浦同爭, 宗 容, 施繼紅, 董建偉
(1.中國人民武裝警察邊防部隊士官學校 信息技術(shù)系, 云南 昆明 650214; 2.云南大學 信息學院, 云南 昆明 650091)
通信網(wǎng)作為信息資源傳遞的重要支撐,隨著Internet商業(yè)及個人應(yīng)用的急速增長,通信網(wǎng)的可靠性已成為大家關(guān)注的一個重點[1].電力通信網(wǎng)作為電力系統(tǒng)的重要組成部分,是保證電力系統(tǒng)正常運行的神經(jīng)線,承載著電力系統(tǒng)的重要業(yè)務(wù),涉及語音、傳真、數(shù)據(jù)、圖像傳輸、遠動繼電保護、電力監(jiān)控、移動通信等領(lǐng)域,是電網(wǎng)調(diào)度自動化、網(wǎng)絡(luò)運營市場化和管理現(xiàn)代化的基礎(chǔ),是確保電網(wǎng)安全、穩(wěn)定、經(jīng)濟運行的重要保證[2].
以往對通信網(wǎng)的評估只是單純從網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)進行評價,提出了基于貝葉斯、K-端網(wǎng)絡(luò)、蒙特卡洛、神經(jīng)網(wǎng)絡(luò)、微粒群優(yōu)化算法等可靠性算法[3-6],對通信網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)的可靠性進行了評估及優(yōu)化.作為通信網(wǎng)重要構(gòu)成類型,電力通信網(wǎng)除具有通信網(wǎng)的基本特性,還具有一些特殊的特性.以往單純地對電力通信網(wǎng)的拓撲結(jié)構(gòu)進行評估并不能反映電力通信網(wǎng)的整體可靠性,需要結(jié)合電力通信網(wǎng)的業(yè)務(wù)及相關(guān)因素從管理的角度對電力通信網(wǎng)綜合評估.對此,本文從整體綜合考慮電力通信網(wǎng),根據(jù)層次分析法分析影響電力通信網(wǎng)可靠性的因素,構(gòu)建一個電力通信網(wǎng)可靠性的綜合指標體系,并利用熵權(quán)法分析各影響因素之間的關(guān)系,確定出相應(yīng)的權(quán)值,最后利用ANFIS算法得出電力通信網(wǎng)可靠性的最終結(jié)果,并將結(jié)果與神經(jīng)網(wǎng)絡(luò)、蒙特卡洛、貝葉斯算法相比較,最終結(jié)果顯示ANFIS算法得出的結(jié)果客觀準確.
ANFIS(Adaptive Network-based Fuzzy Inference System),也稱為自適應(yīng)神經(jīng)模糊推理系統(tǒng),融合了模糊推理系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的智能方法,具有兩者的優(yōu)點,具有較強的學習機制及模糊推理能力,被廣泛應(yīng)用于各種領(lǐng)域[7,8].假定系統(tǒng)為二輸入(x,y),單輸出(f)的系統(tǒng),采用一階Takagi-Sugeno模糊模型,存在兩條if-then規(guī)則的普通規(guī)則集如下:
規(guī)則1:IfxisA1ANDyisB1, thenf1=p1x+q1y+r1
規(guī)則2:IfxisA2ANDyisB2, thenf2=p2x+q2y+r2
模糊推理的輸出采用加權(quán)平均法,即:
(1)
ANFIS的典型結(jié)構(gòu)如圖1 所示.
圖1 ANFIS的體系結(jié)構(gòu)
第一層:在這一層的每個節(jié)點i是一個有節(jié)點函數(shù)的自適應(yīng)節(jié)點:
(2)
(3)
或者高斯函數(shù):
(4)
其中{ai,bi,ci}是第一層節(jié)點的參數(shù)集,本層的參數(shù)是非線性的,由于其位于模糊規(guī)則的if部分,所以該層的參數(shù)又稱為前提參數(shù),為非線性參數(shù).
第二層:在這一層的每一個節(jié)點是固定節(jié)點.它的輸出是所有輸入信號的乘積:
wi=μAi(x)×μBi(y),i=1,2.
(5)
每個節(jié)點的輸出表示一條規(guī)則的激勵強度.一般來說,該層的節(jié)點函數(shù)可以用任意其它執(zhí)行“模糊與”(AND)的T范式算子.
