面向风险均衡的电力通信专网路由优化研究

张 霄，李疆生，金广祥，江 璟

（国网经济技术研究院有限公司，北京 102209）

电力通信专网是电力信息物理融合系统的重要载体，电力系统的正常稳定运行离不开电力通信网络的控制。然而在传统的电力系统研究中，通信网络方面对电力系统的影响研究较少，因此本文在研究面对风险均衡的电力通信专网路由优化时，主要针对通信网络链路中断后对网络业务路由路径优化问题进行研究。针对该问题，本文首先对电力通信专网风险指标进行了选取，筛选出电网站点负荷压力、业务平均通信时延、业务风险均衡度三项风险指标。接着通过构建数学模型对电力通信专网故障进行风险评估，并提出设计了一种改进的遗传算法。最后，通过仿真实验验证了该算法的可行性。

1 电力通信专网故障状态风险评估模型

1.1 电力通信专网

电力通信专网是电力空间和信息空间进行交互的平台，是电力信息物理融合的系统，通过电力通信专网实现了电力空间和信息空间之间的信息流和能量流相互转换。为更好地研究电力通信专网故障状态下风险影响，将电力通信专网网络评估模型定义为无向加权图G（V,E）定义为：

定义中，Eij表示每个链路的链接，V表示节点集，E表示连接节点的通信链路集。

设电力通信专网中有K 条业务，单个业务为Sk，则该网络中的业务可以用集合S={ }Sk表示，单个业务的路由拓扑可以用子图Gk=( )Vk,Ek∈G表示。业务起始节点为Vks中途节点为Vki，目标节点为Vkd，则业务的路由路径可以通过Vks…Vki…Vkd表示。因此，对业务路由优化可以转化为对除起始节点和目标节点之外的中途节点Vkj的优化，优化对象可表示为

1.2 指标选取

根据上述的模型，以及结合以往的研究，本文影选择电网站点负荷压力、业务平均通信时延、业务风险均衡度作为电力通信专网的评价指标。

1.2.1 电网站点负荷压力

电网负荷压力则表示电力通信专网中业务路由经过全部站点时，业务对电网负荷压力的累计值，具体可表示为：

式中，Vk表示k 条业务的路由路径总节点数，表示k 条业务的路由路径中节点i 的负荷压力值，Ck表示k 条业务的站点负荷压力影响值，load 表示电力通信专网中所有站点负荷压力的累计值，也就是通信链路中断对电网站点负荷压力影响风险值，即I1=load。Load 越小，说明电力通信专网中所有站点负荷压力较小，网络中的业务的节点分布较为均衡，通信链路中断对于电网站点负荷压力的影响也相对较小；反之，说明电力通信专网中所有站点负荷压力较大，网络中的业务的节点分布不均，通信链路中断对于电网站点负荷压力的影响也相对较大。

1.2.2 业务平均通信时延

业务的平均通信时延为：

式中，k表示网络链路上的所有业务数量，Tk表示网络链路k业务的时延，-T表示网络链路业务平均通信时延，也就是通信链路中断对网络业务的平均通信时延影响风险值，具体可表示为I2=-T。

1.2.3 业务风险均衡度

业务风险均衡度为BD，可以通过公式表示为：

式中，Li为网络中第i 条链路所承载的业务数目， |E|表示网络中总连路数，表示链路的平均承载业务数量。

1.3 电力通信专网故障风险评估

风险影响值表示风险发生概率与其造成影响的乘积。在本研究中，风险影响值则表示电力通信专网链路发生故障概率与该故障对整个电力系统造成的风险值的乘积，即通信链路中断后的影响风险综合值，具体可通过公式表示：

式中，R 表示通信链路中断后的影响风险综合值；H 表示跨信息空间和电力空间风险传递的概率；P表示通信链路发生故障的概率；I表示发生故障对电力系统的影响值，包括电网站点负荷压力的影响风险值，业务平均通信时延的影响风险值，业务风险均衡度的影响风险值。

为降低电力通信专网链路中断造成的影响，本研究将网络中节点风险值和链路风险值作为主要指标进行优化。但由于实际过程中，电力生产会对这两项指标有所要求，因此为构造故障状态下优化策略的目标函数，我们对两项指标进行条件约束，具体可通过公式表示为：

式中，Cmax表示单一业务经过站点负荷压力总和，Lmax表示单一链路承载的最大业务，Tmax表示单一业务的最大时延。α,β,δ表示影响因素的权重常数，当满足公式（10）时，F值最小，电力通信专网在网络故障状态下路由优化达到最佳状态。

2 模型求解

遗传算法是进化算法中最高效的一种算法，它最大优势在于寻求全局最优解的时候，不需要初始化任何信息，进而提高了算法的速度。由于该算法具有适应性强、对问题没有特定限制计算过程简单等特点，因此，本研究采用遗传算法对模型NP-Hard完全问题方面进行求解。遗传算法的主要原理是将问题的所有解集当做一个种群，在种群之间经过不断的交叉、选择等遗传学操作，达到求得问题最优解的目的。因此结合遗传的步骤，对目标函数进行求解。具体如下：

