法律状态公告日
法律状态信息
法律状态
2022-11-29
未缴年费专利权终止 IPC(主分类):H04L12/26 专利号:ZL2017113400612 申请日:20171214 授权公告日:20190611
专利权的终止
2019-06-11
授权
授权
2018-06-29
实质审查的生效 IPC(主分类):H04L12/26 申请日:20171214
实质审查的生效
2018-06-05
公开
公开
技术领域
本申请涉及电力通信系统技术领域,特别涉及一种电力通信网络模型中节点影响力判断值确定方法及装置。
背景技术
电力通信网作为保证电力系统安全运行的重要支撑网络,其可靠性与电力系统可靠性密切相关。由于电网规模的不断扩大,电力通信网络结构日趋复杂,其安全风险和管理难度日益增加,合理的节点影响力评价方案对应电力通信网的安全稳定运行是十分必要的。
作为电力系统的通信专网,电力通信网结构复杂,不同节点之间的状态也在不断的相互影响、相互转化,网络节点之间相互影响的过程是一个复杂的动力学过程。网络节点影响力代表了当网络节点状态发生改变时,对网络中其他节点的影响程度及传播范围,是管理和维护网络安全性的重要指标,而从图论的角度判断节点影响力,不能准确描述网络节点状态改变时影响其他节点的传播过程。因此,如何动态描述网络状态的传播过程,用于评估电力通信网络的节点影响力以便于网络节点的管理和维护,成为了一个亟待解决的问题。
发明内容
本申请实施方式的目的是提供一种电力通信网络模型中节点影响力判断值确定方法及装置,以解决现有技术难以同时描述电网节点和电力通信网节点之间相互影响的技术问题。
为实现上述目的,本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定方法,包括:
获取目标电力通信网的网络模型结构及目标电力通信网与电网的耦合情况,根据所述目标电力通信网的网络模型结构确定目标电力通信网的邻接矩阵,并利用所述目标电力通信网与电网的耦合情况确定目标电力通信网与电网之间的耦合矩阵;
确定第一动力学方程;其中,所述第一动力学方程为所述目标电力通信网的网络模型中各节点不受任何外界影响时的动力学方程;
根据所述邻接矩阵确定第二动力学方程;其中,所述第二动力学方程为所述目标电力通信网的网络模型中任一节点受到所述网络模型中其他节点影响的动力学方程;
根据所述耦合矩阵确定第三动力学方程;其中,所述第三动力学方程为所述目标电力通信网的网络模型中任一节点受到所述电网影响的动力学方程;
根据所述第一动力学方程、所述第二动力学方程、所述第三动力学方程确定所述目标电力通信网中每个节点的综合动力学方程;
利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间;
根据目标电力通信网中每个节点状态改变时网络达到全局同步的时间确定所述目标电力通信网的每个节点的影响力判断值。
优选地,还包括:
将每个节点的影响力判断值设置在所述目标电力通信网的网络模型中的对应节点,形成附加有节点影响力的电力通信网络模型。
优选地,所述第一动力学方程根据混沌时滞耦合神经网络理论确定。
优选地,所述目标电力通信网中每个节点状态改变时网络达到全局同步的时间表达式为:
Ti∈{T|||xi(T)-xj(T)||=0,i,j=1,2,…,N}
其中,xi(T)为节点i在T时刻的状态,xj(T)为节点j在T时刻的状态,Ti表示当第i个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数。
优选地,所述目标电力通信网的每个节点的影响力判断值的表达式:
其中,Ti表示当第i个节点状态改变时网络达到全局同步的时间,Tj表示当第j个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数,Ui表示第i个节点的影响力判断值。
为实现上述目的,本申请实施方式还提供一种电力通信网络模型中节点影响力判断值确定装置,包括:
初始化单元,用于获取目标电力通信网的网络模型结构及目标电力通信网与电网的耦合情况,根据所述目标电力通信网的网络模型结构确定目标电力通信网的邻接矩阵,并利用所述目标电力通信网与电网的耦合情况确定目标电力通信网与电网之间的耦合矩阵;
