CN116827807B - 基于多因素评价指标的电力通信网节点重要性评估方法 - Google Patents

Abstract

基于多因素评价指标的电力通信网节点重要性评估方法，涉及电力通信网络性能分析领域，解决现有评估节点重要性方法考虑层面单一的问题，本方法结合了力通信网的拓扑结构和承载的电力业务综合分析节点重要性。首先，从网络节点的局部结构、全局结构以及电网影响因素量化节点的拓扑重要度。其次，综合分析研究电力通信网业务对通信网的要求和对电力网的影响，根据节点所承担业务数量和种类计算各节点的业务重要度。最后，通过熵权法和层次分析法分别得到各指标的客观权重和主观权重，并基于云模型原理结合两种权重确定综合权重，本发明为保障电力通信网的安全可靠运行提供了参考依据。

Description

基于多因素评价指标的电力通信网节点重要性评估方法

技术领域

本发明涉及电力通信网络性能分析领域，具体涉及一种基于多因素评价指标的电力通信网节点重要性评估方法。

背景技术

电力通信网络是指由多个通信节点用传输链路以一定的拓扑结构互联构成的用于特定功能的复杂网络,而各个通信节点由于其功能作用、网络位置和组织关系的不同,其在网络中表现出不同的重要程度。网络中的重要节点对于网络的可靠性有着非常关键的影响,重要节点的故障经常会导致大面积网络无法正常工作,因此对节点进行重要性评估,精准快速识别出电力通信网关键节点，实现对关键节点的保护，对提高电网运行的稳定程度以及预防电网连锁故障具有重要意义。现有的研究往往仅从网络拓扑角度分析,多是对于节点的度，节点介数，特征向量等常规指标的研究，没有考虑节点所承载的电力业务的类别和特征，对节点重要性的评估具有一定局限性；又或考虑层面单一，仅在通信网络层面考虑问题，很少从电力通信网与电网的特殊关系来分析节点的重要性，不能够全面、有效地反映出网络中节点的重要性。

现有技术1：曾瑛,朱文红,邓博仁,罗云.基于电网影响因子的电力通信网关键节点识别[J].电力系统保护与控制,2016,44(02):102-108.该技术结合了电力通信网的应用特点区分网络拓扑中节点位置相似的节点的重要性，根据节点所处的站点类别因素和负荷因素两方面评价节点权重。但仅从拓扑层面刻画节点在网络中的重要程度，只考虑到静态重要度，不能够全面、有效地反映出电力通信网节点在网络中的重要性，具有一定的局限性。

现有技术2：刘垒,谭阳红,金家瑶等.电力通信网的关键节点辨识[J].电力系统及其自动化学报,2020,32(02):28-34.DOI:10.19635/j.cnki.csu-epsa.000242.该技术考虑了电力通信网的拓扑结构、通信业务和节点所处站点等因素构建了多指标评价节点重要度体系。但对于节点业务重要度指标，根据不同业务的安全分区以及对通道的要求等特征进行衡量的，忽略了两网综合对业务的要求，难以得到客观的业务量化结果。

综上所述，将基于物理拓扑结构因素和基于网络中传输业务这一因素相结合来研究电力通信网中节点的重要性有更实际的价值和参考意义。本发明中建立的节点综合重要度多层次评估模型能够有效的识别出电力通信网络的关键节点，为保障电力通信网的安全可靠运行提供了参考依据。

发明内容

本发明为解决现有技术中，对节点重要性的评估具有局限性；且仅在通信网络层面考虑问题其存在考虑层面单一，导致无法全面反映网络中节点重要性等问题，提供一种基于多因素评价指标的电力通信网节点重要性评估方法,该方法结合了电力通信网的拓扑结构和承载的电力业务综合分析节点重要性，能够更加全面的识别网络中的关键节点。

基于多因素评价指标的电力通信网节点重要性评估方法，该方法具体由以下步骤实现：

步骤一、建立电力通信网的网络模型；

采用图G表示待评估的电力通信网络模型，G＝(V,E)，其中V为节点集合，E为边集合；设定图G的节点数为N，边数为L，节点表示电力通信网中的通信设备，边表示电力通信设备之间的链路；则节点集合表示为：V＝{v₁,v₂,…,v_i,…,v_N}，边集合表示为：E＝{e₁,e₂,…,e_g,…,e_L}，其中i＝1,2,…,N，g＝1,2,…,L；

