一种计及拓扑结构的智能电网控制系统风险评估方法与流程

1.本发明涉及智能电网的安全评估领域，更具体地说，它涉及一种计及拓扑结构的智能电网风险评估方法。


背景技术：

2.随着智能电网的不断发展，由智能量测、通信、计算和控制等设备所构成的智能电网控制系统对智能电网的支撑作用不断提高，它是保证电网可观性和可控性的基础。智能电网控制系统典型工作流程为：调度中心通过传感器获取电力一次系统信息，经态势感知得到电力一次系统运行状态，进行电网优化调度，并将决策信息反馈到电力一次系统，实现“闭环控制”。随着当前先进信息通信技术的加持，智能电网控制系统能最大限度地采集和分析发电、变电、输电、配电各个环节的信息，使得智能电网控制系统对电力网的感知和决策功能不断提高。智能电网控制系统在极大提升和优化电网运行与控制效率的同时，也给电网带来了新的风险，引入了更多可能导致系统连锁故障的因素。智能电网控制系统因其所要监测和控制的范围广，所以部署的相关设备多、分布广。有时会因为自然环境的恶劣因素比如闪电、雨雪、风尘等导致设备损坏，或者人为物理破坏和盗取设备，人为从设备节点向控制系统络中注入恶意破坏指令等导致智能电网控制系统结构和功能受损。这些损伤不仅会影响它对电网态势的准确感知和对电网的优化调度，降低其可观可控能力，而且还会在信息流-能源流跨域交互作用下诱发一系列连锁故障。如何保证智能电网控制系统的安全稳定运行，特别是，如何准确可靠地评估和监测智能电网控制系统风险，这对维持智能电网的安全稳定运行、预防大停电事故至关重要。
3.目前提出的智能电网控制系统风险评估方法，很多是采用连锁故障模拟实验的思路。它们首先构建被评估的复杂网络模型、制定连锁故障规则、制定攻击策略和确定网络风险评估的指标，然后在复杂网络结构上实施攻击策略，保存风险评估的各个指标值并分析实验结果，从而评估不同复杂网络的风险。该方法是针对不同网络结构和不同攻击策略而进行的针对性脆弱性分析，而且最后得到的风险评估结果会随着所制定的网络连锁故障规则和不同攻击策略而改变。显然，该方法的评估结果主观性较强。这里，本发明致力于设计一种不依赖连锁故障实验和诸如连锁故障规则、攻击策略等各种不确定因素影响的实用且客观的智能电网控制系统风险评估方法，以系统基本拓扑结构特性对系统风险的影响作为系统风险评估的核心。另外，现有的系统风险评估指标大都是连锁故障后最大连通子集的节点数目与原网络节点数目的比值，这种风险评估指标较为简单，没有考虑系统自身的安全防护能力。这里，本发明将致力于制定完整、系统的风险评估指标体系，所制定的风险评估指标体系将综合考虑智能电网控制系统的拓扑结构和电力网耦合的影响，并考虑现实情境下系统自身的安全防护能力。此外，目前还缺乏对智能电网控制系统风险进行实时评估和持续监测的方法。这里，本发明还将提出基于雷达图的智能电网控制系统风险态势数据实时呈现方法。
4.因此，如何研究设计关于智能电网控制系统新的风险评估方法是当前急需解决的
技术问题。


技术实现要素：

5.本发明所解决的技术问题是现有的评估方法采用连锁故障模拟实验的思路，该方法是针对不同网络结构和不同攻击策略而进行的针对性脆弱性分析，而且最后得到的风险评估结果会随着所制定的网络连锁故障规则和不同攻击策略而改变。因此，该方法的评估结果主观性较强，以及在风险评估的过程中没有考虑系统自身的安全防护能力；
6.本发明的目的是提供一种计及拓扑结构的智能电网风险评估方法；
7.本发明综合了基于网络拓扑结构局部均匀性和全局不平衡性的智能电网控制网结构性风险评估、电力网节点电气中心性的相依耦合作用诱发性风险评估以及基于节点设备攻击效能的智能电网控制网安全防护能力缺陷评估，构建了智能电网控制网风险评估指标体系，有利于实时掌握智能电网安全风险情况，保障电网的稳健运行，对智能电网健康发展具有实用价值。
8.本发明的上述技术目的是通过以下技术方案得以实现的：
9.一种计及拓扑结构的智能电网风险评估方法，方法包括以下步骤：
10.s1，根据控制网节点度分布均匀性以及节点介数的链路不平衡性获取智能电网控制网结构性风险评估；