第三層:在這一層的每個節(jié)點是一個標以N的固定節(jié)點.第i個節(jié)點計算第i條規(guī)則的激勵強度與所有規(guī)則的激勵強度之和的比值:
(6)
第四層:在這一層的每個節(jié)點i是一個具有節(jié)點函數(shù)的自適應(yīng)節(jié)點:
(7)
第五層:這一層的單節(jié)點是一個帶有∑的固定節(jié)點,它計算所有前四層傳來的信號之和以此來作為總的系統(tǒng)的輸出:
(8)
對于給定的可靠性指標(特性因素),如何確定其權(quán)值在電力通信網(wǎng)可靠性的計算中占據(jù)重要位置.一般情況下,在沒有任何經(jīng)驗信息的時候可以把各個系數(shù)的權(quán)重均值化,即等概率進行處理.對于該種處理方式,權(quán)重系數(shù)沒有參考價值[7].另外,還可以采用專家經(jīng)驗確定各因素之間的權(quán)值,使得權(quán)值更加真實可靠.以往的權(quán)值方法均是單純的在主觀的基礎(chǔ)上建立的,不能完全考慮各方面的因素.在此,本文采用一種結(jié)合了主觀及客觀的權(quán)重確定方法[9].
其數(shù)學模型如下:
(9)
電力通信網(wǎng)作為一個復(fù)雜的系統(tǒng),影響其可靠性的因素眾多,單獨某個指標并不能真實反映整個網(wǎng)絡(luò)的運行狀態(tài),對此需要進行整理分析和處理建立一個完整的指標體系[10].從綜合管理的角度,涉及一個系統(tǒng)的可靠性因素不僅僅只有硬件及軟件,還包括了人的因素、地理區(qū)域等因素[11].
首先,根據(jù)層次分析法對影響電力通信可靠性的指標進行分析,并參考網(wǎng)絡(luò)的生存性、有效性、抗毀性、完成性等來綜合評估電力通信網(wǎng)的可靠性,得出了完整的指標評估體系.根據(jù)分析,影響電力通信網(wǎng)可靠性的因素可以分為:系統(tǒng)結(jié)構(gòu)、環(huán)境變量、管理.這三個方面又分別依靠若干主要技術(shù)性能指標來支撐.對這三個方面的可靠性指標能進行量化計算,并進行了歸一化處理,即用相對指標值來表示.具體指標如表1所示.針對日常運營維護,確定電力通信網(wǎng)可靠性屬性集,建立電力通信網(wǎng)可靠性評價論域集,如表2所示.
表1 電力通信網(wǎng)可靠性指標
表2 電力通信網(wǎng)可靠性評價論域集L
其次,確定可靠性各指標的權(quán)重,并對其進行修正.結(jié)合電力通信網(wǎng)自身的特點,可靠性指標在可靠性評估中貢獻不同,在評價之前需要對各指標的權(quán)重進行修正,使得最終的評價結(jié)果更加合理.在此采用熵權(quán)法對可靠性各指標的權(quán)重進行分配.
最后,對電力通信網(wǎng)可靠性的評價模型進行評估,通過對數(shù)據(jù)進行訓練后對評價結(jié)果進行驗證,得到訓練數(shù)據(jù)與校驗數(shù)據(jù)的分布曲線.
電力通信網(wǎng)可靠性評價算法的具體步驟如下:
(1)建立電力通信網(wǎng)可靠性評價體系,模糊化各指標屬性;
(2)收集三級指標數(shù)據(jù),并進行歸一化及逆向化(反向指標)處理,綜合專家評價重要性因子,利用極大熵準則確定各指標之間的相對權(quán)重系數(shù);
(3)利用權(quán)重系數(shù)對各指標進行修正,并將修正后的指標作為可靠性評價模型的輸入;
(4)通過模糊綜合評價方法獲取用于可靠性評價模型的訓練數(shù)據(jù),從而對其進行訓練;
(5)用訓練成功的可靠性評價模型對電力通信網(wǎng)的可靠性進行評價.
選取某市2004年至2012年電力通信網(wǎng)可靠性相關(guān)運行數(shù)據(jù),如表3所示.以系統(tǒng)結(jié)構(gòu)、環(huán)境變量、管理作為輸入節(jié)點,電力通信網(wǎng)可靠性作為輸出結(jié)果.為提高網(wǎng)絡(luò)訓練的精度,采用插值法將標準參考數(shù)據(jù)增加,將增加的電力通信網(wǎng)可靠性標準作為訓練數(shù)據(jù).將表3中的9組數(shù)據(jù)代入訓練好的ANFIS結(jié)構(gòu),得到相應(yīng)的電力通信網(wǎng)可靠性評估結(jié)果.在訓練過程中,改變訓練次數(shù),輸出數(shù)據(jù)幾乎沒有變化,得到的結(jié)果基本穩(wěn)定.
