CN116667881B - 一种基于快速密度聚类的电力通信网关键链路评估方法 - Google Patents
一种基于快速密度聚类的电力通信网关键链路评估方法 Download PDFInfo
- Publication number
- CN116667881B CN116667881B CN202310303669.7A CN202310303669A CN116667881B CN 116667881 B CN116667881 B CN 116667881B CN 202310303669 A CN202310303669 A CN 202310303669A CN 116667881 B CN116667881 B CN 116667881B
- Authority
- CN
- China
- Prior art keywords
- link
- distance
- communication network
- follows
- power communication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004891 communication Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- 238000013499 data model Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 14
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 claims 1
- 230000003449 preventive effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/46—Monitoring; Testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/54—Systems for transmission via power distribution lines
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Power Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于快速密度聚类的电力通信网关键链路评估方法,包括以下步骤:(1)建立带权网络数据模型;根据地区的物理结构,统计网络带宽和距离,将距离和带宽的权值进行归一化整合,采用网络带宽和距离作为评价加权;(2)计算边介数和链路关键度;(3)将计算得到的数据输入到快速密度聚类算法中,分析计算得出各条链路的重要性结果;本发明更加精确的对电力通信网的关键链路进行评估,减轻电力行业检修维护电网链路的压力,明确关键链路,最大程度上的减少检修维护以及人工的开支;此外,在电力行业人员获得关键链路的基础上,可以给出针对这些链路的故障预防措施,降低电力***的不稳定性,降低大规模停电的风险。
Description
技术领域
本发明涉及电力通信网及其控制技术领域,尤其涉及一种基于快速密度聚类的电力通信网关键链路评估方法。
背景技术
随着经济不断发展及信息技术深入研究,电力***越来越依赖信息通信***保障其安全可靠运行。电力通信网作为信息通信***的支撑网络,其可靠性研究现处于较重要的位置。电力通信网由网络节点及传输链路组成,网络节点一般置于变电站内部,其保护措施日趋成熟,但传输链路运行环境复杂、数量巨大、距离较长等特点导致其在实际运行过程中,易受到外力破坏、自然灾害和链路老化等情况的影响。因此对电力通信网中关键链路进行识别,进而对关键链路采取相应保护措施,兼顾经济性和可靠性,具有重要现实意义。
电网互联和智能化,提高了电力***的规模和运行效率,但与此同时也增加了电力***运行的不确定性,从而使我国电网发生大面积停电事故的风险大大增加。大面积停电事故会严重影响工厂生产及机器运行,给经济发展带来不可预估的损失。防止大面积停电事故,不仅要防止由于自然灾害造成的停电影响,更要防止由于电网内部运行失稳造成的停电事故以及人为操作不当造成的损失。连锁故障是引发大停电事故的重要原因之一。停电事故中,连锁故障的相继性与某些环节有密切关系。当这些环节因***潮流转移退出运行,会加剧电力***功率的不平衡性,进而导致电力***失稳引发大停电事故。因此,在电力***当前运行状态中,有必要及时准确辨识出关键环节,为电网的安全稳定运行提供有价值的参考数据。
目前,国内外关于电力通信网关键链路评估方法可分为两类:第一类是基于拓扑结构来识别关键链路;第二类是考虑电力通信网中链路承载的电力业务,特征量化其重要性。现有的研究成果基本都是基于单方面单类别的评估。例如,Ali等学者提出使用电力通信网中边的介数来评估关键链路,通过了IEEE39和118电力***的测试。林文钦等学者自己定义了一个链路重要度的概念,然后将链路的重要度作为关键链路的评估指标。这两个虽然都能对关键链路进行评估,但是单一评判指标缺乏稳定性,泛化能力不强。
通过我们前期实验表明,在电力通信网的关键链路评估中,如果都只采用单一的类别和单一的特征进行评估,只能保证在当前电力通信网中的评估效果,因此需要结合两种评估类型的评价指标,使用多特征值进行更加精确的评估。本发明即在这个方面提出相应的算法和评价指标,在尽可能保证复杂度的前提下,提高电力通信网关键链路评估的鲁棒性和准确率。
发明内容