11.s2，根据电力网节点的电气中心性获取控制网节点的耦合电气中心性指标，根据所述耦合电气中心性指标获取控制网链路耦合电气中心性的不平衡指标，根据所述不平衡指标获取智能电网控制网诱发性风险评估；
12.s3，获取控制网节点攻击效能指标，根据所述节点攻击效能指标获取节点攻击效能威胁性指标，根据所述节点攻击效能威胁性指标获取智能电网控制网安全防护能力缺陷评估；
13.s4，根据所述节点度分布均匀性、节点介数的链路不平衡性、链路耦合电气中心性的不平衡指标和节点攻击效能威胁性指标并基于雷达图法建立智能电网控制网综合风险评估模型。
14.本发明综合了基于网络拓扑结构局部均匀性和全局不平衡性的智能电网控制网结构性风险评估，基于电力节点电气中心性的相依耦合作用诱发性风险评估以及基于节点设备攻击效能的智能电网控制网安全防护能力缺陷评估，构建了智能电网控制网风险评估指标体系，基于雷达图对风险态势数据进行可视化呈现，并建立智能电网控制网风险综合评估模型，其有利于实时掌握智能电网安全风险情况，保障电网的稳健运行，对智能电网健康发展具有实用价值。
15.进一步的，获取智能电网控制系统结构性风险评估具体步骤如下：
16.根据所述节点的度数获取度数的种类，获取每种度数所对应的节点数量占总节点数量的比率，根据所述比率获取节点度分布熵，对所述节点度分布熵进行归一化处理获取控制系统节点度分布均匀性指标，根据所述控制系统节点度分布均匀性指标对智能电网控制系统局部结构性风险进行评估，其中，节点度分布均匀性指标的计算式为
表示节点度分布熵；
17.获取控制系统节点的介数值，根据所述节点介数值获取节点介数的链路不平衡性指标，根据控制系统节点介数的链路不平衡性对智能电网控制系统全局结构性风险进行评估，其中，节点介数的链路不平衡性指标的计算式为其中，|b
m-bn|
max
表示智能电网控制系统中实际存在的链路两端节点介数的最大差值，|b
imax-b
imin
|表示智能电网控制系统中最大介数值与最小介数值的差值。
18.进一步的，获取智能电网控制系统诱发性风险评估具体步骤如下：
19.根据电力网节点容量、输电线路阻抗和加权邻接矩阵获取节点的电气介数指标，对所述电气介数指标进行归一化处理，获取电力网节点的电气介数中心性指标；
20.基于电力网拓扑结构，获取电力网节点的电气拓扑中心性指标；
21.根据所述电力网节点的电气介数中心性指标与电气拓扑中心性指标，获取电力网各节点的电气中心性指标，电力网各节点的电气中心性指标的计算式为nec(i)＝μc
be
(i) (1-μ)ei；其中，μ和1-μ分别表示节点电气介数中心性指标和电气拓扑中心性指标在电气中心性指标中的权重分布系数，c
be
(i)表示电力网节点的电气介数中心性指标，ei表示电力网节点的电气拓扑中心性指标；
22.根据节点电气介数中心性指标和电气拓扑中心性指标的数值统计特征获取权重分布系数；
23.基于电力网节点与控制系统节点的耦合性，获取控制系统各节点的耦合电气中心性，控制网节点的耦合电气中心性计算公式为其中，o(i)表示与控制网节点i直接连接的电力网侧的节点的集合，nec(j)表示与控制网侧节点i直接连接的各电力网侧节点的电气中心性指标数值；
24.根据所述耦合电气中心性建立控制系统链路耦合电气中心性的不平衡性指标来评估智能电网控制系统诱发性风险，其中，控制系统链路耦合电气中心性的不平衡性指标的计算式为
25.|q(i)
max-q(i)
min
|表示控制系统各节点耦合电气中心性的最大值与最小值之差，|q(m)-q(n)|
max
表示控制系统中实际存在的链路两端节点耦合电气中心性差值的最大值。
26.进一步的，获取智能电网控制系统安全防护能力缺陷评估的具体步骤如下：
27.根据攻击控制系统某一节点设备所导致的所有故障节点设备的总攻击成本与攻击该节点的攻击成本之比，获取控制系统节点攻击效能指标；
28.根据节点攻击效能指标选取最大节点攻击效能值，根据所述最大节点攻击效能值获取控制系统节点的攻击效能威胁性指标；其中，攻击效能威胁性指标的计算式为：
29.其中，|ψ(i)|
max
表示智能电网控制系统中实际存在的节点攻击效能的最大值，cn表示控制系统中节点n的攻击成本，n表示智能电网控制系统中节点的总数目。
