栗會(huì)峰，李鐵成，栗維勛

（1.國(guó)網(wǎng)河北省電力有限公司電力科學(xué)研究院，河北 石家莊 050021；2.國(guó)網(wǎng)河北省電力有限公司，河北 石家莊 050021）

1 引言

“泛在電力物聯(lián)網(wǎng)”的提出加速了智能電網(wǎng)的發(fā)展。智能變電站作為其關(guān)鍵部分之一，完成控制、測(cè)量、保護(hù)等任務(wù)[1]。通信網(wǎng)絡(luò)作為智能變電站的“神經(jīng)系統(tǒng)”，是站內(nèi)設(shè)備連接的紐帶，運(yùn)行是否可靠關(guān)系著整個(gè)電網(wǎng)安全和穩(wěn)定[2]。因此，對(duì)其進(jìn)行綜合評(píng)價(jià)具有重要的實(shí)際意義。

目前，關(guān)于智能變電站通信網(wǎng)絡(luò)評(píng)價(jià)方法的研究主要集中于經(jīng)驗(yàn)分析、統(tǒng)計(jì)分析、智能算法等。在文獻(xiàn)[3]中，將模糊神經(jīng)網(wǎng)絡(luò)和模糊c均值聚類(lèi)相結(jié)合用于智能變電站通信網(wǎng)絡(luò)狀態(tài)評(píng)估。結(jié)果表明，該方法評(píng)估較為準(zhǔn)確，可為狀態(tài)檢修提供依據(jù)。在文獻(xiàn)[4]中，提出了一種基于可靠性框圖RED法和隨機(jī)模擬法相結(jié)合的智能變電站通信網(wǎng)絡(luò)可靠性評(píng)估方法。可靠性分析與靈敏度分析相結(jié)合，有助于實(shí)現(xiàn)更可靠的變電站通信網(wǎng)絡(luò)體系結(jié)構(gòu)，彌補(bǔ)其自身的不足。在文獻(xiàn)[5]中，提出了一種組網(wǎng)方法用于智能變電站通信網(wǎng)絡(luò)。結(jié)果表明，該方法提高了網(wǎng)絡(luò)的可靠性。在文獻(xiàn)[6]中，將灰色理論和云模型用于智能變電站設(shè)備狀態(tài)評(píng)估。結(jié)果表明，該方法評(píng)估準(zhǔn)確率高，可為智能變電站二次設(shè)備和系統(tǒng)的維護(hù)提供準(zhǔn)確、及時(shí)的科學(xué)指導(dǎo)。然而，智能變電站的通信網(wǎng)絡(luò)相對(duì)復(fù)雜，上述方法的指標(biāo)不明確，通信網(wǎng)絡(luò)的性能無(wú)法得到全面評(píng)估，適應(yīng)性有待進(jìn)一步加強(qiáng)。

因此，提出了一種模糊理論用于智能變電站通信網(wǎng)絡(luò)綜合評(píng)價(jià)。采用隸屬函數(shù)將元素轉(zhuǎn)化為隸屬度，并結(jié)合層次分析法和斯皮爾曼相關(guān)系數(shù)法確定權(quán)值，根據(jù)隸屬度和權(quán)值得到綜合評(píng)價(jià)結(jié)果。通過(guò)算例對(duì)幾種情況進(jìn)行了比較和分析。

2 系統(tǒng)概述

智能變電站三層兩層結(jié)構(gòu)是我國(guó)應(yīng)用最廣泛的一種網(wǎng)絡(luò)結(jié)構(gòu)[7]。三層為過(guò)程層、間隔層、站控層，兩層為過(guò)程層網(wǎng)絡(luò)和站控層網(wǎng)絡(luò)。層內(nèi)和層間數(shù)據(jù)傳輸采用高速以太網(wǎng)，MMS、GOOSE和SV報(bào)文實(shí)現(xiàn)數(shù)字信息交換。典型的系統(tǒng)結(jié)構(gòu)，如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)Fig.1 System Structure

