基于量化分析的電力通信網多維度風險預警優化研究

蔡文斌， 張煥域， 林密， 李博， 洪杰， 張陽， 吳偉明

(海南電網有限責任公司，海南 海口 570203)

0 引言

智能電網為電網發展的必然成果，不管是針對電網側或者是針對用戶側而言，智能電網均存在十分顯著的社會經濟效益[1]。科學、合理的對電力通信網實施多維度風險預警，對智能電網的安全保護存在積極影響[2]。智能電網存在應用成本大、覆蓋面積大、周期性久、區域發展不均衡的屬性，在此環境下，很多潛藏的因素對智能電網的安全存在一定影響[3]。電力系統生產單位對電力通信網的通信性能存在指定要求，要求其必須具有較好的穩定度與安全度[4]。電力通信的安全可靠運行十分關鍵，對電力通信網多維度風險預警優化存在一定現實意義。

本文提出一種基于量化分析的電力通信網絡多維度風險預警優化方法，該方法對電力通信網危險預警與保護工作而言存在較高使用價值。

1 電力通信網絡多維度風險預警優化方法

1.1 影響因素預處理

因為電力通信安全影響因素通常情況下存在多維度、時空冗雜等屬性，而在優化電力通信網多維度風險預警問題時，需要挑選此類因素中的有效因素準確判斷電網風險值，才能完成高精度預警[5]。為此，使用基于偏序約簡的電力通信影響因素預處理方法在大量的通信安全威脅因素(影響因素)里獲取對通信安全存在威脅的決定性因素，以便提高預警效率[6-7]。

把對電網通信安全存在威脅的影響因素設成決策表，此決策表由三元組構成，描述為R=(X,C,Y)，X描述所有影響因素集合，C、Y依次描述所有影響因素特征集合、特征值的值域。設定決策表里存在m個通信安全影響因素Ybnm，各個通信安全影響因素存在n個條件特征bn與決策特征YEm，如表1所示。

表1 決策表

將電力通信安全影響因素集根據因素自身決策特征E的差異取值，將其依次分成等價類，等價類里存在多個影響因素。將等價類中的多種通信安全影響因素通過偏序方法實現約簡時，需要使用MapReduce模型的多種map函數來完成[8],其中，MapReduce模型的并行化優勢較為顯著。如果決策屬性E存在t個差異取值，那么圍繞決策屬性E的值設置電力通信安全影響因素等價類，等價類為式(1)。

(1)

其中，第j個電力通信安全影響因素在第j個屬性中取值設成YEj。

電力通信安全影響因素偏序約簡的流程如下。

(1)約簡目標即為電力通信安全影響因素集里的各個因素，每個目標的約簡特征設成變遷關系，變遷關系影響下變換的中間狀態即為影響因素特征值[9-10]。中間狀態即為變遷前后仍具有同一屬性的特征值，能夠體現因素的屬性。在每種變遷關系的前提下，把電力通信安全影響因素集里一種風險初始狀態L轉換為決策狀態，為式(2)。

(2)

其中，i是正整數；第i個通信安全影響因素的初始狀況設成Li。

(2)通過第(1)步的狀態變換形式，將E個整型變量t實施下述循環，則設定t的值自1至j存在，為式(3)。

(3)

(3)如果第(2)步里每個通信安全影響因素的影響程度自初始狀態往決策狀態變換時，具有下述狀況，為式(4)。

(4)

其中，q與p都是正整數；Ybqi表示第i個通信安全影響因素里存在q個的通信安全威脅子因素。Ybqi那么能夠化簡為式(5)。

(5)

其中，Ybpi表示第i個通信安全影響因素里存在p個的通信安全影響子因素。每個通信安全影響因素從初始狀態往決策狀態變換時，若多種電力通信安全影響因素均存在此類模式變換，那么僅留下此類電力通信安全影響因素里其中一種。

1.2 電力通信網多維度風險預警優化

由上節方法對電力通信網多維度影響因素約簡后，文章設定電力通信網多維度影響因素里決定性因素依次是資產因素、脆弱度因素、威脅因素以及危險處理方法，危險處理方法也可以理解為安全舉措。

使用樹形圖結構描述每個風險因素間的關聯(圖1)。

圖1 風險樹狀

圖1中，B描述資產價值；U1、U2代表脆弱度；H1、H2、H3代表威脅因素值；DN代表危險處理方法；T描述危險處理方法沒有被使用或者使用效果較差的情況；Q代表風險事件出現的幾率。

分析邏輯關系構建故障樹，對底層風險因素進行基本可信度和權重分配，對可用性、完整性、機密性賦權重，計算系統風險值并量化其風險等級。

若風險值大于61，則電力通信網多維度風險水平較高，需要開啟四級預警，通知相關維修人員及時切斷線路。

威脅性風險行為因素依次設成偷電纜、損壞通信基站、地震、火災、靜電。測試本文方法對電力通信此類威脅行為的虛警率，結果如圖2所示。

圖2 虛警率測試結果

分析圖2可知，本文方法對電力通信網的偷電纜、損壞通信基站、地震、火災和靜電5種多維度風險的虛警率低于5%，其中對靜電的風險預警誤差最大，但也僅有2.5%。

假定電力通信網的風險威脅為人為威脅與自然威脅，設定該電力通信網年度2種威脅次數依次是5次、10次、15次、20次、25次、30次，測試本文方法在此條件下對2種風險預警時的誤警率，結果如表2所示。

表2 誤警率測試結果

分析上表可知，伴隨威脅次數的增加，本文方法對電力通信網人為威脅與自然威脅的誤警率最大值低于1%，誤警率極低，驗證本文方法的預警精度極高。

預警實時性是所有風險預警問題里的核心考核指標之一，通過業務時延來表示，計算如式(6)。

(6)

測試該供電局的電力通信系統應用本文方法前、應用本文方法后的預警實時性，結果如圖3所示。

圖3 預警實時性測試結果

由上圖可知，供電局的電力通信系統應用本文方法前、應用本文方法后的多維度風險預警實時性差異顯著，應用本文方法前的多維度風險預警實時性較差，預警時延始終大于本文方法，應用本文方法后，供電局的電力通信系統風險預警實時性得以提升。

2 總結

本文提出一種基于量化分析的電力通信網多維度風險預警優化方法，將電力通信網多維度風險預警問題通過量化分析的形式進行深入研究，并通過實驗測試，本文方法對偷電纜、損壞通信基站、地震、火災和靜電5種多維度風險的虛警率低于5%，對5種多維度風險影響因素的查全率與查準率平均值依次是0.988 9、0.990 1，且應用反饋效果較好。

本文方法雖然在實驗中獲取較好的實驗效果，而在未來的研究中還需引入風險點定位這一功能，以此實現電力通信網風險預警的深度優化，提升風險處理的效率。