蔡文斌， 张宇， 陈龙， 陈志龙， 于祝芳， 刘小敏

(海南电网有限责任公司， 海南,海口 570100)

0 引言

电力通信网包含大量的生产与管理业务，随着这些业务对电力通信网依赖性的逐渐加强，使电力通信网运行的可靠性问题越来越突出。在提高电力通信网运行质量时，如何保证电力通信网安全运行是重中之重，为此，需要对电力通信网运行过程中的风险概率进行准确评估[1]。

目前，应用于电力通信网运行风险概率评估的方法众多，宋德琦、靳君[2]考虑不同电力设备故障影响因素,分别构建环境暴露型和环境封闭型设备故障率模型。基于蒙特卡洛抽样模拟确定系统状态概率,并采用最优切负荷模型确定系统故障负荷损失。从而计算停电导致的不同损失后果，该风险评估结果贴近实际情况，但是可操作性较差；王龙宇等[3]提出了考虑微网充电站影响的输电网风险评估方法。介绍了风险评估基础理论,然后重点分析了微网充电站概率模型,包括分布式电源出力概率模型和电动汽车(Electric Vehicles,EV)充电负荷概率模型。应用考虑了配电网层面影响的期望负荷削减量代替绝对负荷削减量。评估效果较理想，但该方法适用于通信电网短期运行情况，具有局限性。

除此之外，应用较为普遍的是基于故障树的电力通信网运行风险概率评估方法，该方法虽可有效简化计算步骤，但电力通信网中存在众多相关事件，互为独立的分析方法令评估结果存在较大误差，评估电力通信网运行风险概率的实用性较低。针对故障树方法实用性较低的缺陷，研究基于多状态树的电力通信网运行风险概率评估算法，多状态树算法具有实时监测电力通信网络状态的优势，将多状态树算法应用于电力通信网运行风险概率评估中，可充分体现电力通信网可能发生故障的概率，并有效分析故障后果，提升电力通信网运行风险概率评估准确性，该算法可有效降低电力通信调度人员人为经验对风险概率评估的影响[4]，直观体现出了电力通信网运行过程中的风险概率，令电力通信网可以在安全、可靠的状态下运行。

1 电力通信网运行风险概率评估

1.1 运行风险概率评估指标

考虑故障以及各种不确定性因素对电力通信网安全运行的影响以及对电力通信网故障发生概率的影响[5]，将运行风险概率作为评估指标评估电力通信网的运行风险。运行风险概率评估的核心是可靠性指标，因此，通过可靠性指标评估电力通信网运行风险概率。

电力通信网各方面的可靠性水平可通过可靠性指标体现[6]，将电力通信网可靠性评估指标划分为不同的层次，具体包括网络业务层、网络拓扑层、网络路由层、网络设备层以及网络运行层5个层次，下面对这5个层次进行具体的分析。

1.1.1 网络业务层

将网络业务层作为评估电力通信网运行风险概率的指标，式(1)为电力通信网业务层故障状态发生的概率：

Qlity=Qa+Qb

(1)

式中，Qa与Qb分别表示网络业务层失效率和网络业务层的复杂性系数。

Qa与Qb的计算式分别如下：

Qa=QPLC+FEFLC+FEDLC+BADLC+FEENS+ZSI

(2)

Qb=LELL+LEX+QZj

(3)

1.1.2 网络拓扑层

网络拓扑层属于测度指标层面，测度指标体系能够评价电力通信网的可靠性，因此，作为测度指标体系中的一部分[7]，网络拓扑层的含义要明确，要便于获得和连续观察，同时，具备现实统计基础，从而适应在不同环境实现对电力通信网运行可靠性的评估。式(4)为电力通信网拓扑层故障状态发生的概率：

(4)

式中，Z与ti分别表示网络拓扑层连续发生故障的概率和故障持续时间，Hv表示电力通信网总运行时间。

1.1.3 网络路由层

网络路由层作为评估电力通信网运行风险概率指标，可有效评估电力通信网的网络路由算法效率和路由管理问题[8-9]，是电力通信网运行风险评估中常用的评估指标。式(5)为电力通信网路由层故障状态发生的概率：

ZSI=FEENS×60/L

(5)