步骤二、建立网络模型中各节点拓扑结构重要性评价指标体系，包括选择基于拓扑局部信息的评价指标，选择基于拓扑全局信息的评价指标以及选择基于电网影响因素的评价指标；

步骤三、构建网络模型中各节点业务重要性评价指标体系；包括选择通信因素节点业务重要性指标和选择电网因素节点业务重要性指标；

所述通信因素节点业务重要性指标包括通信网的服务质量指标时延和误码率；电网因素节点业务重要性指标包括事故等级和安全分区；

步骤四、基于熵权法计算所述节点拓扑结构重要性评价指标权重和节点业务重要性评价指标权重，获得信息熵权重w_EN；

基于层次分析法计算所述节点拓扑结构重要性评价指标权重和节点业务重要性评价指标权重，获得层次分析法权重w_AHP；

步骤五、将步骤四获得信息熵权重w_EN和层次分析法权重w_AHP进行云组合，生成云模型组合权重向量W'，计算各个节点的综合重要度；具体过程为：

步骤五一、计算组合权重向量W'；

首先，设定权重样本集记为W＝{W₁,W₂,…,W_r,…,W_l}，则通过有限个权重样本集W构成权重矩阵：

式中，W_r为第r个权重样本向量，r＝1,2,…l，l＝l₁+l₂，w_rj为第r个权重样本中第j项指标的权重；

其次，基于权重样本集W计算每个指标的样本均值

然后，计算权重样本的一阶绝对中心距M₁和方差S²；

最后，基于云模型原理，利用逆向云生成器算法生成的不确定组合云权重N_w(E_x,E_n,H_e)为：

式中，E_x为期望，E_n为熵，H_e为超熵；

正态隶属函数为：

式中，μ_rj为第r个权重样本中第j项指标经正态隶属函数计算得到的隶属度，w_rj为第r个权重样本中第j项指标的权重，j＝1,2,3,…,M；

对所述隶属函数进行压缩处理，获得第j项指标下l个权重样本隶属度的平均值为μ'_rj，用下式表示为：

第j项指标的综合权重w'_j的计算公式为：

式中，w'_j满足0≤w'_j≤1；最终的云模型组合权重向量W'＝(w'₁,w'₂,…,w'_j,…w'_M)；

步骤五二、将步骤五一获得的权重向量与规范化矩阵结合，构造加权规范化矩阵Y：

步骤五三、采用TOPSIS方法对多个指标进行融合，获得节点贴近度，根据节点贴近度大小确定节点的重要度；

根据加权规范化矩阵Y，计算第j项指标的正理想解F_j ⁺和负理想解F_j ^-，并计算评价指标体系中各指标值与所述正理想解F_j ⁺和负理想解F_j ^-之间的欧式距离，分别记为D_i ⁺和D_i-，获得每个节点的相对贴近度Z_i。

本发明的有益效果：

1、本发明在指标选取中，为了全面地分析电力通信网中的节点，一方面是构建各节点拓扑结构重要度评价指标体系，从网络节点拓扑局部信息、全局信息指标以及电网影响因素指标量化节点静态重要性；另一方面是构建网络中各节点业务重要度评价指标体系，从节点承载的业务重要度量化节点的业务重要性，其中，基于两网对电力业务的要求和影响不同，业务重要度主要体现在通信网的服务质量上(时延、误码率)和电网业务位于的安全分区(生产控制区和管理信息区)，以及业务发生中断对电网功能的影响(引起的事故或事件等级)；本发明基于上述指标建立了节点综合重要性多层次评估模型，该模型能够完整地体现节点在网络结构中的自体作用和承载的相关业务对其的影响，实现了综合性且多维度的节点重要性评估指标体系的构建。

