 2018-08-09 | 2018-12-14 | 国网山东省电力公司经济技术研究院 | 一种基于结构特性的电网分区算法 |
CN110086670A (zh) * | 2019-04-29 | 2019-08-02 | 安徽大学 | 基于局部邻居信息的大规模复杂网络社团发现方法及应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153713B (zh) * | 2017-05-27 | 2018-02-23 | 合肥工业大学 | 社交网络中基于节点间相似性的重叠社区检测方法及系统 |
-
2021
- 2021-06-18 CN CN202110677581.2A patent/CN113411691B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102745A (zh) * | 2014-07-31 | 2014-10-15 | 上海交通大学 | 基于局部最小边的复杂网络社团挖掘方法 |
CN107944705A (zh) * | 2017-11-27 | 2018-04-20 | 国网河南省电力公司信息通信公司 | 一种基于模块度划分通信社团的全端可靠性计算方法 |
CN109004646A (zh) * | 2018-08-09 | 2018-12-14 | 国网山东省电力公司经济技术研究院 | 一种基于结构特性的电网分区算法 |
CN110086670A (zh) * | 2019-04-29 | 2019-08-02 | 安徽大学 | 基于局部邻居信息的大规模复杂网络社团发现方法及应用 |
Non-Patent Citations (5)
Title |
---|
A strategy based on community detection for parallel topology analysis in power networks;Junjie Liu;<2017 13th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD)>;20170731;全文 * |
Node Similarity Measure in Directed Weighted Complex Network Based on Node Nearest Neighbor Local Network Relative Weighted Entropy;Wanchang Jiang;<IEEE Access>;20200206;全文 * |
一种加权复杂网络中社团发现的凝聚算法;张昕等;《小型微型计算机系统》;20180415(第04期);全文 * |
基于社团结构的电力通信网可靠性评估方法;张辰;《电网与清洁能源》;20191031;全文 * |
复杂网络的社团发现方法在电网分区识别中的应用研究;潘高峰等;《电力系统保护与控制》;20130701(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113411691A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113411691B (zh) | 一种电力光纤网社团划分方法 | |
CN105656198B (zh) | 一种电力通信网络冗余路径策略的获取方法 | |
CN104393590B (zh) | 电网暂态失稳模式智能辨识方法 | |
CN102457419B (zh) | 基于神经网络模型优化传送网路由的方法及装置 | |
CN103595495A (zh) | 弹性光网络中静态业务流选路和频谱资源分配方法 | |
CN112887207B (zh) | 用于电力ip-光通信网络的业务路由分配方法及装置 | |
CN106131878B (zh) | 一种能量异构无线传感器网络的数据收集方法 | |
CN105472484A (zh) | 一种电力骨干光传输网波道均衡路由波长分配方法 | |
CN107817422A (zh) | 一种故障线路搜索定位方法及系统 | |
CN111147288B (zh) | 一种电力调度通信网节点重要性辨识评估方法 | |
CN110290001B (zh) | 电力通信网的单链结构优化方法、装置及设备 | |
CN117876151A (zh) | 基于脆弱社团网络动态演化的电力网络故障传播分析方法 | |
CN111083577B (zh) | 一种电力通信拓扑结构优化方法 | |
CN104993483B (zh) | 一种基于实时潮流的输电通道动态辨识方法 | |
CN107784326B (zh) | 基于模糊k近邻分类的变电站主接线类型自动判别方法 | |
CN106888112B (zh) | 一种基于快速分裂算法的节点迁移网络分块优化方法 | |
CN115879271A (zh) | 一种基于割集断面树的电网割集型关键输电断面搜索方法 | |
CN101741749A (zh) | 基于免疫克隆的多目标组播路由优化方法 | |
CN115577292A (zh) | 基于抽象对偶网络和连锁故障超网络的脆弱线路辨识方法 | |
CN115239086A (zh) | 一种基于电力调度数据网网络拓扑结构的重要度评估方法 | |
CN113055221A (zh) | 一种电力通信网传输网典型带宽需求测算方法 | |
CN112187577B (zh) | 一种基于网络分解的大规模桥梁网络连通概率评估方法 | |
Sun et al. | A novel hypergraph structured optical network model | |
CN109525910A (zh) | 一种最小环的电力系统保护otn网络双路径规划方法 | |
CN113688485A (zh) | 一种基于拓扑结构分层的行波装置配置方法及系统 |
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 |