CN115242607B - 一种基于节点重要性的电力网络可靠性预警方法 - Google Patents

Abstract

本发明涉及一种基于节点重要性的电力网络可靠性预警方法。包括融合节点特征的图注意力网络拓扑重要性评估，由节点的低维特征经过图注意力网络模型进行特征聚合，通过学习标注训练集后，输出每个节点的拓扑物理重要度；再通过统计每个节点承载的业务类型及数量计算节点的业务重要度；使用模糊层次分析法确定二者权重系数，进行节点综合重要度的考量；最后根据评估出的节点重要度，收集网络中失效节点信息，计算网络可靠性预警值并判断是否发起告警。本发明能够结合调度数据网中节点的拓扑重要性与业务重要性，适用于不同类型、不同规模的网络拓扑结构，基于节点综合重要度进行预警有利于防止系统崩溃，为确保电力调度网的可靠性提供重要技术支持。

Description

一种基于节点重要性的电力网络可靠性预警方法

技术领域

本发明涉及一种基于节点重要性的电力网络可靠性预警方法。

背景技术

电力调度数据网是传输电力调度生产数据的专用网络，随着其网络复杂性的日益增长，小部分节点的失效将会导致整个网络的大规模失效，甚至造成网络瘫痪。而在对调度数据网的基本要求中指明了需要网络具备高可靠性的特点，当断开某链路时网络不能中断。当重要度越高的节点受到攻击时，对系统的损害程度越大，针对识别出的重要节点进行预警，能够帮助系统更及时准确了解当前网络状态。基于“安全第一、预防为主，确保电网安全”的指导思想，从重要节点识别、保护、预警的角度出发，能够大大增强电力网络的可靠性。

发明内容

本发明的目的在于提供一种基于节点重要性的电力网络可靠性预警方法，能够结合调度数据网中节点的拓扑重要性与业务重要性，适用于不同类型、不同规模的网络拓扑结构，基于节点综合重要度进行预警有利于防止系统崩溃，为确保电力调度网的可靠性提供重要技术支持。

为实现上述目的，本发明的技术方案是：一种基于节点重要性的电力网络可靠性预警方法，包括如下步骤：

步骤1、计算节点物理拓扑重要度；

步骤2、计算节点业务重要度；

步骤3、通过模糊层次分析法确定拓扑与业务权重，计算节点综合重要度；

步骤4、计算当前失效节点预警值判断是否发出告警。

相较于现有技术，本发明具有以下有益效果：本发明能够结合调度数据网中节点的拓扑重要性与业务重要性，适用于不同类型、不同规模的网络拓扑结构，基于节点综合重要度进行预警有利于防止系统崩溃，为确保电力调度网的可靠性提供重要技术支持。

附图说明

图1为本发明方法总体框架。

图2为本发明基于GAT的节点拓扑重要度计算流程。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明一种基于节点重要性的电力网络可靠性预警方法，方法总体框架如附图1所示。其中具体包括融合节点特征的图注意力网络拓扑重要性评估，由节点的低维特征经过图注意力网络模型进行特征聚合，通过学习标注训练集后，输出每个节点的拓扑物理重要度；再通过统计每个节点承载的业务类型及数量计算节点的业务重要度；使用模糊层次分析法确定二者权重系数，进行节点综合重要度的考量；最后根据评估出的节点综合重要度，收集网络中失效节点信息，计算网络可靠性预警值并判断是否发起告警。

本发明方法能够结合调度数据网中节点的拓扑重要性与业务重要性，适用于不同类型、不同规模的网络拓扑结构，基于节点综合重要度进行预警有利于防止系统崩溃，为确保电力调度网的可靠性提供重要技术支持。具体步骤如下：

步骤1、计算节点拓扑重要度；

步骤2、计算节点业务重要度；

步骤3、模糊层次分析法确定拓扑与业务权重，计算节点综合重要度；

步骤4、计算当前失效节点预警值判断是否发出告警。

步骤1、将调度数据网抽象为节点与链接边组成的无向网络G(V,E)，其中V为节点集，E为链路集。根据网络结构，分别计算出节点的基础特征，包括节点的度值及其χ²值、K-CORE值以及局部聚集系数。根据求得的节点基础特征使用图注意力网络学习标注训练集，并得出具体节点物理拓扑重要度，具体流程如附图2所示。

