基于快速密度聚类的电力通信网节点重要性评估.pdf

第４４卷第１３期２０１６年７月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌＶ０１．４４ＮＯ．１３Ｄ０Ｉ：１０．７６６７／ＰＳＰＣｌ５１３７７基于快速密度聚类的电力通信网节点重要性评估狄立，郑征，夏曼，胡凯（１．国网河南省电力公司经济技术研究院，河南郑州４５００５２；２．江苏省大数据分析技术重点实验室，南京信息工程大学，江苏南京２１００４４）摘要：电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在的连接权值单一以及评价指标单一等问题，利用电力通信网的带宽和距离作为权值，计算电力通信网节点的多种评价指标：节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标，利用快速密度聚类方法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类，将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电网通信数据进行检验，验证了该方法在电力通信网中的实用性。关键词：电力通信网；节点重要性；快速密度聚类；无监督分类；节点特性ＮｏｄｅｉｍｐｏｒｔａｎｃｅｅｖａｌｕａｔｉｏｎｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｂａｓｅｄｏｎｆａｓｔｄｅｎｓｉｔｙｃｌｕｓｔｅｒｉｎｇＤＩＬｉ，ＺＨＥＮＧＺｈｅｎｇ，ＸＩＡＭｉｎ２，ＨＵＫａｉ（１．ＥｃｏｎｏｍｉｃｓａｎｄＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＳｔａｔｅＧｒｉｄＨｅｎａｎＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙ，Ｚｈｅｎｇｚｈｏｕ４５００５２，Ｃｈｉｎａ；２．ＪｉａｎｇｓｕＫｅｙＬａｂｏｒａｔｏｒｙｏｆＢｉｇＤａｔａＡｎａｌｙｓｉｓＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆｌｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００４４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｎｏｄｅｉｍｐｏｒｔａｎｃｅｅｖａｌｕａｔｉｏｎｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｉｓａｎｉｍｐｏｒｔａｎｔｔｏｐｉｃｏｆｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｓｔｕｄｉｅｓ．Ｆｏｒｔｈｅｐｒｏｂｌｅｍｏｆｓｉｎｇｌｅｃｏｎｎｅｃｔｉｏｎｗｅｉｇｈｔｓａｎｄｓｉｎｇｌｅｅｖａｌｕａｔｉｏｎｉｎｄｅｘ，ｔｈｅｂａｎｄｗｉｄｔｈａｎｄｔｈｅｄｉｓｔａｎｃｅｏｆｔｈｅｅｌｅｃｔｒｉｃｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋａｒｅｕｓｅｄｆｏｒｔｈｅｎｅｔｗｏｒｋ＇ｓｗｅｉｇｈｔ，ｃｏｍｐｕｔｉｎｇｔｈｅｅｖａｌｕａｔｉｎｇｉｎｄｉｃａｔｏｒｓｏｆｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｎｏｄｅ，ｉｎｃｌｕｄｉｎｇｊｏｉｎｔｓｔｒｅｎｇｔｈ，ｐｒｅｃｉｓｉｏｎａｎｄｎｏｄｅｂｅｔｗｅｅｎｎｅｓｓ．Ｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎａｖａｒｉｅｔｙｏｆｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｎｏｄｅａｎｄｔｈｅｆａｓｔｄｅｎｓｉｔｙｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄａｒｅｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｉｍｐｏ￣ａｎｃｅｏｆｔｈｅａｓｓｅｓｓｍｅｎｔｍｏｄｅｌｆｏｒｐｏｗｅｒｎｏｄｅｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋ，ｓｕｐｐｏｒｔｉｎｇｆｏｒｔｈｅｐｌａｎｎｉｎｇｏｆｇｒｉｄｃｏｍｍｕｎｉｃａｔｉｏｎｓ．Ｕｓｉｎｇｕｎｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｂｙｆａｓｔｄｅｎｓｉｔｙｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄ，ｔｈｅｎｏｄｅｉｓｄｉｖｉｄｅｄｉｎｔｏｓｅｖｅｒａｌｆｒａｇｉｌｅｌｅｖｅｌｓ．Ｔｈｉｓｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｕｎｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ．Ｔｈｅａｃｔｕａｌｄａｔａｇｒｉｄｃｏｍｍｕｎｉｃａｔｉｏｎｓａｌｅｔｅｓｔｅｄｔｏｖｅｒｉｆｙｔｈｅｕｓｅｆｕｌｎｅｓｓｏｆｔｈｉｓｍｅｔｈｏｄｉｎｅｌｅｃｔｒｉｃｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋ．ＴｈｉｓｗｏｒｋｉｓｓｕｐｐｏｒｔｅｄｂｙＮ￣ｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（Ｎｏ．６１１０５１１５、．Ｋｅｙｗｏｒｄｓ：ｅｌｅｃｔｒｉｃｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｓ；ｎｏｄｅｉｍｐｏｒｔａｎｃｅ；ｆａｓｔｄｅｎｓｉｔｙｃｌｕｓｔｅｒｉｎｇ；ｕｎｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｎｏｄｅｃｈａｒａｃｔｅｒｉｓｔｉｃＯ引言电力通信网是专门为电力行业服务的专用网络，由电厂、变电站以及各级电力系统相互通信传输系统组成，目前已经成为电网的重要组成部分。由于电力系统的不断发展壮大，电力通信网承载的业务量也变得越来越多，增长速度惊人。随着电力基金项目：国家自然科学基金（６１１０５１１５）通信网络规模的不断扩大，电力通信网的安全性、…可靠性研究也变得越来越重要。而电力通信网中的重要节点在很大程度上决定了电力通信网的稳定性和安全性Ｌ２４Ｊ，对重要节点的重点维护和管理成为电力通信网的一个重要任务Ｉ５Ｊ。因此，如何在复杂的电力通信网中寻找到关键节点成为电力通信网研究的一个重要议题。电力通信网中的重要节点决定了网络的稳定性和安全性，电力通信网中节点的重要性表明了该节狄立，等基于快速密度聚类的电力通信网节点重要性评估一９１一点在可能的故障情况下对网络性能的影响，使用定量的方法来对网络节点进行评估已经成为电力通信网研究的热点。目前国内外对电力通信网节点的重要性评估主要使用以下几种方法Ｉ６ＵＪ：１）Ｎ用节点的度作为节点重要性的指标。该方法中某节点连接的边越多，那么该节点的重要性就越大。２）基于节点删除的评价。该方法通过删除某个节点，看网络连通性的变化来分析节点的重要性。