2、本发明在指标赋权过程中，采用了熵权法和层次分析法两种赋权方法分别求得各指标的客观权重和主观权重，并基于云模型原理将主观权重信息和客观权重信息进行融合。实现了既能够兼顾和平衡决策者的主观判断和评价对象的客观特点，又能够有效地解决主观权重和客观权重的信息不确定及信息融合问题，使得赋权依据更加全面，赋权结果更加科学可靠。

3、在验证节点重要性度量结果是否合理的方法中，为了结合网络拓扑结构的连通稳定性与网络承载业务的有效性，建立了与网络的拓扑结构以及各边所承载的业务特征有关的全网抗毁性评估的模型。针对传统的网络抗毁性分析大多侧重于物理层拓扑，很少考虑网络中传输业务的类别和特征，测度指标比较单一容易导致关键点判定结果不全面的问题，采取在真实网络和模拟网络上进行实验验证，分别攻击如图一所示的某地区小型电力通信网以及传统复杂网络中的节点，分析对网络指标的影响，证实该方法的合理性。实现全面分析本发明中节点重要性度量方法比其它节点识别策略更为有效和优越，为保障电力通信网的安全可靠运行提供参考依据。

附图说明

图1为本发明所述的基于多因素评价指标的电力通信网节点重要性评估方法中电力通信网拓扑结构示意图；

图2为本发明所述的基于多因素评价指标的电力通信网节点重要性评估方法的总体流程图；

图3为节点拓扑结构重要性评价指标的原理框图；

图4为节点业务重要性评价指标的原理框图；

图5为节点综合重要性评估模型示意图。

具体实施方式

结合图1至图5说明本实施方式，基于多因素评价指标的电力通信网节点重要性评估方法，图1为本实施方式选取的某地区局部电力通信网络拓扑图，其中：v₁省级调度中心为节点、v₁₃地区调度中心为节点、节点v₁₄为220kV变电站，其余节点均为500kV变电站。

图2为本实施方式提供的一种基于多因素评价指标的电力通信网节点重要性评估方法流程图。具体包括以下步骤：

步骤1、建立电力通信网的网络模型；

基于图论的方法，将待评估的电力通信网抽象成图，图中站点为电力通信网节点所在电力站点，如变电站，发电厂等。所述节点表示电力通信网中的通信设备，边表示电力通信设备之间的链路。确定待评估的电力通信网的规模，包括节点数、边数，用图G表示为：G＝(V,E)，其中V是节点集合，E是边集合。同时，设图G的节点数为N，边数为L，则节点集合表示为：V＝{v₁,v₂,…,v_i,…,v_N}，边集合表示为：E＝{e₁,e₂,…,e_g,…,e_L}。其中i＝1,2,…,N，g＝1,2,…,L。

步骤2、建立网络中各节点拓扑结构重要度；重要性评价指标体系

如图3所示，所述节点拓扑结构重要度性评价指标体系包括局部信息指标，全局信息指标和电网影响指标，局部信息指标下的指标为度中心性，全局信息下的指标为Katz中心性，电网影响因素下指标包括站点等级。

步骤21、选取基于拓扑局部信息指标；

一个节点的局部信息通常指的是节点的邻域、二级邻域等为该节点重要性提供的信息。本实施方式中选用节点度来量化节点的局部重要性，获得量化后的指标L_o。

度指标：节点度是指和该节点相关联的边的条数，又称关联度，即节点的邻居节点越多，其影响力越大。定义节点v_i的局部信息为L_o(v_i)，i＝1,2,…,N，则节点度中心性可表示为：

式中，D(v_i)为网络中节点v_i的度数，max(D)为所有节点度数组成向量D的最大值。

步骤22、选取基于拓扑全局信息指标；

一个节点的全局信息通常指的是节点在整个网络中为该节点重要性提供的特征信息。本实施方式中引入Katz指标量化节点全局位置的重要性，获得量化后的指标T。

度指标和Katz指标分别体现了节点的局部重要性以及对网络全局功能的影响力,但又各自具有局限性无法相互替代。

Katz指标：该指标可以区分不同的邻居节点不同的影响力，通过测量节点间所有的路径数目来计算网络中节点v_i的相对影响。定义节点v_i的全局信息为T(v_i)，，则节点Katz中心性可表示为：