3 模糊理論的綜合評(píng)價(jià)方法

模糊綜合評(píng)價(jià)法首先對(duì)因素等級(jí)劃分，采用隸屬函數(shù)將因素轉(zhuǎn)化為隸屬度[8]。將各要素的隸屬度進(jìn)行組合，得到評(píng)價(jià)目標(biāo)的總體評(píng)價(jià)結(jié)果。該方法結(jié)果清晰，系統(tǒng)性強(qiáng)。具體流程，如圖2所示。

圖2 模糊綜合評(píng)價(jià)流程Fig.2 Fuzzy Comprehensive Evaluation Process

3.1 模糊關(guān)系矩陣

智能變電站的通信狀態(tài)可以用因素{u1，u2，…，un}來(lái)評(píng)價(jià)。異常為因素ui與正常偏差，這里用劣化度Gi來(lái)表示，取值范圍［0，1][9]。

劣化度Gi接近1表示第i個(gè)要素處于不良狀態(tài)，劣化度為0表示狀態(tài)良好。設(shè)第i因素的參考值和閥值分別為uis和uia，劣化度Gi[10]如式（1）所示。

如果劣化值大于1，則該值為1。小于0時(shí)，該值為0。

采用隸屬函數(shù)將劣化程度Gi轉(zhuǎn)化各評(píng)價(jià)等級(jí)的隸屬度，采用三種模式的梯形隸屬函數(shù)。降半梯模式的劣化程度越小，越接近評(píng)價(jià)等級(jí)。升半梯模式的劣化程度越大，越接近評(píng)價(jià)等級(jí)。在梯形模式下，劣化程度在一定范圍內(nèi)接近評(píng)價(jià)等級(jí)。

3.2 權(quán)值確定方法

這里采用層次分析法和斯皮爾曼相關(guān)系數(shù)法相結(jié)合的方法確定權(quán)值[11]。

3.2.1 層次分析法

在該方法中，因素分為兩個(gè)層次[12]。通過(guò)專(zhuān)家設(shè)置相對(duì)重要性，建立判斷矩陣，過(guò)程如下。

（1）將因素分層

（2）建立判斷矩陣

根據(jù)重要性建立判斷矩陣，因素?cái)?shù)n的判斷矩陣[13]，如式（2）所示。

其中，aij為因素i相對(duì)因子j的重要性，取值為（1～9）之間的整數(shù)。aij=1，表示因素i和j同等重要。

（3）通過(guò)矩陣計(jì)算權(quán)值

使用方根法對(duì)最大特征值進(jìn)行計(jì)算。特征向量W和最大本征值λmax[14]，如式（3）、式（4）所示。

使用最大特征值檢查判斷矩陣的一致性，如式（5）所示。

式中：CI—判斷矩陣的一致性因子；RI—平均隨機(jī)一致性因子（通過(guò)查表獲得）；CR—判斷矩陣的一致性比，Cr＜0.1滿(mǎn)足一致性要求。

3.2.2 斯皮爾曼相關(guān)系數(shù)法

斯皮爾曼相關(guān)系數(shù)法是一種基于秩的方法，設(shè)有n個(gè)元素的數(shù)據(jù)集X、Y，其中元素xi與yi。斯皮爾曼相關(guān)系數(shù)法首先對(duì)每個(gè)集合中的元素按大小進(jìn)行排序，然后對(duì)每個(gè)元素的秩進(jìn)行設(shè)置。通過(guò)秩相關(guān)系數(shù)rs對(duì)數(shù)據(jù)集關(guān)聯(lián)性進(jìn)行度量。rs[15]如式（6）所示。

式中：Xi、Yi—元素xi和yi的秩；n—元素?cái)?shù)。rs=1為元素相同，rs=-1為元素相反，rs=0為元素怒相互獨(dú)立。。

如果兩個(gè)因素高度相關(guān)，則兩個(gè)因素綜合評(píng)價(jià)所代表的大部分信息將是冗余的。在獲得因素相關(guān)系數(shù)后，因素客觀權(quán)值[16]，如式（7）所示。