式中，L与SI分别表示电力通信网路由层的抗毁性系数和生存性系数。

1.1.4 网络设备层

电力通信网设备层中的通信设备主要包括传输设备、交换设备和接入设备。在电力通信网运行过程中，计算设备层的整体失效率，即设备层中全部设备的失效率是设备层可靠性评估的关键。式(6)为电力通信网设备层故障状态发生的概率：

LELL=∑k∈MQkDk

(6)

式中，M与Qk分别表示指定评估时间内电力通信网设备故障状态集合和故障设备数量为k的概率，Dk表示故障设备数量为k时电力通信网的失效率。

1.1.5 网络运行层

电力通信网络运行层的运行环境影响因素可以分为可控因素和不可控因素。其中，可控因素具体包括网络设备所处环境的温度、湿度等，不可控因素具体包括自然灾害和突发事件等。由于电力通信网运行层的可控因素对电力通信网运行的影响程度不大，可以人为控制，因此，对网络运行层可靠性的评估主要是对不可控因素的评估。式(7)为电力通信网运行层故障状态发生的概率：

LEX=∑k∈MQk(ΔX)2

(7)

式中，ΔX表示评估时间内网络运行层中运行状态受不可控因素的影响程度。

通过以上过程将电力通信网运行状态分为正常状态和故障状态。电力通信网运行状态变量在允许范围内表示该网络处于正常状态，电力通信网任意一层出现故障表示电力通信网处于故障状态[10-11]。

1.2 多状态树评估算法

利用多状态评估算法评估上述电力通信网运行风险概率的可靠性指标。针对电力通信网设置状态树，所设置状态树需要包括电力通信网内全部状态空间，状态树可体现电力通信网的全部状态[12]；状态树中每个状态节点需要保持唯一；状态树中依据递减顺序排列树中状态节点，状态树中父节点状态需要大于子节点状态。

设电力通信网中状态向量用x表示，该状态向量在状态树内全部子节点的获取过程如下：

设实际运行中电力通信网用G=(N,A,Ω)表示，该网络为多状态网络，生成电力通信网的多状态树过程如下：

设s0=u1,u2,…,um为状态树的根节点，且i=0，令T0=s0，T1=Ø；

随机选取其中的状态向量x，依据子节点生成算法获取该状态向量全部子节点Rx集合，且Ti+1=Ti+1+Rx。

设Ti=Ti-x，当Ti=Ø且Ti+1≠Ø时，令i=i+1,并返回上一步；

当Ti=Ø且Ti+1=Ø时，表明该电力通信网全部子节点可有效生成多状态树。

电力通信网多状态树内全部状态向量节点均不重复且仅存在唯一的父节点，多状态树中包含全部状态网络的全部向量，即全部状态向量空间均可通过状态树体现，电力通信网络中多状态树内子节点状态值均小于父节点状态值[13]。采用多状态树算法可有效获取电力通信网运行风险概率指标可靠性指标。

用BD表示电力通信网络中全部风险概率状态上界，且BD=|p|×d为多状态电力通信网络内数量最多、路径最短的通信路径，则针对随机运行风险概率向量x可得：sum(x)≤BD。

基于多状态树的电力通信网运行风险概率评估算法过程如下：

(1) 设多状态树电力通信网络边的权值为-1，存在ui=-1,i=1,2,…,m，通过最短路径算法获取电力通信网络最短路径用MP0表示；

(2) 设BD=|MP0|×d；j=0，Tj=u(u=u1,u2,…,um),DMP=Ø,Tj+1=Ø；

(3) 设∀a∈Tj，通过子节点生成算法获取状态向量a的全部子节点，用R=subnode(a)表示，且Tj+1=Tj+1∪R；

(4) 设Tj-a=Ø,∀b∈Tj+1,sum(b)=BD,Tj=Tj+1、Tj+1=Ø时转入下一步；

当sum(b)≠BD时，此时Tj=Tj+1,Tj+1=Ø，返回上一步；

多状态树为Tj-a=Ø时，此时Tj=Tj-a，返回上一步；

(5) 将多状态树中的状态向量Tj选取最大流算法判断是否有效，最大流算法判断函数用judgement表示，当judgement=0时，该状态向量为不可接受状态向量；当judgement≠0时，此时该状态向量为可接受状态向量，将状态向量Tj内全部不可接受状态向量删除[14]，并继续下一步计算；