３）基于节点的介数的评价，如果该节点的介数越大那么该节点越重要。４１通过节点紧密度来对节点进行评价，紧密度越大则节点的重要性越强。目前的电力通信网节点重要性评估主要采用以上几种方法，但是以上的方法都具有一些缺陷ＩｌＪ：以节点的度作为评价指标存在一定的片面性，例如桥节点的度虽然不大，但重要性却很强；基于节点删除的方式中如果删除的是末梢节点，那么就不能实现节点重要性的客观评估；介数和紧密度体现的是节点对于全局的影响。节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例。紧密度指标Ｃ用于刻画网络中的节点通过网络到达其他节点的难易程度。介数和紧密度没有体现出该节点对局域网络的影响，因此基于节点的介数和紧密度的方法的评估不能全面反映节点的重要性。而节点度的指标能够刻画节点对局部网络的影响。因此，本文中综合利用节点的度、介数和紧密度作为节点重要性的评价指标。目前有关电力通信网节点重要性评估的工作基本上都是以单一连接权值为主，将距离和带宽都考虑进评估模型的还没有ｌｌ孓Ｊ。而且以往的电力通信网的节点重要性评估往往只利用单个的评价指标，而没有有效地综合多种评价指标，并且很多方法只针对网络结构本身，而忽略了网络的连接权重Ｌ１孓Ｊ。针对目前电力通信网评估存在的各种问题，本文利用网络带宽和距离作为加权，通过多种评价指标的综合来对节点的重要性进行评估。采用多指标的方式进行节点重要性的评估分类，并且这种分类是一种无监督的分类【Ｊ。目前针对电力通信网节点重要—性评估的无监督分类主要为Ｋ．ｍｅａｎｓ方法。Ｋｍｅａｎｓ方法为无监督分类中的主要传统方法，但是因为该方法基于距离，故结果是圆形的聚类形状，并不能很好地对复杂特征的融合进行分类。针对该问题，本文采用了一种快速密度聚类的方法Ｌｌ引，该方法发表在２０１４年的＜（ｓｃｉｅｎｃｅ））期刊上，该方法不仅利用距离作为分类的度量，还利用密度作为分类的指标，有效解决了Ｋ．ｍｅａｎｓ方法的不足。在加权网络的基础上，本文基于快速密度聚类的方法，采用节点度、节点紧密度以及节点的介数作为评价指标，对电力通信网的节点重要性进行评估。利用某省的实际电网通信数据进行检验，验证了本文方法在电力通信网中的实用性。１节点重要性相关指标分析节点数为／＇／，边数为ｍ的通信网有权网络数学模型可以用一个加权矩阵来描述。：…’『，ｗＧ㈣ｗＧ…Ｊ边权邻接矩阵的矩阵元为：如果节点ｆ和节点，之间有连接，那么ｗＧ，＝Ｂ如果节点ｆ和节点，之间没有连接，就有ｗＧ，＝ｏｏ。式中，为节点ｉ与节点，之间线路的权值。边权代表节点间相互作用的强度或难易程度。如果节点之间的距离作为权值，权值越大表示两点间的距离越大，作用越弱。如果节点之间的带宽作为权值，则权值越大作用越大。在本研究中将距离和带宽的权值进行归一化整合，距离和带宽的权值各为５０％。网络中节点的重要性不但与节点本身的度有一定关系，而且与节点的邻居节点的度大小、节点的紧密度、节点的介数也存在一定的关联，这些指标体现了节点的影响力。节点的影响力包括直接影响力和间接影响力。直接影响力反映节点本身影响其他节点的能力，如节点的度。间接影响力反映节点通过网络对其他节点施加影响的能力，如紧密度和介数。本文利用节点度、节点紧密度、节点的介数作为节点重要性的评价指标。节点的度：节点ｉ的度数庀ｆ是指与该节点直接连接的边数，反映的是一个节点对于网络中其他节点的直接影响力。具有ｎ个节点的网络中，节点的度不会超过，卜１。通常『青况下，加权后节点ｉ的强度Ｓ定义为＝’…／ｍａｘ（ｋ『）产１，２，，（２）节点的紧密度：紧密度指标Ｃ用于刻画网络中的节点通过网络到达其他节点的难易程度，反映节点的问接影响力。其值定义为该节点到达所有其他节点的距离之和的倒数。