云技術架構智能變電站的可靠性評估研究

王佳楠，李喜旺，李澤宇，于同偉，李樹陽

1(中國科學院 沈陽計算技術研究所， 沈陽 110168) 2(中國科學院大學，北京 100049) 3(國家電網公司東北分部， 沈陽 110180) 4(國網遼寧省電力有限公司 電力科學研究院， 沈陽 110006) 5(國網遼寧省電力有限公司， 沈陽 110006) E-mail ：wangjianan15@mails.ucas.ac.cn

1 引 言

隨著在互聯網領域內的應用愈發成熟，云計算技術正逐漸向其他領域中推廣.通過將包括計算能力、存儲能力、交互能力等各種互聯的計算資源予以有效的整合并進行具有層次結構的虛擬抽象化，云計算能夠為用戶提供大規模的共享虛擬計算資源[1].本著計算資源服務化的思想，云計算平臺能夠為各項應用提供按需的計算服務，應用在部署時無需考慮底層的配置方式和系統架構，為集成不同配置需求的應用系統提供可能[2].依靠資源池化、軟件定義網絡(SDN)[3]、虛擬機狀態遷移等平臺可靠性保障策略，云平臺充足的資源供給和靈活的可用保障使應用在運行時無需考慮其對應底層具體硬件的可用狀態.

為滿足當前智能電網自動化、網絡化建設的需要，在當前的智能變電站系統中，部署了大量的計算控制單元和網絡通信設備，用以自動化的實現保護、測控、計量等功能，并為各功能模塊提供高速的信息保障.作為一套由各類型計算單元和通信網絡組成的計算機系統，智能變電站在實現系統內節點控制和數據通信的同時，還需要完成與遠程調度中心的數據交互.因此，為保證智能變電系統的穩定高效運行，既需要使其擁有高效的計算能力，還需要部署穩定全面的可靠性保障措施.

結合云計算技術的系統可靠性優勢與智能變電站自身的系統結構.本文提出了一種智能變電站的云技術架構，由云平臺統一提供計算資源和配置網絡拓撲，通過資源冗余等云技術策略保證系統的可靠性[4]，并使用成功流法(GO方法)評估云技術架構在提高系統可靠性方面的優勢.

2 云架構智能變電站的可靠性設計

智能變電站是智能電網建設的重要基礎，是發、輸、變、配、用電和調度等各環節信息交互的關鍵支撐點，信息交互與處理的能力等自動化水平被不斷優化的同時，系統的可靠性也同樣成為被研究關注的重點.

2.1 智能變電站系統架構的研究現狀

2009年國家電網公司正式提出“智能變電站”這一概念，并于2012年將技術建設指導意見重新修訂作為正式的國家標準.盡管歐洲國家沒有系統提出“智能變電站”這一概念，但是其變電站未來的建設發展趨勢同樣以IEC 61850標準為指導，向著高效性、安全性、可靠性、可擴展性、易于維護性等多個方面發展[5].

目前，作為包含控制處理終端和數據傳輸交互兩大主要功能模塊的計算機控制系統，智能變電站系統可靠性優化策略的制定通常從以上兩個方面入手.針對系統控制終端單元的可靠性提升，通過提升工藝水平降低設備故障率的同時，結合冗余配置、優化連接等保護策略，提高功能模塊的可靠性，實現對系統可靠性的提升[6].對于系統內通信網絡的可靠性提升，則通過優化網絡傳輸策略，設計高可用的通信網絡結構，達到提升系統整體可靠性的目的[6].

圖1 云架構智能變電站系統架構Fig.1 System architecture of the cloud architecture smart substation

當前的可靠性提升策略單一地從接入冗余設備或提供冗余鏈路入手，缺乏計算資源共享機制，未能最大化發揮拓展可用資源的效果，在一定程度上造成了閑置資源的浪費.