30.进一步的，智能电网控制系统综合风险评估模型的建立步骤如下：
31.以一个单位圆作为评估智能电网控制系统风险的整体；
32.获取指定时间断面下该智能电网控制系统四个风险评估指标的数值；
33.计算各指标的权重，根据指标权重值计算各指标的扇形圆心角；
34.按逆时针方向，以各指标的指标数值为半径，以所述扇形圆心角为圆心角，在单位圆内做出可代表各风险指标的扇形；
35.根据扇形面积和扇形弧长定义综合评价函数对智能电网控制系统综合风险进行评估。
36.进一步的，采用评分法获取四个风险评估指标的权重值，根据各指标的权重，计算得到各指标的扇形圆心角。
37.进一步的，根据各指标的扇形圆心角获取指标扇形总弧长及各指标扇形总面积，根据各指标的扇形总弧长与扇形总面积获取综合评价函数，其计算式为其中，sm及lm分别为单位圆的面积与周长，s与l分别表示所有指标扇形总面积、所有指标扇形总弧长。
38.与现有技术相比，本发明具有以下有益效果：
39.1.本发明构建的智能电网风险评估模型考虑了控制网自身拓扑结构对系统风险的影响，构建了控制网拓扑结构局部节点度分布均匀性指标和全局链路不平衡性指标来评估智能电网控制网风险大小。
40.2.本发明构建的智能电网风险评估模型考虑了与控制网相耦合的电力网对智能电网控制网风险的影响，构建了智能电网控制网链路耦合电气中心性的不平衡性指标来评估智能电网控制网风险大小。
41.3.本发明构建的智能电网风险评估模型考虑了设备安全防护级别对智能电网控制网风险的影响，构建了智能电网控制网节点攻击效能威胁性指标来评估智能电网控制网风险大小。
42.4.本发明应用雷达图法对智能电网的各个风险评估指标进行实时数据呈现及综合评估，实现了对智能电网控制网的风险实时监测，有利于实时掌握智能电网安全风险情况，保障电网的稳健运行，对智能电网健康发展具有实用价值。
附图说明
43.此处所说明的附图用来提供对本发明实施例进一步理解，构成本技术的一部分，并不构成对本发明实施例限定。在附图中：
44.图1为本发明实施例提供的风险评估方法的流程图；
45.图2为本发明实施例提供的一种ieee14节点电力网拓扑图；
46.图3为本发明实施例提供的一种ieee14节点电力网对应的控制系统仿真模型拓扑图；
47.图4为本发明实施例提供的一种ieee14节点电力网与控制系统相依耦合的仿真模型拓扑图；
48.图5为本发明实施例提供的基于雷达图法的智能电网控制系统风险评估结果的可视化呈现。
具体实施方式
49.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
50.需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
51.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
52.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
53.实施例一
54.(1)基于拓扑结构分布特征的智能电网控制系统结构性风险评估
55.智能电网控制系统的结构性风险与控制系统的拓扑结构特性及其分布特征密切相关。由此，这里可以从控制系统拓扑结构特性角度，构建系统结构性风险评估指标。研究表明：鲁棒性较高的网络，其拓扑结构分布通常较均匀。另外，一些无标度网络研究结果也能证实网络拓扑结构分布均匀性与系统风险的关系。在无标度网络中，少数节点具有高连通性。因此，在面对针对高度数节点发起蓄意攻击时，网络可能不堪一击。所以，系统网络拓扑结构分布越均匀，其抵抗蓄意攻击的能力越强，系统存在的结构性风险越小。因此，网络拓扑结构分布均匀性可用于评估智能电网控制系统结构性风险。这里，我们将从网络拓扑结构的局部和全局分布均匀性两个角度，评估系统结构性风险。
56.对一个网络系统而言，其节点度数反映了各节点局部范围内网络连通性。因此，节点度数分布均匀性可用于结构性风险评估，而节点度数分布均匀性可基于熵的概念定义。