第一动力学方程单元,用于确定第一动力学方程;其中,所述第一动力学方程为所述目标电力通信网的网络模型中各节点不受任何外界影响时的动力学方程;
第二动力学方程单元,用于根据所述邻接矩阵确定第二动力学方程;其中,所述第二动力学方程为所述目标电力通信网的网络模型中任一节点受到所述网络模型中其他节点影响的动力学方程;
第三动力学方程单元,用于根据所述耦合矩阵确定第三动力学方程;其中,所述第三动力学方程为所述目标电力通信网的网络模型中任一节点受到所述电网影响的动力学方程;
综合动力学方程单元,用于根据所述第一动力学方程、所述第二动力学方程、所述第三动力学方程确定所述目标电力通信网中每个节点的综合动力学方程;
网络全局同步时间确定单元,用于利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间;
节点影响力判断值单元,用于根据目标电力通信网中每个节点状态改变时网络达到全局同步的时间确定所述目标电力通信网的每个节点的影响力判断值。
优选地,还包括:
设置单元,用于将每个节点的影响力判断值设置在所述目标电力通信网的网络模型中的对应节点,形成附加有节点影响力的电力通信网络模型。
优选地,所述第一动力学方程单元根据混沌时滞耦合神经网络理论确定第一动力学方程。
优选地,所述网络全局同步时间确定单元获得的目标电力通信网中每个节点状态改变时网络达到全局同步的时间表达式为:
Ti∈{T|||xi(T)-xj(T)||=0,i,j=1,2,…,N}
其中,xi(T)为节点i在T时刻的状态,xj(T)为节点j在T时刻的状态,Ti表示当第i个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数。
优选地,所述节点影响力判断值单元获得的目标电力通信网的每个节点的影响力判断值的表达式:
其中,Ti表示当第i个节点状态改变时网络达到全局同步的时间,Tj表示当第j个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数,Ui表示第i个节点的影响力判断值。
上述技术方案具有如下有益效果:本技术方案可以从动力学角度描述网络节点状态发生改变时的传播过程,并基于此建立各电力通信网络节点附加有节点影响力判断值的电力通信网络模型,从而根据网络同步时间准确判断节点影响力,从而解决电力通信网规划过程中,节点影响力传播模型构建问题。
附图说明
为了更清楚地说明本申请实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定方法流程图;
图2为本实施例的电力通信仿真网络的示意图;
图3为本实施例的电力通信仿真网络中节点的状态x1达到全局同步的过程示意图;
图4为本实施例的电力通信仿真网络中节点的状态x2达到全局同步的过程示意图;
图5为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定装置功能框图之一;
图6为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定装置功能框图之二;
图7为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定系统示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都应当属于本申请保护的范围。
如图1所示,为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定方法流程图。包括:
步骤101):获取目标电力通信网的网络模型结构及目标电力通信网与电网的耦合情况,根据所述目标电力通信网的网络模型结构确定目标电力通信网的邻接矩阵,并利用所述目标电力通信网与电网的耦合情况确定目标电力通信网与电网之间的耦合矩阵。
在本实施例中,所述目标电力通信网的网络模型结构包括电力通信网节点、各电力通信网络链路。所述目标电力通信网与电网的耦合情况包括电网节点、电网节点与电力通信网节点之间的连接链路。此处,该电力通信网络节点可以为电力通信网络中的通信设备,而电力通信网络链路一般为节点之间的各条光缆。电网节点可以是变电站中的发电设备,电网节点与电力通信网节点之间的连接链路主要表现为发电设备对通信设备的供电支持关系。
