[发明专利]一种电力通信骨干网节点脆弱性诊断方法

说明书

本发明涉及一种电力通信骨干网节点脆弱性诊断方法，首先获取待诊断的电力通信网的拓扑结构和运行数据；其次，从拓扑结构、带宽配置、运行态势等方面对节点进行特征筛选，选出适合全面诊断需求的特征；然后，运用改进的随机森林算法对节点的脆弱性进行诊断；最后，将最终产生的电力通信骨干网的各节点脆弱性结果与待诊断的电力通信网骨干网设备节点对应设置，可实现对电力通信网的节点进行全面、动态、智能地脆弱性诊断。

技术领域

本发明涉及电力系统通信技术领域，特别是一种在电力通信骨干网的节点脆弱性诊断方法。

背景技术

随着泛在电力物联网的推行，准确辨识电力通信网的关键节点，可有效地降低电力通信网的脆弱性，保障网络的正常运行。节点重要度越大，节点脆弱值也越高，面临的脆弱性威胁越大。在现有的研究中，对节点重要度的评价方法大都只考虑网络拓扑层面，或者结合拓扑结构和业务重要性两方面进行评价，这些方法所涉及的指标特征较为单一、所运用的评估算法也较为传统。

发明内容

有鉴于此，本发明的目的是提出一种电力通信骨干网的节点脆弱性诊断方法，利用大数据和机器学习算法识别电力通信网中节点的脆弱性，可考虑节点的多方面特征属性，包括拓扑结构、带宽配置、运行态势等方面，将对节点脆弱性进行更全面的诊断。

本发明采用以下方案实现：一种电力通信骨干网节点脆弱性诊断方法，包括以下步骤：

步骤S1：获取待诊断的电力通信骨干网的拓扑结构和运行数据，所述运行数据包括带宽配置、运行状态；

步骤S2：通过拓扑结构、带宽配置、运行状态对电力通信网节点进行特征选取；

步骤S3：运用改进的随机森林算法对节点进行脆弱性诊断。

进一步的，还包括步骤S4：通过将节点脆弱性诊断结果与待诊断的电力通信骨干网节点对应设置。

进一步的，所述步骤S1具体还包括以下子步骤：

S11：获取待诊断的电力通信骨干网节点设备的邻接矩阵A＝(a_ij)_n×n；当a_ij＝1时，表示节点i和节点j之间有连接；当a_ij＝0时，表示节点i和节点j之间无连接；其中，所述n表示该电力通信骨干网的节点数；

S12:获取运行数据，所述运行数据包括节点设备的配置带宽、节点设备的已使用带宽、节点设备投运年龄、节点的设备类型、节点设备类型历史故障次数。

进一步的，所述步骤S2具体还包括以下子步骤：

步骤S201：选取特征属性；

步骤S202：通过对步骤S201选取的特征属性进行数据标准化处理，消除量纲对精确识别特征属性和脆弱性诊断结果之间关系的影响；具体如下：

正向指标：所述正向指标指该指标指越大，节点被诊断为脆弱性大的可能性越高；根据如下公式对正向指标x₁,x₂,x₄,x5，x₆,x₇正向指标进行数据标准化处理；

式中，i表示节点编号，j表示属性标号；x_j(i)表示数据标准化处理前第i个节点的第j个属性值，x_j(i)′表示数据标准化处理后第i个节点的第j个属性值；

负向指标：负向指标指该指标指越大，节点被诊断为脆弱性大的可能性越低；，根据如下公式对负向指标x3做数据归一化处理；