2.2 云架構智能變電站的系統架構

云架構智能變電站的功能體系結構的設計仍然沿用智能變電站“三層兩網”的層次結構，即包括站控層、間隔層、過程層和過程層網絡、站控層網絡五個部分[5].站控層的主要作用是對站內所有信息進行收集、判斷、下發指令，并與遠端控制中心交換數據；間隔層匯總本間隔內的過程層實時數據信息，并接收站控層發出的控制信息，起到上傳下達的作用；過程層的主要作用是完成模擬量采集、開關量輸入/輸出等功能.

相較于原有智能變電站的硬件實現方式，在圖1中所示的云架構智能變電站的系統架構中，在站控層所部署硬件設施被構成虛擬網絡、虛擬服務器、虛擬桌面終端、虛擬存儲器為各智能組件提供計算、存儲、訪問等各項云服務.并將間隔層完全虛擬化，使各智能組件的運行位置由原先的實際硬件設備轉為云平臺上的各虛擬機，完成對過程層設備的數據采集和指令控制等功能.

在云架構智能變電站系統中，在完成對站控層硬件資源虛擬化的同時，還需設計云平臺管理系統負責對整個變電站云平臺進行運行監控、資源管理、數據同步以保證平臺平穩可靠高效的運行，同時完成匯總上傳數據、接收分發控制請求等站控層原有的設計功能.

2.3 基于虛擬機狀態遷移完成故障重啟

系統硬件資源的虛擬化采用Xen虛擬化技術實現[6]，系統間隔層設備的冗余設置可以直接通過在云平臺上對其虛擬機進行備份實現.在虛擬機工作過程中，可能出現系統負載變大導致的服務質量變差甚至宕機的情況.因此，為保證間隔層各智能組件的平穩運行，當出現響應延遲等故障隱患時，將當前工作虛擬機向備份機進行狀態遷移實現故障隱患的排除，以提高智能組件的可靠性.

圖2 虛擬機動態遷移機制邏輯圖Fig.2 Virtual machine dynamic migration mechanism logic diagram

通過引入NFS等共享文件系統機制，避免了由于遷移磁盤存儲數據而產生的遷移開銷.同時，在原有Xen動態遷移機制的基礎上引入了如圖2中所示的預測概率模塊，降低了內存遷移的時間開銷，進一步提高了狀態遷移效率.

2.4 基于軟件定義網絡(SDN)實現冗余切換

基于軟件定義網絡(SDN)能夠實現系統中網絡資源的動態分配，為設備的靈活接入與拓撲的動態配置提供保證.考慮到智能變電站數據的可靠傳輸要求，在云平臺中網絡資源的分配仍采用冗余思想的拓撲設計方式.

文中采用并行冗余協議(PRP)實現網絡拓撲的冗余策略[7].該拓撲結構下兩個網絡相互獨立，并且互為冗余，當某一網絡中的交換機或鏈路發生故障時，由于網絡結構的獨立性，并不會影響另一個網絡的數據接收和發送，同時可以實現零延遲的雙網切換.由于SDN靈活的網絡配置特性，為進一步保證網絡結構的可靠性，對于并行冗余協議的兩個網絡可以根據需要配置除環形拓撲外容錯性能更高的網絡拓撲結構.

圖3中所示的為并行冗余協議中節點冗余的實現方式.其中互為冗余的兩個網卡擁有相同的MAC地址和IP地址，而上層應用程序無需為冗余做任何處理.針對冗余網絡拓撲結構下出現的重復報文，接收節點基于嚴格的丟棄窗算法實現對數據幀的接收或者丟棄的決策.

圖3 并行冗余協議(PRP)節點冗余邏輯圖Fig.3 Parallel redundancy protocol (PRP) node redundancy logic diagram

3 基于成功流法的可靠性評估模型

作為依靠數據通信將各組件節點相互連接構成的網絡系統，智能變電站的可靠性評價模型可以采用以數據流軌跡作為評價特征的可靠性評估方式，基于網絡的拓撲結構與各節點的可靠性指標，實現對系統的可靠性分析.

3.1 成功流法(GO方法)的基本原理

作為一種基于系統概率分析的技術，GO法通過圖形演繹的形式，以成功為系統導向，將系統原理圖、流程圖、工程圖按照指定的規則轉換成GO圖[8].GO方法中共定義了17種標準運算符，根據系統中各組件的相互關系，將各組件之間按照相應的運算符進行連接.