具有个节点的网络中，节点到达所有其他节点的距离之和不会小于一Ｉ，则归一化的紧密度指标Ｇ为＝ｍｉｎ（ｄ）／，（３）／百对于加权网络，两节点间的距离一般定义为连接两节点间的最短路径上边的权值之和。一９２．电力系统保护与控制介数：选取复杂网络理论中合适的静态几何参量进行网络拓扑脆弱性的计算。本文采用的是介数指标。节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例。每个节点的介数用参数ｂｌ表示，反映节点在网络连通中的重要程度。ｂ．也反映了节点拓扑脆弱性，表示＾节点在整个网络中的脆弱程度＝Ｌ×１００％。’＾，Ｌ代表的是节点的相对拓扑重要度，测度了故障ｂ造成的潜在影响程度，能够直接找到最脆弱点。本文中以中国某省的电网通信实际数据作为分．析来源，实现节点重要性的评估。２快速密度聚类针对目前非监督聚类存在的一些问题，本文采用快速密度聚类的方法来进行电力通信网的节点重要性评估分类。快速密度聚类算法的核心思想是：类簇中心被具有较低局部密度的邻居点包围，且与具有更高密度的任何点有相对较大的距离。基于这种思想，对于任意数据点ｉ，需要计算两个量：局部密度值Ｐ以及点ｉ到具有更高局部密度点的距离。和的值都与数据点之间的距离有关（代表点ｉ和点，之间的距离，本文中用欧式距离表示）。任意数据点ｉ的局部密度定义如式（４）。＝ｚ（ａ／，一）（４）ｉ其中，是截断距离，如果ｄｉ，一＜０，那么—（ｄ，ｊｄｃ）＝１，如果一０，那么就有（，一）＝０。数据点ｉ的局部密度本质上为数据点ｉ距离为ｄ内的点的个数。实验表明分类结果ｃ对的大小选择具有很高的鲁棒性，的大小对分类结果影响不大。在本文算法中对于的选择规则为：使得点的平均邻居数大概是数据集中点的总数的１％～２％。点ｉ到具有更高局部密度点的距离定义为＝ｍｉｎ，（ｆ）（５）在本算法中具有高和相对较高的的点可被认为是类簇中心，类簇中心找到后，剩余的每个点被归属到它的有更高密度的最近邻所属类簇。类簇分配只需一步即可完成，不像其他算法要对目标函数进行迭代优化。图ｌ中的简单示例展示了算法的核心思想，下图为样本点的聚类，上图为聚类中心的寻找。图１算法实例展示Ｆｉｇ．１Ａｌｇｏｒｉｔｈｍｅｘａｍｐｌｅｓｆｉｇｕｒｅ３节点重要性分类结果本文利用节点度、节点紧密度、节点的介数作为节点重要性的评价指标。节点度的大小非常直观，反映了节点本身影响其他节点的能力。一一般情况，度越大的节点重要性越大，但是对于某些桥节点来说不正确。间接影响力反映节点通过网络对其他节点施加影响的能力，如紧密度和介数。本文利用节点度、节点紧密度、节点的介数这三个要素，基于快速密度聚类方法对通信网节点的重要性进行评估。本文中的要素为３个，那么分类空间为三维。在分类过程中，点ｉ和点，之间的距离利用欧式距离表示。然后按照式（４）和式（５）分别计算节点…ｉ（ｉ＝１。２，３，，，ｚ）的局部密度值以及点ｆ到具有更高局部密度点的距离。然后寻找Ｐ和都大的节点作为聚类中心。本文中利用Ｐ．来作为寻找聚类中心的依据。由于本文将节点的重要性分为４类，因此本文寻找Ｐ．最大的４个点作为聚类中心，然后进行聚类。图２是网络节点的紧密度分析，从图２可以看出，紧密度大的点它的度未必很大，但是该点在数据传输中的作用却很大。图３为网络节点的脆弱性分析，节点的脆弱性代表了该节点在网络连通方面的能力，如果连通能力强，那么该节点遭到损毁后对网络的影响就越大，即认为脆弱性强。从图３可以看出，节点的脆弱性并不和节点的度分布和紧密度成完全的正相关关系。狄立，等基于快速密度聚类的电力通信网节点重要性评估．９３．图２节点紧密度分析图Ｆｉｇ．２Ｊｏｉｎｔｓｔｒｅｎｇｔｈａｎａｌｙｓｉｓｏｆｔｈｅｎｏｄｅｓ０图３节点脆弱性分析图Ｆｉｇ．３Ｎｏｄｅｖｕｌｎｅｒａｂｉｌｉｔｙａｎａｌｙｓｉｓ图４给出了本文各种因素的分布。表１给出了这三种要素之间的相关性。