基于無線通信的電力系統(tǒng)監(jiān)測與保護框架研究

劉趙如， 李釗

（國網(wǎng)浙江省電力有限公司溫州供電公司，浙江溫州 325000）

隨著電力網(wǎng)絡(luò)模型的規(guī)模在過去十年中不斷擴大，改進電力系統(tǒng)可視化的需求變得更加迫切。目前某些地區(qū)規(guī)劃潮流模型包括大約150 萬節(jié)點，一些狀態(tài)估計模型甚至有更多的節(jié)點。隨著競爭的加劇，基于最優(yōu)潮流（OPF）的能源市場應(yīng)運而生，研究的因素也越來越多。為避免全系統(tǒng)停電，使系統(tǒng)保持穩(wěn)定運行，采用適當(dāng)?shù)谋Ｗo和控制機制。隨著數(shù)字技術(shù)使用的增加，需要開發(fā)更大的網(wǎng)絡(luò)系統(tǒng)將以前無法訪問的部件與更大的通信基礎(chǔ)設(shè)施連接起來，從而產(chǎn)生了大量新的數(shù)據(jù)流［1-2］。

這項研究旨在實現(xiàn)以下目標(biāo)：電力系統(tǒng)監(jiān)控分析，了解電力系統(tǒng)監(jiān)控中的攻擊方向；透過電力系統(tǒng)監(jiān)測研究數(shù)據(jù)可視化，了解電力系統(tǒng)監(jiān)控中的攻擊；無線通信研究，包括無線通信中的無障礙性以及與無線通信相關(guān)的優(yōu)點；分析系統(tǒng)的運作方式及架構(gòu)。

1 理論分析

1.1 現(xiàn)狀分析

由于電力系統(tǒng)是一個龐大的系統(tǒng)，可以提高各服務(wù)區(qū)域之間的聯(lián)系可靠性和經(jīng)濟效益，可以更好地帶動社會經(jīng)濟繁榮，所以社會保障體系大多建立在電能的基礎(chǔ)上［3-4］。另一方面，電力系統(tǒng)不斷地受到自然環(huán)境的影響，因此，系統(tǒng)經(jīng)歷的干擾很多，也很嚴重，比如雷擊、暴風(fēng)雨和設(shè)備故障。這也反映在政策上，許多國家將電網(wǎng)列為重要的基礎(chǔ)設(shè)施。由于對效率的需求增加，信息轉(zhuǎn)換變得越來越普遍，新能源電網(wǎng)技術(shù)在很大程度上依賴于個人視角周期和對系統(tǒng)瓶頸的反應(yīng)能力。可再生能源加速了這一趨勢，導(dǎo)致發(fā)電變得更加分散，從而可靠性降低。

電力系統(tǒng)管理與監(jiān)控（PSMC）在電力系統(tǒng)的體系結(jié)構(gòu)、規(guī)劃、運行等方面的重要性日益突出。配電管理和監(jiān)控系統(tǒng)為了應(yīng)對將創(chuàng)新的監(jiān)控系統(tǒng)、數(shù)據(jù)處理、通信和監(jiān)管整合到正常數(shù)量的PSMC 中的最新挑戰(zhàn)，對先進的大范圍電力系統(tǒng)的監(jiān)控、保護措施和控制的基本概念以及智能系統(tǒng)進行了總結(jié)。智能電網(wǎng)信息安全正迅速成為保障全球電網(wǎng)安全的重要組成部分［5］。本研究的目的是提供一個基于無線通信的電網(wǎng)安全問題、以及解決方案的完整概述。我們集中研究網(wǎng)絡(luò)應(yīng)用中的常見漏洞、安全需求和網(wǎng)絡(luò)攻擊，確定它們對網(wǎng)絡(luò)的影響，并為未來智能電網(wǎng)應(yīng)用中的信息安全研究提供指導(dǎo)。論文涉及的主題廣泛，包括可再生資源、智能電網(wǎng)、廣域穩(wěn)定、協(xié)調(diào)電壓穩(wěn)定性、角振蕩減震器以及分散式發(fā)電單元（PMU）和全球定位系統(tǒng)（GPS）時間信號的優(yōu)點，邊緣問題和解決方案，以及案例研究，為其他論文研究提供了相應(yīng)的方向。