T(v_i)＝(E-(c*A_xy))^(-1)-E

式中，E是单位矩阵，A_xy是网络的邻接矩阵，c是衰减因子，c的取值须小于邻接矩阵A_xy最大特征值的倒数。

Katz指标考虑了网络的所有路径，其矩阵形式的表达式推导过程如下：

由

所以，(E+T(v_i))＝(E-cA_xy)^-1，T(v_i)＝(E-cA_xy)^-1-E。

其中，表示连接节点v_x和v_y的路径中长度为len的路径数。

步骤23、选取基于电网影响指标；

电力通信网作为电力系统的通信专网，通信网节点与电网站点高度重合。从通信网络角度来看，电网的各类站点如调度中心、变电站或电厂仅仅是通信节点，但实际上这些节点所处的电网站点在电网中的地位及作用有很大的区别，因此，考虑通信节点的重要性很大一部分也受电网因素的影响。电力通信网节点所在站点包括调度中心、变电站以及电厂等类型，例如500kV变电站比220kV变电站等级高，影响力大，站点等级是站点在电网中的地位的直接反映，其等级的高低能直接反映站点在通信网的影响程度。

根据节点物理拓扑结构下的分类细化指标：度中心性，Katz中心性和电网影响因素，由上述公式计算可得，计算结果如表1所示，表1为电力通信网节点拓扑结构重要度：

表1

步骤3、构建网络中各节点业务重要度(重要性评价指标体系)；如图4所示，所述节点业务重要度性评价指标体系包括通信因素重要性指标和电网因素重要性指标，通信因素重要性下的指标包括时延和误码率这两个指标，电网因素重要性下的指标包括事故等级和安全分区这两个指标。

步骤31、选取通信因素重要度(重要性指标)；

通信因素节点业务重要度主要体现在通信网的服务质量指标时延和误码率上，对这两个指标的要求越高，其重要程度越高。

步骤32、选取电网因素重要性指标；

依据国家电网发布的有关文件，电力事故(事件)分为电力人身伤亡事故(事件)、设备事故(事件)和电力安全事故(事件)三类。事故(事件)的等级划分标准非常明确，因此，本发明通过引发事件(事故)的等级区分业务对电网功能的影响。

不同安全区的业务对电网的影响。电力业务处于4个不同的安全区，导致业务对电网的影响程度存在差异。安全区I包含的电力业务对电网的影响最大，这是由于处于安全区I的业务为实时控制业务，主要负责对电力一次系统的实时监控，如果中断将带来巨大损失。非控制业务处于安全区II，主要负责对电力二次系统信息的采集和监控，如果中断会失去对其的监视。信息的管理业务一般分布在安全区III和安全区IV，由于安全区III的业务主要负责对系统信息的存储、管理与处理，如果中断工作人员将无法获得系统的运行信息，进而给电力系统的运行造成一定的影响。安全区IV的业务主要负责电网企业的日常办公，如果中断工作人员将会无法完成办公，间接影响电网的正常运行。

步骤33、确定网络中业务分布情况，包括节点、边承载的业务种类、数目等；

选取10种电力通信网络中典型的常规业务作为分析对象，分别从业务的时延c₁、误码率c₂、事故等级g₁、安全分区g₂方面依据指标量化原则对这10种业务进行评价。业务量化原则如表2，表2为业务评估指标量化原则。

表2

业务分布情况如表3，表3为节点之间业务分布情况；

表3

其中，表3中的业务类型如表4所示，表4为电力业务相对量化值。

表4

最后计算出的业务重要度值，如表5所示。表5为电力业务重要度评价结果。

表5

计算基于业务的节点重要度，计算公式为：

其中，B(v_i)表示节点v_i的业务重要度值，z_i表示与节点v_i连接的链路条数，h_g表示链路e_g上所承担的电力业务类别总数，h_g∈[1,10]，d_gz表示第z类的电力业务在链路e_g上运行的数量，r_z表示第z类电力业务的重要度值。