使用GO法進行系統可靠性分析需經過如圖4所示的分析系統、確定邊界、成功準則、建立GO圖、輸入數據、GO運算、評價系統共七個步驟[9].其中建立GO圖和進行GO運算是采用GO方法進行可靠性分析的核心步驟.

圖4 GO法分析過程Fig.4 Analysis procedure of GO methodology

在完成GO圖構建后，系統可靠性可以通過概率公式法得出，該方法通過推導得出各操作符輸出信號流的計算公式，然后按照傳遞序列依次求解各信號流的概率.對于存在狀態0，1，2，…，N-1，N共N+1種狀態的信號流，信號流狀態值為i的概率為P(i)，則對應信號流的狀態累計概率A(i)為：

(1)

圖5 四類操作符的原理圖Fig.5 Analysis procedure of GO methodology

在智能變電站可靠性分析建模過程中，由系統中各智能組件的功能特點可知，需要用到兩狀態操作符、或操作符、輸入操作符、與操作符四種類型的操作符，各操作符的表示符號和輸入輸出信號的定義如圖5所示.則各操作符的累計概率計算公式分別為：

1)兩狀態操作符

操作符狀態概率PC(i)，i=1，2；

輸出信號概率公式為：

PR(i)=PS(i)·PC(1)，i=0，…，N-1

(2)

AR(i)=AS(i)·PC(1)，i=0，…，N-1

(3)

2)或操作符

輸入信號S1，…，Sn的狀態概率及累積概率為：

PS1(i)，…，PSN(i)；AS1(i)，…，ASN(i),i=0,1,2,…,N

輸出信號概率公式為：

(4)

3)輸入操作符

當有L種狀態時，輸出信號的狀態值記為Ij，則其對應的概率為Pj，其中j=1，2，…，L.

假設各輸入信號相互獨立，輸出信號流狀態概率及其累積概率計算公式為：

(5)

(6)

4)與操作符

輸入信號S1，…，Sn的狀態概率及累積概率為：

PS1(i)，…,PSN(i)；AS1(i)，i=0，1，2，…，N

輸出信號概率公式為：

(7)

對于每個操作符，將輸入信號的狀態概率代入計算公式即可得到對應的輸出概率.沿著系統中每一條信號流的傳遞方向，依次對系統GO圖中流經的每一個操作符進行計算即可得到系統最終的輸出概率.

3.2 云架構智能變電站GO模型的建立

本文以220KV的D2-1型配電變電站為例，在保證其原有系統功能架構不變的情況下，對采用云技術架構部署實現后的系統建立GO模型，從而實現對其系統可靠性的評估.該智能變電站共包括2個變壓器間隔、1個母線間隔和6個饋線間隔，通信網絡的拓撲采用滿足并行冗余協議(PRP)的雙環形拓撲結構.其詳細系統結構如圖6所示.

圖6 D2-1型變電站系統功能拓撲Fig.6 Functional topology of D2-1 substation system

云架構部署方式下，各智能組件之間的邏輯關系和交互拓撲仍與傳統實現架構下相同.其中，站控層的監控主機(HMI)和遠動網絡(RTU)以及間隔層的保護控制單元(P&C)的功能由云平臺中的各虛擬主機實現.交換機(SW)由原先的實際接線設備轉換成網絡資源云化后的各個邏輯節點，同時，其相互之間的接線方式也可以靈活配置冗余.

圖7 變壓器間隔模塊GO圖Fig.7 Transformer interval module GO diagram

在根據系統中各智能組件之間拓撲關系構建GO圖時，每個間隔模塊可以構建出單獨的GO圖，由各操作符的相互關系及計算公式可得圖7變壓器間隔T1的狀態概率為：

PS84=PC38PC39PC40PC41PC42PC84PS1PS2PS3PS4PS5

(8)

分別計算各間隔模塊的信號流成功率，可獲得整個系統的成功率，相同類型間隔模塊成功率的計算結果是相同的.