Step1、节点基础特征计算

节点度值为网络中与该节点有链接关系的边的数量，其χ²值计算方法如公式(1)所示；

式中：

为节点i度的χ²值，d_i为节点i的度值，/>

为图G中节点度的平均值。

K-CORE方法通过递归地移去网络中所有度值小于或等于K的节点，得出节点所属的结构层次，具体算法如下所示；

局部聚集系数可以测量图中每一个节点附近的集聚程度，聚类系数越大，则说明节点的邻居之间联系越紧密，计算公式如公式(2)

式中，C_i为节点i的局部聚集系数，N_i为节点v_i的邻接点集合，v_j、v_k为邻接点集合中的互异节点，|{e_jk}|为邻接点集合构成的连边数，k_i为节点v_i邻接点个数。

Step2、图注意力网络模型训练

图注意力网络的训练，通过计算抽取拓扑中各节点的节点特征，暴力求解能够使小规模网络最快瓦解的最优拆解序列，并加以标注作为训练集。使用GAT模型进行训练，使之能够运用于待评估的网络。

Step3、评估具体网络

将待评估的网络作为输入，转化为graphml格式文件，并将节点特征一同送入训练好的模型中，得出节点的物理拓扑重要度。

步骤2、在电力调度数据网中传输的电力调度业务种类繁多，不同电力调度业务对电力调度系统的重要性各不相同，节点承载的业务数量及种类存在较大差异。本文将电力调度业务分为以下5种并赋予各项业务不同的重要度，如表1所示。

表1业务分类

为了综合考虑各项因素，基于业务的节点重要度计算方法如下所示:

式中：S_i表示节点i实际承担的业务重要度，m表示网络中承担的电力业务的类别总数；P_ik表示节点i承载的第k类业务的运行数量；r_k表示第k类电力业务的重要度值。

为了消除指标之间的量纲影响，使各指标处于同一数量级，使用归一化后的业务重要度为最终结果。

步骤3、模糊层次分析法权重计算及节点综合重要度计算

综合考量调度数据网中节点的物理拓扑重要度及节点承载的业务重要度，根据模糊层次分析法计算二者权重。

Step1、构建模糊矩阵：两两比较元素间的重要性程度，使用0.1-0.9九标度法作出因素间的数量标度，构建如下的模糊判断矩阵。

其中，a_ij为元素i相较于元素j的重要程度。

Step2、权重计算：

由模糊判断矩阵R，使用公式法求各元素对应的权重值w₁,w₂...w_n，计算公式如下：

式中，a_ij为模糊判断矩阵元素，n为矩阵维数。

Step3、权重分配:

在得到物理拓扑重要性P_n以及业务重要性S_n后，结合FAHP得出的权重值w₁,w₂，计算节点综合重要度R_n，R_n越大表示节点越重要，计算公式如下所示：

R_n＝w₁P_n+w₂S_n (6)

步骤4、网络可靠性预警

1)通过公式(7)，将识别得到的重要节点评估分数映射到系统崩溃得分，即当前节点失效时对整体系统崩溃的影响系数，节点重要性越高影响系数越高；

E＝ε_loss/ε_max (7)

式中，ε_loss为已失效节点R_n值累加和，ε_max为所有识别出的重要节点R_n值累加和。

2)设置系统崩溃阈值(本文设为0.5)，结合当前系统中已经失效节点信息，统计系统崩溃得分，若超过所设阈值，则发起告警，提醒网络连通性可能即将要崩溃，需要提前做好准备冗余备份，启用备用网络。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (1)

