一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法

技术领域

本发明属于电力工业领域，特别是涉及一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法。

背景技术

随着变电站网络遭受攻击与发生意外事故的频率不断升高，对变电站网络抗毁性的研究越来越得到人们的重视。变电站网络的抗毁性是指它在各种环境下安全运行的能力，能够合理地评估其受到攻击时的损坏程度和对威肋的抵御能力。提升其抗毁性能够有效地对潜在威肋、进行最大程度的削弱，减少其受到攻击时的损失。因此，当今社会对于变电站网络的抗毁性研究具有十分迫切的需求。

现有的关于变电站网络的抗毁性研究方向主要分为两类：一类是采用图论中关于连通性的指标，如粘聚度、连通度和核度等，来衡量变电站网络的抗毁性；另一类是采用统计物理的研究方法对变电站网络的网络拓扑结构进行研究，以此精准地计算抗毁性。目前对于变电站网络抗毁性评估需要考虑众多因素，所以对目标网络态势威肋、情况进行估计和分析显得尤为重要。

当前的一些变电站网络的抗毁性进行推理的方法中，还存在着一些不足，例如使用贝叶斯网络进行推理，速度比较慢，对参数依赖程度高，且准确度不高；模糊推理方法对数值的表达能力强一点，但没有考虑到时序范围对于网络的影响，无法的有效的体现不同时间节点的情况。

考虑到区域变电站的特殊性，增强各个变电站之间的联系情况，使得整个区域变电站网络可以被整体分析，本发明结合实际情况，在考虑提高分析的全面性、改良技术等因素的前提下，提出了一种基于模糊动态贝叶斯网络的变电站网络抗毁性评估指标。

发明内容

本发明的目的是提供一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法，包括：

选取变电站网络抗毁性指标并构建抗毁性网络指标体系；所述抗毁性网络指标体系包括一级指标与二级指标；

获取离散静态贝叶斯的推理公式，将所述推理公式扩展到含若干个时间片的动态网络，获得观测变量组合状态对应的隐藏变量分布式；

对所述抗毁性网络指标体系中各项参数指标进行模糊处理，基于模糊处理后的各项参数指标与隐藏变量分布式获得模糊动态贝叶斯推理公式；

基于模糊动态贝叶斯推理公式构建变电站网络抗毁性效能分析模型，通过变电站网络抗毁性效能分析模型获得变电站网络抗毁性效能的分析结果；

构建抗毁性等级评估模型；

基于抗毁性等级评估模型与分析结果，结合专家知识实现变电站网络抗毁性评估。

可选的，所述一级指标包括抗毁性收益、抗毁性损耗和抗毁性顽存。

可选的，所述抗毁性收益划分为对应的二级指标网络凝聚度、节点重要性和聚集系数；

所述抗毁性损耗划分为对应的二级指标失效节点数、初始负载和相对增加成本；

所述抗毁性顽存划分为对应的二级指标网络易毁性和网络恢复性。

可选的，所述隐藏变量分布式如下：

式中，i∈[1,T]，j∈[1,m]，k∈[1,n]，n为隐藏节点的个数，m为观测节点的个数，x

可选的，模糊处理的过程包括：

根据变电站网络中变量的状态建立与状态对应的模糊集合，将连续参数通过模糊分类函数进行模糊分类，获得连续参数属于各个模糊集合的隶属度，作为连续参数属于各个状态的概率。

可选的，获得模糊动态贝叶斯推理公式的过程还包括：计算隐藏变量的后验分布，结合隐藏变量分布式，应用概率原理进行概率加权，获得模糊动态贝叶斯推理公式。

可选的，基于所述抗毁性网络指标体系构建变电站网络抗毁性效能分析模型，所述变电站网络抗毁性效能分析模型包括控制层与网络层；控制层包括目标节点与属性节点，其中，将抗毁性效能作为目标节点，将一级指标作为属性节点；将二级指标作为网络层节点，与作为属性节点的一级指标对应。

可选的，所述抗毁性等级评估模型的模型参数包括起始网络节点的条件概率与网络状态转移概率。

可选的，所述起始网络节点的条件概率根据经验知识确定，所述网络状态转移概率通过分析历史数据，结合专家经验知识确定。

可选的，所述一级指标与二级指标的划分依据为变电站网络静态抗毁性和变电站网络动态级联抗毁性的指标测度。

本发明的技术效果为：

本发明提供的一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法，对区域变电站进行整体分析，可以从全局角度合理进行分析评估。采用模糊动态贝叶斯网络模型进行分析评估，大大提高了评估的效率和正确率。

本发明基于动态贝叶斯网络和模糊分类技术为基础的抗毁性评估的新方法，以动态贝叶斯模型为基础，将影响威胁等级的各因素用概率方法结合专家知识进行描述，并运用模糊分类技术处理观测数据，本发明用于区域变电站网络抗毁性分析评估，具有科学性和合理性。模糊分类技术和动态贝叶斯网络都是定性推理工具，本发明将二者结合起来，可实现连续观测值的推理，扩展了动态贝叶斯网络的适用范围。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的方法流程示意图；

图2为本发明实施例中的变电站网络抗毁性指标体系示意图；

图3为本发明实施例中的抗毁性效能分析模型示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

如图1-3所示，本实施例中提供一种基于模糊动态贝叶斯的变电站网络抗毁性评估方法，包括：

首先介绍动态贝叶斯网络。动态贝叶斯网络是贝叶斯网络在时序上的扩展，动态是指贝叶斯网络中节点的值是动态变化的。在动态贝叶斯网络中，时间片通过弧与相邻时间片连接，反映了与相邻时间片之间的相互依赖关系，它不仅具有静态贝叶斯网络的功能特性，还能在时序范围内充分体现变电站网络节点抗毁性对整个网络结构的影响。将DBN表示为(B