求节点度分布均匀性时，首先求节点度分布熵，计算各个节点的度数得到度数的种类为x个，然后计算每种度数所对应的节点数量占总节点数量的比值di，将每种度数出现的比率di作为分布序列{d1,d2,....di,....d
x
}，即可求取系统实际的节点度分布熵用节点度分布熵ed除以系统在度数种类为x个情形下的最大熵值，可对节点度分布均匀性指标数值做归一化处理，最终得到节点度分布均匀性表达式为：
[0057][0058]
除了从网络拓扑结构局部分布均匀性角度外，系统风险还需要从网络拓扑结构全局分布均匀性角度进行评估。研究表明：减少关键性不平衡耦合链路，可提升相依耦合网络整体鲁棒性。该文研究结论指出：在一个相依耦合网络中，当一侧网络中度中心性高的节点与另一侧网络中度中心性低的节点有相依耦合关系而形成耦合链路时，若该耦合链路所属两端节点的度中心性差异越大，则在度中心性角度下耦合链路越不平衡，一旦该耦合链路遭遇突发故障，其诱发的连锁故障对网络的影响将更加严重。由此可知：耦合链路不平衡性能反映系统的结构性风险。于是定义基于节点介数的链路不平衡性来评估系统风险大小。选用链路两端节点介数的差异性来衡量链路的不平衡性是因为智能电网控制系统传输信息一般按照最短路径进行传输，节点介数属性又是基于最短路径所定义的全局特征量，所以基于节点介数的链路不平衡性可以从网络拓扑结构的全局角度来衡量系统风险。
[0059]
节点介数bi表示为经过该节点的最短路径在网络中所有最短路径中所占的比例，计算公式如下：
[0060][0061]
其中，n
jk
表示网络中所有的最短路径的条数，n
jk
(i)表示经过节点i的最短路径的条数。
[0062]
通过计算整个智能电网控制系统网络中所有节点的介数值，得到全局节点介数值的最大值b
imax
和最小值b
imin
。若网络中最大介数值节点正好与最小介数值节点相连，则系统会面临极大的风险，所以利用|b
imax-b
imin
|的值可以对评估指标的数值进行归一化处理。定义基于节点介数的链路不平衡性指标f，计算公式如下：
[0063][0064]
其中，|b
m-bn|
max
表示智能电网控制系统中实际存在的链路两端节点介数的最大差值。|b
imax-b
imin
|表示智能电网控制系统中最大介数值与最小介数值的差值。
[0065]
综上，从控制网拓扑结构局部角度建立节点度分布均匀性指标hd，从全局角度建立链路不平衡性指标f来评估系统风险。
[0066]
(2)基于电力节点电气中心性的相依耦合作用诱发性风险评估
[0067]
智能电网控制系统的风险评估需考虑与之相耦合的电力网侧的影响，为此基于以上链路不平衡性构建风险评估指标的思想来构建考虑耦合的电力网影响的系统风险评估
指标。首先定义电力网侧节点电气中心性指标，该指标数值由电力节点电气介数指标数值和电力节点拓扑中心性指标数值加权得到。然后将电力网节点电气中心性指标数值映射到与之耦合的控制节点上，再利用控制网耦合的节点电气中心性指标数值作为衡量控制网链路不平衡性的标准，以此建立计及电力网影响的智能电网控制系统风险评估指标。
[0068]
首先计算电力网中各个节点的电气介数中心性指标数值。在电力物理网中电能不是沿着最短路径流动的，因此用图论中的介数来评价电力网络中节点的重要性是不合理的。综合考虑电力网侧节点容量、输电线路阻抗和加权邻接矩阵定义电气介数指标，来真实地反映节点在“发电机-负荷”节点间电能传输中的占有率及其影响力。
[0069]
节点i的电气介数定义为：
[0070][0071][0072]
其中，g是发电节点集合；l是负荷节点集合；(m,n)表示“发电机-负荷”节点对；发电机节点权重wm定义为发电机m的额定发电有功功率；负荷节点权重wn定义为实际负荷或峰值负荷；b
e,mn
(i)表示“发电-负荷”节点对(m,n)间的电力潮流给节点i带来的电流影响；i
mn
(i,j)为在“发电-负荷”节点对(m,n)间加上单位注入电流元后，在线路(i,j)上引起的电流。
[0073]
通过对指标进行归一化处理，将电气介数中心性定义为：
[0074][0075]
计算电力网中各个节点的电气拓扑中心性指标数值需基于电力网络拓扑结构，电力网中节点i的电气拓扑中心性定义为：