从图４和表１中可以看出这三种因素之间并不完全是正相关的关系。因此在节点重要性的度量上，需要综合考虑这三种因素。表１各要素之间的相关关系Ｔａｂｌｅ１Ｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｅｌｅｍｅｎｔｓ点编号图４节点度、紧密度以及介数之间的相关关系Ｆｉｇ．４Ｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｊｏｉｎｔｓｔｒｅｎｇｔｈ，ｐｒｅｃｉｓｉｏｎａｎｄｎｏｄｅｂｅｔｗｅｅｎｎｅｓｓ本文利用快速密度聚类的方法对节点重要性进行评估。本文中的要素为３个，那么分类空间为三维。因此本文将快速密度聚类的方法由二维推广至三维，应用于节点重要性分类中。图５给出了基于三种因素的聚类中心选择图，图中大的４个方块即为我们所需的聚类中心，按照这４个聚类中心将所有节点进行聚类。聚类结果图为图６所示。图６中三个维度代表三个聚类因素，即节点度、紧密度以及脆弱性。从图５中可以看出，本文的方法可以很好地将节点进行重要性分类。图６中方形的节点代表重要性很强，”代表该节点重要性比较强，三角形代表该节点重要性一般，圆形代表该节点重要性很弱。在实际应用中，方形代表的节点要引起足够的重视。Ｐ图５基于快速密度聚类的聚类中心选择图Ｆｉｇ．５ＣｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓｅｌｅｃｔｉｏｎｂａｓｅｄｏｎｆａｓｔｄｅｎｓｉｔｙｃｌｕｓｔｅｒｉｎｇｌＯ０８０．６０．４Ｏ２０ｌ图６节点的重要性聚类分布图’Ｆｉｇ．６Ｎｏｄｅｓｉｍｐｏｒｔａｎｃｅｃｌｕｓｔｅｒｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎ４２０８６４２Ｏ２●ＯＯ０Ｏ０．．９４．．电力系统保护与控制图７给出了电力通信网骨干网的节点重要性分类结果，从图中可以很直观地看出我们采用的方法可以比较好地对重要节点进行分类。在本研究中将距离和带宽的权值进行归一化整合，距离和带宽的权值各为５０％。因此节点重要性的评估能够反映出距离和带宽的影响。对于重要性一般的节点和重要性比较弱的节点来说，由于本文中采用了距离和带宽作为权值的一部分，因此一般重要性节点在距离和带宽的加权值比重要性比较弱的节点大。这也就是图７中一般重要性节点和重要性比较弱的节点的区别。图７电力通信网节点的重要性分类图Ｆｉｇ．７Ｉｍｐｏｒｔａｎｃｅｃｌａｓｓｉｆｉｃａｔｉｏｎｄｉａｇｒａｍｏｆｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋ４结论电力通信网的节点重要性评估是电力通信研究的一个重要议题。本文针对以往电力通信网节点重要性评估中存在使用单一因素的问题，采用节点强度、节点精密度以及节点的介数作为节点重要性的评价指标，并以电力通信网的带宽和距离作为权值，基于｝夹速密度聚类方法建立电力通信网的节点重要性评估模型，为电网通信的规划做支撑。本文通过快速密度聚类方法进行无监督的分类，将节点分为４个重要性等级。本文利用某省的实际电网通信数据进行检验，验证了本文方法在电力通信网中的实用性，证明本文方法可以有效地应用于实际电力通信网评估当中。参考文献［１］李瑞生．一种基于虚拟节点网络拓朴结构适用于架空线路主动配电网的纵联保护方案［Ｊ］．电力系统保护与—控制，２０１５，４３（２）：７０７５．ＬＩＲｕｉｓｈｅｎｇ．Ａｎａｅｒｉａｌｌｉｎｅａｃｔｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｎｅｔｗｏｒｋｐｉｌｏｔｐｒｏｔｅｃｔｉｏｎｓｃｈｅｍｅｂａｓｅｄｏｎｔｏｐｏｌｏｇｙｏｆｖｉｒｔｕａｌｎｏｄｅ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，—４３（２）：７０７５．