1.2 算法分析

AdaBoost 是一種應(yīng)用廣泛提高中等精度分類器性能的技術(shù)。訓(xùn)練數(shù)據(jù)D｛（xi，yi），i＝1，2，…，N｝用替換取樣來創(chuàng)建一個分類器集合｛t＝1，2，…，T｝。假設(shè)訓(xùn)練樣本的初始分布在式（1）中的訓(xùn)練數(shù)據(jù)上是均勻的，即從訓(xùn)練數(shù)據(jù)中以等概率選擇樣本。

其中，N 為模式總數(shù)。每個訓(xùn)練模式的權(quán)重向量初始化為：

其中，yi∈Ω＝｛1，2，…，C｝，y是預(yù)測類。訓(xùn)練樣本被提供給分類器，基于分類器的性能，分布和權(quán)重向量被更新，使得最難分類（或分類不正確）的模式可能包含在下一個訓(xùn)練集中。在任何迭代中，分布更新規(guī)則由：

從式（4）可以看出，模式i 的權(quán)重乘以給出的歸一化誤差：

當(dāng)模式被正確分類時或當(dāng)分類不正確時，模式保持不變，這意味著對分類不正確的實例給予更多的權(quán)重，而對正確分類的實例給予較少的權(quán)重。分類器t 的誤差可以計算為：

當(dāng)訓(xùn)練誤差大于50% 或訓(xùn)練精度為100%時，停止分類器集合的訓(xùn)練。然后，當(dāng)一個測試模式給分類器集成時，最終的類標(biāo)簽Lf基于下式：

其中，ht（x，y）表示集合分類器t 的輸出類預(yù)測。

Learn 算法建立在AdaBoost 的基礎(chǔ)上；它生成一組分類器，最終的分類決策是通過在多數(shù)方案中結(jié)合各個分類器的決策來獲得的。給定一個數(shù)據(jù)集Dk＝｛k＝1，2…K｝，模式權(quán)重和模式分布被初始化為：

其中，i＝1，2…Nk。在任何迭代中的分布是通過將權(quán)重歸一化為：

然后，根據(jù)Dt抽取訓(xùn)練子集，用該訓(xùn)練子集對分類器進行訓(xùn)練。分類器誤差計算為錯誤分類實例的分布權(quán)重之和為：

其中，對于不正確分類的實例ht（xi，y）等于1，否則等于0。如果這個誤差小于0.5，那么分類器被考慮為集合，其他選項被丟棄。到目前為止所獲得的分類器決策被組合使用加權(quán)多數(shù)表決規(guī)則來計算集合決策。

其中，z＝｛1，2，…t｝。與AdaBoost 算法類似，可以使用式（10）和式（5）計算單個分類器錯誤的歸一化誤差。給定單個分類器決策，總體誤差計算為：

最后得到歸一化系綜誤差：

這個規(guī)范化的錯誤用于更新訓(xùn)練模式的權(quán)重。在這里，類似于AdaBoost，與正確分類實例相關(guān)的權(quán)重被降低，對于不正確分類的實例，保持不變，這意味著更有可能在下一次迭代中選擇不正確分類的實例進行訓(xùn)練。

在為每個數(shù)據(jù)庫Dk生成Tk分類器之后，通過多數(shù)表決規(guī)則計算一個測試模式的最終分類器決策，所有分類器中得票最高的類：

Learn 算法和AdaBoost 之間的主要區(qū)別在于，在Learn 中，每次迭代，模式分布基于集合分類器性能到目前為止學(xué)到的分類器更新，而在AdaBoost中，分發(fā)版基于前一次迭代中的單個分類器性能進行更新。因此，當(dāng)一個新數(shù)據(jù)集出現(xiàn)時，Learn 會生成額外的分類器，以新實例或新類的形式容納新數(shù)據(jù)。

1.3 電力系統(tǒng)可視化分析

電力系統(tǒng)可視化利用計算機生成的圖形來傳達信息。隨著競爭的加劇，基于最優(yōu)潮流（OPF）的能源市場應(yīng)運而生，研究的因素也越來越多。電力系統(tǒng)可視化是“信息可視化”這一更大領(lǐng)域的一個分支，但由于電力系統(tǒng)支撐作用的存在，它顯得十分獨特。這一領(lǐng)域的大多數(shù)研究都集中在與大量變電站相關(guān)信息的應(yīng)用最為廣泛。此數(shù)據(jù)通常具有與其在一行圖中位置相關(guān)聯(lián)的地理組件。本文的重點是系統(tǒng)級大面積可視化和更具體的可視化組件本身。