(6) 令∀a∈Tj，选取子节点生成算法获取状态向量a的全部子节点并用R=subnode(a)表示。将集合R中的状态向量选取最大流算法判断是否可接受，并将无法接受的状态向量删除[15]，令Tj+1=Tj+1∪R，状态向量a在R≠Ø时为子节点，此时电力通信网络中存在运行风险概率状态节点∪a;

(7) 当Tj-a=Ø时，设Tj=Tj-a，返回上一步；

当Tj-a=Ø时，且存在Tj+1≠Ø，设Tj=Tj+1，Tj+1≠Ø，返回上一步；

当Tj-a=Ø时，且存在Tj+1=Ø，转入下一步；

(8) 比较电力通信网内全部状态向量，将具有大小关系的状态向量删除后获取的状态向量即为具有电力通信运行风险概率可靠性指标的状态向量，此时计算终止。

2 仿真分析

为检测本文研究基于多状态树的电力通信网运行风险概率评估算法评估电力通信网运行风险概率情况，采用Visual C++2019 软件编写本文算法评估程序，并采用MATLAB软件模拟中国电网电力公司某区域电力通信网络，该通信网络共包括20个通信节点，包括35个通信支路。

采用本文算法评估该电力通信网络运行60 min和10 d的运行风险概率，检测本文算法评估的有效性。

统计采用本文算法评估该区域电力通信网于2019年11月13日8:00—9:00运行60 min的运行风险概率情况，统计结果如图1所示。

通过图1仿真结果可以看出，所得概率系数与实际概率系数拟合性较高，采用本文算法可有效评估该电力通信网运行60 min的正常概率和故障概率，说明本文算法可有效评估电力通信网络短期运行风险概率。

统计采用本文算法评估该区域电力通信网络于2019年11月13日—11月22日的运行10日的风险概率情况，统计结果如表1所示。

表1 运行10日风险概率评估结果

通过表1仿真结果可以看出，采用本文算法可有效评估该区域电力通信网运行10 d的风险概率。

以上仿真结果说明本文算法不仅可以有效评估电力通信网短期运行风险概率，对于电力通信网中期、长期运行的风险概率同样可以有效评估，有效验证了本文算法具有较高的实用性。这是由于本文算法充分考虑各种不确定性因素对电力通信网络安全运行的影响，选取各项可靠性指标作为评估电力通信网运行风险概率的指标，从而实现对风险概率的评估。

为进一步检测本文算法对电力通信网络运行风险概率评估可靠性，统计采用本文算法评估电力通信网中5个节点的评估准确率，统计结果如图2所示。

图2 评估准确率

根据图2中的结果可以看出，采用本文算法评估电力通信网运行风险概率评估准确率均高达65%以上，说明本文算法不仅可有效评估电力通信网运行风险概率，并且具有较高的评估准确率，这是由于该算法在选取评估电力通信网运行风险概率可靠性指标的基础上，利用子节点生成算法获取可靠性指标状态向量的全部子节点，生成多状态树，最后通过多状态树评估算法实现了对网络运行风险概率的有效评估，实验结果证明该算法的应用效果可应用于电力通信网运行风险概率实际评估中。

在此基础上，对比文献[2]方法、文献[3]方法，对所提算法的计算复杂程度进行统计，算法的用时越短，计算复杂程度越低，因此，以评估用时为测试指标进行了实验，实验结果如图3所示。

图3 不同方法评估用时对比图

图3中，在相同条件下，所提方法的用时最短，说明所提方法计算复杂程度最低，可操作性最强，具有较高的实际应用性。

3 总结

对电力通信网的运行风险概率进行准确评估对于保证电力通信网安全运行具有重要意义。根据可靠性评估指标，将电力通信网络运行状态分为正常状态和故障状态，针对不同状态将多状态树算法应用于电力通信网运行风险概率评估中，通过电力通信网络仿真测试验证该算法评估电力通信网运行风险概率的有效性，结果证明该算法可为电力通信网安全运行提供技术支持以及决策信息。调度人员应在故障节点超过设定阈值时及时设置控制措施，保证电力通信网安全运行，提升电力通信网络运行的可靠性。