其中，

其中，P(x

其次介绍模糊集合理论。模糊集合理论是用来处理模糊不清、不严密和不明确的问题。其主要特点是将明确集合加入模糊概念，并用模糊集合来描述输输入模式空间，即利用输人空间的模糊子集和合或模糊规则来描述复杂或不确定的系统。模糊集合理论是采用严格精确的数学手段来处理“模糊”的现象，以达到消除“模糊”的一门科学。

Step1：建立抗毁性网络指标体系

变电站网络抗毁性指标的选取，应遵循独立、可测和层次性的体系构建原则。考虑变电站网络攻防特点，变电站网络抗毁性指标的选取应重点考虑3个问题：是否成功实现预定目标的效果，抵御攻击所付出的代价以及网络节点(或边)受到攻击后依然能维持变电站网络基本性能的能力。以下将指标体系的一级指标分为抗毁性收益、抗毁性损耗和抗毁性顽存。参考变电站网络静态抗毁性和变电站网络动态级联抗毁性的指标测度，又在一级指标下划分出二级指标，其中，抗毁性收益划分为网络凝聚度、节点重要性和聚集系数；抗毁性损耗分为失效节点数、初始负载和相对增加成本；抗毁性顽存划分为网络易毁性和网络恢复性。具体如图2所示。

1)抗毁性收益

抗毁性收益是指变电站网络在受到攻击后，网络能够实现预定目标所获得的效果。

网络凝聚度ρ(G)定义为：

其中，q(i)为节点i的强度，l

节点重要性IMC(i)定义为：

其中，G′(i)表示将网络节点i收缩后所得的网络。

聚集系数C

其中，E

2)抗毁性损耗

抗毁性损耗是指变电站网络抵御敌方网络攻击所付出的代价。

失效节点数CF定义为：

其中，CF

初始负载L

其中，k

相对增加成本I定义为：

其中，驻C

3)抗毁性顽存

抗毁性顽存是指变电站网络节点抵域其他网络攻击的能力。

网络易毁性定义为：

其中，V[S,D]∈[0,1]，Φ[S]为未受到攻击的网络功能度量指标值，W[S,D]定义为在攻击条件下，该指标的最小值。

网络恢复性定义为：

其中，B[S,I]为在恢复条件下，网络度量指标的最大值。

Step2：利用模糊集合理论将Step1中的各项参数进行模糊处理，建立基于模糊动态贝叶斯网络的变电站网络抗毁性效能分析模型

模糊动态贝叶斯网络是将模糊技术与动态贝叶斯网络相结合而产生的一种网络，其目的是处理具有连续参数的定性推理问题。基本思想是：首先，对于连续参数，根据网络中变量的状态建立相应的模糊集合，然后对连续参数通过模糊分类函数进行模糊分类，得到连续参数属于各个模糊集合的隶属度。由于模糊集合和变量的状态相对应，因此，获得的隶属度就是连续参数属于各个状态的概率，这就使得模糊离散贝叶斯网络的输入是多状态的。

动态贝叶斯网络的推理依据是根据贝叶斯公式：

一个具有n个隐藏节点，m个观测节点的离散静态贝叶斯网络，其推理的本质是：

式中，i∈[1,n]，j∈[1,m]，x

式中i∈[1,T]，j∈[1,m]，k∈[1,n]，x

对于参数是连续变量的动态贝叶斯网络，首先，将参数进行模糊分类，得到参数属于相应模糊集合的隶属度，这样使得观测值的组合状态不是一个，而是多个，处于每种组合状态的概率都不是1,需要计算隐藏变量x

式中，y

变电站网络抗毁性效能分析指标各要素之间，既有层级关系，还包括指标要素之间的相互影响和相互联系。分析变电站网络抗毁性效能，可将抗毁性效能视为目标节点，底层的影响因素视为网络节点，按照控制层、网络层两个层次，通过上述分析，构建基于模糊动态贝叶斯网络的变电站网络抗毁性效能分析模型，如图3所示。该模型通过将各个参数带入公式，计算得出该节点的抗毁性效能参数，与Step3中建立的评估等级标准进行对比分析，以便得到最终的抗毁性效能。

Step3：建立抗毁性等级评估体系

变电站网络抗毁性等级评估的参数主要有：一是起始网络节点的条件概率，反映了网络中关联节点之间的因果关系，在实际分析过程中，该值可由专家根据经验知识给定；二是网络状态转移概率，反映了各时间片之间网络节点状态改变的概率，在实际分析过程中，该参数值可由专家对以往的历史数据进行分析，再结合经验知识加以给定。由于受到专家经验知识的影响，模型的参数值在一定程度上存在主观性，因此，在实际过程中，可通过取多组数据，并将这些数据导入模型中进行多次调试，得到结果后对模型参数进行适当的调整，从而提高可信度。

本实施例通过动态贝叶斯网络将传统的抗毁性评估提速，使得评估工作的更加精准地进行，并采取模糊集合机制，将参数指标进行模糊化处理，使得该模型在不丢失效率的前提下，可以更加准确的完成抗毁性评估工作。既提高了工作的效率也提高了准确性。

针对动态贝叶斯网络收敛速度较慢、预测准确率低的问题，本实施例在参数形态上进行改进，提出基于模糊动态贝叶斯网络的变电站网络抗毁性效能分析模型。该模型通过引入模糊集合的计算方式，自适应地选择符合模型要求的数据，来提高整体分析的连续性和全局性。

针对构建网络抗毁性评估指标体系和评估模型，该模型结合专家经验知识，实现了对各时间节点的变电站网络抗毁性的持续感知和动态分析，同时，也为变电站网络在抵御网络攻击过程中提供了更加自主、科学和可控的决策手段。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。