陳江 趙淑芳 林鳳仙

摘要：為提高電力通信網(wǎng)的可靠性，利用核主成分分析對(duì)電力通信網(wǎng)可靠性指標(biāo)進(jìn)行降維處理，有效去除其中的非線性相關(guān)信息，并與主成分分析（PCA）及原始屬性集的分析結(jié)果進(jìn)行比較，以取得更好的評(píng)價(jià)結(jié)果。選取某市近年來(lái)統(tǒng)計(jì)數(shù)據(jù)為樣本進(jìn)行實(shí)證分析，證明該方法在主特征值累計(jì)貢獻(xiàn)率更高，能獲得更好的評(píng)價(jià)效果。

關(guān)鍵詞：電力通信網(wǎng)；可靠性；核主成分分析

中圖分類號(hào)：TN915.853文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-5383（2018）01-0042-04

隨著智能電網(wǎng)的快速發(fā)展，電網(wǎng)的安全穩(wěn)定面臨新的挑戰(zhàn)，同時(shí)對(duì)電網(wǎng)安全穩(wěn)定控制系統(tǒng)和調(diào)度自動(dòng)化系統(tǒng)的基礎(chǔ)——電力通信網(wǎng)架構(gòu)、帶寬、時(shí)延、可靠性等提出更高的要求。電力通信網(wǎng)主要為電網(wǎng)的自動(dòng)化控制、商業(yè)化運(yùn)營(yíng)和實(shí)現(xiàn)現(xiàn)代化管理服務(wù)，它承載著遠(yuǎn)動(dòng)信號(hào)、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)、能量管理系統(tǒng)、電話和視頻會(huì)議、管理信息數(shù)據(jù)等業(yè)務(wù)，在很大程度上電力通信網(wǎng)的可靠性水平影響著智能電網(wǎng)安全、可靠、高效運(yùn)行。

以計(jì)算機(jī)為核心的ICT（Information and Communications Technology，信息通信技術(shù)）飛速發(fā)展，滲透到社會(huì)生活的各個(gè)領(lǐng)域，作為電力系統(tǒng)的支撐網(wǎng)——電力通信網(wǎng)的可靠性研究在國(guó)家大電網(wǎng)發(fā)展戰(zhàn)略也逐漸受到相關(guān)學(xué)者的關(guān)注。電力通信可靠性在相關(guān)研究上與公共通信網(wǎng)可靠性的研究相比有明顯的特性需求。

目前，針對(duì)電力通信網(wǎng)可靠性相關(guān)問(wèn)題的研究可總結(jié)為3個(gè)方面。其一，采取與公共通信相似的研究方法，如基于網(wǎng)絡(luò)連通性、節(jié)點(diǎn)設(shè)備及鏈路可靠度的可靠性分析[1-3]；其二，基于業(yè)務(wù)的可靠性指標(biāo)分析或可靠性研究[4-6]；其三，基于定性或定量的可靠性分析及評(píng)估[7-8]。

本文應(yīng)用核主成分分析法（Kernel Principal Component Analysis， KPCA）建立電力通信網(wǎng)可靠性綜合評(píng)價(jià)模型，不僅解決了處理評(píng)價(jià)指標(biāo)之間的非線性相關(guān)問(wèn)題，且能提供更多的特征信息；本方法結(jié)合以往研究電力通信網(wǎng)可靠性方法一、方法二的優(yōu)點(diǎn)，選取電力通信網(wǎng)可靠性指標(biāo)對(duì)電力通信網(wǎng)進(jìn)行了定性分析。選取某市近期的可靠性指標(biāo)數(shù)據(jù)進(jìn)行驗(yàn)證分析，證實(shí)該方法的有效性及實(shí)用性。

1 可靠性指標(biāo)體系的建立

電力通信網(wǎng)是一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，本文采用層次分析法構(gòu)建了電力通信網(wǎng)可靠性指標(biāo)評(píng)價(jià)體系[9]。首先，將其可靠性影響因素分解為4大類：網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)管理系統(tǒng)、通信設(shè)施、維護(hù)管理。其中，網(wǎng)絡(luò)結(jié)構(gòu)是整網(wǎng)正常運(yùn)行的基礎(chǔ)；網(wǎng)絡(luò)管理系統(tǒng)通過(guò)結(jié)合軟件和硬件用來(lái)對(duì)電力通信網(wǎng)狀態(tài)進(jìn)行調(diào)整的系統(tǒng)，是保障網(wǎng)絡(luò)系統(tǒng)能夠正常、高效運(yùn)行的守護(hù)神；通信設(shè)施是電力通信網(wǎng)可靠性的構(gòu)成直接要素，鏈路節(jié)點(diǎn)的可靠與否直接影響著全網(wǎng)的可靠運(yùn)行；維護(hù)管理能力的高低間接地對(duì)電力通信網(wǎng)產(chǎn)生影響。