[0076][0077]
其中，n为电力网中的节点总数，ki为第i个电力节点的度数。
[0078]
然后，综合电力网节点电气介数中心性指标和电气拓扑中心性指标，计算电力网侧各节点的电气中心性指标。电气中心性指标不仅反映了节点在整个电力网能量传输中的占有率，而且也反应了节点在拓扑结构中的重要性。节点i的电气中心性指标定义为下式：
[0079]
nec(i)＝μc
be
(i) (1-μ)eiꢀꢀ
(8)
[0080]
其中，μ和1-μ分别代表节点电气介数中心性指标和电气拓扑中心性指标在电气中心性指标中的权重分布系数。μ可以根据节点电气介数中心性指标和电气拓扑中心性指标的数值统计特征得出，μ的计算公式为：
[0081]
[0082]
其中，avg(c
be
)表示电力网节点电气介数中心性的平均值；var(c
be
)表示电力网节点电气介数中心性的方差；avg(e)表示电力网节点电气拓扑中心性的平均值；var(e)表示电力网节点电气拓扑中心性的方差。
[0083]
然后，通过电力网节点与控制网节点的耦合连接关系，计算控制网各节点的耦合电气中心性指标数值。控制网节点的耦合电气中心性指标定义如下：
[0084][0085]
其中，o(i)表示与控制网节点i直接连接的电力网侧的节点的集合，nec(j)表示与控制网侧节点i直接连接的各电力网侧节点的电气中心性指标数值。
[0086]
最后，建立控制网链路耦合电气中心性的不平衡性指标g来评估系统风险。
[0087][0088]
其中，|q(i)
max-q(i)
min
|表示控制网各节点链路耦合电气中心性的最大值与最小值之差，|q(m)-q(n)|
max
表示控制网实际存在的链路中两端节点耦合电气中心性差值的最大值。|q(m)-q(n)|
max
值越接近于|q(i)
max-q(i)
min
|值，则说明控制网链路耦合电气中心性的不平衡性越大，给系统带来的风险威胁越大。
[0089]
综上，定义了计及电力网影响的智能电网控制系统链路耦合电气中心性的不平衡性指标g来评估智能电网控制系统风险大小。
[0090]
(3)基于节点设备攻击效能的智能电网控制系统安全防护能力缺陷评估
[0091]
以上智能电网控制系统风险评估都是从系统拓扑结构的角度出发，除此之外，还应考虑现实情境中智能电网控制系统设备的安全防护能力对系统风险的影响。实际生活中，节点设备都需按照自身设定的安全防护级别进行建设制造，因此节点设备面对外界攻击时具有一定的风险防范能力，从攻击角度来说成功攻击某一节点也需付出与节点防护能力对等的攻击成本。但当成功攻击某一节点设备时，不仅被攻击的设备会故障，可能还会引发其它设备的连锁故障。因此，接下来将从动态攻击—防御角度来构建基于设备安全防护能力的智能电网控制系统风险评估指标。
[0092]
首先，从攻击角度分析，虽然成功攻击某一设备需付出与设备安全防护级别对等的攻击成本，但成功攻击后造成其它设备的连锁故障是本次攻击的额外收益。因此，从攻击角度来看，利用攻击某一节点所取得的总收益与攻击该节点付出的成本之比可以来衡量攻击某一节点对系统造成的损害。对应地，从智能电网控制系统自身防御的角度来看，若系统内某一节点被攻击后对系统造成的损害越大，则说明系统因为该节点存在而面临较大的风险。
[0093]
为衡量系统内某一节点被攻击后对系统造成的损害，定义节点攻击效能指标，该指标定义为攻击某一节点设备所导致的所有故障节点设备的总攻击成本与攻击该节点的攻击成本之比。各个节点设备的攻击成本可由各节点设备的安全防护级别确定。节点攻击效能的值越大，从攻击者的角度来看攻击该节点更具有破坏价值，从自身防御的角度来看该节点给系统带来的潜在风险威胁越大，应进一步提高该节点的安全防护能力。节点攻击效能指标计算公式为：
[0094][0095]
其中，ωi表示攻击节点i所导致的连锁故障节点集合，cj代表连锁故障集合中各个节点设备的攻击成本，ci代表被攻击节点设备的攻击成本。这里，攻击成本可以根据各个节点设备的安全防护级别确定。
[0096]
