[发明专利]基于相依马尔可夫链的电力CPS风险区域预测方法

说明书

一种基于相依马尔可夫链的电力CPS风险区域预测方法，其特点是，包括提出一种非均匀电力信息物理耦合网络负荷及约束建模方法，最大限度的简化电力CPS耦合网络，使模型能够动态反映耦合网络中故障节点负荷重配过程和机理；考虑电力信息物理系统双网交互及负荷重配过程，提出相依马尔可夫概率框架，基于动态变化的网络拓扑结构，构建风险区域预模型；在原灰狼群算法的基础上提出交叉自适应灰狼群模型求解算法，引入自适应度位置调整策略和交叉最优解策略对风险区域预测模型进行优化求解。具有方法科学合理，适应性强，效果佳等优点。

技术领域

本发明涉及电力信息物理系统领域，是一种基于相依马尔可夫链的电力CPS风险区域预测方法。

背景技术

随着多种能源的加入以及智能电网战略的不断发展，大量的电气设备、数据采集设备和计算设备通过电网、信息网两个实体网络相连接，传统的以物理设备为核心的电力系统已逐渐演变为高度耦合电力信息物理融合系统(Cyber Physical Systems，CPS)。这种变化在为电力系统的数据分析及智能决策带来实时数据支持的同时，也使得电力系统的稳定运行愈发受到信息系统的影响。一旦信息网络受到网络攻击发生元件节点失效的情况，即使是很小范围的风险也有可能沿耦合网络蔓延，其产生的蝴蝶效应会波及很大范围，甚至造成大规模的停电事故。目前针对电力CPS风险传播过程的研究鲜少能够综合考虑耦合网络间的相互影响及元件实际运行特性差异，这就导致预测结果与实际风险传播有较大差异。

发明内容

本发明的目的是，克服现有电力CPS风险预测分析过程中大都忽略元件实际运行特性差异，导致预测结果与实际风险传播有较大差距的问题，提出一种科学合理，适用性强，效果佳的基于相依马尔可夫链的电力风险区域预测方法。

实现本发明目的采用的技术方案是，一种基于相依马尔可夫链的电力CPS风险区域预测方法，其特征是，它包括以下步骤:

1)提出一种非均匀电力信息物理耦合网络负荷及约束建模方法，将电力信息物理系统中的节点负荷及容量限制进行形式化表征，同时构建非均匀耦合的一对多相依网络，最大限度的简化电力CPS耦合网络，使模型能够动态反映耦合网络中故障节点负荷重配过程和机理：

(a)将电力信息物理系统中各网络设备、站点抽象为节点，节点之间的输电线路及通信线路抽象为边；

(b)结合网络拓扑结构以及物理节点和信息节点具体运行特性，对节点负荷及约束进行形式化表征，若一个节点失效，则其承载的负荷就回重新分配转移给其相邻节点，当节点承载负荷超过其约束容量，则也发生失效，不能够正常运行；

(c)通过改进的加权球仓模型对(b)构建的信息网络和物理网络耦合成为电力信息物理系统；

其中，一个电力节点最多能够支持的信息节点数与其初始负荷有关，则如公式(1)所示：

物理网络G_p中的节点为球仓，信息网络G_C中的节点为球，节点集G_p和G_C的大小分别为S_p和S_C，那么球可以选择的位置就为S_PN_i，表示节点度的概率分布，将球分配到初始负荷L_ni的概率如公式(2)所示为:

通过计算一个电源节点能够承载的有限物理节数量，对信息节点和物理节点耦合关系进行非均匀“一对多”分配，最终得到符合实际网络连接情况的动态非均匀电力CPS网络负荷及约束表征模型；

2)考虑电力信息物理系统双网交互及负荷重配过程，提出相依马尔可夫概率框架，基于动态变化的网络拓扑结构，构建风险区域预模型：

(d)通过类比单链异构马尔可夫概率框架，得到相依马尔可夫链中综合状态转移概率如公式(3)所示为：