［２］薛浩然，张珂珩，李斌，等．基于布谷鸟算法和支持向量机的变压器故障诊断［Ｊ］．电力系统保护与控制，２０１５，４３（８）：８－１３．ＸＵＥＨａｏｒａｎ，ＺＨＡＮＧＫｅｈｅｎｇ，ＬＩＢｉｎ，ｅｔａ１．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｔｒａｎｓｆｏｒｍｅｒｂａｓｅｄｏｎｔｈｅｃｕｃｋｏｏｓｅａｒｃｈａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｆＪ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１５，４３（８）：８－１３．［３］李蓉蓉，陈曦，吴延琳，等．基于状态转移的高压直流输电系统可靠性分析［Ｊ］．高压电器，２０１５（１２）：６６．７１．ＬＩＲｏｎｇｒｏｎｇ，ＣＨＥＮＸｉ，ＷＵＹａｎｌｉｎ，ｅｔａ１．ＲｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｏｆＨＶＤＣｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｓｔａｔｅ—ｔｒａｎｓｉｔｉｏｎ［Ｊ］．ＨｉｇｈＶｏｌｔａｇｅＡｐｐａｒａｔｕｓ，２０１５（１２）：６６７１．［４］班淑珍，韩俊峰．改进关联规则方法在电力设备故障预测中的应用【ＪＪ．电网与清洁能源，２０１５，３１（１０）：８３＿８８．ＢＡＮＳｈｕｚｈｅｎ，ＨＡＮＪｕｎｆｅｎｇ．Ａｐｐｌｉｃａｔｉｏｎｏｆｉｍｐｒｏｖｅｄａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｍｅｔｈｏｄｉｎｐｒｅｄｉｃｔｉｏｎｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｅｑｕｉｐｍｅｎｔｆａｕｌｔｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍａｎｄＣｌｅａｎＥｎｅｒｇｙ，２０１５，３１（１Ｏ）：８３－８８．［５］国家能源局．ＤＬ／Ｔ光纤通道传输保护信息通用技术条件［Ｓ】．２０１０．［６］ＧＵＮＧＯＲＶＣ，ＬＡＭＢＥＲＴＦＣ．Ａｓｕｒｖｅｙｏｎｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｓｆｏｒｅｌｅｃｔｒｉｃｓｙｓｔｅｍａｕｔｏｍａｔｉｏｎ［￣．ＣｏｍｐｕｔｅｒＮｅｔｗｏｒｋｓ，２００６，５０（７）：８７７－８９７．［７］ＧＡＯＨｕｉｓｈｅｎｇ，ＲＡＮＪｉｎｇｘｕｅ，ＳＵＮＹｉｑｕｎ．Ｒｉｓｋｅｖａｌｕａｔｉｏｎｏｆｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒｂａｓｅｄｏｎｒｅｓｔｒｉｃｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ［Ｃ］／／ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷｉｒｅｌｅｓｓＣｏｍｍｕｎｉｃａｔｉｏｎｓ，ＮｅｔｗｏｒｋｉｎｇａｎｄＭｏｂｉｌｅＣｏｍｐｕｔｉｎｇ．２００７：３１２７－３１３４．［８］谢琼瑶，邓长虹，赵红生，等．基于有权网络模型的电力网节点重要度评估［Ｊ］．电力系统自动化，２００９，３３（４）：２１．２４．ＸＩＥＱｉｏｎｇｙａｏ，ＤＥＮＧＣｈａｎｇｈｏｎｇ，ＺＨＡＯＨｏｎｇｓｈｅｎｇ，ｅｔａ１．Ｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｆｏｒｎｏｄｅｉｍｐｏｒｔａｎｃｅｏｆｐｏｗｅｒｇｒｉｄｂａｓｅｄｏｎｔｈｅｗｅｉｇｈｔｅｄｎｅｔｗｏｒｋｍｏｄｅｌ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍｓ，２００９，３３（４）：２１－２４．［９］张恺伦，江全元．基于攻击树模型的ＷＡＭＳ通信系统脆弱性评估［Ｊ］．电力系统保护与控制，２０１３，４１（７）：—１１６１２２．ＺＨＡＮＧＫａｉｌｕｎ，ＪＩＡＮＧＱｕａｎｙｕａｎ．ＶｕｌｎｅｒａｂｉｌｉｔｙａｓｓｅｓｓｍｅｎｔｏｎＷＡＭＳｃｏｍｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎａｔｔａｃｋｔｒｅｅｍｏｄｅｌ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎ￣ｏｌ，２０１３，４１（７）：１１６－１２２．［１０］蒋康明，曾瑛，邓博仁，等．基于业务的电力通信网风险评价方法『Ｊ］．电力系统保护与控制，２０１３，４１（２４）：１０１．１０６．ＪＩＡＮＧＫａｎｇｍｉｎｇ，ＺＥＮＧＹｉｎｇ，ＤＥＮＧＢｏｒｅｎ，ｅｔａ１．ＲｉｓｋｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｏｆｅｌｅｃｔｒｉｃｐｏｗｅｒＣＯｍｍｕｎｉｃａｔｉｏｎ狄立，等基于快速密度聚类的电力通信网节点重要性评估．９５．ｎｅｔｗｏｒｋｂａｓｅｄｏｎｓｅｒｖｉｃｅｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎ—ａｎｄＣｏｎｔｒｏｌ，２０１３，４１（２４）：１０１１０６．［１１］郭静，王东蕊．基于复杂网络理论的电力通信网脆弱性分析［Ｊ】．电力系统通信，２００９，３０（９）：６－１０．ＧＵＯＪｉｎｇ，ＷＡＮＧＤｏｎｇｍｉ．Ｖｕｌｎｅｒａｂｉｌｉｔｙａｎａｌｙｓｉｓｏｎｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｂａｓｅｄｏｎｃｏｍｐｌｅｘｎｅｔｗｏｒｋｔｈｅｏｒｙ［Ｊ］．ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｆｏｒＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍ，２００９，３０（９）：６－１０．［１２］程文清，马庆峰，赵建之．电力光纤传输网可靠性评估方法的研究［Ｊ］．电力系统通信，２０１１，３２（９）：１１－１５．ＣＨＥＮＧＷｅｎｑｉｎｇ，ＭＡＱｉｎｇｆｅｎｇ，ＺＨＡＯＪｉａｎｚｈｉ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｒｅｌｉａｂｉｌｉｔｙｅｖａｌｕａｔｉｏｎｏｆｐｏｗｅｒｏｐｔｉｃａｌｆｉｂｅｒｔｒａｎｓｍｉｓｓｉｏｎｎｅｔｗｏｒｋ［Ｊ］．ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｆｏｒＥｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍ，２０１１，３２（９）：１１－１５．［１３］高会生，王旭蕊，王慧芳．一种基于贝叶斯网络的电力通信网ＳＤＨ设备综合安全评估模型［Ｊ】．现代电力，—２０１４，３１（３）：６８７３．ＧＡＯＨｕｉｓｈｅｎｇ，ＷＡＮＧＸｕｒｕｉ，ＷＡＮＧＨｕｉｆａｎｇ．ＡｃｏｍｐｒｅｈｅｎｓｉｖｅｓｅｃｕｒｉｔｙｅｖａｌｕａｔｉｏｎｍｏｄｅｌｏｆＳＤＨｅｑｕｉｐｍｅｎｔｓｉｎｐｏｗｅｒｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｂａｓｅｄｏｎＢａｙｅｓｉａｎｎｅｔｗｏｒｋ［Ｊ］．