发明目的:本发明的目的是提供了一种基于快速密度聚类的电力通信网关键链路评估方法,实现电力通信网关键链路的获取。
技术方案:本发明在于提供一种基于快速密度聚类的电力通信网关键链路评估方法,包括以下步骤:
(1)建立带权网络数据模型;根据地区的物理结构,统计网络带宽和距离,将距离和带宽的权值进行归一化整合,采用网络带宽和距离作为评价加权;
(2)计算边介数和链路关键度;
(3)将计算得到的数据输入到快速密度聚类算法中,分析计算得出各条链路的重要性结果。
进一步的,所述步骤(1)建立带权网络数据模型具体如下:
设节点数为n,边数为m的电力通信网带权数学模型可以用邻接表来表示;邻接表的第一列是初始的节点,第二列是与第一列的初始节点相邻的有边连接的节点,并且记录边权,第三列、第四列都是与第二列相同的结构类型,两个节点之间没有连接的不计入邻接表中,如下表:
进一步的,所述步骤(1)将距离和带宽的权值进行归一化整合具体为:对带宽和距离进行min-max归一化,具体公式如下:
其中,X为原始数据,Xmin为特征的最小值,Xmax为特征的最大值,Xnom为归一化后数据。
进一步的,所述电力通信网关键链路的评价指标为:边介数、链路关键度。
进一步的,所述步骤(2)计算边介数具体如下:设链路e通过的最短路径所占的比例g(e),公式为:
其中,σst表示从节点s到节点t之间所有最短路径数,σst(e)表示从节点s到节点t之间经过链路e的所有最短路径数。
进一步的,所述步骤(2)计算链路关键度包括如下步骤:
(21)计算链路期望负载,具体为:设在源和目的结点对(s,d)之间存在s条网络候选路由,y表示在x条网络候选路由中通过链路(i,j)的路由数,则表示建立请求到达时该链路可能被选中的频度;B(s,d)为结点对(s,d)之间的业务流历史统计流量,M为建立业务流连接请求的源、目标结点对集合;则
源、目的结点对(s,d)之间的链路(i,j)的期望负载为:
链路(i,j)的总的期望负载为:
(22)链路关键度表达如下:
进一步的,所述步骤(3)具体包括如下步骤:
(31)设任意数据点为i,i=1,2,3,...,n,则局部密度值ρi公式如下:
ρi=∑jX(dij-dc)
其中,dc是截断距离,dij为点i和点j之间的距离;如果dij-dc<0,则X(dij-dc)=1,如果dij-dc≥0,则X(dij-dc)=0;
(32)点i到具有更高局部密度点的距离δi,公式如下:
(33)选择最大的三个点作为聚类中心,公式如下:
且/>且ρ·δ
然后进行聚类。
进一步的,所述dij采用马式距离表示;所述dc的修改选择规则为:使得点的平均邻居数是数据集中点的总数的2%。
有益效果:与现有技术相比,本发明具有如下显著优点:更加精确的对电力通信网的关键链路进行评估,减轻电力行业检修维护电网链路的压力,明确关键链路,最大程度上的减少检修维护以及人工的开支;此外,在电力行业人员获得关键链路的基础上,可以给出针对这些链路的故障预防措施,降低电力***的不稳定性,降低大规模停电的风险。
附图说明
图1为本发明实施例电力通信网关键链路评估方法的流程图;
图2为本发明实施例的边介数以及链路关键度之间的相关关系结果图;
图3为本发明实施例获取电力通信网链路关键性的流程图;
图4为本发明实施例关键链路的聚类分布图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明的实施例提供一种基于快速密度聚类的电力通信网关键链路评估方法,包括以下步骤:
(1)建立带权网络数据模型;根据地区的物理结构,统计网络带宽和距离,将距离和带宽的权值进行归一化整合,采用网络带宽和距离作为评价加权;建立带权网络数据模型具体如下:
设节点数为n,边数为m的电力通信网带权数学模型可以用邻接表来表示;邻接表的第一列是初始的节点,第二列是与第一列的初始节点相邻的有边连接的节点,并且记录边权,第三列、第四列都是与第二列相同的结构类型,两个节点之间没有连接的不计入邻接表中,如下表:
边权代表节点间相互作用的强度或难易程度。如果节点之间的距离作为权值,权值越大表示两点间的距离越大,作用越弱。如果节点之间的带宽作为权值,则权值越大作用越大。在本发明中将距离和带宽的权值进行归一化整合,具体为:对带宽和距离进行min-max归一化,具体公式如下:
其中,X为原始数据,Xmin为特征的最小值,Xmax为特征的最大值,Xnom为归一化后数据。距离和带宽的权值各为50%。
网络中的链路的重要性不但与网络的拓扑结构有一定关系,而且与网络中链路承载的电力业务也存在一定的关联。本发明采用边介数、链路关键度作为关键链路的评价指标。
(2)计算边介数和链路关键度;计算边介数具体如下:设链路e通过的最短路径所占的比例g(e),公式为:
其中,σst表示从节点s到节点t之间所有最短路径数,σst(e)表示从节点s到节点t之间经过链路e的所有最短路径数。
计算链路关键度包括如下步骤:
(21)计算链路期望负载,链路期望负载是利用业务流统计信息预测的链路流量负载,具体为:设在源和目的结点对(s,d)之间存在s条网络候选路由,y表示在x条网络候选路由中通过链路(i,j)的路由数,则表示建立请求到达时该链路可能被选中的频度;B(s,d)为结点对(s,d)之间的业务流历史统计流量,M为建立业务流连接请求的源、目标结点对集合;则
源、目的结点对(s,d)之间的链路(i,j)的期望负载为:
链路(i,j)的总的期望负载为:
(22)网络中链路期望负载与网络整体负载的比率,链路的期望负载越大,则经过此链路的业务流量越大,对于网络整体流量的影响越大。链路关键度表达如下:
图2给出了边介数和链路关键度的分布,从图2中可以看出边介数和链路关键度并不完全成正相关关系,因此在关键链路的度量上,需要综合考虑边介数和链路关键度因素。
(3)将计算得到的数据输入到快速密度聚类算法中,分析计算得出各条链路的重要性结果。
如图3所示,本发明中快速聚类算法的要素为边介数、链路关键度这两个要素,那么分类空间为二维,在分类过程中,具体包括如下步骤:
(31)设任意数据点为i,i=1,2,3,...,n,则局部密度值ρi公式如下:
ρi=∑jX(dij-dc)
其中,dc是截断距离,dij为点i和点j之间的距离;如果dij-dc<0,则X(dij-dc)=1,如果dij-dc≥0,则X(dij-dc)=0;
(32)点i到具有更高局部密度点的距离δi,公式如下:
(33)选择最大的三个点作为聚类中心,公式如下:
且/>且ρ·δ
类簇中心找到后,剩余的每个点被归属到它的有更高密度的最近邻所属类簇。类簇分配只需一步即可完成,然后进行聚类。聚类结果如图4所示。图4中横轴和纵轴分别代表两个聚类因素,即边介数以及链路关键度。从图4中可以看出,本发明的评估方法可以很好的将链路进行重要性分类。图4中方形代表该链路代表重要性很强,星号形代表该链路重要性比较强,三角形代表该链路重要性一般。在实际应用中,方形代表的链路要引起足够的重视。
Claims (5)
1.一种基于快速密度聚类的电力通信网关键链路评估方法,其特征在于,包括以下步骤:
(1)建立带权网络数据模型;根据地区的物理结构,统计网络带宽和距离,将距离和带宽的权值进行归一化整合,采用网络带宽和距离作为评价加权;
(2)计算边介数和链路关键度;计算边介数具体如下:设链路e通过的最短路径所占的比例g(e),公式为:
其中,σst表示从节点s到节点t之间所有最短路径数,σst(e)表示从节点s到节点t之间经过链路e的所有最短路径数;
计算链路关键度包括如下步骤:
(21)计算链路期望负载,具体为:设在源和目的结点对(s,d)之间存在s条网络候选路由,y表示在x条网络候选路由中通过链路(i,j)的路由数,则表示建立请求到达时该链路可能被选中的频度;B(s,d)为结点对(s,d)之间的业务流历史统计流量,M为建立业务流连接请求的源、目标结点对集合;则
源、目的结点对(s,d)之间的链路(i,j)的期望负载为:
链路(i,j)的总的期望负载为:
(22)链路关键度表达如下:
(3)将计算得到的数据输入到快速密度聚类算法中,分析计算得出各条链路的重要性结果。
2.根据权利要求1所述的一种基于快速密度聚类的电力通信网关键链路评估方法,其特征在于,所述步骤(1)建立带权网络数据模型具体如下:
设节点数为n,边数为m的电力通信网带权数学模型可以用邻接表来表示;邻接表的第一列是初始的节点,第二列是与第一列的初始节点相邻的有边连接的节点,并且记录边权,第三列、第四列都是与第二列相同的结构类型,两个节点之间没有连接的不计入邻接表中。
3.根据权利要求1所述的一种基于快速密度聚类的电力通信网关键链路评估方法,其特征在于,所述步骤(1)将距离和带宽的权值进行归一化整合具体为:对带宽和距离进行min-max归一化,具体公式如下:
其中,X为原始数据,Xmin为特征的最小值,Xmax为特征的最大值,Xnom为归一化后数据。
4.根据权利要求1所述的一种基于快速密度聚类的电力通信网关键链路评估方法,其特征在于,所述电力通信网关键链路的评价指标为:边介数、链路关键度。
5.根据权利要求1所述的一种基于快速密度聚类的电力通信网关键链路评估方法,其特征在于,所述步骤(3)具体包括如下步骤:
(31)设任意数据点为i,i=1,2,3,...,n,则局部密度值ρi公式如下:
ρi=∑jX(dij-dc)
其中,dc是截断距离,dij为点i和点j之间的距离;如果dij-dc<0,则X(dij-dc)=1,如果dij-dc≥0,则X(dij-dc)=0;dij采用马式距离表示,公式如下:
其中,x=(x1,x2,...,xp)T,y=(y1,y2,...,yp)T,∑是协方差矩阵;dc的修改选择规则为:使得点的平均邻居数是数据集中点的总数的2%;
(32)点i到具有更高局部密度点的距离δi,公式如下:
(33)选择最大的三个点作为聚类中心,公式如下:
然后进行聚类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303669.7A CN116667881B (zh) | 2023-03-27 | 2023-03-27 | 一种基于快速密度聚类的电力通信网关键链路评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303669.7A CN116667881B (zh) | 2023-03-27 | 2023-03-27 | 一种基于快速密度聚类的电力通信网关键链路评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116667881A CN116667881A (zh) | 2023-08-29 |
CN116667881B true CN116667881B (zh) | 2024-03-26 |
Family