1.4 電力系統(tǒng)監(jiān)測與保護分析

保護過程為了中斷重要的控制系統(tǒng)，可以對目標(biāo)配電網(wǎng)和輸電網(wǎng)采用多種路由。我們假設(shè)一個能夠訪問PCN 的攻擊目的將對電力網(wǎng)絡(luò)造成傷害，而不會密切關(guān)注純粹的被動攻擊，比如經(jīng)濟類攻擊。以下是對具有PCN 訪問權(quán)限的攻擊者可以采用的三種最重要方式的簡要描述。1）即使攻擊者完全控制諸如PCN 之類，我們也可以假定，攻擊者能夠向鏈接的進程控制發(fā)送任意的控制命令。例如，使攻擊者能夠操作變電站中的開關(guān)，并將完整的電力供應(yīng)或水力發(fā)電廠從系統(tǒng)中斷開，從而可能導(dǎo)致用戶完全失去電力系統(tǒng)。2）即使攻擊只能控制少量的外部設(shè)備，他仍然可以對電網(wǎng)產(chǎn)生間接影響，例如，通過向數(shù)據(jù)室提供假的可操縱的傳感器數(shù)據(jù)。3）即使攻擊者不能完全訪問PCN 或注入（虛假）情報的能力，他們也能夠改變某些設(shè)備，使其無法操作，在必要時對部分電網(wǎng)進行合法的用戶攻擊。如圖1 所示。

圖1 電力系統(tǒng)監(jiān)測中的攻擊向量

2 無線通信及保護框架研究

有線通信網(wǎng)絡(luò)基礎(chǔ)設(shè)施的創(chuàng)建和實現(xiàn)是一項昂貴且耗時的操作。安裝無線電信基礎(chǔ)設(shè)施既方便又經(jīng)濟。在緊急情況和電纜連接難以建立的偏遠地區(qū)，無線通信有可能成為一種可行的替代辦法。由于無線通信不涉及電纜或電線，因此不會因自然環(huán)境、電纜接頭或金屬導(dǎo)體的自然腐蝕造成電纜損壞而導(dǎo)致通信失敗。在發(fā)生火災(zāi)、洪水或其他自然災(zāi)害的情況下，某種無線通信技術(shù)中的互聯(lián)網(wǎng)連接損失可能是最小的。

人工智能在電力系統(tǒng)監(jiān)測方面的數(shù)據(jù)可視化工具載于表1。

表1 電力監(jiān)測數(shù)據(jù)可視化步驟

在設(shè)置和安裝無線通信網(wǎng)絡(luò)設(shè)備和基礎(chǔ)設(shè)施時，不必考慮架設(shè)線路。此外，建立一個無線系統(tǒng)所需的時間遠遠少于建立一個完整的連接器網(wǎng)絡(luò)所需的時間。數(shù)據(jù)可視化通過電力系統(tǒng)監(jiān)測協(xié)議進行實現(xiàn)。如下圖2 所示。

圖2 無線通信的可訪問性

由于DDoS 是最常見的攻擊類型之一，因此必須防止它們以確保系統(tǒng)的可用性。本文針對DDoS攻擊的潛在安全威脅提出了一個安全框架，框架流程如圖3 所示。為了證明該框架的有效性和可用性，我們使用SQLServer 和網(wǎng)絡(luò)壓力測試工具LOIC 進行了一項模擬研究。

圖3 保護框架流程圖

3 結(jié)論

電子行業(yè)正在大規(guī)模發(fā)展，這就要求開發(fā)具有創(chuàng)造性的新技術(shù)來顯示大量的系統(tǒng)數(shù)據(jù)。可視化還可以使操作人員立即分析可能快速變化的系統(tǒng)狀況，并制定補救控制措施，從而有助于減少未來停電的可能性。這一研究項目創(chuàng)造了幾種在系統(tǒng)和組成部分層面表示這些數(shù)據(jù)的新方法，進行了正式的現(xiàn)場實驗，以評估其中幾種方法的準(zhǔn)確性，并協(xié)助在不同控制中心實際傳播的效果。我們研究了各種安全技術(shù)以及在連接的電網(wǎng)中提供安全性的方法。根據(jù)國家和具體的電網(wǎng)要求，目前的安全機制范圍正逐步擴大，即實現(xiàn)電力系統(tǒng)監(jiān)測工作的進一步深入。