根據(jù)電力通信網(wǎng)可靠性評價論域集,得出電力通信網(wǎng)可靠性基本處于理想狀態(tài)(除2008年由于冰雪災(zāi)害某些支線受到損害),并將結(jié)果與神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、蒙特卡洛等方法做比較,在貝葉斯網(wǎng)絡(luò)設(shè)計中應(yīng)用貝葉斯因子對整個可靠性模型進行了定量分析,證明結(jié)果的有效性及正確性,如圖2所示.
表3 2008年~2012年某市電力
將選取的相應(yīng)數(shù)據(jù)進行訓練及檢驗,使得模型更加準確,并將訓練數(shù)據(jù)及校驗數(shù)據(jù)進行對比,得到訓練數(shù)據(jù)與校驗數(shù)據(jù)的分布圖,如圖3所示.設(shè)定步長,對訓練數(shù)據(jù)及校驗數(shù)據(jù)的誤差進行評估,通過圖4的曲線可以看出,相應(yīng)數(shù)據(jù)的誤差保持在10-6之下,證明了模型的正確性.
圖2 2004年~2012年某市電力通信網(wǎng)可靠性評估結(jié)果
圖3 訓練數(shù)據(jù)及校驗數(shù)據(jù)的分布曲線
圖4 訓練步長與誤差曲線示意圖
本文通過對電力通信網(wǎng)可靠性指標影響因素進行梳理,建立了電力通信網(wǎng)可靠性指標體系.改變以往單純從系統(tǒng)結(jié)構(gòu)評估的模式,構(gòu)建了統(tǒng)一管理的電力通信網(wǎng)可靠性模型.采用熵權(quán)法確定各指標之間的關(guān)系,使得權(quán)重更加真實可靠;并利用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)對電力通信網(wǎng)可靠性的評估,改變了以往基于專家經(jīng)驗對電力通信網(wǎng)的評估模式,利用模糊隸屬度函數(shù)及模糊規(guī)則對已知的大量數(shù)據(jù)進行學習,使得評估結(jié)果更加真實可靠.
[1] 梁雄健,孫清華.通信網(wǎng)可靠性管理[M].北京:北京郵電大學出版社,2004.
[2] 趙子巖,陳 希,劉建明.建立電力系統(tǒng)通信網(wǎng)可靠性管理體系相關(guān)問題的探討[J].電力系統(tǒng)通信,2006,30(10):58-61.
[3] Fulya Altiparmak,Berna Dengiz,Alice E.Smith.A general neural network model for estimating telecommunications network reliability[J].IEEE Transactions on Reliability,2009,58(1):2-9.
[4] Doguc O.,Ramirez-Marquez J.E.A generic method for estimating system reliability using Bayesian networks[J].Reliability Engineering and System Safety,2009,94(2):542-550.
[5] Satitsatian S,Kapur K.An algorithm for lower reliability bounds of multistate two-terminal networks[J].IEEE Trans.on Reliability,2006,55(2):199-206.
[6] Yeh Weichang,Lin Yicheng.A particle swarm optimization approach based on monte carlo simulation for solving the complex network reliability problem[J].IEEE Trans.on Reliability,2010,59(1):212-221.
[7] Jang,J.S.R.ANFIS:adaptive-network-based fuzzy inference systems[J].IEEE Transactions on Systems, Man, and Cybernetics,1993,23(3):665-685
[8] 吳曉莉,林哲輝.MATLAB輔助模糊系統(tǒng)設(shè)計[M].西安:西安電子科技大學出版社,2002.
[9] Fulya Altiparmak,Berna Dengiz.A cross entropy approach to design of reliable networks[J].European Journal of Operational Research,2009,199(2):542-552.
[10] 楊 靜,張宣江,盛慧慧,等.電力企業(yè)對標指標評價方法研究[J].華北電力技術(shù),2009,39(5):10-13.
[11] 南方電網(wǎng)公司.通信專業(yè)評價指標體系研究報告(初稿)[R].南方電網(wǎng),2009.