若系统中存在一个节点攻击效能值较大的节点，且若该节点被攻击，则会对系统造成较大危害，说明系统因存在一个节点攻击效能值较大的节点而面临较大的潜在风险威胁。因此，需基于连锁故障模拟实验，利用智能电网控制系统中现存节点的最大节点攻击效能值来度量系统安全防护能力缺陷所带来的风险大小。定义节点攻击效能威胁性指标来评估系统风险,节点攻击效能威胁性指标w计算公式为：
[0097][0098]
其中，|ψ(i)|
max
表示智能电网控制系统中实际存在的节点攻击效能的最大值，cn表示系统中节点n的攻击成本，n表示智能电网控制系统中节点的总数目。
[0099]
综上，定义了计及设备安全防护能力的智能电网控制系统节点攻击效能威胁性指标w来评估智能电网控制系统风险大小。
[0100]
(4)基于雷达图的风险态势数据可视化呈现
[0101]
至此，构建完成用于智能电网控制系统风险评估的4个指标，分别是节点度分布均匀性hd，链路不平衡性f，链路耦合电气中心性的不平衡性指标g和节点攻击效能威胁性指标w。基于风险评估指标体系还需建立综合评价模型，雷达图法是一种用于多变量分析中的常用方法。现有研究中主要分为两种，一种是基于传统雷达图法的研究，另一种是基于改进雷达图法的研究。无论是传统雷达图法还是改进雷达图法都具有同一种思路，那就是在单位圆内构建多个不同扇形，计算相应指标的面积及周长，从而计算综合评价指标值，然后对其进行评估。但传统雷达图在绘制时会按照指标数量n进行扇形n等分，未考虑到各指标的重要程度差异。因此，本文选用改进雷达图法进行评估，主要计算思路如下所示。
[0102]
步骤1：利用一个单位圆作为评估某一智能电网控制系统的整体。
[0103]
步骤2：计算指定的时间断面下该智能电网控制系统各个风险评估指标的数值，即计算控制网节点度分布均匀性指标hd，控制网链路不平衡性指标f，控制网链路耦合电气中心性的不平衡性指标g和控制网节点攻击效能威胁性指标w的数值。
[0104]
步骤3：计算各指标的权重，依据指标权重值可计算代表各指标的扇形圆心角。
[0105]
步骤3-1：计算各指标的权重。
[0106]
对智能电网控制系统进行风险评估应考虑系统所处的实际电力业务环境，对各个风险评估指标的权重做出适当的调整，才能得到较为准确的风险评估结果。指标权重的确定采用专家评分法，首先邀请n位专家针对所要评估的智能电网控制系统，独立地分别给出
控制网节点度分布均匀性指标hd在系统风险评估中的权重值α，控制网链路不平衡性指标f在系统风险评估中的权重值β，控制网链路耦合电气中心性的不平衡性指标g在系统风险评估中的权重值χ和控制网节点攻击效能威胁性指标w在系统风险评估中的权重值δ，且满足α β χ δ＝1，然后计算n位专家给出的α、β、χ和δ的平均值z1、z2、z3和z4分别作为4个风险评估指标的权重值。
[0107]
步骤3-2：依据各指标的权重，计算得到各指标的扇形圆心角θi为：
[0108]
θi＝2πziꢀꢀ
(14)
[0109]
步骤4：按逆时针方向，以各指标的指标数值为半径，以θi为圆心角，做可代表各指标的扇形，进行各指标的数据呈现。通过各指标的扇形图形可直观地看出系统在控制网节点度分布均匀性，控制网链路不平衡性，控制网链路耦合电气中心性的不平衡性和控制网节点攻击效能威胁性四个方面的表现能力，进而有针对性地从使系统面临风险的薄弱环节入手提高系统鲁棒性。
[0110]
步骤5：利用扇形面积和扇形弧长定义综合评价函数对智能电网控制系统总风险进行评估计算。
[0111]
计算所有指标扇形总弧长：
[0112][0113]
计算所有指标扇形总面积：
[0114][0115]
设a为综合评估值：
[0116][0117]
sm及lm分别为单位圆的面积与周长。在进行综合评估时，雷达图的面积越大，系统风险越小。计算得到的系统综合风险数值是属于[0-1]区间的，数值越大，系统风险越小。定义系统综合风险数值在[0.8-1]之间，系统风险抵抗能力为“优”；系统综合风险数值在[0.6-0.8]之间，系统风险抵抗能力为“良”；系统综合风险数值在[0.4-0.6]之间，系统风险抵抗能力为“中”；系统综合风险数值在[0.2-0.4]之间，系统风险抵抗能力为“差”；系统综合风险数值在[0-0.2]之间，系统风险抵抗能力为“危”。