ＭｏｄｅｍＥｌｅｃｔｒｉｃＰｏｗｅｒ，２０１４，３１（３）：６８－７３．［１４］梅鲁海．基于ＳＤＨ光网络的分层区域式保护通信系统的可靠性研究［Ｊ】＿电力系统保护与控制，２０１４，４２（２１）：—８１８５．ＭＥＩＬｕｈａｉ．ＲｅｌｉａｂｉｌｉｔｙｒｅｓｅａｒｃｈｏｆｌａｙｅｒｅｄｒｅｇｉｏｎａｌｐｒｏｔｅｃｔｉｖｅｃｏｍｍｕｎｉｃａｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＳＤＨｏｐｔｉｃａｌｎｅｔｗｏｒｋ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１４，４２（２１）：８１－８５．［１５］蔡泽祥，王星华，任晓娜．复杂网络理论及其在电力系统中的应用研究综述【Ｊ］．电网技术，２０１２，３２（１１）：ｌ１４．１１９．ＣＡＩＺｅｘｉａｎｇ，ＷＡＮＧＸｉｎｇｈｕａ，ＲＥＮＸｉａｏｎａ．Ａｒｅｖｉｅｗｏｆｃｏｍｐｌｅｘｎｅｔｗｏｒｋｔｈｅｏｒｙａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｐｏｗｅｒｓｙｓｔｅｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｙ，２０１２，３２（１１）：ｌ１４．１１９．［１６］杨蕾，黄小庆，曹丽华，等．考虑区域性的复杂电力网络演化模型［Ｊ］．电力系统及其自动化学报，２０１２，２４（２）：—５１０．ＹＡＮＧＬｅｉ，ＨＵＡＮＧＸｉａｏｑｉｎｇ，ＣＡＯＬｉｈｕａ．Ｎｏｖｅｌｅｖｏｌｖｉｎｇｎｅｔｗｏｒｋｍｏｄｅｌｆｏｒｃｏｍｐｌｅｘｐｏｗｅｒｇｒｉｄｃｏｎｓｉｄｅｒｉｎｇｒａｔｉｏｎａｌｉｔｙ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＵ－ＥＰＳＡ，２０１２，２４（２）：５－１０．［１７］ＨＥＸｉ，ＷＡＮＧＷｅｉ，ＬＩＵＸｉｎｙｕ，ｅｔａ１．ＲｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｃｏｍｍｕｎｉｃａｔｉｏｎｎｅｔｗｏｒｋｏｆｐｏｗｅｒｃｏｍｐａｎｙｂａｓｅｄｏｎｒｏｕｇｈｓｅｔｔｈｅｏｒｙａｎｄｍｕｌｔｉｃｌａｓｓＳＶＭ［Ｊ］．ＰｈｙｓｉｃｓＰｒｏｃｅｄｉａ，—２０１２，２４：１２２６１２３１．［１８］ＡＬＥＸＬＡＩＯＡ．Ｃｌｕｓｔｅｒｉｎｇｂｙｆａｓｔｓｅａｒｃｈａｎｄｆｉｎｄｏｆｄｅｎｓｉｔｙｐｅａｋｓ［Ｊ］．Ｓｃｉｅｎｃｅ，２０１４：１４９２・１４９６．［１９］姚致清，于飞，赵倩，等．基于模块化多电平换流器的大型光伏并网系统仿真研究【Ｊ】．中国电机工程学—报，２０１３，３３（３６）：２７３３．ＹＡＯＺｈｉｑｉｎｇ，ＹＵＦｅｉ，ＺＨＡＯＱｉａｎ，ｅｔａ１．Ｓｉｍｕｌａｔｉｏｎｒｅｓｅａｒｃｈｏｎｌａｒｇｅ－－ｓｃａｌｅＰＶｇｒｉｄ－－ｃｏｎｎｅｃｔｅｄｓｙｓｔｅｍｓｂａｓｅｄ—ｏｎＭＭＣ［Ｊ】．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＣＳＥＥ，２０１３，３３（３６）：２７３３．收稿日期：２０１５－０８－０６；修回Ｅｔ期：２０１５－１Ｏ～１９作者简介：狄立（１９８７一），男，硕士，工程师，研究方向为电力’通信网络评估；Ｅ．ｍａｉｌ：１３７８８６３９９＠ｑｑ．ｔｏｍ郑征（１９７９－），男，硕士，工程师，研究方向为电力通信系统规划等：Ｅ．ｍａｉｌ：３４２１００３００＠ｑｑ．ｔｏｍ夏昱（１９８３一），男，通信作者，博士，副教授，研究—方向为大数据分析及机器学习理论，电力通信网评估等。Ｅｍａｉｌｘｉａｍｉｎ＠ｎｕｉｓｔ．ｅｄｕ．ｃｎ（编辑葛艳娜）