在本实施例中,邻接矩阵的表达式为:A=[aij]N×N;N为电力通信网络节点总数;aij表示电力通信网络节点i和电力通信网络节点j之间是否有连接,若电力通信网络节点i和电力通信网络节点j之间存在连接,则aij为1;若电力通信网络节点i和电力通信网络节点j之间不存在连接,则aij为0。邻接矩阵A主要表示电力通信网络节点之间的连接关系,用于确定能够对节点i产生直接影响的节点。
在本实施例中,耦合矩阵的表达式为:L=[lij]N×M;L可以表示为
N为电力通信网络节点总数,M为电网节点总数;lij表示电力通信网节点i和电网节点j之间是否有耦合,若电力通信网节点i和电网节点j之间存在耦合,则lij为1;若电力通信网节点i和电网节点j之间不存在耦合,则lij为0。此处的耦合关系主要是指电网节点对电力通信网节点的支持关系。
步骤102):确定第一动力学方程;其中,所述第一动力学方程为所述目标电力通信网的网络模型中各节点不受任何外界影响时的动力学方程。
在本实施例中,第一动力学方程根据二维混沌时滞耦合神经网络理论获得。其动力学方程为:
根据QUAD函数类的定义:若对于给定的矩阵Г=diag{γ1,γ2,…,γn},存在正定的对角矩阵P=diag{p1,p2,…,pn}和Δ=diag{δ1,δ2…,δn},正常数η>0,θ>0,使得f对于任意x,y,z,w∈Rn满足不等式:
则函数f(t,x,y):R+×Rn×Rn→Rn属于QUAD(P,Δ,η,ζ),记为f∈QUAD(P,Δ,η,ζ)。
可以得到,s=[s1,s2]T∈R2,k(s)=[tanh(s1),tanh(s2)]T∈RT,τ(t)=1,
其中,P=diag{1,1},Δ=diag{5,11.5},Г=I2,η=0.15,ζ=3.25。
此处参数C、D、E,是根据QUAD函数类定义确定的满足QUAD函数类条件的一组参数,并不唯一。τ(t)表示电力通信网节点前一刻状态对当前状态影响的时滞。tanh(s)为方程的激活函数,它把节点所有状态非线性的映射到[-1,1]区间内,是神经网络研究领域常用的激活函数之一。
步骤103):根据所述邻接矩阵确定第二动力学方程;其中,所述第二动力学方程为所述目标电力通信网的网络模型中任一节点受到所述网络模型中其他节点影响的动力学方程。
在本实施例中,第二动力学方程表达式为:
其中,N为电力通信网节点总数;c1为电力通信网之间的连接强度,本文取0.1;aij为邻接矩阵A的元素,表示第i个通信节点和第j个通信节点之间是否有连接;Г为内耦合矩阵表示节点状态分量之间的耦合机制,通常取单位矩阵I;hj(x)=5x+cos(x),j=1,2,表示通信网节点之间相互影响的变化趋势;表示时滞变量;Qi(t)表示电力通信网中第i个节点受到的其他通信节点的影响。
此处的c1表示电力通信网节点之间相互影响的程度,可根据实际情况取值。h(x)为通信网节点之间相互影响的函数,因为通信节点之间的影响具有连续性和周期性,所以此处选择最简单的三角函数作为代表,可根据实际情况确定。
步骤104):根据所述耦合矩阵确定第三动力学方程;其中,所述第三动力学方程为所述目标电力通信网的网络模型中任一节点受到所述电网影响的动力学方程。
在本实施例中,第三动力学方程表达式为:
其中,M为电网节点总数;c2为电网节点与电力通信网节点之间的耦合强度,本文取1;lij为耦合矩阵L的元素,表示电力通信网节点i和电网节点j之间是否存在耦合;gj(x)=25x+sin(x),j=1,2,表示电网节点对电力通信网节点影响的变化趋势;Si(t)表示电网节点对电力通信网中第i个节点的影响。
此处的c2表示电网节点对电力通信网节点的影响程度,可根据实际情况取值。g(x)为电网节点对通信网节点的影响函数,因为此处选择最简单的三角函数作为代表,可根据实际情况确定。
步骤105):根据所述第一动力学方程、所述第二动力学方程、所述第三动力学方程确定所述目标电力通信网中每个节点的综合动力学方程。
在本实施例中,综合动力学方程的表达式为
即:
在上式中,i=1,2,...,N。
步骤106):利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间。
