基于物联网的电力通信网关键节点识别方法

张双

深圳市国电科技通信有限公司 广东 深圳 518000

引言

随着科技的不断发展，电力通信网的构成体系变得庞大且复杂，而在电网的运行中最为关键核心的是对关键节点进行有效识别。当关键节点并没有全面地被识别出来，未对其进行重点维护，那么一旦关键节点遭受到攻击破坏，将会影响电网的正常运行，严重时可导致整个网络瘫痪。

因此有学者提出基于多指标的关键节点识别方法。分析电力通信网的拓扑结构，研究通信业务和电网的影响因素，针对这些影响因素构建多指标评价体系，通过层次分析法求得各指标的主观权重，并用熵权法求得各指标的客观权重，根据各指标的重要度及对应综合权重确定各个节点的重要度[1]。虽然该方法能够根据介数点的数目判断节点的关键程度，但是该方法对关键节点识别评价评价指标较为单一，导致对关键节点的识别筛选并不全面，不利于通信网络的维护。

为了解决上述问题，本文提出基于物联网的电力通信网关键节点识别方法，为电力通信网络安全的维护提供参考。

1 基于物联网的电力通信网关键节点识别方法设计

1.1 建立关键节点评价指标

由于各节点在网络上互相影响，并不是绝对孤立存在的，通常呈拓扑结构，因此选取拓扑结构作为评价指标之一；再者，电网通信网作为一种复杂的网络结构，电力业务数据复杂，包含计量自动化、调度管理、生产运行、继保业务、安稳业务、广域相量测量等，不仅种类繁多而且应用面积广，即各节点关键度受到业务种类的影响；且在电力通信网节点，会受到站点的种类、各站点负荷度、规模等多因素的影响，因此选取电网作为关键点评价指标。综上所述，选取节点的拓扑结构、电力业务以及电网影响作为评价指标[2]。

在对关键节点进行筛选时。两项评价指标在每个节点内所占重要度以及权重各不相同，因此有必要对拓扑结构以及电力业务重要度进行一个指标判断。

节点拓扑重要度指标：

电力业务重要度指标为：

电网影响重要度的影响指标受到多方位因素影响，如等级、负荷大小以及规模。按照各因素影响程度不同对其进行赋值，进行一个量化处理计算，得出综合各因素之后的电网影响重要度。

电网影响重要度为：

综上关键节点评价指标确立完毕。

1.2 设计物联网定位模型

确立评价指标后，通过各指标对模型进行定位，进而对各节点进行研究。在对网络节点进行定位时，按照功能作用不同分为两层次，即将各节点分为两个层次进行定位。需要提取网络节点信号强度和网络节点所在的物理坐标，以此来得到的两个空间模型进而定位。在定位层次中，要进行一个分析和一个估计：分析以上得到的两个映射，估计出未知网络节点位置[3]。

网络节点信号强度以及网络节点物理二维坐标均可通过传感器进行收集。在对以上两个映射进行计算时，采用经典的CCA经典映射法，并通过这两组数据搭建异构数据模型：

1.3 识别关键节点

搭建好计算机网络模型之后，需要依据计算机网络特征、网络结构等因素进行评估考量，综合考虑后对各节点的各项性能指标进行分析评估。运用层析分析法，对各指标的权重进行计算。对重要节点的重要度影响值进行数值排列，在此使用多属性决策法[4]。对各节点进行攻击删除，删除节点后，观察网络综合性能，若网络性能有明显的降低，表明该网络结构受到该节点的影响，即网络结构发生明显变化，由此判断为关键节点。由以下几点需要解决，首先对网络性能进行整体评估，得到一个数值，在删除所选取节点之后，网络性能的数值发生不同程度变化，网络性能的数值变化程度越大，则表明该节点重要度越大，对各个节点的前后变化程度进行相对比较，从而筛选确立出重要节点[5]。

首先评估整体网络性能，由于网络性能受到多因素影响，在此选取主要的影响因素作为评价指标：网络效率连接密度、最大连通因子以及网络结构熵，且各影响因素对网络性能的影响重要度不同，因此要对各影响因素的评价权重进行计算。

根据AHP法，计算出各影响因素的指标评价权重：

由于节点的种类多，数量多，并且在对各个节点进行攻击后，网络性能发生变化，属于多属性决策问题，故而采用TOPSIS方法，计算初始决策矩阵以及加权矩阵。

创建初始决策矩阵：

因此加权矩阵：

2 实验分析

为了验证本文提出的基于物联网电力通信网关键节点识别方法的有效性，将本市D电力企业的通信网络作为实验对象，选基于多指标的关键节点识别方法作为对比方法，与本文提出方法共同对该通信网络中的关键节点进行识别。

本此实验在搭载i7处理器的Win 10系统中进行，采用仿真软件模拟电力通信网络的运行，避免影响实际电力通信的运行。

本文方法通过计算决策矩阵，计算各影响因素的权重，进行排序，分别对各节点进行攻击。计算出各节点的权重以及偏高度。筛选出受影响较大的前10关键节点。

表1 节点的权重值及偏高度

将所得到的节点数据输入异构数据模型，对节点综合重要度进行计算，对比本文方法与基于多指标的关键节点识别方法计算出的综合重要度结果，结果如表2所示。

表2 综合重要度对比

从表2可以看出，本文方法与基于多指标的关键节点识别方法得到的排在前10个关键节点的重要度影响值有所不同。在实际进行计算机网络模拟仿真的过程中，重要度差距最大的为节点15，多出了8.2320，而差距相对较小的节点24，本文方法计算的重要度也对比方法高出了0.6898。说明本文更能够识别到重要度更高的关键节点，识别效果较好。

这是由于基于多指标的关键节点识别方法仅以影响因素作为评价指标，以拓扑结构和电力业务角度进行重要度综合分析，评估指标较为单一，对节点综合重要度的计算容易出现误差，导致对关键节点的识别效果不佳；而本文对评价指标进行了多属性决策，以拓扑结构、电力业务以及电网影响三个因素点进行综合评估，且使用物联网定位模型进行模拟仿真，能够使评估更加全面。

3 结束语

此次研究在完善了评价指标体系，将拓扑结构、电网影响、电力业务作综合考虑作为一种多指标评价标准，并使用物联网定位模型进行模拟仿真，对电力通信网的关键节点进行筛选识别，使关键节点的筛选更加全面准确，为电力通信网络安全的维护提供了参考。

但由于在对各指标评价影响重要度进行权重赋值时有主观因素，以及对物联网模型定位所参考的依据较为单一，所以对各指标影响重要度的评价标准以及物联网模型的定位还需继续研究和创新。