[0118]
实施例二
[0119]
本实施例二在实施例一的基础上以具体的实施方式进行说明。请参考图2、图3、图4、图5，本实施例二以ieee14节点电力系统对应的智能电网控制网仿真模型为例对实施例一所提的方法进行实施，具体包括以下步骤：
[0120]
步骤1：计算选定的某一时间断面下控制网节点度分布均匀性指标hd的数值。
[0121]
步骤1-1：计算控制网拓扑结构中各节点的度数，结果如下表所示。
[0122]
节点编号1234567891011121314
节点度数34354442433344
[0123]
步骤1-2：统计节点度数种类及每种度数对应的节点数量和出现比例，结果如下表所示。
[0124]
节点度数2345对应的节点数量1571节点度数频率1/145/147/141/14
[0125]
步骤1-3：计算控制网拓扑结构的节点度分布熵：
[0126][0127]
步骤1-4：计算控制网拓扑结构节点度分布均匀性：
[0128][0129]
所以最终计算得到的选定时间断面下该智能电网控制系统节点度分布均匀性指标hd的风险评估值为0.7872。
[0130]
步骤2：计算选定的某一时间断面下控制网链路不平衡性指标f的数值。
[0131]
步骤2-1：计算控制网拓扑结构中各节点的介数，结果如下表所示。
[0132]
节点编号1234567节点介数0.05560.09940.05340.21580.14420.11320.1218节点编号891011121314节点介数0.01280.10900.05130.04490.05560.12710.1421
[0133]
步骤2-2：计算链路不平衡性指标f：
[0134][0135]
最终计算得到选定时间断面下该智能电网控制系统链路不平衡性指标f的风险评估值为0.2。
[0136]
步骤3：计算选定的某一时间断面下控制网链路耦合电气中心性的不平衡性指标g的数值。
[0137]
步骤3-1：计算电力网侧各节点的电气中心性数值。
[0138]
电力网侧各节点的电气中心性数值由各节点介数中心性数值和各节点拓扑中心性数值加权计算得到。具体计算步骤为：
[0139]
①
基于ieee14电力节点系统，在matlab中利用matpower工具包计算电力网侧各节点的电气介数中心性数值，结果如下表所示；
[0140]
②
将ieee14电力节点拓扑结构数据导入python，利用networkx工具包计算电力网各节点的电气拓扑中心性数值，结果如下表所示；
[0141]
③
根据电力网侧各节点电气介数中心性指标数值和电气拓扑中心性指标数值的统计特征，可计算指标权重μ值；
[0142]
④
计算电力网侧各节点的电气中心性数值，计算结果如下表所示。
[0143]
电力网节点编号节点电气介数中心性节点电气拓扑中心性节点电气中心性
g1231.14780.06250.095554g2133.16380.06250.022949g3206.64430.06250.092042g492.010060.097350.110495g549.068360.097350.104355g669.979160.097350.107345g740.291140.097350.103099g856.937810.031250.039388g986.46220.097350.109702g1055.426570.06250.070418g1145.683470.06250.069025g1248.291440.06250.069398g1360.228930.06250.071105g1461.668470.06250.071311
[0144]
步骤3-2：根据以上得到的电力网各节点的电气中心性指标数值和相依耦合关系，计算控制网各节点的耦合电气中心性数值结果如下表所示。
[0145][0146][0147]
步骤3-3：根据控制网节点链路实际连接情况和已计算出来的控制网各节点的耦合电气中心性指标数值，计算控制网链路耦合电气中心性的不平衡性指标g的数值。