式中：rij—第j個(gè)評(píng)價(jià)因素與第i個(gè)因素的相關(guān)系數(shù)；—第j評(píng)級(jí)因子在綜合評(píng)級(jí)中的客觀權(quán)值。

評(píng)價(jià)因素的總權(quán)值wj通過(guò)加入主客觀比值η參數(shù)進(jìn)行計(jì)算，如式（8）所示。

3.3 通信狀態(tài)綜合評(píng)價(jià)方法

將報(bào)文傳輸效果、負(fù)荷狀態(tài)和異常風(fēng)險(xiǎn)作為評(píng)價(jià)因素。評(píng)價(jià)因素的劃分，如圖3所示。

圖3 評(píng)價(jià)因素Fig.3 Evaluation Factors

評(píng)價(jià)一級(jí)因素為報(bào)文傳輸效果U1、負(fù)荷狀態(tài)U2和異常風(fēng)險(xiǎn)U3。二級(jí)因素為最大傳輸時(shí)間U11、最大丟包率U12、最大傳輸效率U13、最大利用率U21、最大隊(duì)列占用率U22、最小吞吐率U23、節(jié)點(diǎn)脆弱程度U31、異常信息威脅級(jí)別U32和異常消息攔截率U33。一級(jí)因素通過(guò)二級(jí)因素進(jìn)行評(píng)價(jià)，通信狀態(tài)通過(guò)一級(jí)因素進(jìn)行評(píng)價(jià)。

（1）報(bào)文傳輸效果U1

最大傳輸時(shí)間U11是評(píng)估過(guò)程中消息傳輸時(shí)間的最大值[17]，如式（9）所示。

報(bào)文丟包率U12是單位時(shí)間內(nèi)丟棄的報(bào)文數(shù)與報(bào)文數(shù)據(jù)流中發(fā)送的所有報(bào)文數(shù)之比，如式（10）所示。

式中：Nloss、Nsum—丟棄和發(fā)送報(bào)文數(shù)。

傳輸效率U13 為報(bào)文的總凈發(fā)送時(shí)間與報(bào)文發(fā)送時(shí)間之比[18]，如式（11）所示。

（2）負(fù)載狀態(tài)因素U2

發(fā)送端口的利用率U21是單位時(shí)間內(nèi)端口發(fā)送的數(shù)據(jù)總量與數(shù)據(jù)率的比值，如式（12）所示。

式中：Ssend—單位時(shí)間內(nèi)從端口發(fā)送的數(shù)據(jù)總量；Rdata—數(shù)據(jù)率。

發(fā)送端口的隊(duì)列占用率U22為內(nèi)部端口上等待隊(duì)列的消息數(shù)與隊(duì)列總?cè)萘康谋戎担缡剑?3）所示。

式中：Nque_i、Ni—第i個(gè)子隊(duì)列中的容量和報(bào)文數(shù)。

端口吞吐量率U23為單位時(shí)間內(nèi)端口發(fā)送的數(shù)據(jù)總量與到達(dá)發(fā)送端口的數(shù)據(jù)量之比[19]，如式（14）所示。

式中：Sdata—單位時(shí)間內(nèi)到達(dá)端口的數(shù)據(jù)量。

（3）異常危險(xiǎn)因素U3

節(jié)點(diǎn)脆弱程度U31為節(jié)點(diǎn)受到異常報(bào)文的影響或發(fā)送異常報(bào)文的程度。式（14）所示源節(jié)點(diǎn)、目標(biāo)節(jié)點(diǎn)的脆弱程度。

式中：Vnode_t—第t次評(píng)估得到的節(jié)點(diǎn)脆弱程度；Ban_t—第t次評(píng)估期間是否存在異常信息；ρ1—衰減因子，0＜ρ1＜1。

當(dāng)前異常信息的威脅程度U32由本次評(píng)估周期內(nèi)異常數(shù)據(jù)流樣本的占用情況和上次評(píng)估結(jié)果確定，如式（16）所示。

