異常鏈路分析在電力網(wǎng)絡(luò)恢復(fù)中的應(yīng)用

郭婷婷，趙承業(yè)

?

異常鏈路分析在電力網(wǎng)絡(luò)恢復(fù)中的應(yīng)用

郭婷婷，趙承業(yè)

(中國(guó)計(jì)量大學(xué)理學(xué)院 杭州 310018)

在大規(guī)模癱瘓狀態(tài)下的電力系統(tǒng)的恢復(fù)過(guò)程中，網(wǎng)絡(luò)中的一些特殊連邊起到了關(guān)鍵作用，這是該文提出的基于異常鏈路分析的網(wǎng)絡(luò)重構(gòu)策略的主要思想。通過(guò)鏈路預(yù)測(cè)算法對(duì)網(wǎng)絡(luò)中真實(shí)存在的連邊進(jìn)行異常度排名，以優(yōu)先恢復(fù)異常度高的電源節(jié)點(diǎn)為目標(biāo)，建立骨架網(wǎng)絡(luò)恢復(fù)策略，然后根據(jù)鏈路的重要性進(jìn)行骨架網(wǎng)絡(luò)之外的線路的修復(fù)。這樣不僅可以快速連通電源發(fā)電機(jī)，也能及時(shí)恢復(fù)重要線路，具有實(shí)際意義。

異常度; 異常鏈路; 鏈路預(yù)測(cè); 網(wǎng)絡(luò)重構(gòu); 恢復(fù)策略; 骨架網(wǎng)絡(luò);

各地的電力系統(tǒng)是一個(gè)龐大的網(wǎng)絡(luò)，隨著經(jīng)濟(jì)、社會(huì)的發(fā)展，人們對(duì)電力的依賴越來(lái)越強(qiáng)，電力系統(tǒng)所承受的壓力越來(lái)越大，電力部門面對(duì)大規(guī)模停電的威脅也越來(lái)越顯著，因此“黑啟動(dòng)”[1]方案受各國(guó)科研人員的關(guān)注度越來(lái)越高。所謂黑啟動(dòng)方案，是指整個(gè)系統(tǒng)因故障停運(yùn)后，系統(tǒng)全部停電(不排除孤立小電網(wǎng)仍維持運(yùn)行)，處于全“黑”狀態(tài)，不依賴別的網(wǎng)絡(luò)幫助，通過(guò)系統(tǒng)中具有自啟動(dòng)能力的發(fā)電機(jī)組啟動(dòng)，帶動(dòng)無(wú)自啟動(dòng)能力的發(fā)電機(jī)組，逐漸擴(kuò)大系統(tǒng)恢復(fù)范圍，最終實(shí)現(xiàn)整個(gè)系統(tǒng)的恢復(fù)。

電力系統(tǒng)在黑啟動(dòng)過(guò)程中分為3個(gè)階段：1) 黑啟動(dòng)階段；2) 系統(tǒng)重構(gòu)階段——主要目的是盡快給失電場(chǎng)站送電并建立一個(gè)骨架網(wǎng)絡(luò)，為下一階段全面恢復(fù)負(fù)荷(擁有發(fā)電機(jī)組的場(chǎng)站在網(wǎng)絡(luò)中被標(biāo)記為電源節(jié)點(diǎn)，除電源節(jié)點(diǎn)外，網(wǎng)絡(luò)中的其他機(jī)組都可被看作是廣義的負(fù)荷節(jié)點(diǎn))打下基礎(chǔ)；3) 負(fù)荷恢復(fù)階段。大規(guī)模停電后網(wǎng)絡(luò)重構(gòu)階段的主要任務(wù)是盡快給失電場(chǎng)站送電，快速恢復(fù)失電機(jī)組，并建立一個(gè)穩(wěn)定的網(wǎng)架結(jié)構(gòu)。在系統(tǒng)重構(gòu)過(guò)程中要選擇電源、負(fù)荷和線路的理想組合構(gòu)成骨架網(wǎng)絡(luò)。

為實(shí)現(xiàn)網(wǎng)絡(luò)重構(gòu)，一些學(xué)者根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)和連邊的性質(zhì)構(gòu)造出了骨架網(wǎng)絡(luò)，提出了網(wǎng)絡(luò)恢復(fù)策略。文獻(xiàn)[2]采用節(jié)點(diǎn)收縮后的網(wǎng)絡(luò)凝聚度定義節(jié)點(diǎn)重要度，以網(wǎng)絡(luò)重構(gòu)效率(網(wǎng)絡(luò)節(jié)點(diǎn)的平均重要度/網(wǎng)絡(luò)的聚類系數(shù))作為衡量重構(gòu)效果的評(píng)價(jià)指標(biāo)，提出了基于節(jié)點(diǎn)重要度評(píng)價(jià)的骨架網(wǎng)絡(luò)重構(gòu)策略，但未考慮到不同線路的相對(duì)重要性。隨后，文獻(xiàn)[3]在此基礎(chǔ)上考慮線路介數(shù)，以節(jié)點(diǎn)重要度和線路介數(shù)作為重構(gòu)指標(biāo)，優(yōu)先將重要節(jié)點(diǎn)和關(guān)鍵線路選入重構(gòu)目標(biāo)骨架網(wǎng)，從而為整個(gè)電網(wǎng)的全面、快速恢復(fù)奠定基礎(chǔ)。文獻(xiàn)[4]基于節(jié)點(diǎn)的恢復(fù)可靠性確定節(jié)點(diǎn)恢復(fù)序列，然后優(yōu)先恢復(fù)待恢復(fù)節(jié)點(diǎn)中可靠性最高的節(jié)點(diǎn)，以此來(lái)提高系統(tǒng)恢復(fù)的成功率。文獻(xiàn)[5]研究了節(jié)點(diǎn)間的供電關(guān)系，提出了一種基于后悔思想的節(jié)點(diǎn)重要度評(píng)價(jià)方法，但該方法在優(yōu)化恢復(fù)路徑時(shí)僅考慮了對(duì)重要節(jié)點(diǎn)的恢復(fù)。

考慮到實(shí)際網(wǎng)絡(luò)中一些重要節(jié)點(diǎn)和連邊的優(yōu)先恢復(fù)，本文以鏈路預(yù)測(cè)算法為背景，考慮在網(wǎng)絡(luò)中起重要作用的異常邊，提出了基于異常鏈路分析的骨架網(wǎng)絡(luò)重構(gòu)方案。

1 異常鏈路分析

1.1 鏈路預(yù)測(cè)

每個(gè)網(wǎng)絡(luò)都可以抽象成一個(gè)由節(jié)點(diǎn)集和邊集組成的圖，在記錄網(wǎng)絡(luò)的過(guò)程中，由于信息的不完全性，觀測(cè)網(wǎng)絡(luò)中會(huì)有鏈路的缺失問(wèn)題，如信息的丟失及信息的刻意隱藏問(wèn)題。

網(wǎng)絡(luò)中的鏈路預(yù)測(cè)就是通過(guò)已知的網(wǎng)絡(luò)節(jié)點(diǎn)以及網(wǎng)絡(luò)結(jié)構(gòu)等信息來(lái)預(yù)測(cè)網(wǎng)絡(luò)中尚未產(chǎn)生連邊的兩個(gè)節(jié)點(diǎn)之間產(chǎn)生連接的可能性。這種預(yù)測(cè)既包含對(duì)未知鏈接(實(shí)際存在但未被探測(cè)到的鏈路)的預(yù)測(cè)，也包含對(duì)未來(lái)鏈接(目前不存在但應(yīng)該存在或未來(lái)很可能存在的鏈路)的預(yù)測(cè)。鏈路預(yù)測(cè)將網(wǎng)絡(luò)與信息科學(xué)聯(lián)系起來(lái)，處理信息科學(xué)中缺失信息的還原和預(yù)測(cè)。學(xué)者們將節(jié)點(diǎn)間的相似性，即兩節(jié)點(diǎn)間存在鏈接的可能性大小，直接用來(lái)進(jìn)行鏈路預(yù)測(cè)?；诰植拷Y(jié)構(gòu)信息的相似性指標(biāo)有典型的CN[6]、AA[7]、RA[8]等，基于路徑的相似性指標(biāo)有典型的Katz[9]、LP[8,10]等。衡量鏈路預(yù)測(cè)算法精確度的指標(biāo)[11]主要有AUC、精確度(precision)和排序分(ranking score)，其中AUC[12]是最常用的評(píng)價(jià)指標(biāo)，可以從整體上衡量算法的精確度；而排序分[13]更多考慮了所預(yù)測(cè)邊的排序。