ID=87723082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310303669.7A Active CN116667881B (zh) | 2023-03-27 | 2023-03-27 | 一种基于快速密度聚类的电力通信网关键链路评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116667881B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808175B (zh) * | 2024-03-01 | 2024-05-17 | 南京信息工程大学 | 一种基于DTformer的短期多能源负荷预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014168119A (ja) * | 2013-02-28 | 2014-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 伝送路分割施策決定装置及び方法 |
CN108880905A (zh) * | 2018-07-06 | 2018-11-23 | 四川大学 | 基于节点及链路重要度的电力通信网可靠性研究方法 |
CN109861910A (zh) * | 2019-03-11 | 2019-06-07 | 国网福建省电力有限公司 | 一种基于链路可用率的电力通信网链路重要度计算方法 |
CN112702107A (zh) * | 2020-12-21 | 2021-04-23 | 北京邮电大学 | 一种基于介数中心性的卫星网络备份路由计算方法及*** |
-
2023
- 2023-03-27 CN CN202310303669.7A patent/CN116667881B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014168119A (ja) * | 2013-02-28 | 2014-09-11 | Nippon Telegr & Teleph Corp <Ntt> | 伝送路分割施策決定装置及び方法 |
CN108880905A (zh) * | 2018-07-06 | 2018-11-23 | 四川大学 | 基于节点及链路重要度的电力通信网可靠性研究方法 |
CN109861910A (zh) * | 2019-03-11 | 2019-06-07 | 国网福建省电力有限公司 | 一种基于链路可用率的电力通信网链路重要度计算方法 |
CN112702107A (zh) * | 2020-12-21 | 2021-04-23 | 北京邮电大学 | 一种基于介数中心性的卫星网络备份路由计算方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116667881A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106850254B (zh) | 一种电力通信网中关键节点识别方法 | |
CN104579868B (zh) | 基于节点重要度的电力通信网络构建方法 | |
CN110474806B (zh) | 一种电力通信网关键节点识别方法 | |
CN103607320B (zh) | 电力通信网抗毁性评价方法 | |
CN110971525B (zh) | 一种面向电力通信网的业务运行的业务路由寻址方法 | |
CN111625991A (zh) | 一种低压配电网拓扑校验方法 | |
CN105406476B (zh) | 基于历史数据的电力***稳定性快速判断方法 | |
CN105139095A (zh) | 基于属性区间模型的配电网运行状态评估方法 | |
CN116667881B (zh) | 一种基于快速密度聚类的电力通信网关键链路评估方法 | |
CN107453354B (zh) | 一种配电网的薄弱环节识别方法 | |
CN112966385A (zh) | 配电网网架拓扑薄弱点辨识方法与*** | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
CN114167217A (zh) | 一种铁路配电网的多重故障诊断方法 | |
CN111191867B (zh) | 电力***复杂网络的可靠性评估方法 | |
CN109858822B (zh) | 一种基于流关联分析的信息电力融合***可靠性评估方法 | |
CN113271226B (zh) | 电力通信网关键链路识别方法及其保护方法 | |
CN114567562B (zh) | 一种电网与通信网耦合网络关键节点识别的方法 | |
CN113987852B (zh) | 一种电力信息物理***的高风险线路组合分析方法 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN115577292A (zh) | 基于抽象对偶网络和连锁故障超网络的脆弱线路辨识方法 | |
CN115239086A (zh) | 一种基于电力调度数据网网络拓扑结构的重要度评估方法 | |
CN112287494B (zh) | 一种船舶直流供配电***网络结构优化设计的方法 | |
CN108090616A (zh) | 一种电力***主动解列最优断面搜索方法 | |
CN113095695A (zh) | 一种考虑配电网负荷特性和网络拓扑特性的配电网重要节点评估方法 | |
Fan et al. | Risk assessment of power communication network based on node importance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |