基于風險均衡度的電力5G通信鏈路自動選擇方法研究

孫 靜，張 榮，王 平

（國網蕪湖供電公司，安徽蕪湖 241000）

隨著5G 通信與智能技術的發展，智能電網系統在日常生活中的應用程度也越來越高[1]。智能電網利用通信及控制技術完成電網資源的自動化分配，系統主要包括物理和信息空間。其中，物理空間是指電網中的電線、電源與負載等物理實體，而信息空間則是指電網中的監控設備、網絡及計算設備等[2-3]。

信息空間中的通信傳輸鏈路承載著繼電保護與調度自動化等關鍵服務，若這些連接中斷可能會對電網造成嚴重損害。而當通信傳輸鏈路承載的業務中斷或無法接入時，將威脅電網的可靠運行[4-5]。在這種情況下便需重建多條服務路由，以提高服務及網絡的可靠性。服務路由重構是基于所設置的指標對路由進行重新設置，也稱為風險平衡。因此有必要分析風險程度，并提出路由重構策略來平衡網絡風險。而合理分配電力通信業務路由，可以保證業務的可靠性，進而降低網絡風險。

1 智能電網風險評估模型

1.1 電網風險空間傳播類型

智能電網中，信息空間的風險可能會轉移到電力空間[6]。而信息空間與電力空間之間的相互作用則通過信息流及能量流來衡量，且電網的能量分布決定了系統的運行狀態[7]。在信息空間中，電網系統將智能終端設備控制信號的改變轉換為物理狀態的變化，從而影響電網的能量分布。網絡物理電力系統(CPPS)中的交互過程如圖1 所示。

圖1 CPPS中信息流和能量流的交互過程

圖1 中，能量流即功率流，信息流則是指信息傳遞及處理的過程。同時信息流控制著電網中的物理實體，例如開關切換、負載變化等。由此調整電網的運行狀態，從而影響能量流[8]。因此，信息系統中的控制信號將直接操縱電力系統的運行。

1.2 電網負載壓力風險

智能電網中，電站的負載壓力風險值是通過分析電網與路由相關的節點風險值來確定的。當電網出現通信鏈路中斷的情況后，為了保證CPPS 的穩定運行，電網會采用路由重建的方法來優化路由，從而降低電站的負載壓力。電站在電網中的負載并非一個固定值，其隨著電網負載的改變而變化。因此，電站負載壓力可通過其負載在電網中的比例來衡量。

站點負載壓力是業務路徑鏈路內所有站點壓力負載的總和，其大小代表著電網負載的壓力，壓力越大表示鏈路的負載壓力也越大，且節點分配不均勻。電站負載壓力定義如下：

其中，Pn是業務n路由路徑的總節點數，N是業務的總數，是第n個業務路由路徑中節點i的負載壓力值，Ln是電網中業務n的電站負載壓力值，Ltotal則為電網中所有業務路由路徑內站點的負載壓力總和。因此，電網通信傳輸鏈路在電站負載壓力下的故障風險值G1=Ltotal。

1.3 電網業務風險

電網中的業務風險主要通過分析路由路徑相關聯的鏈路風險值來確定，而信息交互靠通信鏈路進行傳遞。若通信鏈路中斷，將影響電網的業務。因而，業務風險可通過業務平均通信延遲與業務風險平衡度兩個維度來進行分析。

1）業務平均通信延遲。電網中的某些業務，例如電網繼電保護、穩定控制等業務對實時性的要求較高。若這些業務不能在短時間內完成，將導致電力系統的誤操作。因此，延遲是一個較為重要的指標。業務平均通信延遲可定義為：

式中，Dn表示第n個業務的延遲，是所有業務的平均通信延遲，而業務平均通信傳輸鏈路故障的風險值則為G2=。

2）業務風險平衡度。業務風險平衡度用于衡量電網中每個通信鏈路所承載的業務分布。平衡度過高表示電網中的業務分布不均勻，即存在通信鏈路業務過載或輕載[9-10]；而平衡度越低，則表明整個網絡的業務分布越均衡，業務運行的風險也相對較小。其定義如下：

式中，BD 是網絡中所有Gi的標準偏差，則業務風險平衡度上通信傳輸鏈路的故障風險值為G3=BD。

2 智能電網風險計算

2.1 風險模型

風險通常是指故障的不確定性，可表示為故障發生概率與風險后果的乘積，且風險=故障概率×風險后果值。若通信傳輸鏈路中斷，則風險值可表示為：

式中，H是跨空間的風險傳遞概率，P是通信傳輸鏈路中斷的失效概率，I是錯誤出現的風險后果值。I1、I2和I3分別表示電網負載壓力、業務平均通信延遲、業務風險平衡度的風險后果值。

因此風險值最小化是鏈路選擇的基本原則，也是需求解的目標函數。為了使服務能夠在網絡上均勻分布，需要為每個指標設置約束。CPPS 網絡路由重建策略的目標函數定義為：

式中，Dmax是每個業務的最大延遲，Rmax是每個鏈接的最大上限承載業務數。Lmax是每個業務通過電站負載壓力總和的上限，α、β、θ是上述三個不同指標的權重。因此，目標函數即是在式（9）約束條件下求解f的最小值。

2.2 遺傳算法

上述風險評估模型可以考慮在如何快速完成多業務路由重構的條件下，滿足電網負載壓力、業務平均通信延遲及業務風險平衡度這三個不同的因素。文中使用改進選擇操作的遺傳算法(Genetic Algorithm，GA)來解決這一問題。

1）編碼機制。傳統二進制編碼中的編碼長度與節點數成指數關系，而該文采用了一種可變長度的染色體編碼方法[11](Chromosome coding)，對第一個節點取業務的起始節點，然后從其他相連的節點中隨機選取一個作為下一個染色體節點，并將該節點從節點集中刪除。重復此步驟，直至染色體編碼節點為業務目標節點。此種情況下染色體的長度是不確定的，但最大長度不超過電網中所有的業務節點數。

2）種群初始化。利用式（9）剔除不滿足約束條件的通信鏈路，并對剩下滿足約束條件的鏈路進行編碼，以完成種群的初始化。最后，隨機選擇M個鏈路以獲得M個初始種群。

3）適應度函數。適應度函數識別群體中個體的優缺點，適應值越大意味著個體越優。故適應度函數定義為：

根據式（7）可知，f越小越接近問題的最優解。所以，該文采用逆形式來滿足適應度較大的條件。

4）選擇。該文采取“精英主義”的最佳保存方法與“輪盤賭”策略(Roulette wheel selection)相結合的方式完成種群的選擇[12-13]。

假設種群數量為M，將種群均分為兩組，并取適應度較高的一組保留下來，且個體數為0.5M；然后，在剩下的0.5M個體中繼續以上步驟得到0.25M個體；再通過“輪盤賭”選擇策略，從上一代個體中選擇0.75M個體，將其與之前的0.25M組成M個個體；而最終的交叉及變異操作，則是通過重組后的M個新個體來執行的。

5）交叉和變異。在父代群體中以交叉概率Pc隨機抽取兩個個體并交換二者的部分結構，以形成兩個新的個體。變異是通過改變染色體上的部分基因來進行的，其發生的概率較小。在染色體中隨機選取一個節點作為突變點，且業務起始節點到突變點之間的節點保持不變，而突變點到業務目標點之間的節點重新隨機選擇。已選定的節點將從節點集中刪除，以避免其在路徑中形成循環。

3 案例分析

該文在圖2 所示的拓撲中測試所設計的方法，該拓撲與文獻[9]和[14]所采用的實驗架構和參數相同，共有17 個節點與25 條通信傳輸鏈路，鏈路上有四項服務，分別為[1,15]、[2,17]、[3,17]、[4,16]。

圖2 部分電網的拓撲圖

根據文獻[9]和[14]中獲得的鏈路故障記錄可以看到，鏈路13-14 失效的概率P1為0.213 7，鏈路13-17 的失效概率P2為0.282 6。表1 所示為電站的負載壓力值，為了方便計算，電站負荷壓力值的影響為縮放比。

表1 電站負荷壓力

文中僅考慮直接風險，而風險傳遞概率為1。在鏈路13-14 和13-17 均中斷的情況下，使用文中提出的算法重構業務的通信鏈路。在遺傳算法中[15-16]，設置染色體長度為7，初始種群為100，迭代次數為200，交叉率Pc與變異率Pm則分別為0.9 及0.055。風險評估的總值用數字1 表示，每個影響因素的權重可根據特征向量的比例分別得到，α=0.569 6，β=0.097 4，θ=0.333 0，且α+β+θ=1。

采用該算法計算每個業務的通信鏈路，并與基于“輪盤賭”選擇策略的遺傳算法及Dijkstra 算法進行比較，路徑對比情況如表2 所示。

表2 服務路由路徑對比

從表中可以看出，由于鏈路13-14 和13-17 均被中斷，因此無法到達目的地節點13 的業務。而與其他兩種方法相比，所提算法選擇的路徑較優、節點路徑的節點數最少且風險也更低。各項指標的比較結果，如圖3 所示。

圖3 指標比較

由圖可知，在平均通信延遲指標方面，該文算法的結果雖然高于Dijkstra 算法，但其仍在可接受的范圍內。原因在于原始服務路徑考慮了最短延遲指標，故無法從多個角度為業務提供最優路徑。而該文算法的業務風險均衡度優于Dijkstra 算法以及采用輪盤賭策略的遺傳算法。此外分別計算三種算法的風險值，其中Dijkstra 算法的風險值為6.620%、輪盤賭策略的遺傳算法為4.421%，該文算法的風險值則為3.143%。由此可知，該文算法的風險平衡效果較優。

4 結束語

文中主要研究CPPS 中通信鏈路中斷后，基于風險均衡度考慮的業務通信鏈路重構方法。通過考慮網絡中節點與鏈路的風險，選取電網站點負載壓力值、業務通信延遲及業務風險平衡度作為影響因子，并建立風險評估模型。同時結合“精英主義”方法及“輪盤賭”方法來選取初始種群，進而提出了一種改進的遺傳算法，再通過此算法重構業務路徑。最終通過仿真實驗，證明了該算法的有效性。