在本实施例中,目标电力通信网中每个节点状态改变时网络达到全局同步的时间表达式为:
Ti∈{T|||xi(T)-xj(T)||=0,i,j=1,2,…,N}
其中,xi(T)为节点i在T时刻的状态,xj(T)为节点j在T时刻的状态,Ti表示当第i个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数。
步骤107):根据目标电力通信网中每个节点状态改变时网络达到全局同步的时间确定所述目标电力通信网的每个节点的影响力判断值。
在本实施例中,目标电力通信网的每个节点的影响力判断值的表达式:
其中,Ti表示当第i个节点状态改变时网络达到全局同步的时间,Tj表示当第j个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数,Ui表示第i个节点的影响力判断值。
对于本实施例来说,将每个节点的影响力判断值设置在所述目标电力通信网的网络模型中的对应节点,形成附加有节点影响力的电力通信网络模型。本技术方案从动力学角度描述网络节点状态发生改变时的传播过程,并基于此建立各电力通信网络节点附加有节点影响力判断值的电力通信网络模型,从而根据网络同步时间准确判断节点影响力,从而解决电力通信网规划过程中,节点影响力传播模型构建问题。
下面结合一个具体实例来对上述步骤101~步骤107进行详细说明:
以图2所示网络为例,对图1所示的技术方案进行仿真验证。仿真网络拓扑G(V,E)包含40个节点和62条链路。其中,电力通信网包括30个节点和32条链路,是平均度为2的典型小世界网络,电网包含10个节点分别与不同的电力通信网节点耦合,表示电网节点对通信网节点的支持作用。如图2所示,黑色圆点为电力通信网节点和电网节点。其中,标号为P1-P30为电力通信网节点,标号为P31-P40为电网节点。
对网络中通信网节点赋予[1,100]中的随机状态,网络达到全局同步的过程如图3、图4所示。在网络达到全局同步时,对单个网络节点的网络状态逐一进行改变,网络恢复全局同步的时间如表1所示:
表1
经过上述仿真结果可以说明:在小世界网络中,从动力学角度分析得到的节点影响力和节点度的大小在一定程度上成正比关系,但节点1的度数只有2,却是动力学角度影响力最大的节点,其状态改变之后对网络造成的影响,需要消耗更长的时间网络才能消除,从而再次达到同步。
节点9、28、30是网络中度数最大的节点,在动力学角度的影响力也排在前列,因为其邻居节点多,当状态发生改变时会对更多的节点产生直接影响,从而会使该影响更快的在网络中传播,对全网造成较大的影响。
节点的动力学传播过程是一个节点之间相互影响的复杂过程,在对网络的状态进行控制时,可以选择影响力大的节点,施加适当的控制函数,从而只需要改变少数节点状态就可以达到控制全网的目的。
如图5所示,为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定装置功能框图。包括:
初始化单元501,用于获取目标电力通信网的网络模型结构及目标电力通信网与电网的耦合情况,根据所述目标电力通信网的网络模型结构确定目标电力通信网的邻接矩阵,并利用所述目标电力通信网与电网的耦合情况确定目标电力通信网与电网之间的耦合矩阵;
第一动力学方程单元502,用于确定第一动力学方程;其中,所述第一动力学方程为所述目标电力通信网的网络模型中各节点不受任何外界影响时的动力学方程;
第二动力学方程单元503,用于根据所述邻接矩阵确定第二动力学方程;其中,所述第二动力学方程为所述目标电力通信网的网络模型中任一节点受到所述网络模型中其他节点影响的动力学方程;
第三动力学方程单元504,用于根据所述耦合矩阵确定第三动力学方程;其中,所述第三动力学方程为所述目标电力通信网的网络模型中任一节点受到所述电网影响的动力学方程;
综合动力学方程单元505,用于根据所述第一动力学方程、所述第二动力学方程、所述第三动力学方程确定所述目标电力通信网中每个节点的综合动力学方程;
网络全局同步时间确定单元506,用于利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间;