然后，對(duì)電力通信網(wǎng)可靠性評(píng)價(jià)指標(biāo)設(shè)置一級(jí)指標(biāo)4個(gè)、二級(jí)指標(biāo)6個(gè)，三級(jí)指標(biāo)14個(gè)，如表1所示。

2 KPCA模型

KPCA是在主成分分析（PCA）基礎(chǔ)上[10]，用核函數(shù)替代了原來(lái)的數(shù)據(jù)，利用非線性方法來(lái)提取主成分。對(duì)于線性不可分的數(shù)據(jù)集，可以將其映射到高維上，再進(jìn)行劃分。

根據(jù)提取的狀態(tài)信息建立電力通信網(wǎng)一定狀態(tài)下的狀態(tài)特征矩陣，在不同的狀態(tài)下，電力通信網(wǎng)狀態(tài)信息不同，所以在不同狀態(tài)下?tīng)顟B(tài)特征矩陣數(shù)據(jù)結(jié)構(gòu)不同。本文采用KPCA方法對(duì)狀態(tài)特征矩陣的狀態(tài)子空間進(jìn)行提取。

由式（11），提取了高階非線性主成分。

綜上所述，核主要成分算法的計(jì)算流程如下：

Step1：輸入樣本初始化，計(jì)算矩陣K；

Step2：計(jì)算核矩陣K的特征值及特征向量，特征向量歸一化；

Step3：求出最大特征值及特征向量，找到高維空間特征向量主成分；

Step4：求評(píng)價(jià)樣本評(píng)價(jià)系數(shù)，綜合評(píng)價(jià)。

3 算例分析

選擇南方某市2007—2016年電力通信網(wǎng)可靠性相關(guān)統(tǒng)計(jì)數(shù)據(jù)，進(jìn)行電力通信網(wǎng)可靠性的綜合評(píng)價(jià)案例分析。網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)管理系統(tǒng)、通信設(shè)施的指標(biāo)因子均可收集統(tǒng)計(jì)數(shù)據(jù)，結(jié)合電力通信網(wǎng)維護(hù)管理實(shí)際，本文對(duì)維護(hù)管理相關(guān)指標(biāo)因子采用失誤率進(jìn)行量化。文中選取多項(xiàng)式核函數(shù)作為KPCA核函數(shù)，其中d取值為3，即核函數(shù)為

用Matlab軟件實(shí)現(xiàn)PCA及KPCA算法分別對(duì)表2數(shù)據(jù)進(jìn)行處理，其結(jié)果如表3所示。

表3為采用線性主成分分析（PCA）及核主要成分分析（KPCA）對(duì)電力通信網(wǎng)可靠性樣本測(cè)算結(jié)果。從表3可以看出，PCA及KPCA均可用于樣本數(shù)據(jù)的特征參數(shù)選取，最終實(shí)現(xiàn)樣本數(shù)據(jù)降維，其中，PCA是利用特征的協(xié)方差矩陣判斷變量間的方差一致性，尋找出變量之間的最佳的線性組合，來(lái)代替特征，從而達(dá)到降維效果；而KPCA則是利用核化的思想，將樣本的空間映射到更高維度的空間，再利用這個(gè)更高的維度空間進(jìn)行線性降維，能極大地提取指標(biāo)信息。通過(guò)表3對(duì)比可知，表中KPCA算法得到數(shù)據(jù)主成分特征比較明顯，貢獻(xiàn)率相對(duì)集中，而應(yīng)用PCA算法得到數(shù)據(jù)的主要成分貢獻(xiàn)率相對(duì)分散，而且在相同數(shù)據(jù)量的基礎(chǔ)上，PCA的性能明顯低于KPCA的分析結(jié)果。