由于環形拓撲存在不多于1條故障鏈路的冗余，設單條鏈路的成功率為Pl，則11條環形拓撲鏈路的成功概率為：

(9)

將各間隔模塊的成功率計算結果整合后可以得到操作符1-94處的狀態概率PS94：

(10)

為簡化系統GO圖的構建，圖8中僅描述了未加入冗余網絡時對系統進行可靠性分析的GO圖模型.因此，根據操作符的相互關系和計算公式可以得到當前系統結構下的輸出信號流成功率PS101：

PS101=1-(1-PS99)(1-PS100)=PC95PC97PC99PS94+

PC96PC98PC100PS94-PC95PC96PC97PC98PC99PC100PS94

(11)

由于并行冗余協議(PRP)中兩個網絡的相互獨立并能夠實現零延遲雙網切換.因此在考慮冗余網絡后，系統最終的輸出信號成功流概率為：

圖8 系統整體可靠性GO圖Fig.8 GO diagram of system reliability

P=1-(1-PS101)2

(12)

4 系統可靠性分析與結果評估

分析云技術架構的冗余切換策略對云平臺上部署的各智能組件在可靠性指標上的提升結果，能夠得出云技術架構的可靠性優勢.將各智能組件不同策略下的可靠性參數代入推導出的GO模型，即可得到對應的可靠性評估結果.

4.1 云技術架構對系統可靠性的提升

智能變電站元件的可靠性通過平均無故障時間(MTTF)、平均修復時間(MTTR)、可用度(A)、不可用度(q)等參數指標衡量[10].其中有：

(13)

當采用云技術架構實現時，除斷路器(CB)、合并單元(MU)以及光纖鏈路(L)外，部署在云平臺虛擬機上的其他智能組件均可以通過冗余備份進一步提高系統的可靠性.各智能組件對應的虛擬主機與其備份主機之間形成并聯的關系，因此并聯單元的可用度A與各主機可用度Ai之間的關系為：

(14)

對云平臺中的各功能主機完成備份主機配置后，各智能組件的不可用度則變為：

(15)

在評價網絡的可用度時，對于存在n條鏈路的網絡拓撲結構，且每條鏈路的可用度為Pl，當網絡允許至多有s條鏈路不可用時，該拓撲結構下網絡的可用度為：

(16)

在構建智能變電站可靠性分析GO模型圖時，單個網絡的各交換機之間采用環形拓撲結構相連，其網絡可用度如公式(9)所示.根據公式(16)能夠得到在鏈路可用度Pl固定的前提下，使網絡可用度達到最佳時的網絡鏈路數和允許最大的故障鏈路數，從而獲得可靠性最佳的網絡拓撲結構，實現基于SDN配置冗余鏈路提高網絡可用度的目的.

表1 智能變電站元件可靠性參數Table 1 Smart substation component reliability parameters

4.2 不同策略下可靠性評估結果對比

智能變電站系統中的所有節點僅包含可用與不可用兩種狀態，在對智能變電站系統進行可靠性評估時，GO圖中各操作符對應節點的不可用狀態概率則為其對應類型單元的不可用度q.因此，在計算不同可靠性保障策略下系統的可靠性時，需要將各節點可用狀態的概率rI=1-qI代入所構建的GO模型中，其中I∈{L，SW,MU,CB,P&C,HMI,RTU}，計算出整個系統可用狀態的概率，即可獲得最終的系統可靠性評估結果.

在計算傳統PRP硬件冗余策略下的系統可靠性時，根據表1中各類型節點的不可用度qI獲得各節點可用狀態的概率rI，將其代入公式(8)中即可獲得變壓器間隔模塊T的可用狀態概率：

(17)

同理母線間隔模塊S與饋線間隔模塊F的可用狀態概率RS和RF則分別為：

(18)

(19)

將所得的各模塊可用狀態概率及對應節點單元的可用狀態概率代入公式(11)中可得，采用單個網絡拓撲結構下系統的可用狀態概率為：

RSingle= rSWrLrHMIRring+rSWrLrRTURring

(20)

其中，由公式(10)可得公式(20)中單個環形網絡拓撲結構下的可用狀態概率Rring為：

(21)

由于所采用的PRP冗余策略中單個網絡環形拓撲采用環形網絡結構則式(20)中PC94的定義如公式(9)所示.將單個網絡拓撲結構下的系統可用狀態代入公式(12)中，則得到傳統PRP硬件冗余策略下系統的可靠性評估結果.