将B(v_i)再归一化：B_max(v_i)和B_min(v_i)分别为B(v_i)的最大值和最小值。

步骤4、基于熵权法和层次分析法计算指标权重；分别得到各指标的客观权重和主观权重；如图5所示，图5为建立节点综合重要性评估模型。该模型从上至下依次由目标层，准则层，子准则层以及指标层组成；目标层的节点综合重要度由准则层中的节点拓扑结构重要度和节点业务重要度组成；准则层下面的子准则层由节点拓扑结构重要度中的局部信息指标、全局信息指标和电网影响指标；节点业务重度中的通信因素重要度和电网因素重要度组成；子准则层下面为指标层，由局部信息指标中的度中心性，全局信息指标中的Katz中心性，电网影响指标中的站点等级，通信因素重要度中的时延和误码率，电网因素重要度中的事故等级和安全分区组成。

为区分选取的各指标之间的差异性，计算图5所示各层指标的权重值。并依照问题的特征及实际需求分解为如图3-4所示两个互不影响的构成部分，分别计算每一指标的两种权重。

设网络中共有N个节点，设节点重要性评价体系中，总共有M个指标。

步骤41、计算信息熵权重w_EN(客观权重)；

熵权法是根据各指标所包含的信息量的大小来确定指标权重的客观赋权法。根据信息论中熵的概念，基于各评价指标实际数据计算其熵值，分析该指标携带和传输的信息量从而量化判断指标在决策中的影响力。

其计算过程如下：

首先，形成评价矩阵R：

其中，r_ij'表示的是第i个节点在第j个指标下的实际数据，i＝1,2,…,N，j＝1,2,…,M。

其次，对指标归一化处理，得到标准指标r_ij

式中，max(r_j')和min(r_j')分别为第j项指标的最大值和最小值。

然后，计算第i个节点在第j个指标下的比重P_ij；

最后，计算评价指标的熵值：

其中，

则第j项指标的权重计算公式为：

当节点指标的熵值越小，指标提供的信息量越大，则该指标对综合评价的影响(即权重)越大；同理，当节点指标的熵值越大，指标提供的信息量越小，则该指标对综合评价的影响(即权重)越小。

步骤42、计算层次分析法权重w_AHP(主观权重)；

层次分析法是采用专家打分的方法，基于实际情况将决策者对事物评价的主观思维过程模型化，实现定性到定量的转变的主观赋权法。

根据图5所示的层次结构模型。并依照问题的特征及实际需求分解为如图3-4所示两个互不影响的构成部分。

其计算过程如下：

一、计算图5中子准则层对指标层的权重(图3中各指标的权重)；

首先，根据表6构造判断矩阵；表6为比例标度表。

构造比较矩阵X＝(x_ij)_N×M，对判断矩阵X进行标准化处理，构成规范化判断矩阵R＝(r_ij)_N×M，i＝1,2,…,N，j＝1,2,…,M。

对于正向指标：

对于负向指标：

其中，和/>分别为x_j的最大值和最小值，i∈[1,N]。

由比较矩阵X得到一致性判断矩阵，即：

表6

其次，对判断矩阵进行一致性检验；

定义一致性指标为：

式中，n_r为判断矩阵的阶数，λ_max为对应于判断矩阵的最大特征根。

引入随机一致性指标RI：

计算一致性校验系数：

通常情况下，如果CR＜0.1，则认为该判断矩阵通过一致性检验，如不合理，则需重新建立判断矩阵。

再次，计算指标权重向量记为：/>

式中，d∈[1,M]。

然后、采用以上步骤计算准则层对子准则层的权重，记为：

最后、采用以上步骤计算准则层对指标层的权重，记为：

其中，

式中，j＝1,2,3,…,M；c＝1,2,3,…,I；I为子准则层中的因素数量。

二、按照以上子准则层对指标层权重的计算过程计算图4中各指标的权重。

通过以上步骤可以得到各准则层对指标层的权重矩阵为：

同理，按照以上子准则层对指标层权重的计算过程计算图5中准则层对目标层的单层权重，所得权重向量记为：

其中，t为准则层中的因素数量。

最后，计算各指标对目标层的权重；

其中，

式中，j＝1,2,3,…,M，n＝1,2,3,…,t。

步骤5、基于云模型原理确定综合权重W'，计算各个节点的综合重要度。

为了能够兼顾和平衡决策者的主观判断和评价对象的客观特点,使多属性决策的排序结果更科学，合理的方法就是对主客观赋权方法进行集成或综合,因此，本实施方式提出了基于云模型原理的组合赋权法，将步骤4中得到的主观权重W_AHP和客观权重W_EN进行云组合，生成正态云组合权重N_w。

