梅冰笑，周金輝，孫翔

(國網(wǎng)浙江省電力有限公司電力科學研究院，浙江 杭州 310007)

0 引言

近年來，各種先進量測、通信和控制技術(shù)密集應用在配電網(wǎng)中，其信息化程度迅速提高，導致信息系統(tǒng)對電力系統(tǒng)的影響日益增大。現(xiàn)代配電網(wǎng)狀態(tài)感知、運行決策和經(jīng)濟運行越來越依賴信息系統(tǒng)的可靠運行，配電網(wǎng)已發(fā)展成為電力物理系統(tǒng)與信息通信系統(tǒng)深度融合的復雜動態(tài)系統(tǒng)[1-4]。

信息系統(tǒng)對配電網(wǎng)安全穩(wěn)定的影響也逐漸突出：發(fā)生在信息系統(tǒng)上的失效事件，尤其是近年來日益頻繁的網(wǎng)絡(luò)攻擊，對整個配電網(wǎng)的安全穩(wěn)定運行造成了嚴重的影響。文獻[5]針對烏克蘭停電事件中網(wǎng)絡(luò)攻擊的原理、手段及目標開展分析，認為其是人類歷史上信息安全影響電力系統(tǒng)運行的里程碑事件，文獻[6]從發(fā)、輸、配、用電側(cè)4 個環(huán)節(jié)綜述了電力系統(tǒng)中網(wǎng)絡(luò)攻擊的典型場景，文獻[7]從數(shù)據(jù)采集與監(jiān)控（SCADA）系統(tǒng)受到網(wǎng)絡(luò)攻擊的角度開展不同攻擊場景對電力系統(tǒng)可靠性的影響分析，文獻[8]指出信息系統(tǒng)的事故將導致電力網(wǎng)絡(luò)的癱瘓，針對網(wǎng)絡(luò)攻擊，文獻[9]從攻擊建模和系統(tǒng)安全評估方面進行了梳理分析。進而，文獻[10]對信息系統(tǒng)風險在電力系統(tǒng)中的傳播開展了建模分析，文獻[11]從攻擊方的角度開展了網(wǎng)絡(luò)攻擊對象和攻擊模式的分析。上述研究主要從電力系統(tǒng)的傳統(tǒng)模型和運行機理出發(fā)，側(cè)重于依賴現(xiàn)有的硬件隔離裝置和端口保護策略實現(xiàn)對來自信息系統(tǒng)風險的研究。

為了進一步刻畫攻擊行為在信息物理耦合空間中的傳播過程和演化規(guī)律，近年來通過利用電網(wǎng)運行狀態(tài)大數(shù)據(jù)分析技術(shù)，開展其在安全防護中的研究應用逐漸增多。文獻[12]指出應充分利用大量多源異構(gòu)電力大數(shù)據(jù)，并從中提煉出深層知識并發(fā)揮其應用價值為電網(wǎng)安全服務，文獻[13-15]通過利用電網(wǎng)運行態(tài)勢分析技術(shù)，分別實現(xiàn)安全風險的估計預測、智能調(diào)度和安全防御機制構(gòu)建，文獻[16]總結(jié)了大數(shù)據(jù)和人工智能方法在故障診斷和狀態(tài)預測等典型業(yè)務場景中的應用研究?？梢?，目前電網(wǎng)風險分析主要是利用電源管理單元（PMU）、SCADA 等量測單元的數(shù)據(jù)分析，以大數(shù)據(jù)理論為基礎(chǔ)分析電網(wǎng)狀態(tài)信息和預測未來態(tài)勢發(fā)展。以上工作為電網(wǎng)安全風險分析勾勒了藍圖，但未給出相關(guān)技術(shù)的詳細論述，且多數(shù)研究僅停留于對量測數(shù)據(jù)的初步分析，未深入挖掘海量數(shù)據(jù)背后隱藏的電網(wǎng)異常狀態(tài)之間的關(guān)聯(lián)分析和風險傳遞關(guān)系，不能實現(xiàn)對網(wǎng)絡(luò)攻擊跨空間傳播路徑的精準估計。