[0148]
[0149]
最终计算得到选定时间断面下该智能电网控制系统链路耦合电气中心性的不平衡性指标f的风险评估值为0.658236。
[0150]
步骤4：计算选定的某一时间断面下控制网节点攻击效能威胁性指标w的数值。
[0151]
假设智能电网控制网各节点设备的攻击成本等于各节点设备的安全防护级别，基于连锁故障模拟实验得到攻击各个控制网节点所造成的控制网节点故障集，可计算得到控制网各节点的攻击效能值，结果如下表所示。
[0152][0153][0154]
选出最大节点攻击效能值为3，计算得到控制网节点攻击效能威胁性指标w的值为：
[0155][0156]
最终计算得到该时间断面下智能电网控制系统节点攻击效能威胁性指标w的风险评估数值为0.8370。
[0157]
步骤5：采用专家评分法确定各个风险评估指标的权重值。
[0158]
邀请10位专家给出该场景下智能电网控制系统各风险评估指标的权重值，并计算权重值的平均值，结果如下表所示。
[0159][0160][0161]
最终得到该场景下各指标的权重值分别为：控制系统节点度分布均匀性指标hd在系统风险评估中的权重值为z1＝0.15，控制系统链路不平衡性指标f在系统风险评估中的权重值为z2＝0.245，控制系统链路耦合电气中心性的不平衡性指标g在系统风险评估中的权重值为z3＝0.326和控制系统节点攻击效能威胁性指标w在系统风险评估中的权重值为z4＝0.279。
[0162]
步骤6：基于雷达图的风险态势数据可视化呈现。
[0163]
步骤6-1：计算各指标扇形圆心角。
[0164]
根据步骤5中确定的各个风险评估指标的权重值和扇形圆心角的计算公式θi＝2πzi，计算各指标扇形的圆心角分别为：控制系统节点度分布均匀性指标hd扇形圆心角为54
°
，控制系统链路不平衡性指标f扇形圆心角为88.2
°
，控制系统链路耦合电气中心性的不平衡性指标g扇形圆心角为117.36
°
，控制系统节点攻击效能威胁性指标w扇形圆心角为100.44
°
。
[0165]
步骤6-2：画出风险评估雷达图。
[0166]
按逆时针方向，以计算所得的指定时间断面下各指标的指标数值为半径，根据已确定的各指标扇形圆心角度数，在单位圆中画出表示各风险评估指标结果的扇形，形成该时间断面下的系统风险评估雷达图，如图5所示。
[0167]
利用风险评估雷达图可对该时间断面下的系统风险进行分析，并以此为指导，采
取适当的措施提高系统的风险抵抗力。从图5中可以直观看到智能电网控制系统在4个风险评估指标方面的表现能力，其中，控制系统节点攻击效能威胁性指标和控制系统节点度分布均匀性指标得分较高，这两方面给系统带来的风险影响较小。控制系统链路耦合电气中心性的不平衡性表现一般，为此需要优化电力网与控制系统的耦合结构。控制系统链路不平衡性表现极差，需要立即对控制系统的链路结构进行优化调整，平衡链路两端的节点介数差值，提高控制系统风险抵抗能力。
[0168]
步骤7：评估选定时间断面下的系统总风险。
[0169]
利用扇形面积和扇形弧长定义综合评价函数对智能电网控制系统总体风险值进行计算，并判定系统风险级别。
[0170]
步骤7-1：计算所有指标扇形总弧长：
[0171][0172]
步骤7-2：计算所有指标扇形总面积：
[0173][0174]
步骤7-3：计算综合评估值：
[0175][0176]
通过计算，得到该时间断面下的智能电网控制系统综合风险评估数值为0.7143，系统整体风险抵抗能力为“良”，但也应及时采取适当的风险防范措施。具体风险防范措施可依据雷达图显示的风险评估结果，着重对控制系统的链路结构和电力网与控制系统的耦合结构进行优化调整。
[0177]
综上所述，本发明通过具体实施例验证了所建立的评估指标体系和风险评估方法的可行性、有效性和实用性。本发明提供了智能电网控制系统风险评估方案，有利于实时掌握智能电网控制系统安全风险情况，保障电网的稳健运行，对智能电网健康发展具有实用价值。
[0178]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。