步骤51、综合权重的确定；

引入云模型原理集成不同赋权方法的计算过程如下：

1)权重样本集记为W＝{W₁,W₂,…,W_r,…,W_l}(l＝l₁+l₂)，则通过有限个的权重样本集W可构成如下的权重矩阵：

其中，W_r表示第r个权重样本向量，r＝1,2,…l；w_rj表示第r个权重样本中第j项指标的权重。

2)基于权重样本集计算每个指标的样本均值

3)计算权重样本的一阶绝对中心距和方差

4)则基于云模型原理，利用逆向云生成器算法生成的正态云组合权重N_w(E_x,E_n,H_e)为：

其中，E_x表示期望，E_n表示熵，H_e表示超熵。

正态隶属函数为：

式中，w_rj表示第r个权重样本中第j项指标的权重，j＝1,2,3,…,M。

压缩处理：

μ_rj表示第r个权重样本中第j项指标经正态隶属函数计算得到的隶属度，μ'_rj表示第j项指标下l个权重样本隶属度的平均值。

综合权重w'_j的计算公式定义为：

式中，w'_j满足0≤w'_j≤1。

从而得到最终的权重向量W'＝(w'₁,w'₂,…,w'_j,…w'_M)。

步骤52、将权重向量与规范化矩阵结合，构造加权规范化矩阵：

步骤53、采用TOPSIS算法计算相对贴近度：

TOPSIS是多属性决策常用的方法，是接近理想解的排序法，在确定了综合权重的基础上，利用TOPSIS算法对各指标进行融合，根据各指标与其理想解的贴近度大小确定节点的重要性。

其计算步骤如下：

根据加权规范化矩阵Y，计算指标j的正理想解和负理想解/>即

确定矩阵Y的正、负理想解后，计算评价体系中各指标值与正负理想值之间的欧式距离，分别记为和/>计算公式如下：

式中，和/>分别表示第j项指标加权后的最大值和最小值。

得到每个节点的相对贴近度，记为Z_i

/>

采用层次分析法计算的权重结果及熵权法计算的权重结果，计算出的综合权重结果，如表7所示，表7为拓扑层各指标权重；

表7

两类评价指标体系下的节点重要度值由上述的计算公式可得，其计算结果如表8所示，表8为节点重要度计算结果。

表8

由表8可知，仅由拓扑结构来反映节点重要性具有局限性，除了1号、2号、12、13、14号节点有明显区别外，其余节点重要度值十分接近。所以在识别网络中关键节点时考虑节点传输的业务重要度十分必要，结合业务能够准确区分网络拓扑中位置相似节点的重要度，网络中的业务分布见表4，其中每一类业务的数量矩阵是随机生成的。

表9为电力通信网节点综合重要度的计算结果。

表9

由表9可知，排名前5的节点分别为1号、8号、5号、2号、4号节点，其次为6号、3号、11号、10号、9号节点。对于排名前5的节点：节点1重要度最大，符合其作为省级调度中心节点的实际情况，由图1拓扑结构可知，2、4、5、8号为网络中的汇聚节点，传输的电力业务也是核心业务，由此可知，拓扑结构反应不出的4、5、8号节点在引入业务因素下可被筛选出来，克服一般算法只考虑网络拓扑特性这一单一评价指标的局限性，其结果与实际情况更符合。对于其余的节点：6号、3号、11号、10号、9号、7号节点，在拓扑结构上明显就与前5名节点不同，虽均为500kV的变电站，但由表4的业务分布情况可知，6号、3号节点传输继电保护业务数量较大，由表5计算得到的业务重要度值可知，继电保护业务最为重要，也能获得合理解释。11号节点传输的业务类型要比10、9、7号节点要多，重要性也排名在前。最后14号节点重要度值最低，该节点不仅位于网络末梢，且作为220kv变电站，所以对其评价结果也符合网络的实际情况。