2.1 编码机制

常见的遗传算法编码机制包括二进制编码、变长编码、实数编码和矩阵编码等，本研究采用二进制编码方式。该方法相较于其他方法，搜索能力更强，对于变异操作的种群稳定性也更好。

图1 路由路径编码示意图Fig.1 Routing path coding schematic

2.2 初始化种群

由于业务平均通信时延对电力通信专网业务的严格要求，因此在进行初始化种群前，种群已经筛选出了满足最大时延Tmax约束的结果。所以接下对只需对拓扑中的路径进行编码，然后随机选择N条路径，即可得到初始化种群。

2.3 适应度函数

适应度函数反映了一个个体的优秀程度。当适应度函数值较小时，个体劣性更强。反之，当适应度函数值较大时，个体就越优秀。其函数可表示为：

式中，fitness表示适应度。其中，f值越小表示越接近问题的最优解，而要满足fitness相对较大，则应取其倒数。

2.4 选择操作

为使选择结果更符合全局最优解，本研究采用最佳保留法和轮盘赌相结合的策略进行选择操作。

首先，假设种群数量为N（N=100），将N均分呈两组并比较两组的适应度值，选择适应度值高的一组个体留下。重复操作，直至个体数量为0.25N。

其次，对原始种群N进行轮盘赌选择，筛选出符合选择的个体0.75N。

最后，将最佳保留发选择留下的个体0.25N 与轮盘赌选择留下的个体0.75N进行交叉和变异操作。

2.5 交叉操作

交叉操作即在种群中随机挑选两个个体，并将这两个个体的部分结构进行交叉互换，以实现产生新个体的目的。电力通信专网中包括多个公共节点，任意选择其中一个公共节点作为交叉点即可实现交叉操作。设定交叉概率为Pc，交叉点为v2，则具体的交叉操作可用图2表示。

图2 交叉操作示意图Fig.2 Cross-operation diagram

2.6 变异结果

本研究的变异操作即从电力通信专网业务路径中途节点中随机选择一个节点作为变异点，并保持从起始节点到变异节点路径不变，变异节点到目标节点路径进行随机选择的操作。设变异概率为Pw，变异节点为v2，则变异操作的具体流程如图3所示。

图3 变异操作示意图Fig.3 Schematic diagram of mutation operation

3 实验仿真

设电力通信专网有17 个节点，通信链路25条，承载7 条业务。其中，17 个节点包括中调节点03，500kV 枢纽站节点01、05、10、17，550kV 区域站02、04、06、08、12、14，220kV 变电站节点07、09、11、15、16，地调节点13；7 条业务分别是{[1，11]，[1，16]，[2，14]，[2，16]，[3，13]，[4，8]，[5，15]}。其拓扑图如图5所示：

已知13~14 的中断概率P1=0.344，13~17 的中断概率P2=0.214，站点的负荷压力值如下表所示：

表1 站点负荷压力Tab.1 Station load pressure

为使各个指标在同一数量级下进行比较，表中数据根据风险评估模型的第一个指标影响值进行了等比缩放，得到相对影响值。

由于在风险跨空间传播机制中，间接影响较小，因此本研究只考虑直接影响，并将跨空间风险影响传递概率H 的值确定为1。当链路13~14 和13~17 都中断时，通过遗传算法，可对业务路径进行重新分配。

设定遗传算法的初始指标种群规模为100，染色体长度为7，交叉率Pt为0.9，变异率Pm为0.055，仿真迭代次数为300。通过适应度函数可计算出特性向量w1,w2,w3的值分别是0.85、0.14、0.49，由此可计算出三个向量的权重分别为α=0.57,β=0.097,δ=0.333。

以业务[2，16]为例，将本研究算法和轮盘赌选择策略的遗传算法进行路径对比，可得到下图：

图4 电力通信专网拓扑示意图Fig.4 Schematic diagram of power communication network topology

由图可知，当链路13~14 和13~17 都中断时，本研究提出的算法在站点负荷压力值、业务平均通信时延以及业务风险均衡度三个方面，相较于轮盘赌策略的遗传算法有较大程度的降低。可见本文提出的算法优于轮盘赌策略的遗传算法，其对电力通信专网的影响综合风险值可表示为：

另一方面，由于站点负荷压力与总可选节点成反比，因此在站点负荷压力变化不大的情况下，虽然轮盘赌遗传算法收敛速度更快，但本文的算法产生的最优解更容易保持稳定。由此可见，本文的算法相较于轮盘赌遗传算法具有更好的优化效果。

4 结语

本研究针对电力通信专网故障状态下的业务场景，提出了一种改进的遗传算法业务路由优化路径方法。该方法通过分析信息空间和电力空间两个空间之间的风险传播影响机制以及的风险评估模型，采用最佳保留法和轮盘赌选择策略相结合的改进遗传算法进行业务路由优化。最后，通过仿真实验对比分析轮盘赌策略的遗传算法和本研究提出的算法对整体网络业务的影响风险值，证实本研究提出的算法在影响风险值上有较大程度的减少。由此可以得出结论，本研究提出的算法切实可行。