基于量化分析的电力通信网多维度风险预警优化研究

蔡文斌， 张焕域， 林密， 李博， 洪杰， 张阳， 吴伟明

(海南电网有限责任公司，海南 海口 570203)

0 引言

智能电网为电网发展的必然成果，不管是针对电网侧或者是针对用户侧而言，智能电网均存在十分显著的社会经济效益[1]。科学、合理的对电力通信网实施多维度风险预警，对智能电网的安全保护存在积极影响[2]。智能电网存在应用成本大、覆盖面积大、周期性久、区域发展不均衡的属性，在此环境下，很多潜藏的因素对智能电网的安全存在一定影响[3]。电力系统生产单位对电力通信网的通信性能存在指定要求，要求其必须具有较好的稳定度与安全度[4]。电力通信的安全可靠运行十分关键，对电力通信网多维度风险预警优化存在一定现实意义。

本文提出一种基于量化分析的电力通信网络多维度风险预警优化方法，该方法对电力通信网危险预警与保护工作而言存在较高使用价值。

1 电力通信网络多维度风险预警优化方法

1.1 影响因素预处理

因为电力通信安全影响因素通常情况下存在多维度、时空冗杂等属性，而在优化电力通信网多维度风险预警问题时，需要挑选此类因素中的有效因素准确判断电网风险值，才能完成高精度预警[5]。为此，使用基于偏序约简的电力通信影响因素预处理方法在大量的通信安全威胁因素(影响因素)里获取对通信安全存在威胁的决定性因素，以便提高预警效率[6-7]。

把对电网通信安全存在威胁的影响因素设成决策表，此决策表由三元组构成，描述为R=(X,C,Y)，X描述所有影响因素集合，C、Y依次描述所有影响因素特征集合、特征值的值域。设定决策表里存在m个通信安全影响因素Ybnm，各个通信安全影响因素存在n个条件特征bn与决策特征YEm，如表1所示。

表1 决策表

将电力通信安全影响因素集根据因素自身决策特征E的差异取值，将其依次分成等价类，等价类里存在多个影响因素。将等价类中的多种通信安全影响因素通过偏序方法实现约简时，需要使用MapReduce模型的多种map函数来完成[8],其中，MapReduce模型的并行化优势较为显著。如果决策属性E存在t个差异取值，那么围绕决策属性E的值设置电力通信安全影响因素等价类，等价类为式(1)。

(1)

其中，第j个电力通信安全影响因素在第j个属性中取值设成YEj。

电力通信安全影响因素偏序约简的流程如下。

(1)约简目标即为电力通信安全影响因素集里的各个因素，每个目标的约简特征设成变迁关系，变迁关系影响下变换的中间状态即为影响因素特征值[9-10]。中间状态即为变迁前后仍具有同一属性的特征值，能够体现因素的属性。在每种变迁关系的前提下，把电力通信安全影响因素集里一种风险初始状态L转换为决策状态，为式(2)。

(2)

其中，i是正整数；第i个通信安全影响因素的初始状况设成Li。

(2)通过第(1)步的状态变换形式，将E个整型变量t实施下述循环，则设定t的值自1至j存在，为式(3)。

(3)

(3)如果第(2)步里每个通信安全影响因素的影响程度自初始状态往决策状态变换时，具有下述状况，为式(4)。

(4)

其中，q与p都是正整数；Ybqi表示第i个通信安全影响因素里存在q个的通信安全威胁子因素。Ybqi那么能够化简为式(5)。

(5)

其中，Ybpi表示第i个通信安全影响因素里存在p个的通信安全影响子因素。每个通信安全影响因素从初始状态往决策状态变换时，若多种电力通信安全影响因素均存在此类模式变换，那么仅留下此类电力通信安全影响因素里其中一种。

1.2 电力通信网多维度风险预警优化

由上节方法对电力通信网多维度影响因素约简后，文章设定电力通信网多维度影响因素里决定性因素依次是资产因素、脆弱度因素、威胁因素以及危险处理方法，危险处理方法也可以理解为安全举措。

使用树形图结构描述每个风险因素间的关联(图1)。

图1 风险树状

图1中，B描述资产价值；U1、U2代表脆弱度；H1、H2、H3代表威胁因素值；DN代表危险处理方法；T描述危险处理方法没有被使用或者使用效果较差的情况；Q代表风险事件出现的几率。

分析逻辑关系构建故障树，对底层风险因素进行基本可信度和权重分配，对可用性、完整性、机密性赋权重，计算系统风险值并量化其风险等级。

若风险值大于61，则电力通信网多维度风险水平较高，需要开启四级预警，通知相关维修人员及时切断线路。

威胁性风险行为因素依次设成偷电缆、损坏通信基站、地震、火灾、静电。测试本文方法对电力通信此类威胁行为的虚警率，结果如图2所示。

图2 虚警率测试结果

分析图2可知，本文方法对电力通信网的偷电缆、损坏通信基站、地震、火灾和静电5种多维度风险的虚警率低于5%，其中对静电的风险预警误差最大，但也仅有2.5%。

假定电力通信网的风险威胁为人为威胁与自然威胁，设定该电力通信网年度2种威胁次数依次是5次、10次、15次、20次、25次、30次，测试本文方法在此条件下对2种风险预警时的误警率，结果如表2所示。

表2 误警率测试结果

分析上表可知，伴随威胁次数的增加，本文方法对电力通信网人为威胁与自然威胁的误警率最大值低于1%，误警率极低，验证本文方法的预警精度极高。

预警实时性是所有风险预警问题里的核心考核指标之一，通过业务时延来表示，计算如式(6)。

(6)

测试该供电局的电力通信系统应用本文方法前、应用本文方法后的预警实时性，结果如图3所示。

图3 预警实时性测试结果

由上图可知，供电局的电力通信系统应用本文方法前、应用本文方法后的多维度风险预警实时性差异显著，应用本文方法前的多维度风险预警实时性较差，预警时延始终大于本文方法，应用本文方法后，供电局的电力通信系统风险预警实时性得以提升。

2 总结

本文提出一种基于量化分析的电力通信网多维度风险预警优化方法，将电力通信网多维度风险预警问题通过量化分析的形式进行深入研究，并通过实验测试，本文方法对偷电缆、损坏通信基站、地震、火灾和静电5种多维度风险的虚警率低于5%，对5种多维度风险影响因素的查全率与查准率平均值依次是0.988 9、0.990 1，且应用反馈效果较好。

本文方法虽然在实验中获取较好的实验效果，而在未来的研究中还需引入风险点定位这一功能，以此实现电力通信网风险预警的深度优化，提升风险处理的效率。