為了深入挖掘多源異構(gòu)的配電網(wǎng)數(shù)據(jù)特征，更加全面掌握電網(wǎng)運行狀態(tài)及風險傳播過程，可利用知識圖譜方法[17-22]對采集的多源異構(gòu)配電網(wǎng)數(shù)據(jù)進行風險知識的有效提取和深度融合，并通過構(gòu)建多模態(tài)信息融合的風險知識圖譜，實現(xiàn)對網(wǎng)絡(luò)攻擊的類型梳理和風險的關(guān)聯(lián)分析。進一步的，為了刻畫風險的動態(tài)傳播過程，可利用細胞自動機技術(shù)[23-26]實現(xiàn)對離散信息系統(tǒng)動態(tài)過程的精確建模。

因此，本文首先利用知識圖譜技術(shù)對配電網(wǎng)多源信息進行統(tǒng)一表征和存儲，實現(xiàn)配電網(wǎng)風險過程的靜態(tài)分析。進而基于細胞自動機建模分析技術(shù)，研究系統(tǒng)正常與故障狀態(tài)的轉(zhuǎn)變機制，實現(xiàn)對配電網(wǎng)中信息風險發(fā)展過程的動態(tài)分析。通過知識圖譜與細胞自動機的結(jié)合，實現(xiàn)對風險傳遞信息的充分融合，進而達到對配電網(wǎng)安全風險動態(tài)演進過程的有效刻畫和分析。

1 模型設(shè)計

1.1 總體設(shè)計

為了深入挖掘配電網(wǎng)海量數(shù)據(jù)背后隱藏的電網(wǎng)異常狀態(tài)之間的關(guān)聯(lián)和風險傳遞關(guān)系，實現(xiàn)對風險跨空間傳播路徑的精準估計，基于知識圖譜和細胞自動機技術(shù)構(gòu)建多源異構(gòu)數(shù)據(jù)抽取和融合模型，該模型的總體框架如圖1 所示。

圖1 總體技術(shù)路線Fig. 1 Overall technical framework

該模型主要包含2 部分：風險知識圖譜構(gòu)建和基于細胞自動機的信息風險跨空間傳播分析方法。整體的實現(xiàn)流程如下。

（1）利用知識圖譜從配電網(wǎng)多種類型的數(shù)據(jù)源中提取出風險實體，并歸納實體間的關(guān)聯(lián)因素，在此基礎(chǔ)上形成關(guān)于配電網(wǎng)風險實體的知識表達；對于不斷加入的新風險數(shù)據(jù)，通過與原有實體信息進行整合，并排除新舊數(shù)據(jù)之間的矛盾和歧義，并進一步經(jīng)過質(zhì)量評估將合格的部分風險知識加入知識庫，以確保風險故障分析的知識庫的質(zhì)量。通過上述風險知識圖譜構(gòu)建，實現(xiàn)對配電網(wǎng)風險過程的靜態(tài)分析。（2）基于信息系統(tǒng)風險對電力物理設(shè)備的影響特點，構(gòu)建配電網(wǎng)風險分析的細胞自動機模型，并設(shè)計細胞的正常與故障狀態(tài)轉(zhuǎn)變機制，以實現(xiàn)對配電網(wǎng)中信息風險發(fā)展過程的動態(tài)分析。（3）結(jié)合知識圖譜和細胞狀態(tài)機技術(shù)開展實驗仿真，實現(xiàn)對信息風險的跨空間傳播過程分析、細胞的防御程度對風險傳播影響分析和故障細胞的自愈率對風險傳播的影響分析。

1.2 配電網(wǎng)風險分析知識圖譜

近年來，電網(wǎng)公司通過多維度數(shù)據(jù)源信息的融合互通，初步實現(xiàn)配電網(wǎng)運行多層級的狀態(tài)監(jiān)測與管控。以省級配電網(wǎng)為例，每月在運行產(chǎn)生幾十種類型高達數(shù)TB 的多源異構(gòu)大數(shù)據(jù)，同時存在著設(shè)備臺賬數(shù)據(jù)字段空缺和數(shù)據(jù)錄入不準確等情況，導致難以充分發(fā)揮數(shù)據(jù)貫通、業(yè)務融合和資源共享優(yōu)勢，不能達到對配電網(wǎng)風險管控業(yè)務的有效支撐。