當采用SDN拓展鏈路策略時，為系統中環形拓撲結構中的11條鏈路分別配置1條冗余鏈路，即網絡中包含22條鏈路，并至多允許2條鏈路不可用，根據公式(16)重新計算PC94并代入公式，獲得可靠性評估結果.

表2 各可靠性策略下的成功概率Table 2 Probability of success for each reliability strategy

由表2中各可靠性實現方式下系統信號流成功概率的計算結果可知.在原有的PRP冗余網絡結構的基礎上，主機備份策略和SDN配置冗余網絡均能夠進一步提高智能變電站系統的可靠性.因此，在以上兩種策略的共同作用下，本文提出的云架構智能變電站的系統結構具有很高的可靠性.

4.3 基于故障樹的可靠性評估結果驗證

作為另一種較為成熟常用的可靠性分析模型，故障樹模型在評估非串并聯系統的的可靠性時，首先通過定性分析，求出故障樹的最小割集，并利用最小割集構成的串并聯系統等效分析系統的可靠性[14].下面將通過故障樹模型對智能變電站系統的可靠性進行評估，以驗證所構建的GO模型評估結果的準確性.

將GO圖中各相鄰串聯的兩狀態操作符進行合并換算獲得代表各功能模塊故障對應的最小割集，基于文中所構建的GO模型能夠構造出如圖9所示的故障樹模型.因此，系統的可靠性評估則被轉換為系統中各最小割集故障事件概率的與或運算，則故障樹頂事件如公式(22)所示：

T= (2*(2*TP&C+TMU+2*TCB)+(TP&C+TMU+TCB)

+6*(2*TP&C+TMU+TCB))TRTUTHMI

(22)

將各類元件的不可用度q代入公式(22)中即可求出在傳統的可靠性保障策略下，PRP冗余網絡結構下單個網絡拓撲對應的系統故障概率，將其與公式(11)中的計算結果進行對比，所計算出的系統可用概率結果相同.

圖9 智能變電站系統故障樹模型Fig.9 Fault tree model of smart substation system

從定量分析和定性分析的結果可知，文中所構建的GO模型與故障樹模型所得到的可靠性評估結果完全一致，映證了GO模型分析結果的準確性.相較于故障樹模型，GO模型具有建模過程簡單、模型提取直觀以及易于從系統原理圖直接進行提取建模的優勢，更加適用于實際的使用.

5 結束語

云計算技術的普及完備，為智能變電站系統架構設計提供了一種靈活高效的解決思路.本文依照智能變電站三層兩網的設計標準，提出了智能變電站云架構的實現方式.通過虛擬機冗余備份以及軟件定義網絡配置冗余鏈路等方法為系統服務提供可靠性支持.將系統的結構拓撲抽象為GO模型，通過量化的方式進一步論證了云架構智能變電站在具有較高資源利用率的同時，還具有高可靠性的優勢.

[1] Zhang Jian-hua，Wu Heng，Zhang Wen-bo，et al.Survey on the core techniques of cloud computing[J].Journal of Chinese Computer Systems，2013，34(11)：2417-2424.

[2] Meng Xiang-ping，Zhou Lai，Wang Hui，et al.Applications of cloud computing technology for information processing platform in future smart grid[J].Computer Measurement & Control，2015，23(10)：3508-3511.

[3] Zhang Chao-kun，Cui Yong，Tang He-yi，et al.State-of-the-art survey of software-defined networking[J].Journal of Software，2015，26(1)：62-81.

[4] Chen Huang-ning，Guo Wen-zhong，Chen Xing.Novel fault-tolerant task scheduling algorithm for cloud computing[J].Journal of Chinese Computer Systems，2016，37(10)：2194-2198.

