[發(fā)明專利]基于相依馬爾可夫鏈的電力CPS風險區(qū)域預測方法

有效

• 申請?zhí)枺?/td>: 202010015735.7
• 申請日: 2020-01-07
• 公開（公告）號: CN111191955B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設計）人: 楊巍;曲朝陽;謝千慧;王蕾;曹杰;崔鳴石;胡可為;徐鵬程;孫建;薛凱;蘇有權;呂洪波
• 申請（專利權）人: 東北電力大學;國網(wǎng)吉林省電力有限公司白山供電公司;國網(wǎng)吉林省電力有限公司;國網(wǎng)內(nèi)蒙古東部電力有限公司信息通信分公司;國網(wǎng)東北分部綠源水力發(fā)電公司太平灣發(fā)電廠
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06F30/18;H02J3/00
• 代理公司: 吉林市達利專利事務所 22102
• 代理人: 陳傳林

1.一種基于相依馬爾可夫鏈的電力CPS風險區(qū)域預測方法，其特征是，它包括以下步驟:

1)提出一種非均勻電力信息物理耦合網(wǎng)絡負荷及約束建模方法，將電力信息物理系統(tǒng)中的節(jié)點負荷及容量限制進行形式化表征，同時構建非均勻耦合的一對多相依網(wǎng)絡，最大限度的簡化電力CPS耦合網(wǎng)絡，使模型能夠動態(tài)反映耦合網(wǎng)絡中故障節(jié)點負荷重配過程和機理：

(a)將電力信息物理系統(tǒng)中各網(wǎng)絡設備、站點抽象為節(jié)點，節(jié)點之間的輸電線路及通信線路抽象為邊；

(b)結合網(wǎng)絡拓撲結構以及物理節(jié)點和信息節(jié)點具體運行特性，對節(jié)點負荷及約束進行形式化表征，若一個節(jié)點失效，則其承載的負荷就回重新分配轉移給其相鄰節(jié)點，當節(jié)點承載負荷超過其約束容量，則也發(fā)生失效，不能夠正常運行；

(c)通過改進的加權球倉模型對(b)構建的信息網(wǎng)絡和物理網(wǎng)絡耦合成為電力信息物理系統(tǒng)；

其中，一個電力節(jié)點最多能夠支持的信息節(jié)點數(shù)與其初始負荷有關，則如公式(1)所示：

物理網(wǎng)絡G_p中的節(jié)點為球倉，信息網(wǎng)絡G_C中的節(jié)點為球，節(jié)點集G_p和G_C的大小分別為S_p和S_C，那么球可以選擇的位置就為S_PN_i，表示節(jié)點度的概率分布，將球分配到出事負荷L_ni的概率如公式(2)所示為:

通過計算一個電源節(jié)點能夠承載的有限物理節(jié)數(shù)量，對信息節(jié)點和物理節(jié)點耦合關系進行非均勻“一對多”分配，最終得到符合實際網(wǎng)絡連接情況的動態(tài)非均勻電力CPS網(wǎng)絡負荷及約束表征模型；

2)考慮電力信息物理系統(tǒng)雙網(wǎng)交互及負荷重配過程，提出相依馬爾可夫概率框架，基于動態(tài)變化的網(wǎng)絡拓撲結構，構建風險區(qū)域預測模型：

(d)通過類比單鏈異構馬爾可夫概率框架，得到相依馬爾可夫鏈中綜合狀態(tài)轉移概率如公式(3)所示為：

其中S_An表示時間步為n的信息系統(tǒng)狀態(tài)空間，S_Bn表示時間步為n的物理系統(tǒng)狀態(tài)空間；

(e)引入系統(tǒng)全狀態(tài)空間S_n將信息網(wǎng)和物理網(wǎng)狀態(tài)空間進行組合，并在其中添加輔助變量跟蹤兩個網(wǎng)絡節(jié)點狀態(tài)之間的相互影響過程；

(f)基于相依馬爾可夫鏈概率框架對耦合網(wǎng)絡中的狀態(tài)轉移過程進行描述，構建傳播動力學方程：

K_n＝0時，系統(tǒng)整體對外表現(xiàn)為吸收狀態(tài)

則其內(nèi)部節(jié)點將穩(wěn)定運行不會發(fā)生狀態(tài)轉移，則下一時刻K_n+1＝0，S_n+1＝S_n，狀態(tài)轉移概率P(S_n→S_n+1)＝1；

K_n＝1時，系統(tǒng)整體對外表現(xiàn)為轉移狀態(tài)

①若n+1時刻新的失效節(jié)點出現(xiàn)在信息網(wǎng)中，則狀態(tài)轉移概率表達式如公式(4)所示：

K_n+1＝0時，風險傳播就此停止，系統(tǒng)重新恢復吸收狀態(tài)；K_n+1＝1時，風險繼續(xù)傳播，系統(tǒng)仍處于轉移狀態(tài)；

②若n+1時刻新的失效節(jié)點沿耦合網(wǎng)絡出現(xiàn)在物理網(wǎng)中，則狀態(tài)轉移概率表達式如公式(5)所示：

(g)基于(e)和(f)得到的系統(tǒng)全狀態(tài)空間和不同情況下的狀態(tài)轉移概率帶入式(3)，并分情況對系統(tǒng)狀態(tài)空間進行簡化，由此得到基于相依馬爾可夫鏈的電力CPS風險區(qū)域預測模型如公式(6)所示：

X(x_i,y_i)＝α₁(x_i,y_i)X(x_i-1,y_i)+α₂(x_i,y_i)X(x_i-1,y_i-1)+α₃(x_i,y_i)Y(x_i-1,y_i-1) (6)

Y(x_i,y_i)＝α₄(x_i,y_i)X(x_i-1,y_i)+α₅(x_i,y_i)Y(x_i-1,y_i-1) (7)

其中x_i、y_i分別代表i時刻物理網(wǎng)和信息網(wǎng)的故障節(jié)點數(shù)，其他系數(shù)分別為：

α₅(x_i,y_i)＝q(y_i-1)(1-p(x_i-1)d(y_i))-d(y_i)(1-p(x_i-1)) (12)

3)在原灰狼群算法的基礎上提出交叉自適應灰狼群模型求解算法，引入自適應度位置調(diào)整策略和交叉最優(yōu)解策略對步驟2)得到的風險區(qū)域預測模型進行優(yōu)化求解：

(h)為調(diào)整最適合的收斂速度，采用自適應調(diào)整策略，通過當前適應度值與狼群適應度均值對比，調(diào)整算法優(yōu)化初期的灰狼位置，其表達式如公式(13)所示：

其中，W(t+1)表示第t次迭代更新后灰狼的空間方位坐標，t為迭代次數(shù)；W₁、W₂、W₃分別為當前灰狼位置距離序號為1、2、3的灰狼的距離；k_n和k_avg分別表示當前個體適應度以及均值適應度的倒數(shù)，k_i、k_j、k_z分別對應1號、2號、3號灰狼的適應度的倒數(shù)；

(i)提出一種交叉策略，利用迭代更新后的位置空在間坐標與最優(yōu)種群進行交叉對比，篩選出導致種群物種單一的變異種群位置如公式(14)所示：

W_i′(t+1)＝W_μ(t)+|γW_μ(t)-W_i(t)|·β (14)

其中，W_i′(t+1)和W_i(t)分別為重置局部最優(yōu)解后的狼群個體位置空間坐標；W_μ(t)為當前最優(yōu)解；r的取值范圍為-2～-1和1～2的隨機值，β為[0,1]范圍內(nèi)的隨機值，用于提供隨機適應度以定義種群與獵物之間的吸引力。