而知識圖譜技術(shù)能夠?qū)崿F(xiàn)對不同種類的文本、數(shù)據(jù)庫、圖片、視頻等多源異構(gòu)數(shù)據(jù)進行有效的信息抽取和知識融合，梳理數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系并實現(xiàn)知識合并和歧義消除，進而通過聚類整合大量知識信息，實現(xiàn)知識的質(zhì)量評估和關(guān)聯(lián)推理，形成簡單清晰的 ＜實體，關(guān)系，實體＞ 三元組。這將為實現(xiàn)配電網(wǎng)中風險數(shù)據(jù)的深度挖掘和風險傳播分析奠定良好的數(shù)據(jù)基礎(chǔ)。

1.2.1 配電網(wǎng)風險分析知識圖譜的構(gòu)建過程

考慮到配電網(wǎng)風險跨空間傳播的特點，采用自頂向下的知識圖譜構(gòu)建技術(shù)實現(xiàn)配電網(wǎng)中風險實體抽取和風險傳遞關(guān)系的梳理。因此，面向配電網(wǎng)風險分析的知識圖譜構(gòu)建包括風險信息的抽取、風險知識的融合和風險知識的加工等基本過程，如圖2 所示。

圖2 風險分析知識圖譜構(gòu)建過程Fig. 2 Construction process of risk analysis knowledge graph

首先，在信息抽取過程中，主要以從SCADA、地理信息系統(tǒng)（GIS）等數(shù)據(jù)庫和互聯(lián)網(wǎng)中采集到的結(jié)構(gòu)化數(shù)據(jù)源為基礎(chǔ)，通過采集到的各種類型結(jié)構(gòu)化數(shù)據(jù)提取初步的實體信息，同時將半結(jié)構(gòu)化及非結(jié)構(gòu)化海量運行數(shù)據(jù)進行分類梳理，實現(xiàn)結(jié)合多個數(shù)據(jù)源信息的互相印證和補充，從而實現(xiàn)對配電網(wǎng)運行風險數(shù)據(jù)的規(guī)范化融合，實現(xiàn)有效的信息抽取。

其次，在知識融合過程中，針對結(jié)構(gòu)化數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)通過知識合并獲得進一步確切的實體分析，進而針對配電網(wǎng)中半結(jié)構(gòu)化和非結(jié)構(gòu)化時空數(shù)據(jù)，開展數(shù)據(jù)特征篩選與特征穩(wěn)定性分析，從多維異態(tài)數(shù)據(jù)中提取基本特征，并在此基礎(chǔ)上利用數(shù)據(jù)特征的交互融合分析實現(xiàn)實體歧義合并，為配電網(wǎng)信息空間中現(xiàn)有風險或潛在風險的全景評估奠定基礎(chǔ)。

最后，在知識加工過程中，根據(jù)知識融合后實體間的關(guān)聯(lián)關(guān)系回溯發(fā)現(xiàn)風險成因和傳播關(guān)系，從而進一步剝離錯誤實體，清理得出構(gòu)建配電網(wǎng)風險分析的準確實體，并在精確推理、預測和評估基礎(chǔ)上實現(xiàn)對配電網(wǎng)風險關(guān)聯(lián)關(guān)系的刻畫，最終構(gòu)建融合實體和關(guān)聯(lián)關(guān)系在內(nèi)的三元組，以形成反映配電網(wǎng)風險的知識圖譜。

1.2.2 知識圖譜構(gòu)建關(guān)鍵技術(shù)

確定實體及其關(guān)系是構(gòu)建配電網(wǎng)風險分析知識圖譜的首要任務。配電網(wǎng)風險分析中所涉及的實體關(guān)系包涵了風險實體的定義、風險關(guān)系的歸集與抽取等。其中，風險實體主要從結(jié)構(gòu)化數(shù)據(jù)集中自動識別并確定風險發(fā)生的部件或裝置。風險實體按照類別可以劃分為一次系統(tǒng)設(shè)備類型風險實體和信息/測控系統(tǒng)等二次系統(tǒng)類型風險實體。而風險關(guān)系的歸集與抽取主要是針對確定的與各種實體相關(guān)聯(lián)的風險數(shù)據(jù)進行特征建模，然后基于模型處理海量數(shù)據(jù)集形成新的實體集，并針對新實體迭代生成實體之間的關(guān)聯(lián)關(guān)系。

然而，實體集中得到的是一系列孤立的實體，為了進一步反映風險實體間的深層邏輯關(guān)系，還需要進一步挖掘?qū)嶓w之間的關(guān)聯(lián)關(guān)系。面對配電網(wǎng)中各種類型的風險數(shù)據(jù)，通過人工構(gòu)造語法或半監(jiān)督學習等機器學習技術(shù)，基于現(xiàn)有實體集知識，從大量半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)中進一步梳理實體間的相互聯(lián)系，最終形成關(guān)聯(lián)各個實體的知識網(wǎng)絡(luò)圖譜結(jié)構(gòu)。在知識圖譜技術(shù)中，通常采用表達實體間聯(lián)系的三元組 ＜實體，關(guān)系，實體 ＞來描述風險傳播過程中各個實體的關(guān)聯(lián)關(guān)系。如在微機保護裝置反饋的饋線電流諧波異常風險分析中，針對保護裝置與電流的風險傳遞關(guān)系可用知識圖譜三元組表示為 ＜保護裝置，諧波，電流 ＞，而饋線與保護裝置的風險傳遞關(guān)系用三元組 ＜饋線，異常，保護裝置＞ 表示。為了圖形化顯示方便，借鑒圖論知識可將實體簡化為圖論中的節(jié)點，而實體間的關(guān)聯(lián)關(guān)系可用圖論中的邊表示。通過點與邊的組合，配電網(wǎng)風險實體之間的傳播關(guān)系可以用網(wǎng)絡(luò)圖形表示，從而以直觀方式展示相應場景下的一次系統(tǒng)設(shè)備、二次系統(tǒng)設(shè)備的風險關(guān)聯(lián)狀態(tài)。

通過以上風險實體的定義、風險關(guān)系的歸集與抽取，將配電網(wǎng)風險故障信息轉(zhuǎn)化為結(jié)構(gòu)化三元組數(shù)據(jù)?？紤]到針對同一風險故障的記錄，有可能是來自GIS 系統(tǒng)或者SCADA 系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，也有可能是來自監(jiān)控系統(tǒng)的圖像、運維系統(tǒng)的報告等非結(jié)構(gòu)化數(shù)據(jù)，導致在上述多源數(shù)據(jù)中包含重復的風險主體和關(guān)聯(lián)關(guān)系描述等信息，通過數(shù)據(jù)清洗和質(zhì)量提升技術(shù)，構(gòu)建三元組的知識更新模塊，開展對多個數(shù)據(jù)源數(shù)據(jù)的可靠性和一致性驗證，并選擇將各個數(shù)據(jù)源中高頻度出現(xiàn)的風險主體和關(guān)系屬性加入現(xiàn)有的風險知識庫中。然后，根據(jù)配電網(wǎng)信息空間風險分析中已有的實體概念定義及分析框架，以三元組的形式將所有的風險知識聯(lián)結(jié)起來，從而以關(guān)系聯(lián)絡(luò)圖的直觀形式存儲在Neo4 j 圖數(shù)據(jù)庫中，實現(xiàn)對配電網(wǎng)風險故障實體的建模及關(guān)聯(lián)關(guān)系梳理，最終構(gòu)建配電網(wǎng)風險分析知識圖譜。

綜上，通過借助從SCADA、GIS 等數(shù)據(jù)庫或互聯(lián)網(wǎng)采集到的結(jié)構(gòu)化數(shù)據(jù)源，首先選擇其中高質(zhì)量的數(shù)據(jù)，用于描述配電網(wǎng)風險的概念、演化和邏輯聯(lián)系。進而提取抽象出風險實體和風險轉(zhuǎn)移關(guān)系，通過采用圖計算和深度學習等數(shù)據(jù)處理模式，篩選出影響配電網(wǎng)風險的主導實體和關(guān)鍵特征，利用關(guān)聯(lián)、推理、預測等數(shù)據(jù)挖掘方法，對配網(wǎng)運行大數(shù)據(jù)進行基礎(chǔ)信息挖掘，構(gòu)建反映配電網(wǎng)時空大數(shù)據(jù)風險事件行為的知識圖譜。通過知識圖譜的構(gòu)建，從數(shù)據(jù)分析的角度實現(xiàn)對風險故障傳播時空動力學特性的認知，并且在風險分析過程中能夠通過推理實現(xiàn)對未知潛在故障的預測能力，為電網(wǎng)風險分析和預警提供技術(shù)保障。

1.3 配電網(wǎng)風險分析細胞自動機模型

配電網(wǎng)信息風險傳遞過程是一類時間和空間都離散的過程，而細胞自動機模型通過模擬細胞的自我復制過程，能夠?qū)崿F(xiàn)對離散事件的有效分析。細胞自動機模型一般包含細胞及其狀態(tài)的建模、鄰域細胞模型建模和細胞狀態(tài)轉(zhuǎn)換規(guī)則設(shè)計等要素。

下面以配電網(wǎng)中的一次系統(tǒng)節(jié)點為電力細胞，以二次系統(tǒng)節(jié)點為信息細胞, 建立配電網(wǎng)風險分析細胞自動機模型。

1.3.1 細胞及其狀態(tài)模型

根據(jù)配電網(wǎng)風險分析知識圖譜三元組，將其所包含的設(shè)備分為一次系統(tǒng)中的電力細胞和二次系統(tǒng)中的信息細胞兩類。其中, 電力細胞主要指的是實現(xiàn)電能產(chǎn)生、傳輸和轉(zhuǎn)化的設(shè)備，例如發(fā)電單元、負荷單元等一次系統(tǒng)節(jié)點，而信息細胞主要指實現(xiàn)信息采集、通信傳輸、保護控制的設(shè)備，例如SCADA、前置通信單元、控制器等二次系統(tǒng)節(jié)點。

不論電力細胞或者信息細胞，在風險傳播過程中，細胞的狀態(tài)要么處于正常狀態(tài)，要么處于故障狀態(tài)，并隨著時間在二種狀態(tài)之間變化。

1.3.2 細胞鄰域模型

在風險傳播過程中，配電網(wǎng)中細胞狀態(tài)的動態(tài)變化過程可用有向圖G=(V,E)表 示，其中V是細胞集合，E是細胞間關(guān)聯(lián)關(guān)系集合。令細胞i和j之間的鄰域關(guān)系用鄰域矩陣Z={zi,j}i,j∈V表示，若細胞i和j之間存在關(guān)聯(lián)則zi,j=1， 反之則zi,j=0。

通過對鄰域矩陣進行分塊處理，可進一步精確刻畫配電網(wǎng)風險傳遞過程，從而將電力細胞和信息細胞的關(guān)系與鄰域矩陣建立對應關(guān)系。鄰域矩陣的分塊結(jié)果可表示為

式中： βj和 βk分別為細胞j和細胞k防御機制的配置水平；Ni為細胞i的鄰域細胞集合。一般的，通過參考配電網(wǎng)脆弱性分析中節(jié)點訪問復雜度，設(shè)置風險傳遞概率的取值為[0, 1]。因此細胞防御程度越高，風險從信息細胞i傳遞給信息細胞j的概率越小。

與信息細胞相關(guān)矩陣A=(ai,j)m×m相對應的，鄰域矩陣中與電力細胞相關(guān)聯(lián)的部分是D=(di,j)n×n，表示電力細胞間的關(guān)系矩陣。具體的，di,j表示電力細胞間的功率關(guān)系。 當i=j時，分2 種情況討論：di,j＞0表示電力細胞i輸出功率，而di,j＜0 表示電力細胞i消耗功率； 當i≠j時, 分2 種情況討論：di,j＞0表示功率從細胞i流向細胞j，而di,j＜0則表示功率從細胞j流向細胞i。

電力細胞與信息細胞的關(guān)聯(lián)關(guān)系用矩陣B=(bi,j)m×n和C=(ci,j)n×m表示。其中，B=(bi,j)m×n是信息細胞對電力細胞的風險傳遞矩陣，刻畫了信息細胞風險對電力細胞的傳遞影響，其元素值表示信息細胞風險轉(zhuǎn)化為電力細胞風險的相關(guān)性，取值為[0, 1]。而C=(ci,j)n×m則表示電力細胞將風險傳遞給信息細胞的概率。本文主要研究信息風險的傳播機制, 因此矩陣C設(shè)定為零矩陣。

1.3.3 狀態(tài)轉(zhuǎn)換規(guī)則模型

為了精準描述配電網(wǎng)風險傳遞過程，需要對細胞的狀態(tài)變化規(guī)則進行分析并在此基礎(chǔ)上設(shè)計細胞的狀態(tài)轉(zhuǎn)化規(guī)則模型。

（1）信息細胞的狀態(tài)變化。

一般的，對于任意信息細胞i,令其在t時刻的狀態(tài)為si(t) ，那么其在t+1 時刻的狀態(tài)si(t+1)不但受到其在t時刻狀態(tài)的影響，同時受到其鄰域細胞在t時刻狀態(tài)集合的影響。如果存在某一鄰域信息細胞j因受到網(wǎng)絡(luò)攻擊而具有風險傳播危險，那么細胞i將 會以aj,i的概率被感染，即信息細胞j以概率aj,i攻擊感染鄰域細胞i。因此信息細胞i在t+1 時刻發(fā)生風險故障的概率可表示為

同時，由于系統(tǒng)校驗和自我修復機制的存在，信息細胞i能夠以一定概率恢復正常狀態(tài)，即細胞具有一定的自愈率。綜上，信息細胞i狀態(tài)轉(zhuǎn)換規(guī)則為

（2） 電力細胞的狀態(tài)變化。

綜上，電力細胞i的狀態(tài)變化規(guī)律為

2 仿真實驗及分析

2.1 仿真模型及場景設(shè)置

本文選擇如圖3 所示的配電網(wǎng)仿真系統(tǒng)，對信息風險過程開展分析。

圖3 仿真系統(tǒng)Fig. 3 Structure of the simulation system

在電力物理空間，仿真系統(tǒng)具有3 臺發(fā)電機G1、G2、G3，配置負荷為L1、L2、L3，3 臺發(fā)電機分別通過變壓器 T1、T2、T3 實現(xiàn)區(qū)域供電。同時，在信息通信空間，發(fā)電機、變壓器和負荷端均配置相應的監(jiān)控和傳感設(shè)備，通過通信系統(tǒng)與配電網(wǎng)監(jiān)控主機相連。

在配電網(wǎng)中，信息細胞風險傳遞到電力細胞的整體過程主要與3 個因素相關(guān)，分別是信息細胞到電力細胞的風險傳遞矩陣B、細胞防御機制被攻破的概率和細胞從故障到正常狀態(tài)的自愈率。為此, 仿真實驗對應設(shè)計相應的3 個場景開展分析。本文主要考慮信息細胞風險對電力細胞的影響，因此仿真中主要關(guān)注隨著信息細胞風險傳播，電力細胞的故障規(guī)模指標變化情況，該指標可定義為

式中：I(t)為t時刻處于故障狀態(tài)的電力細胞數(shù)量Nf(t) 占全部電力細胞總量N的比例，也是仿真實驗的主要分析指標。

2.2 仿真流程

針對上述場景，仿真實驗主要包括以下步驟。

（1）利用配電網(wǎng)風險數(shù)據(jù)通過知識圖譜技術(shù)，構(gòu)建風險分析三元組；

（2）隨機選擇配電網(wǎng)中任意信息細胞變化為故障狀態(tài)；

（3）根據(jù)知識圖譜三元組知識，判斷是否有相關(guān)電力細胞發(fā)生故障。根據(jù)細胞狀態(tài)轉(zhuǎn)換規(guī)則更新信息細胞和電力細胞的狀態(tài)；

（4）如果有電力細胞變化為故障狀態(tài)，則計算配電網(wǎng)的系統(tǒng)潮流，否則等待進行到下一時刻；

（5）達到仿真結(jié)束條件，輸出電力細胞故障規(guī)模指標I(t)。

2.3 仿真結(jié)果

2.3.1 配電網(wǎng)信息風險分析知識圖譜構(gòu)建

基于配電網(wǎng)仿真實驗需要，通過設(shè)計相應的故障場景積累歷史風險數(shù)據(jù)，并在數(shù)據(jù)清洗的基礎(chǔ)上利用圖數(shù)據(jù)庫Neo4 j 技術(shù)對知識圖譜中檢測識別出的風險實體與狀態(tài)進行查詢，返回與之關(guān)聯(lián)的實體及屬性，完成風險知識庫的融合加工?；谥R圖譜的三元組分析結(jié)果，實現(xiàn)對風險的靜態(tài)分析，為利用細胞自動機技術(shù)實現(xiàn)風險傳播過程的動態(tài)分析奠定基礎(chǔ)。圖4 是配電網(wǎng)中發(fā)電機G1 監(jiān)控單元信息風險傳播過程的知識圖譜分析結(jié)果。

圖4 G1 信息風險傳播過程的知識圖譜Fig. 4 Knowledge graph of G1 information risk propagation

2.3.2 配電網(wǎng)信息風險的傳播動態(tài)仿真

以發(fā)電機G1 的監(jiān)控單元感染病毒為例，基于知識圖譜得到的結(jié)構(gòu)化知識和細胞自動機的離散狀態(tài)分析技術(shù)，開展對信息風險傳播過程的仿真模擬。該信息風險傳播過程如圖5 所示。

其中, 假定細胞自愈率 ε=0，細胞的防御程度為0.5，即風險傳播成功的概率為0.5。信息細胞是圖5 中的第1 行方格，分別代表仿真系統(tǒng)中G1、G2、G3、T1、L1、T2、 L2、T3、L3 的監(jiān)控單元；電力細胞是圖5 中的矩形方格，矩陣的行與列分別對應系統(tǒng)中的母線序號，圖5 刻畫了矩陣Z中的分塊矩陣B，即信息細胞對電力細胞的風險傳遞和影響過程。在t時刻， G1 監(jiān)控單元感染病毒，由于電力細胞防御機制存在，信息風險并沒立刻傳播給電力細胞；在t+1 時刻，由于鄰域細胞感染，導致與G1 相關(guān)聯(lián)的T1 監(jiān)控單元轉(zhuǎn)移到故障狀態(tài)，同時發(fā)電機G1 進入故障狀態(tài)。與此同時，系統(tǒng)潮流重新計算，導致母線8 與母線9 之間線路功率超限而退出運行；在t+2 時刻，由于細胞防御機制的存在，變壓器T1 仍未受到信息風險的影響，但隨著故障在電力細胞間的擴散，導致多條母線因功率超限退出運行。最終系統(tǒng)中電源和負荷均無法聯(lián)絡(luò)，導致系統(tǒng)停電事故。以上是僅僅對發(fā)電機G1 監(jiān)控單元信息細胞風險傳播過程的分析，為了分析不同信息細胞風險對系統(tǒng)的影響情況，接下來開展信息風險傳播對電力細胞故障規(guī)模指標的影響分析，如圖6 所示。

