高 宇

（國(guó)網(wǎng)陜西省電力公司電力科學(xué)研究院，陜西 西安 710100）

0 引 言

隨著深度自編碼下電力通信網(wǎng)絡(luò)傳輸技術(shù)的發(fā)展，對(duì)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估受到人們的極大關(guān)注。構(gòu)建電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估模型，結(jié)合對(duì)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)參數(shù)分析，進(jìn)行電力通信網(wǎng)絡(luò)的信道均衡設(shè)計(jì)，提高電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)感知和預(yù)測(cè)能力，從而保障電力通信網(wǎng)絡(luò)的安全性和暢通性。研究電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估方法，在提高電力通信網(wǎng)絡(luò)的信道均衡控制能力方面具有重要意義[1]。

采用深度自編碼方法進(jìn)行電力通信網(wǎng)絡(luò)的安全態(tài)勢(shì)評(píng)估設(shè)計(jì)，控制深度自編碼下電力通信網(wǎng)絡(luò)數(shù)據(jù)傳輸過(guò)程，提高電力通信網(wǎng)絡(luò)數(shù)據(jù)包的轉(zhuǎn)發(fā)能力。但由于數(shù)據(jù)包在傳輸中容易受到電力通信網(wǎng)絡(luò)的干擾和外部侵入因素的影響，導(dǎo)致電力通信網(wǎng)絡(luò)容易受到入侵，對(duì)此建立深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估模型[2]。本文提出基于線性隨機(jī)編碼控制的電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估方法，構(gòu)建電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)感知的隨機(jī)編碼模型，結(jié)合加權(quán)隨機(jī)編碼控制方法進(jìn)行電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)數(shù)據(jù)挖掘，然后通過(guò)冗余代碼混淆的方法設(shè)計(jì)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)特征的深度自編碼，實(shí)現(xiàn)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估和穩(wěn)態(tài)控制能力的提高。最后進(jìn)行仿真測(cè)試，驗(yàn)證了本文方法在提高深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估能力方面的優(yōu)越性能。

1 指標(biāo)參數(shù)分析和模型構(gòu)造

1.1 深度自編碼下電力通信網(wǎng)絡(luò)安全態(tài)勢(shì)指標(biāo)參數(shù)分析

為了實(shí)現(xiàn)基于線性隨機(jī)編碼控制的深度自編碼下電力通信網(wǎng)絡(luò)節(jié)點(diǎn)安全態(tài)勢(shì)評(píng)估，首先構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)隔離性特征分析模型，采用融合指標(biāo)參數(shù)分析方法進(jìn)行電力通信網(wǎng)絡(luò)的風(fēng)險(xiǎn)安全系數(shù)感知[3]。結(jié)合負(fù)載參數(shù)調(diào)節(jié)的方法，建立電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的統(tǒng)計(jì)分析模型，得到如表1所示的統(tǒng)計(jì)特征量分布。

表1 電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的統(tǒng)計(jì)特征分布

根據(jù)表1的深度電力通信網(wǎng)絡(luò)安全態(tài)勢(shì)指標(biāo)參數(shù)指標(biāo)分析，構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)大數(shù)據(jù)分析模型。通過(guò)多頻參數(shù)分析，構(gòu)建深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)安全感知分布集，由此得到深度自編碼下電力通信網(wǎng)絡(luò)線性編碼輸出時(shí)間序列為：

式中，E= [e1,e2,… ,e4P]為深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估參數(shù)集。在鏈路(a,bm)上，得到電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)感知的酉矩陣，∑= diag [σ1,σ2,… ,σ4P]表示電力通信網(wǎng)絡(luò)的電壓感知時(shí)間序列。采用ZigBee協(xié)議構(gòu)建電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的節(jié)點(diǎn)分配模型，結(jié)合屬性?xún)?yōu)先級(jí)構(gòu)造，進(jìn)行電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估[4]。

1.2 模型構(gòu)造

建立深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的幅值響應(yīng)分析模型，通過(guò)線性編碼控制和信道均衡設(shè)計(jì)，結(jié)合機(jī)器學(xué)習(xí)方法進(jìn)行線性編碼的自適應(yīng)尋優(yōu)。設(shè)置深度自編碼下電力通信網(wǎng)絡(luò)節(jié)點(diǎn)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的迭代步數(shù)為N，網(wǎng)絡(luò)節(jié)點(diǎn)風(fēng)險(xiǎn)適應(yīng)度函數(shù)表示為：