1.一种基于节点重要性的电力网络可靠性预警方法，其特征在于，包括如下步骤：

步骤1、计算节点物理拓扑重要度；

步骤2、计算节点业务重要度；

步骤3、通过模糊层次分析法确定拓扑与业务权重，计算节点综合重要度；

步骤4、计算当前失效节点预警值判断是否发出告警；

所述步骤1实现方式为：将调度数据网抽象为节点与连边组成的无向网络图G(V,E)，其中V为节点集，E为链路集；根据调度数据网网络结构，计算出节点基础特征，包括节点的节点度值、节点的χ²值、K-CORE值以及局部聚集系数；根据求得的节点基础特征使用图注意力网络学习标注训练集，并得出具体节点物理拓扑重要度；

所述步骤1的具体实现过程如下：

Step1、节点基础特征计算：

节点度值为调度数据网网络中与相应节点有链接关系的边的数量，其χ²值计算方法如式(1)所示；

式中，

为节点i度的χ²值，d_i为节点i的度值，/>

为图G中节点度的平均值；

K-CORE方法通过递归地移去调度数据网网络中所有节点度值小于或等于K的节点，得出节点所属的结构层次，即K-CORE值；

局部聚集系数通过测量图G中每一个节点附近的集聚程度，聚类系数越大，则说明节点的邻居之间联系越紧密，计算公式如式(2)所示：

式中，C_i为节点i的局部聚集系数，N_i为节点v_i的邻接点集合，v_j、v_k为邻接点集合中的互异节点，|{e_jk}|为邻接点集合构成的连边数，k_i为节点v_i邻接点个数；

Step2、图注意力网络模型训练：

通过计算抽取拓扑中各节点的节点基础特征，暴力求解能够使小规模网络最快瓦解的最优拆解序列，并加以标注作为训练集；使用GAT模型进行训练，得到训练好的图注意力网络模型；

Step3、评估具体网络：

将待评估的调度数据网网络作为输入，转化为graphml格式文件，并将节点基础特征一同送入训练好的图注意力网络模型中，得出节点的物理拓扑重要度；

所述步骤2实现方式为：将调度数据网中的电力调度业务分为5种业务并赋予各项业务不同的重要度，5种业务分别为：电力调度生产实时数据、防误系统数据、继电保护数据、水电新能源数据、调度计划；5种业务的重要度分别为：098、0.83、0.55、0.33、0.15；

为综合考虑各项因素，基于业务的节点重要度计算方法如下所示：

式中：S_i表示节点i实际承担的业务重要度，m表示调度数据网网络中承担的业务的类别总数；P_ik表示节点i承载的第k类业务的运行数量；r_k表示第k类业务的重要度值；

为消除指标之间的量纲影响，使各指标处于同一数量级，使用归一化后的业务重要度为最终结果；

所述步骤3实现方式为：

Step1、构建模糊矩阵：两两比较元素间的重要性程度，使用0.1-0.9九标度法作出因素间的数量标度，构建如下的模糊判断矩阵：

其中，a_ij为元素i相较于元素j的重要程度；

Step2、权重计算：

由模糊判断矩阵R，使用公式法求各元素对应的权重值w₁,w₂...w_n，计算公式如下：

式中，a_ij为模糊判断矩阵元素，n为矩阵维数；

Step3、权重分配：

在得到节点的物理拓扑重要度P_n以及业务重要度S_n后，结合Step1-Step2得出相应的权重值w₁、w₂，计算节点综合重要度R_n，R_n越大表示节点越重要，计算公式如下所示：

R_n＝w₁P_n+w₂S_n (6)

所述步骤4实现方式为：

1)通过公式(7)，将识别得到的重要节点评估分数映射到系统崩溃得分，即当前节点失效时对整体系统即调度数据网崩溃的影响系数，节点重要性越高影响系数越高；

E＝ε_loss/ε_max (7)

式中，ε_loss为已失效节点R_n值累加和，ε_max为所有识别出的重要节点R_n值累加和；

2)设置系统崩溃阈值，结合当前系统中已经失效节点信息，统计系统崩溃得分，若超过所设系统崩溃阈值，则发起告警，提醒网络连通性可能即将要崩溃，需要提前做好准备冗余备份，启用备用网络。

Images