电力信息物理融合系统级联故障及免疫方法研究

摘要

随着智能电网的高速发展，电力系统成为当今社会中最核心的基础设施元件，电力系统和信息系统以一定连接方式逐渐演化为相融合的电力信息物理融合系统（Cyber-Physical System，CPS）。但二者之间深度的融合也带来了一些潜在的问题，主要表现为电力信息物理融合系统所形成的庞大网络没有统一的建模方法；信息流与能量流的频繁交互，使信息系统易受到网络发起的攻击，信息层故障可能在物理层传播,容易产生级联故障，最终导致电力系统崩溃造成大停电事故。因此，研究网络建模方法、分析电力-信息耦合网络级联故障原理，找到相应提高网络抗毁性方法、寻找有效抑制网络风险传播策略成为电力CPS亟待解决的问题。 本文针对以上问题，借助复杂网络理论和传播动力学进行分析与解释，主要研究内容如下： 首先，本文考虑实际电力与信息通信网络具备复杂网络概念下的无标度网络特性和一定的社团结构特征。对电力与信息网络结构进行剖析，提出基于社团结构的无标度网络模型，所建模型利用转盘思想与节点中间效应改进传统BA模型幂律固定，聚类系数较小的缺陷，并利用社团结构改进局部范围边界不确定性，弱化超级节点的出现，能使网络更好的抵御外界蓄意攻击。通过理论验证所提出的模型的度分布满足幂律分布，可满足电力与信息网建模需求。 其次，构建相对应的电力-信息耦合连接关系，提出四种耦合连接方式用来表示社团结构对节点耦合关系的影响；建立基于社团结构级联故障抵御模型，分析信息网和电力网融合下级联失效过程；通过实验仿真发现，在可控网络建设成本下，适当增加节点负荷分配指数和边界节点容量二次忍耐值，可提高耦合网络抗毁性；边界节点攻击比内节点攻击造成的损失更大；增加社团边界点连接边可增强网络的抗毁性；具有社团结构在一定程度上抑制网络故障的传播，与其他耦合连接方式相比，社团内部同配连接方式表现出更强的抗毁性，所提出的基于社团结构的级联故障抵御模型更具有实用性。 最后，由于社团边界点引发级联故障规模更大，快速识别这些关键节点并进行免疫对抑制风险传播有着重要作用。本文在未知全局信息的情况下，提出一种基于局域免疫的边界中心点免疫算法，该算法根据自回避随机游走原理发现并免疫网络边界中心节点及其大度邻居。根据原有风险传播模型忽略正常节点也可通过人工途径获得免疫这一缺点，结合细胞自动机，建立引入局域免疫机制的风险传播模型，通过实验验证所提算法计算速度更快、能准确识别目标节点、免疫效果更好，可为大规模复杂网络处于不完全结构信息条件下风险传播控制与预防提供借鉴。

目录

第1章 绪 论

1.1 课题背景及研究的目的与意义

1.2 国内外研究现状

1.3 课题主要研究内容

1.4 本文章节安排

第2章 相关理论及技术研究

2.1 复杂网络的基本概念

2.2 基于负荷—容量模型

2.3 基于局域结构的信息的免疫算法

2.4 本章小结

第3章 基于社团结构的电力CPS无标度网络模型

3.1 引言

3.2 电力CPS社团结构特征分析

3.3 基于社团的无标度网络模型

3.4 CSBA模型有效性验证

3.5 本章小结

第4章 电力CPS网络级联故障抵御模型研究

4.1 引言

4.2 电力-信息网络耦合方式

4.3 考虑社团特征的级联故障抵御模型

4.4 实验仿真分析

4.4 本章小结

第5章 基于自回避随机游走的局域免疫算法

5.1 引言

5.2 边界节点BCS免疫算法

5.3 实验设计原理

5.4 实验仿真结果与分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