式中，C1(s)表示量化參數(shù)；λ1、λ2分別表示一階和二階安全態(tài)勢(shì)評(píng)估系數(shù)；s表示點(diǎn)跟蹤速率。采用機(jī)器學(xué)習(xí)的自動(dòng)更新規(guī)則，實(shí)現(xiàn)深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估模型的建立。

2 風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估優(yōu)化

結(jié)合加權(quán)隨機(jī)編碼控制方法實(shí)現(xiàn)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)數(shù)據(jù)挖掘，采用五元組O=(C,I,P,Hc,R)表示深度自編碼下電力通信網(wǎng)絡(luò)的均衡調(diào)度序列[5]。其中C為風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的量化特征集，I為電力通信網(wǎng)絡(luò)的電流參數(shù)集，P為電力通信網(wǎng)絡(luò)的功率集，Hc為電力通信網(wǎng)絡(luò)的比特率跟蹤速率，R為電力通信網(wǎng)絡(luò)的電阻參數(shù)。得到電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估的梯度函數(shù)表示為：

式中，x為原始風(fēng)險(xiǎn)狀態(tài)概率；為平均風(fēng)險(xiǎn)概率；aj為電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)的自編碼參數(shù)；bj為電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)預(yù)估特征分布集；φj為隨機(jī)分布帶寬。采用Cyber-net與分集均衡調(diào)度的方法，實(shí)現(xiàn)對(duì)深度自編碼下電力通信的均衡調(diào)度，得到輸出有限域?yàn)椋?/p>

式中，E[xk]表示深度自編碼下電力通信網(wǎng)絡(luò)的信息融合中心；Φk(ω)為深度自編碼下電力通信網(wǎng)絡(luò)分布間隔；xk為采樣時(shí)延；f(x)為深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估的學(xué)習(xí)函數(shù)。綜上分析，通過(guò)冗余代碼混淆的方法進(jìn)行電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)特征的深度自編碼設(shè)計(jì)，可提高電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)估和穩(wěn)態(tài)控制能力。

3 實(shí)驗(yàn)測(cè)試

為了驗(yàn)證本文方法在實(shí)現(xiàn)深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估中的應(yīng)用性能，采用MATLAB仿真軟件進(jìn)行仿真測(cè)試。設(shè)定電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的編碼序列參數(shù)分別為13 957、13 087、12 739、12 522、12 261、12 261、12 217、12 130、12 043 以及12 000（單位為baud），深度自編碼下電力通信網(wǎng)絡(luò)傳輸并網(wǎng)場(chǎng)為容量為23 100 kW，進(jìn)行安全態(tài)勢(shì)評(píng)估的實(shí)驗(yàn)內(nèi)容如表2所示。

表2 安全態(tài)勢(shì)評(píng)估的實(shí)驗(yàn)內(nèi)容

根據(jù)安全態(tài)勢(shì)評(píng)估的線性規(guī)劃參數(shù)解析結(jié)果，實(shí)現(xiàn)深度自編碼下電力通信風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估，得到風(fēng)險(xiǎn)態(tài)勢(shì)分布如圖1所示。

圖1 風(fēng)險(xiǎn)態(tài)勢(shì)分布直方圖

分析圖1得知，本文方法進(jìn)行深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的均值誤差較小，測(cè)試深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的進(jìn)入，與傳統(tǒng)方法中的熵權(quán)-灰色模型和多維融合模型共同進(jìn)行測(cè)試，根據(jù)不同迭代次數(shù)，計(jì)算不同方法的評(píng)估精度，得到對(duì)比結(jié)果如表3所示。

表3 評(píng)估精度對(duì)比測(cè)試

分析表3得知，熵權(quán)-灰色模型網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估最高精度在78.09%，多維融合模型網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估最高精度為56.88%，而本文方法的網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估精度始終保持在87%以上，最高可達(dá)到97.10%。在進(jìn)行深度自編碼下，電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的精度更高，并提高了電力通信網(wǎng)絡(luò)的安全性和穩(wěn)定性。

4 結(jié) 論

本文提出基于線性隨機(jī)編碼控制的電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估方法，構(gòu)建電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估模型，結(jié)合對(duì)電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)參數(shù)分析進(jìn)行電力通信網(wǎng)絡(luò)的信道均衡設(shè)計(jì)。采用機(jī)器學(xué)習(xí)的自動(dòng)更新規(guī)則，進(jìn)行深度自編碼下電力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的模型構(gòu)造，并且通過(guò)實(shí)驗(yàn)驗(yàn)證本文方法對(duì)力通信網(wǎng)絡(luò)風(fēng)險(xiǎn)態(tài)勢(shì)評(píng)估的精度較高，穩(wěn)態(tài)性較好。