圖1為KPCA及PCA帕累托對(duì)照?qǐng)D。通過(guò)對(duì)比可知，PCA相對(duì)于KPCA各主成分貢獻(xiàn)率相對(duì)較為分散，相同累計(jì)貢獻(xiàn)率基礎(chǔ)上，應(yīng)用KPCA得到的樣本數(shù)據(jù)主成份特征明顯，貢獻(xiàn)率集中，主成份參數(shù)維數(shù)較少等優(yōu)點(diǎn)，其性能明顯高于PCA的分析結(jié)果。

綜上所述，在選取電力通信網(wǎng)可靠性主要指標(biāo)的基礎(chǔ)上，利用KPCA方法取得較好的降維效果。通過(guò)本方法可以對(duì)電力通信網(wǎng)可靠性指標(biāo)樣本的14維原特征描述空間開(kāi)展有效的綜合，得到較小的樣本特征綜合描述指標(biāo)，從而為電力通信網(wǎng)可靠性分析提供有效的分類特征。

4 結(jié)論

電力通信網(wǎng)可靠性評(píng)估是一個(gè)復(fù)雜的系統(tǒng)評(píng)估難題，涉及的相關(guān)參數(shù)指標(biāo)眾多，而且這些指標(biāo)間存在不確定的非線性關(guān)系。本文結(jié)合電力通信網(wǎng)運(yùn)行維護(hù)優(yōu)化的實(shí)際，構(gòu)建了電力通信網(wǎng)可靠性指標(biāo)體系，采用KPCA方法對(duì)電力通信網(wǎng)可靠性原始特征指標(biāo)進(jìn)行特征提取，并跟PCA進(jìn)行比較。結(jié)果表明，采用KPCA方法能較好地解決電力通信網(wǎng)可靠性指標(biāo)之間存在的非線性問(wèn)題，具有較好的降維效果，具有一定的推廣價(jià)值。另外，在實(shí)際電力通信網(wǎng)運(yùn)維管理中，如何合理使用電力通信網(wǎng)可靠性綜合指標(biāo)數(shù)據(jù)搭建穩(wěn)固的電網(wǎng)系統(tǒng)神經(jīng)線，對(duì)于相關(guān)運(yùn)維人員十分重要，在將來(lái)的工作中將進(jìn)一步加強(qiáng)相關(guān)研究。

參考文獻(xiàn)：

[1]曾瑛，朱文紅，張乃夫，等.基于聚類可靠度的電力通信網(wǎng)可靠性評(píng)價(jià)方法[J].計(jì)算機(jī)應(yīng)用，2014（S1）：21-23.[2] 鄧雪波，王小強(qiáng)，陳曦，等.基于效能模型的電力通信網(wǎng)可靠性研究[J].重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，24（3）：378-382.

[3] 施繼紅，宗容，劉宇明，等.電力通信網(wǎng)的抗毀性和拓?fù)鋬?yōu)化研究[J].電力系統(tǒng)通信，2009，30（9）：11-13.

[4] 陳翔，吳潤(rùn)澤，曹敏，等.基于模糊AHP的電力ICT網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量評(píng)價(jià)方法[J].電力系統(tǒng)通信，2011，32（6）：48-52.

[5] 周靜，熊素琴，蘇斌，等.一種電力通信網(wǎng)絡(luò)運(yùn)行質(zhì)量量化評(píng)估方法及應(yīng)用[J].電網(wǎng)技術(shù)，2012，36（9）：168-173.

[6] 蔡偉， 楊洪， 熊飛，等.考慮電力通信網(wǎng)可靠性的業(yè)務(wù)路由優(yōu)化分配方法[J].電網(wǎng)技術(shù)，2013，37 （12）：3541-3545.

[7] 蘇波，齊苗苗.一種電力通信網(wǎng)可靠性綜合評(píng)價(jià)方法[J].電力系統(tǒng)通信，2010，31（9）：5-8.

[8] 施健，王世文，徐士元.基于改進(jìn)FAHP的電力通信網(wǎng)可靠性評(píng)估方法研究[J].計(jì)算機(jī)與數(shù)字工程，2015，43（4）：613-617.

[9] 楊海健.電力通信網(wǎng)的可靠性研究[D].西安：西安電子科技大學(xué)，2013.

[10] SCHOLKOPF B，SMOLA A，MOILER K R.Kernel principal component analysis[J].Advances in Kernel， Methods-Support Vector Learning， 1997，1（1）：583-589.