[5] Fan Chen，Ni Yi-min，Shen Hong，et al.Comparative analysis on development of smart substations in China and europe[J].Automation of Electric Power Systems，2015，39(16)：1-7.

[6] Wang Tong-wen，Xie Min，Sun Yue-qin，et al.Application of communication network technology in new generation smart substation[J].Electric Power Construction，2016，43(17)：45-46.

[7] Pang Ji-wei.Research on communication reliability and real-time performance of smart substation communication network based on cobweb topology[D].Harbin: Harbin Institute of Technology，2016.

[8] Sun Qing-ya，Li Gang，Song Yu.Reliability analysis model for smart substation information flow[J].Computer Measurement & Control，2016，24(2)：258-260.

[9] Zhang Bo，Li Xi-wang，Li Guang-ye.Private cloud based on Xen technology[J].Computer Systems & Applications，2016，25(6)：75-80.

[10] Li Zhou，Liu Jian，Cheng Zi-jing.Fast network topology discovery method based on parallel redundancy protocol[J].Computer Engineering，2012，38(24)：100-104.

[11] Wang Gui-li.System reliability analysis GO methodology and research on the application[D].Harbin: Harbin Institute of Technology，2006.

[12] Yin Zong-run，Mu Xiao-dong.Avionics reliability assessment based on GO methodology[J].Computer Engineering，2009，35(15)：272-274.

[13] Hou Wei-hong，Zhang Pei-chao，Hu Yan.Reliability and availability study of the digital substation system[J].Power System Protection and Control，2010，38(14)：34-38.

[14] Tao Yong-jian，Dong De-cun，Ren Peng.Uncertainty analysis of system reliability estimate based on fault tree[J].Journal of Tongji University (Natural Science)，2010，38(1)：141-145.

附中文參考文獻：

[1] 張建華，吳 恒，張文博，等.云計算核心技術研究綜述[J].小型微型計算機系統，2013，34(11)：2417-2424.

[2] 孟祥萍，周 來，王 暉，等.云計算技術在未來智能電網信息處理平臺中的應用[J].計算機測量與控制，2015，23(10)：3508-3511.

[3] 張朝昆，崔 勇，唐翯祎，等.軟件定義網絡(SDN)研究進展[J].軟件學報，2015，26(1)：62-81.

[4] 陳煌寧，郭文忠，陳 星.一種新穎的云計算容錯任務調度算法[J].小型微型計算機系統，2016，37(10)：2194-2198.

[5] 樊 陳，倪益民，申 洪，等.中歐智能變電站發展的對比分析[J].電力系統自動化，2015，39(16)：1-7.

[6] 王同文，謝 民，孫月琴，等.智能變電站繼電保護系統可靠性分析[J].電力系統保護與控制，2016， 43(17)：45-46.

[7] 龐繼偉.基于蛛網拓撲的智能變電站通信可靠性和實時性研究[D].哈爾濱：哈爾濱工業大學，2016.

[8] 孫卿亞，李 剛，宋 雨.面向智能變電站的信息流可靠性分析模型[J].計算機測量與控制，2016，24(2)：258-260.

[9] 張 博，李喜旺，李廣野.基于Xen的私有云[J].計算機系統應用，2016，25(6)：75-80.

[10] 李 周，劉 健，程子敬.基于并行冗余協議的網絡拓撲快速發現方法[J].計算機工程，2012，38(24)：100-104.

[11] 王桂麗.系統可靠性分析GO法及其應用的研究[D].哈爾濱：哈爾濱工業大學，2006.

[12] 尹宗潤，慕曉冬.基于GO法的航空電子設備可靠性評估[J].計算機工程，2009，35(15)：272-274.

[13] 侯偉宏，張沛超，胡 炎.數字化變電站系統可靠性與可用性研究[J].電力系統保護與控制，2010，38(14)：34-38.

[14] 陶勇劍，董德存，任 鵬.基于故障樹的系統可靠性估計不確定性分析[J].同濟大學學報(自然科學版)，2010， 38(1)：141-145.