電力通信網(wǎng)風(fēng)險(xiǎn)分析與控制研究.pdf

1、隨著智能電網(wǎng)的建設(shè)與發(fā)展，通信與信息系統(tǒng)在電力系統(tǒng)中的作用越來(lái)越顯著，電力通信網(wǎng)作為通信與信息系統(tǒng)的重要組成部分，其運(yùn)行安全出現(xiàn)任何問(wèn)題都可能影響電力系統(tǒng)的安全、穩(wěn)定和經(jīng)濟(jì)運(yùn)行，因此對(duì)電力通信網(wǎng)的運(yùn)行風(fēng)險(xiǎn)研究已經(jīng)成為重要的研究課題。網(wǎng)絡(luò)風(fēng)險(xiǎn)分析可以為網(wǎng)絡(luò)優(yōu)化和規(guī)劃提供重要的理論依據(jù)，網(wǎng)絡(luò)風(fēng)險(xiǎn)控制可以有效降低網(wǎng)絡(luò)風(fēng)險(xiǎn)，因此網(wǎng)絡(luò)風(fēng)險(xiǎn)分析與控制可以有效提高網(wǎng)絡(luò)的安全性。本文在分析已有相關(guān)工作的基礎(chǔ)上，主要在電力通信網(wǎng)脆弱性分析、風(fēng)險(xiǎn)評(píng)價(jià)和基于

2、路由的風(fēng)險(xiǎn)控制方面進(jìn)行了深入研究。
　　電力業(yè)務(wù)重要度作為電力業(yè)務(wù)資產(chǎn)價(jià)值的度量指標(biāo)是電力通信網(wǎng)風(fēng)險(xiǎn)分析與控制研究的基本依據(jù)?，F(xiàn)有的業(yè)務(wù)重要度計(jì)算方法大多包括專家評(píng)分的主觀環(huán)節(jié)，具有一定的不確定性，會(huì)對(duì)電力通信網(wǎng)相關(guān)研究的準(zhǔn)確性產(chǎn)生影響。為此本文提出了一種以客觀特征指標(biāo)要求替代專家主觀評(píng)分的電力業(yè)務(wù)重要度計(jì)算方法，消除了計(jì)算結(jié)果中的主觀不確定性，并以業(yè)務(wù)重要度為參數(shù)，在業(yè)務(wù)層上建立電力通信網(wǎng)網(wǎng)絡(luò)模型，分析了電力通信網(wǎng)在不同鏈路失效

3、模型下的脆弱性，根據(jù)分析結(jié)果對(duì)網(wǎng)絡(luò)的業(yè)務(wù)路由進(jìn)行調(diào)整，使網(wǎng)絡(luò)脆弱性得到了改善。
　　已有電力通信網(wǎng)風(fēng)險(xiǎn)評(píng)價(jià)方法存在指標(biāo)分散、評(píng)價(jià)結(jié)果不明確、綜合性較弱等問(wèn)題，為此本文提出了一種電力通信網(wǎng)多層次綜合風(fēng)險(xiǎn)評(píng)價(jià)方法，該方法結(jié)合復(fù)雜網(wǎng)絡(luò)理論，以邊為研究對(duì)象，將邊介數(shù)作為邊在物理拓?fù)鋵拥闹匾?，同時(shí)在業(yè)務(wù)層和傳輸層提出邊業(yè)務(wù)重要度和邊流量重要度，進(jìn)而提出邊跨層信息熵的概念，最后通過(guò)仿真證明了邊跨層信息熵對(duì)電力通信網(wǎng)風(fēng)險(xiǎn)評(píng)價(jià)的有效性。

4、　　在脆弱性分析和風(fēng)險(xiǎn)評(píng)價(jià)的基礎(chǔ)上，本文通過(guò)路由優(yōu)化方式來(lái)實(shí)現(xiàn)電力通信網(wǎng)的風(fēng)險(xiǎn)控制。已有電力通信網(wǎng)風(fēng)險(xiǎn)控制路由方法存在考慮網(wǎng)絡(luò)層面較少、路由模型適用性不強(qiáng)等問(wèn)題，本文綜合考慮路由在電力通信網(wǎng)業(yè)務(wù)層、傳輸層和物理拓?fù)鋵由蠈?duì)網(wǎng)絡(luò)風(fēng)險(xiǎn)的影響，建立了跨層的風(fēng)險(xiǎn)感知路由模型，并利用混沌免疫算法進(jìn)行路由求解。針對(duì)動(dòng)態(tài)到達(dá)的業(yè)務(wù)路由，本文提出一種混沌免疫多約束路由算法，該算法通過(guò)動(dòng)態(tài)疫苗接種與自由變異相結(jié)合的進(jìn)化策略實(shí)現(xiàn)了算法的快速收斂和全局尋優(yōu)?？?/p>

5、慮電力業(yè)務(wù)中存在對(duì)時(shí)延要求極高的業(yè)務(wù)類型，在上述路由算法基礎(chǔ)上提出了一種混合路由策略，并結(jié)合不同攻擊模型，分析了混合路由策略在風(fēng)險(xiǎn)控制上的成效。為提高路徑的編、解碼效率，提出了一種基于動(dòng)態(tài)鄰接矩陣的路徑生成方法，該方法利用自然數(shù)對(duì)路徑進(jìn)行編碼，能直接生成有效的路徑解，且解碼過(guò)程簡(jiǎn)單，為提高包括人工免疫算法在內(nèi)的所有進(jìn)化算法的效率做出了貢獻(xiàn)。
　　在電力通信網(wǎng)規(guī)劃中，需要根據(jù)既定的網(wǎng)絡(luò)拓?fù)浜挽o態(tài)業(yè)務(wù)矩陣同時(shí)為多個(gè)業(yè)務(wù)進(jìn)行選路并需要為

6、決策者提供多個(gè)路由方案以便于作出合理的選擇，因此本文提出了一種混沌免疫多目標(biāo)優(yōu)化算法，該算法采用隨機(jī)分配邊權(quán)的定長(zhǎng)編碼方式，完成多業(yè)務(wù)的同時(shí)選路，將生物地理學(xué)優(yōu)化算法和聚類算法引入到人工免疫進(jìn)化過(guò)程之中，同時(shí)采用動(dòng)態(tài)克隆比例方法，加快算法收斂速度，同時(shí)提高算法的尋優(yōu)能力。通過(guò)與已有多目標(biāo)優(yōu)化算法的對(duì)比，證明了該算法在路由優(yōu)化方面的優(yōu)越性。
　　由于已有進(jìn)化算法中基于隨機(jī)數(shù)的交叉和變異策略，導(dǎo)致在種群規(guī)模和進(jìn)化代數(shù)確定的情況下，單次

7、算法執(zhí)行的結(jié)果存在不確定性，輸出解可能最優(yōu)，也可能次優(yōu)甚至較差，這種不確定性在電力業(yè)務(wù)路由上是不允許的。在本文提出的單目標(biāo)和多目標(biāo)混沌免疫路由算法中，為了保證輸出解或解集的確定性，本文對(duì)算法中所有需要隨機(jī)數(shù)的操作算子進(jìn)行改造，利用混沌序列值來(lái)替代其中的隨機(jī)數(shù)，因此該混沌序列必須具有良好的隨機(jī)性才能來(lái)保證算法優(yōu)秀的搜索性能。經(jīng)典的混沌系統(tǒng)及其混沌序列存在隨機(jī)性不強(qiáng)的問(wèn)題，為此本文構(gòu)造了一個(gè)五維超混沌系統(tǒng)，通過(guò)混沌吸引子，Lyapunov指