上述5種相似性指標(biāo)的具體定義方法如下：

1) CN指標(biāo)(common neighbors)：

2) AA指標(biāo)(adamic-adar)：

3) RA指標(biāo)(resource allocation)：

這是文獻(xiàn)[8]中提出的資源分配指標(biāo)，該指標(biāo)考慮的是未直接相連的兩個(gè)節(jié)點(diǎn)和之間的資源傳遞過(guò)程，其思路是將兩節(jié)點(diǎn)間的共同鄰居作為資源傳遞的媒介且這個(gè)媒介的單位資源平均傳送給它的鄰居，然后將節(jié)點(diǎn)可以接受到的傳遞的資源數(shù)定義為兩節(jié)點(diǎn)間的相似性。

4) LP指標(biāo)(local path)：

這是文獻(xiàn)[10]在共同鄰居基礎(chǔ)上考慮三階路徑的因素提出的局部路徑相似性指標(biāo)，其中為可調(diào)參數(shù)，為網(wǎng)絡(luò)的鄰接矩陣，表示節(jié)點(diǎn)和之間長(zhǎng)度為3的路徑數(shù)目。

5) Katz指標(biāo)

將局部路徑指標(biāo)擴(kuò)展到無(wú)窮階路徑就得到全局路徑指標(biāo)：

1.2 異常邊

針對(duì)網(wǎng)絡(luò)中還未連接的節(jié)點(diǎn)對(duì)，上述鏈路預(yù)測(cè)算法(相似性指標(biāo))可以用來(lái)預(yù)測(cè)兩節(jié)點(diǎn)間存在連邊的可能性；針對(duì)網(wǎng)絡(luò)中已經(jīng)存在鏈接的節(jié)點(diǎn)對(duì)，如果通過(guò)相似性算法計(jì)算出這條邊的相似度較低，說(shuō)明它的存在在該網(wǎng)絡(luò)中起到一定的重要作用。從這個(gè)角度上講，鏈路預(yù)測(cè)算法可以用來(lái)評(píng)價(jià)鏈接存在的可信度或重要性。

所謂異常邊[13]就是指網(wǎng)絡(luò)中真實(shí)存在但是通過(guò)鏈路預(yù)測(cè)方法認(rèn)為其存在概率很低的邊。文獻(xiàn)[13]中已有實(shí)驗(yàn)證明，異常鏈路對(duì)保持網(wǎng)絡(luò)的連通性有特別重要的貢獻(xiàn)，通過(guò)異常鏈路分析的方法能夠有效地識(shí)別對(duì)網(wǎng)絡(luò)連通性起重要作用的邊。因此可以相信，優(yōu)先恢復(fù)網(wǎng)絡(luò)中的異常邊對(duì)網(wǎng)絡(luò)的恢復(fù)過(guò)程有重要指導(dǎo)意義。

對(duì)于鏈路預(yù)測(cè)算法，系統(tǒng)排序分值越小說(shuō)明算法的預(yù)測(cè)效果越好；而對(duì)于異常邊，排序分值越大說(shuō)明鏈路越異常。

2 基于異常度的網(wǎng)絡(luò)重構(gòu)

2.1 重構(gòu)思想

電力網(wǎng)絡(luò)重構(gòu)的目標(biāo)是在網(wǎng)絡(luò)大規(guī)模癱瘓的狀態(tài)下，帶電的發(fā)電機(jī)組以最短的路徑對(duì)待恢復(fù)機(jī)組按其異常度確定優(yōu)先次序進(jìn)行供電，從而重建系統(tǒng)網(wǎng)架，加速系統(tǒng)恢復(fù)進(jìn)程；然后以鏈路異常度作為標(biāo)準(zhǔn)依次恢復(fù)已恢復(fù)機(jī)組周圍的待恢復(fù)線路。