综上，本实施方式中的综合电力通信网的拓扑结构、节点承担的通信业务来评估节点的重要性，能够综合多因素多指标，避免单一因素指标评估的局限性，能够准确辨识网络中的关键节点。

步骤6、根据排序结果识别出关键节点，并证实该方的合理性；

根据建立的节点综合重要度评估模型，采用单点攻击法对网络进行模拟攻击,通过网络抗毁性的变化验证了本发明节点重要性评估方法的合理性和正确性。

在电力通信网络中，在网络节点受到破坏时，网络能够保持较大信息传输速率的概率越大，网络的抗毁性也就越强。因此，本发明中衡量网络的抗毁性测度指标综合考虑将网络拓扑结构的连通稳定性与网络承载业务的有效性相结合，提出的第一种方法是通过计算移除节点对网络物理拓扑的影响来验证，第二种方法是通过计算移除节点对电力通信网业务的影响来验证。网络抗毁性评估方法定义如下：

基于网络拓扑结构的连通稳定性：

攻击节点对网络物理拓扑的影响使用网络效率来量化，其定义式如下所示：

其中，N为网络中的节点数量，V表示网络中的节点集合，d_iq表示节点v_i与节点v_q的距离。

基于网络电力业务传输的有效性：

不同业务对电力系统稳定运行的影响程度不同，业务重要度越高，影响程度越大。业务的重要度向量B参考表5。将节点失效造成的业务重要度损失作为衡量网络抗毁性的另一个指标。

设B为业务重要度在网络中所有节点对间的分布，B(v_i)表示节点v_i和其余节点之间所有业务重要度之和，攻击节点v_i，则节点v_i的业务重要度损失率为：

/>

其中，Loss(v_i)表示在一定的攻击强度情况下，网络被中断业务的业务重要度之和所占的比例，i＝1,2,…,N。

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 (3)

1.基于多因素评价指标的电力通信网节点重要性评估方法，其特征是：该方法由以下步骤实现：

步骤一、建立电力通信网的网络模型；

采用图G表示待评估的电力通信网络模型，G＝(V,E)，其中V为节点集合，E为边集合；设定图G的节点数为N，边数为L，节点表示电力通信网中的通信设备，边表示电力通信设备之间的链路；则节点集合表示为：V＝{v₁,v₂,…,v_i,…,v_N}，边集合表示为：E＝{e₁,e₂,…,e_g,…,e_L}，其中i＝1,2,…,N，g＝1,2,…,L；

步骤二、建立网络模型中各节点拓扑结构重要性评价指标体系，包括选择基于拓扑局部信息的评价指标，选择基于拓扑全局信息的评价指标以及选择基于电网影响因素的评价指标；

步骤二中，选取基于电网影响因素的评价指标具体指：

根据电力通信网节点所处的站点在电网中的地位及作用，确定站点等级因素评价节点；电力通信网节点所在站点包括调度中心、变电站以及发电厂，同类站点再区分电压等级；

步骤三、构建网络模型中各节点业务重要性评价指标体系；包括选择通信因素节点业务重要性指标和选择电网因素节点业务重要性指标；

所述通信因素节点业务重要性指标包括通信网的服务质量指标时延和误码率；电网因素节点业务重要性指标包括事故等级和安全分区；

步骤三中，选取电力通信网络中的业务作为分析对象，分别从业务的时延c₁、误码率c₂、事故等级g₁、安全分区g₂方面进行评价；

计算基于业务的节点重要度，计算公式为：

式中，B(v_i)为节点v_i的业务重要度值，z_i为与节点v_i连接的链路条数，h_g为链路e_g上所承担的电力业务类别总数，h_g∈[1,10]，d_gz为第z类的电力业务在链路e_g上运行的数量，r_z为第z类电力业务的重要度值；

步骤四、基于熵权法计算所述节点拓扑结构重要性评价指标权重和节点业务重要性评价指标权重，获得信息熵权重；

基于层次分析法计算所述节点拓扑结构重要性评价指标权重和节点业务重要性评价指标权重，获得层次分析法权重；

步骤五、将步骤四获得信息熵权重和层次分析法权重进行云组合，生成云模型组合权重向量W'，计算各个节点的综合重要度；具体过程为：

步骤五一、计算组合权重向量W'；

首先，设定权重样本集记为W＝{W₁,W₂,…,W_r,…,W_l}，则通过有限个权重样本集W构成权重矩阵：

式中，W_r为第r个权重样本向量，r＝1,2,…l，l＝l₁+l₂，w_rj为第r个权重样本中第j项指标的权重；

其次，基于权重样本集W计算每个指标的样本均值

然后，计算权重样本的一阶绝对中心距M₁和方差S²；

最后，基于云模型原理，利用逆向云生成器算法生成的不确定组合云权重N_w(E_x,E_n,H_e)为：

式中，E_x为期望，E_n为熵，H_e为超熵；

正态隶属函数为：

式中，μ_rj为第r个权重样本中第j项指标经正态隶属函数计算得到的隶属度，w_rj为第r个权重样本中第j项指标的权重，j＝1,2,3,…,M；

对所述隶属函数进行压缩处理，获得第j项指标下l个权重样本隶属度的平均值为μ'_rj，用下式表示为：

第j项指标的综合权重w'_j的计算公式为：

式中，w'_j满足0≤w'_j≤1；最终的云模型组合权重向量W'＝(w'₁,w'₂,…,w'_j,…w'_M)；

步骤五二、将步骤五一获得的权重向量与规范化矩阵结合，构造加权规范化矩阵Y：

步骤五三、采用TOPSIS方法对多个指标进行融合，获得节点贴近度，根据节点贴近度大小确定节点的重要度；

根据加权规范化矩阵Y，计算第j项指标的正理想解和负理想解/>并计算评价指标体系中各指标值与所述正理想解/>和负理想解/>之间的欧式距离，分别记为/>和/>获得每个节点的相对贴近度Z_i；

步骤六、通过计算移除节点对网络物理拓扑的影响来验证节点重要性评估方法的合理性；

攻击节点对网络物理拓扑的影响使用网络效率来量化，用下式表示为：

式中，d_iq为节点v_i与节点v_q的距离，

通过计算移除节点对电力通信网业务的影响来验证节点重要性评估方法的合理性；

设定B为业务重要度在网络中所有节点对间的分布，攻击节点v_i，则节点v_i的业务重要度损失率为Loss(v_i)：

式中，B(v_i)为节点v_i的业务重要度值。

2.根据权利要求1所述的基于多因素评价指标的电力通信网节点重要性评估方法，其特征在于：步骤二中，选取基于拓扑局部信息的评价指标，具体为：选择节点度来量化节点的局部重要性，得到量化后的指标L_o；

设定节点v_i的局部信息为L_o(v_i)，则节点度中心性表示为：

式中，D(v_i)为网络中节点v_i的度数，max(D)为所有节点度数组成向量D的最大值；

选取基于拓扑全局信息的评价指标的具体过程为：引入Katz指标量化节点全局位置的重要性，得到量化后的指标T；

设定节点v_i的全局信息为T(v_i)，则节点Katz中心性表示为：

T(v_i)＝(E-(c*A_xy))^(-1)-E

式中，E为单位矩阵，A_xy为网络的邻接矩阵，c为衰减因子，c的取值要小于邻接矩阵A_xy最大特征值的倒数。

3.根据权利要求1所述的基于多因素评价指标的电力通信网节点重要性评估方法，其特征在于：步骤五三中，根据加权规范化矩阵Y，计算第j项指标的正理想解和负理想解用下式表示为：

确定矩阵Y的正、负理想解后，计算评价体系中各指标值与正负理想值之间的欧式距离，分别记为和/>计算公式如下：

式中，和/>分别为第j项指标加权后的最大值和最小值，

获得每个节点的相对贴近度，记为Z_i；用下式表示为：