式中：ATt—第t評(píng)價(jià)得到的異常信息的威脅程度；Pan_t—第t次評(píng)估期間異常數(shù)據(jù)流樣本的占有率；ρ2—衰減因子，0 ＜ρ2＜1。

異常報(bào)文截獲率U33表示主要通過(guò)交換機(jī)上配置的識(shí)別和過(guò)濾方法抵御異常報(bào)文的能力[20]，如式（17）所示。

式中：Nfil—截獲的異常數(shù)據(jù)流樣本數(shù)；Nanor—異常數(shù)據(jù)流樣本數(shù)。

這里因素值分為四個(gè)級(jí)別（V1良好、V2正常、V3注意、V4異常）。

4 仿真結(jié)果與分析

4.1 參數(shù)設(shè)置

為了驗(yàn)證該方法的優(yōu)越性，對(duì)網(wǎng)絡(luò)在空閑狀態(tài)、繁忙狀態(tài)和異常非受控狀態(tài)（情況1～3）下的通信狀態(tài)進(jìn)行了綜合評(píng)估。設(shè)置數(shù)據(jù)速率為1000Mbit∕s，SV 報(bào)文：長(zhǎng)度300Byte，傳輸頻率1200Hz。GOOSE 報(bào)文：長(zhǎng)度300Byte，傳輸周期5000ms 或2ms。SNTP報(bào)文：長(zhǎng)度100Byte，傳輸頻率1s。

空閑時(shí)GOOSE 報(bào)文傳輸周期為5000ms，沒(méi)有MMS報(bào)文傳輸。繁忙時(shí)GOOSE報(bào)文傳輸周期為2ms，增加3個(gè)MMS報(bào)文（各30Mbit∕s）。異常為不受控制的情況。三種情況下各二次因素的劣化度，如表1所示。

表1 不同情況二級(jí)因素劣化度Tab.1 Deterioration Degree of Secondary Factors Under Different Conditions

在計(jì)算各因素的劣化度后，根據(jù)斯皮爾曼相關(guān)系數(shù)法對(duì)二級(jí)因素評(píng)價(jià)一級(jí)因素時(shí)的客觀權(quán)值進(jìn)行確定，并給出綜合評(píng)價(jià)權(quán)重（主客觀比η=0.5），如表2所示。

表2 二級(jí)因素的客觀權(quán)值和綜合權(quán)值Tab.2 Objective Weight and Comprehensive Weight of Secondary Factors

通過(guò)二級(jí)因素的客觀權(quán)值和劣化度加權(quán)計(jì)算一級(jí)因素的劣化度，確定報(bào)文一級(jí)因素的客觀權(quán)值和綜合權(quán)值，如表3 所示。

表3 一級(jí)因素客觀權(quán)值和綜合權(quán)值Tab.3 Objective Weight and Comprehensive Weight of Primary Factors

從表3可以看出，在主客觀結(jié)合后，增加了異常風(fēng)險(xiǎn)因素的權(quán)值。這是因?yàn)檫@些因素與報(bào)文傳輸效果和負(fù)載狀態(tài)的相關(guān)性較低。

4.2 空閑情況

空閑條件下各二級(jí)因素對(duì)各評(píng)估等級(jí)的隸屬度，如表4 所示。如最大傳輸時(shí)間U11隸屬度計(jì)算：

表4 二級(jí)因素對(duì)評(píng)價(jià)等級(jí)的隸屬度1Tab.4 Membership Degree of Secondary Factors to Evaluation Grade 1

由于網(wǎng)絡(luò)負(fù)荷較低，且無(wú)異常情況，因此將所有因素歸類(lèi)為良好和正常。

空閑條件下各一級(jí)因素和整體通信狀態(tài)對(duì)各評(píng)估等級(jí)的隸屬度，如表5所示。如報(bào)文傳輸效果U1的隸屬度計(jì)算：

表5 一級(jí)因素和通信狀態(tài)對(duì)評(píng)價(jià)等級(jí)的隸屬度1Tab.5 Membership Degree of Primary Factors and Communication Status to Evaluation Grade 1

