深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估方法

高 宇

（國網(wǎng)陜西省電力公司電力科學研究院，陜西 西安 710100）

0 引 言

隨著深度自編碼下電力通信網(wǎng)絡(luò)傳輸技術(shù)的發(fā)展，對電力通信網(wǎng)絡(luò)風險態(tài)勢評估受到人們的極大關(guān)注。構(gòu)建電力通信網(wǎng)絡(luò)風險態(tài)勢評估模型，結(jié)合對電力通信網(wǎng)絡(luò)風險態(tài)勢參數(shù)分析，進行電力通信網(wǎng)絡(luò)的信道均衡設(shè)計，提高電力通信網(wǎng)絡(luò)風險感知和預測能力，從而保障電力通信網(wǎng)絡(luò)的安全性和暢通性。研究電力通信網(wǎng)絡(luò)風險態(tài)勢評估方法，在提高電力通信網(wǎng)絡(luò)的信道均衡控制能力方面具有重要意義[1]。

采用深度自編碼方法進行電力通信網(wǎng)絡(luò)的安全態(tài)勢評估設(shè)計，控制深度自編碼下電力通信網(wǎng)絡(luò)數(shù)據(jù)傳輸過程，提高電力通信網(wǎng)絡(luò)數(shù)據(jù)包的轉(zhuǎn)發(fā)能力。但由于數(shù)據(jù)包在傳輸中容易受到電力通信網(wǎng)絡(luò)的干擾和外部侵入因素的影響，導致電力通信網(wǎng)絡(luò)容易受到入侵，對此建立深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估模型[2]。本文提出基于線性隨機編碼控制的電力通信網(wǎng)絡(luò)風險態(tài)勢評估方法，構(gòu)建電力通信網(wǎng)絡(luò)風險態(tài)勢感知的隨機編碼模型，結(jié)合加權(quán)隨機編碼控制方法進行電力通信網(wǎng)絡(luò)風險態(tài)勢數(shù)據(jù)挖掘，然后通過冗余代碼混淆的方法設(shè)計電力通信網(wǎng)絡(luò)風險特征的深度自編碼，實現(xiàn)電力通信網(wǎng)絡(luò)風險評估和穩(wěn)態(tài)控制能力的提高。最后進行仿真測試，驗證了本文方法在提高深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估能力方面的優(yōu)越性能。

1 指標參數(shù)分析和模型構(gòu)造

1.1 深度自編碼下電力通信網(wǎng)絡(luò)安全態(tài)勢指標參數(shù)分析

為了實現(xiàn)基于線性隨機編碼控制的深度自編碼下電力通信網(wǎng)絡(luò)節(jié)點安全態(tài)勢評估，首先構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)隔離性特征分析模型，采用融合指標參數(shù)分析方法進行電力通信網(wǎng)絡(luò)的風險安全系數(shù)感知[3]。結(jié)合負載參數(shù)調(diào)節(jié)的方法，建立電力通信網(wǎng)絡(luò)風險態(tài)勢評估的統(tǒng)計分析模型，得到如表1所示的統(tǒng)計特征量分布。

表1 電力通信網(wǎng)絡(luò)風險態(tài)勢評估的統(tǒng)計特征分布

根據(jù)表1的深度電力通信網(wǎng)絡(luò)安全態(tài)勢指標參數(shù)指標分析，構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢大數(shù)據(jù)分析模型。通過多頻參數(shù)分析，構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)風險安全感知分布集，由此得到深度自編碼下電力通信網(wǎng)絡(luò)線性編碼輸出時間序列為：

式中，E= [e1,e2,… ,e4P]為深度自編碼下電力通信網(wǎng)絡(luò)風險評估參數(shù)集。在鏈路(a,bm)上，得到電力通信網(wǎng)絡(luò)風險態(tài)勢感知的酉矩陣，∑= diag [σ1,σ2,… ,σ4P]表示電力通信網(wǎng)絡(luò)的電壓感知時間序列。采用ZigBee協(xié)議構(gòu)建電力通信網(wǎng)絡(luò)風險態(tài)勢評估的節(jié)點分配模型，結(jié)合屬性優(yōu)先級構(gòu)造，進行電力通信網(wǎng)絡(luò)風險態(tài)勢評估[4]。

1.2 模型構(gòu)造

建立深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估的幅值響應分析模型，通過線性編碼控制和信道均衡設(shè)計，結(jié)合機器學習方法進行線性編碼的自適應尋優(yōu)。設(shè)置深度自編碼下電力通信網(wǎng)絡(luò)節(jié)點風險態(tài)勢評估的迭代步數(shù)為N，網(wǎng)絡(luò)節(jié)點風險適應度函數(shù)表示為：

式中，C1(s)表示量化參數(shù)；λ1、λ2分別表示一階和二階安全態(tài)勢評估系數(shù)；s表示點跟蹤速率。采用機器學習的自動更新規(guī)則，實現(xiàn)深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估模型的建立。

2 風險態(tài)勢評估優(yōu)化

結(jié)合加權(quán)隨機編碼控制方法實現(xiàn)電力通信網(wǎng)絡(luò)風險態(tài)勢數(shù)據(jù)挖掘，采用五元組O=(C,I,P,Hc,R)表示深度自編碼下電力通信網(wǎng)絡(luò)的均衡調(diào)度序列[5]。其中C為風險態(tài)勢評估的量化特征集，I為電力通信網(wǎng)絡(luò)的電流參數(shù)集，P為電力通信網(wǎng)絡(luò)的功率集，Hc為電力通信網(wǎng)絡(luò)的比特率跟蹤速率，R為電力通信網(wǎng)絡(luò)的電阻參數(shù)。得到電力通信網(wǎng)絡(luò)風險評估的梯度函數(shù)表示為：

式中，x為原始風險狀態(tài)概率；為平均風險概率；aj為電力通信網(wǎng)絡(luò)風險態(tài)勢的自編碼參數(shù)；bj為電力通信網(wǎng)絡(luò)風險態(tài)勢預估特征分布集；φj為隨機分布帶寬。采用Cyber-net與分集均衡調(diào)度的方法，實現(xiàn)對深度自編碼下電力通信的均衡調(diào)度，得到輸出有限域為：

式中，E[xk]表示深度自編碼下電力通信網(wǎng)絡(luò)的信息融合中心；Φk(ω)為深度自編碼下電力通信網(wǎng)絡(luò)分布間隔；xk為采樣時延；f(x)為深度自編碼下電力通信網(wǎng)絡(luò)風險評估的學習函數(shù)。綜上分析，通過冗余代碼混淆的方法進行電力通信網(wǎng)絡(luò)風險特征的深度自編碼設(shè)計，可提高電力通信網(wǎng)絡(luò)風險評估和穩(wěn)態(tài)控制能力。

3 實驗測試

為了驗證本文方法在實現(xiàn)深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估中的應用性能，采用MATLAB仿真軟件進行仿真測試。設(shè)定電力通信網(wǎng)絡(luò)風險態(tài)勢評估的編碼序列參數(shù)分別為13 957、13 087、12 739、12 522、12 261、12 261、12 217、12 130、12 043 以及12 000（單位為baud），深度自編碼下電力通信網(wǎng)絡(luò)傳輸并網(wǎng)場為容量為23 100 kW，進行安全態(tài)勢評估的實驗內(nèi)容如表2所示。

表2 安全態(tài)勢評估的實驗內(nèi)容

根據(jù)安全態(tài)勢評估的線性規(guī)劃參數(shù)解析結(jié)果，實現(xiàn)深度自編碼下電力通信風險態(tài)勢評估，得到風險態(tài)勢分布如圖1所示。

圖1 風險態(tài)勢分布直方圖

分析圖1得知，本文方法進行深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估的均值誤差較小，測試深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估的進入，與傳統(tǒng)方法中的熵權(quán)-灰色模型和多維融合模型共同進行測試，根據(jù)不同迭代次數(shù)，計算不同方法的評估精度，得到對比結(jié)果如表3所示。

表3 評估精度對比測試

分析表3得知，熵權(quán)-灰色模型網(wǎng)絡(luò)風險態(tài)勢評估最高精度在78.09%，多維融合模型網(wǎng)絡(luò)風險態(tài)勢評估最高精度為56.88%，而本文方法的網(wǎng)絡(luò)風險態(tài)勢評估精度始終保持在87%以上，最高可達到97.10%。在進行深度自編碼下，電力通信網(wǎng)絡(luò)風險態(tài)勢評估的精度更高，并提高了電力通信網(wǎng)絡(luò)的安全性和穩(wěn)定性。

4 結(jié) 論

本文提出基于線性隨機編碼控制的電力通信網(wǎng)絡(luò)風險態(tài)勢評估方法，構(gòu)建電力通信網(wǎng)絡(luò)風險態(tài)勢評估模型，結(jié)合對電力通信網(wǎng)絡(luò)風險態(tài)勢參數(shù)分析進行電力通信網(wǎng)絡(luò)的信道均衡設(shè)計。采用機器學習的自動更新規(guī)則，進行深度自編碼下電力通信網(wǎng)絡(luò)風險態(tài)勢評估的模型構(gòu)造，并且通過實驗驗證本文方法對力通信網(wǎng)絡(luò)風險態(tài)勢評估的精度較高，穩(wěn)態(tài)性較好。