圖5 信息風險動態(tài)發(fā)展過程Fig. 5 Dynamic evolution process of information risks

圖6 風險演化的時間特性Fig. 6 Temporal characteristics of risk evolution

其中，G1、G2、G3、T1、L1、T2、 L2、T3、L3 的監(jiān)控單元分別對應9 個信息細胞，分別記為節(jié)點1 到節(jié)點9，并且電力細胞故障規(guī)模指標采用260 次仿真的統(tǒng)計均值。由圖6 可知，信息細胞風險對電力系統(tǒng)故障規(guī)模產(chǎn)生一定程度的影響，但是不同的信息細胞風險其影響程度是不同的。具體的，從傳播速度上分析可知，除母線L1 監(jiān)控單元所代表的節(jié)點5 外, 其他細胞風險傳播后的4 個仿真步長能夠?qū)е?0%以上的電力細胞轉(zhuǎn)移到故障狀態(tài)。進一步分析可知, 變壓器T2 監(jiān)控單元所代表的節(jié)點6 在受到風險感染后，導致電力細胞達到60%故障規(guī)模的時間最短，可知變壓器T2 的監(jiān)控單元重要性突出，尤其要施加更加全面有效的安全防御措施。

2.3.3 風險防御機制對電力故障規(guī)模的影響

選取發(fā)電機G1 監(jiān)控單元故障為例，分析信息細胞風險傳播對象在不同的防御程度下，電力細胞故障規(guī)模的變化情況，如圖7 所示。

圖7 細胞防御程度對故障規(guī)模的影響Fig. 7 Impact of cellular defense degree on the scale of failure

其中，假定所有細胞從故障狀態(tài)無法自行恢復到正常狀態(tài)，即自愈率為0。發(fā)電機G1 的信息細胞風險傳播到鄰域電力細胞過程中，電力細胞的防御程度β從0.1 等步長變化到0.9。由圖7 可見，在故障傳播后的任意時間斷面處，隨著電力細胞防御程度的增強，由于G1 監(jiān)控單元信息風險傳播導致電力細胞的故障規(guī)模逐漸降低；同時當系統(tǒng)穩(wěn)態(tài)時，防御程度越高，電力細胞的故障規(guī)模越小。

2.3.4 細胞自愈率對電力故障規(guī)模的影響

接下來針對細胞從故障狀態(tài)自動轉(zhuǎn)換到正常狀態(tài)的能力，即細胞的自愈率對電力細胞故障規(guī)模的影響開展分析，實驗結(jié)果如圖8 所示。

其中，信息故障來自發(fā)電機G1 的監(jiān)控單元，同時假定所有細胞的防御程度均為0.5。為了比較不同細胞自愈率對電力細胞故障規(guī)模的影響，設(shè)定細胞自愈率 ε從0.9 等步長減小到0.2，令b=1-ε刻畫細胞自身的欠修復能力。對應細胞的欠修復能力b從0.1 等步長增長到0.8。由圖8 可知，信息細胞的欠修復能力越弱，其自愈率越高，導致由G1 監(jiān)控單元中的信息風險所造成的故障規(guī)模越小。因此通過增強信息細胞節(jié)點的自我修復機制，可以有效提升配電網(wǎng)抵抗風險傳播的能力。

圖8 自愈率對電力故障規(guī)模的影響Fig. 8 Impact of cure rates on the scale of failure

3 結(jié)語

為了實現(xiàn)對配電網(wǎng)中信息系統(tǒng)風險的傳播過程的精確刻畫，本文利用知識圖譜與細胞自動機技術(shù)相結(jié)合的方法實現(xiàn)對配電網(wǎng)信息系統(tǒng)的風險分析。首先通過知識圖譜技術(shù)實現(xiàn)配電網(wǎng)中與風險關(guān)聯(lián)的多源異構(gòu)數(shù)據(jù)的有效提取和融合，構(gòu)建反映配電網(wǎng)風險實體關(guān)聯(lián)關(guān)系的知識圖譜三元組，實現(xiàn)對信息系統(tǒng)風險的靜態(tài)刻畫；進而構(gòu)建配電網(wǎng)風險分析的細胞自動機模型，設(shè)計細胞狀態(tài)轉(zhuǎn)變機制，實現(xiàn)對配電網(wǎng)中信息系統(tǒng)風險傳播過程的動態(tài)分析。在未來研究中，應著重考慮細胞狀態(tài)轉(zhuǎn)換時間對風險定量分析的影響，并考慮風險在信息系統(tǒng)中的傳播速率與仿真時間間隔的對應關(guān)系，以進一步精細刻畫風險傳播的過程。