從表5可以看出，對(duì)U1、U2、U3的評(píng)價(jià)結(jié)果為正常，但U1評(píng)價(jià)結(jié)果接近正常，總體通信狀態(tài)評(píng)價(jià)為V1良好。

4.3 繁忙情況

繁忙條件下各二級(jí)因素對(duì)評(píng)級(jí)等級(jí)的隸屬度，如表6所示。在繁忙情況下，增加的數(shù)據(jù)包流量會(huì)增加網(wǎng)絡(luò)負(fù)載，進(jìn)而增加數(shù)據(jù)包之間沖突產(chǎn)生等待時(shí)間和幅度增加。因此，繁忙狀態(tài)下的U11、U13、U21趨于正常水平。

表6 二級(jí)因素對(duì)評(píng)價(jià)等級(jí)的隸屬度2Tab.6 Membership Degree of Secondary Factors to Evaluation Grade 2

正常繁忙情況下各一級(jí)因素及通信狀態(tài)的隸屬度，如表7所示。從表7可以看出，相比于空閑狀態(tài)，U1和U2屬于良好等級(jí)的程度有所降低，而屬于正常等級(jí)的程度有所上升。總體評(píng)價(jià)結(jié)果仍以良好為主，但隸屬于正常的程度有所增加。

表7 一級(jí)因素和通信狀態(tài)評(píng)價(jià)等級(jí)的隸屬度2Tab.7 Membership Degree of Primary factors and Communication Status to Evaluation Grade 2

4.4 異常情況（未受控制）

異常消息在受控制時(shí)各二級(jí)因素對(duì)評(píng)估等級(jí)的隸屬度，如表8所示。大量的異常報(bào)文會(huì)使網(wǎng)絡(luò)負(fù)擔(dān)過(guò)重，導(dǎo)致網(wǎng)絡(luò)擁塞。消息在網(wǎng)絡(luò)中的最大傳輸時(shí)間呈指數(shù)增長(zhǎng)，導(dǎo)致丟包，從而使各種二次因素的劣化度最大化，完全隸屬于異常級(jí)別。

表8 二級(jí)因素評(píng)價(jià)等級(jí)的隸屬度3Tab.8 Membership Degree of Secondary Factors to Evaluation Grade 3

由于網(wǎng)絡(luò)中的一些節(jié)點(diǎn)被控制，會(huì)發(fā)出大量的異常報(bào)文，導(dǎo)致各種因素出現(xiàn)嚴(yán)重劣化，未被截獲的異常報(bào)文會(huì)給正常報(bào)文帶來(lái)嚴(yán)重的負(fù)面影響。這種情況下，各一級(jí)因素及通信狀態(tài)的隸屬度，如表9所示。從表9可以看出，各一級(jí)因素和通信狀態(tài)的評(píng)價(jià)都為異常。從以上評(píng)價(jià)可以看出，該方法可以反應(yīng)整個(gè)通信網(wǎng)絡(luò)的狀態(tài)，也可以進(jìn)一步反映報(bào)文傳輸效果、負(fù)荷狀態(tài)、異常風(fēng)險(xiǎn)。

表9 一級(jí)因素和通信狀態(tài)評(píng)價(jià)等級(jí)的隸屬度3Tab.9 Membership Degree of Primary Factors and Communication Status to Evaluation Grade 3

5 結(jié)論

提出了一種模糊理論用于智能變電站通信網(wǎng)絡(luò)綜合評(píng)價(jià)，通過(guò)隸屬函數(shù)將元素轉(zhuǎn)換為隸屬度，并結(jié)合層次分析法和斯皮爾曼相關(guān)系數(shù)法確定權(quán)值，根據(jù)隸屬度和權(quán)重得到綜合評(píng)價(jià)結(jié)果。結(jié)果表明，文中方法可以準(zhǔn)確地反應(yīng)整個(gè)通信網(wǎng)絡(luò)的狀態(tài)。該研究還處于起步階段，為了建立更全面的異常行為分析模型，改進(jìn)檢測(cè)技術(shù)，有必要對(duì)各種攻擊方法進(jìn)行深入研究。