节点影响力判断值单元507,用于根据目标电力通信网中每个节点状态改变时网络达到全局同步的时间确定所述目标电力通信网的每个节点的影响力判断值。
如图6所示,为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定装置功能框图之二。在图5的基础上,电力通信网络模型中节点影响力判断值确定装置还包括:
设置单元508,用于将每个节点的影响力判断值设置在所述目标电力通信网的网络模型中的对应节点,形成附加有节点影响力的电力通信网络模型。
在本实施例中,所述第一动力学方程单元502根据混沌时滞耦合神经网络理论确定第一动力学方程。
在本实施例中,所述网络全局同步时间确定单元506获得的目标电力通信网中每个节点状态改变时网络达到全局同步的时间表达式为:
Ti∈{T|||xi(T)-xj(T)||=0,i,j=1,2,…,N}
其中,xi(T)为节点i在T时刻的状态,xj(T)为节点j在T时刻的状态,Ti表示当第i个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数。
在本实施例中,所述节点影响力判断值单元507获得的目标电力通信网的每个节点的影响力判断值的表达式:
其中,Ti表示当第i个节点状态改变时网络达到全局同步的时间,Tj表示当第j个节点状态改变时网络达到全局同步的时间,N为电力通信网络模型中节点的总个数,Ui表示第i个节点的影响力判断值。
如图7所示,为本申请实施方式提供一种电力通信网络模型中节点影响力判断值确定系统示意图。所述系统包括:存储器a和处理器b,所述存储器a中存储计算机程序,所述计算机程序被所述处理器b执行时,实现以下功能:
获取目标电力通信网的网络模型结构及目标电力通信网与电网的耦合情况,根据所述目标电力通信网的网络模型结构确定目标电力通信网的邻接矩阵,并利用所述目标电力通信网与电网的耦合情况确定目标电力通信网与电网之间的耦合矩阵;
确定第一动力学方程;其中,所述第一动力学方程为所述目标电力通信网的网络模型中各节点不受任何外界影响时的动力学方程;
根据所述邻接矩阵确定第二动力学方程;其中,所述第二动力学方程为所述目标电力通信网的网络模型中任一节点受到所述网络模型中其他节点影响的动力学方程;
根据所述耦合矩阵确定第三动力学方程;其中,所述第三动力学方程为所述目标电力通信网的网络模型中任一节点受到所述电网影响的动力学方程;
根据所述第一动力学方程、所述第二动力学方程、所述第三动力学方程确定所述目标电力通信网中每个节点的综合动力学方程;
利用所述每个节点的综合动力学方程,得到目标电力通信网中每个节点状态改变时电力通信网络达到全局同步的时间;
根据目标电力通信网中每个节点状态改变时网络达到全局同步的时间确定所述目标电力通信网的每个节点的影响力判断值。
在本实施例中,所述计算机程序被所述处理器执行时,还实现以下功能:
将每个节点的影响力判断值设置在所述目标电力通信网的网络模型中的对应节点,形成附加有节点影响力的电力通信网络模型。
在本实施方式中,所述存储器包括但不限于随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard Disk Drive,HDD)或者存储卡(Memory Card)。
在本实施方式中,所述处理器可以按任何适当的方式实现。例如,所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。
本说明书实施方式提供的中轴模型建立系统,其存储器和处理器实现的具体功能,可以与本说明书中的前述实施方式相对照解释,并能够达到前述实施方式的技术效果,这里便不再赘述。
虽然通过实施方式描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
机译: 用于创建基于网络的联系人簿的方法,该方法包括在定制和私有独立联系人簿中包含多源联系人生成的内容(来自社交网络),并通过唯一的方式从多个外部资源(包括多个社交网络)中有选择地提取信息用户决策节点与主数据表和从属数据表结构的组合,不会产生显式或隐式的源级别值判断或偏差
机译: 卷积神经网络模型中特征图像的确定方法和装置
机译: 关于神经网络模型中的输入值确定重新学习的方法,装置和程序