電網(wǎng)具有復(fù)雜網(wǎng)絡(luò)的某些共性，因此可以應(yīng)用復(fù)雜網(wǎng)絡(luò)中的鏈路預(yù)測(cè)方法作為篩選重要節(jié)點(diǎn)和關(guān)鍵線路的重構(gòu)指標(biāo)，為確定重構(gòu)網(wǎng)絡(luò)提供指導(dǎo)。將鏈路預(yù)測(cè)算法應(yīng)用到電力系統(tǒng)的骨架網(wǎng)絡(luò)重構(gòu)上，實(shí)質(zhì)是要在大規(guī)模停電后通過(guò)某種鏈路預(yù)測(cè)方法計(jì)算實(shí)際發(fā)電機(jī)電源節(jié)點(diǎn)的恢復(fù)次序并實(shí)現(xiàn)網(wǎng)絡(luò)中所有失電機(jī)組的供電，為下一步的路徑恢復(fù)奠定基礎(chǔ)。文獻(xiàn)[13]討論了異常邊對(duì)網(wǎng)絡(luò)連通性的影響，指出異常鏈接分析的方法比邊介數(shù)的方法更能夠有效識(shí)別對(duì)網(wǎng)絡(luò)連通性起重要作用的邊。因此，通過(guò)預(yù)測(cè)精度較高的鏈路預(yù)測(cè)算法得到每條邊的排序分，即異常度，然后計(jì)算所有待恢復(fù)電源節(jié)點(diǎn)的異常度，優(yōu)先恢復(fù)圖中異常度較高的電源節(jié)點(diǎn)。在電源節(jié)點(diǎn)的恢復(fù)順序被確定后，采用改進(jìn)的Dijkstra算法計(jì)算待恢復(fù)電源節(jié)點(diǎn)到其他帶電電源節(jié)點(diǎn)的最短路徑，由此可得到連通的電源節(jié)點(diǎn)骨架圖；骨架網(wǎng)絡(luò)重構(gòu)完成后，按邊的異常度從高到低依次恢復(fù)發(fā)電機(jī)電源周圍的路徑，從而實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)的恢復(fù)。

由于重構(gòu)過(guò)程中涉及諸多的技術(shù)性因素以及不確定性因素，在滿足運(yùn)行質(zhì)量的前提下，依據(jù)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)的重構(gòu)指導(dǎo)。考慮異常邊及異常節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)的重要性，重構(gòu)網(wǎng)絡(luò)中所含異常邊及異常節(jié)點(diǎn)越多說(shuō)明重構(gòu)方法越有效，因此本文定義重構(gòu)網(wǎng)絡(luò)效率為：

為達(dá)到高效的重構(gòu)策略，需要以相對(duì)較少的線路將所有電源節(jié)點(diǎn)和異常度較高的負(fù)荷節(jié)點(diǎn)聯(lián)系起來(lái)組成骨架網(wǎng)絡(luò)，進(jìn)而更好地指導(dǎo)整個(gè)網(wǎng)絡(luò)的恢復(fù)過(guò)程。

2.2 算法描述

2) 選取預(yù)測(cè)精度值(排序分)最高的鏈路預(yù)測(cè)算法 (LPA)，計(jì)算每條邊的異常度，進(jìn)而確定電源節(jié)點(diǎn)的優(yōu)先恢復(fù)次序：

BEGIN

FOR= 1 : 5

計(jì)算 RS；

END FOR

LPA= LPAs.t.RS=min{RS}；

RS= LPA[ train,]；

計(jì)算 RS；

Ranking(descend) {RS}；

END

//得到排序后的電源節(jié)點(diǎn)

3) 用改進(jìn)的Dijkstra算法計(jì)算最短路徑，保證優(yōu)先、快速地恢復(fù)重要節(jié)點(diǎn)，得到電源節(jié)點(diǎn)構(gòu)成的重構(gòu)骨架網(wǎng)絡(luò)：

BEGIN

FOR=1:(排序后的電源節(jié)點(diǎn)標(biāo)號(hào))

=1:

path(,) = dijkstra(,,);

END IF

END FOR

END

//得到按依序恢復(fù)電源節(jié)點(diǎn)的最短路徑

4) 將已恢復(fù)機(jī)組周圍的未恢復(fù)路線按其異常度從高到低進(jìn)行恢復(fù)。

3 實(shí)例仿真

3.1 標(biāo)準(zhǔn)測(cè)試網(wǎng)試驗(yàn)

為驗(yàn)證本文方法的有效性及具體實(shí)現(xiàn)過(guò)程，選擇IEEE30節(jié)點(diǎn)系統(tǒng)(30個(gè)節(jié)點(diǎn)，41條邊)進(jìn)行測(cè)試。排序分作為衡量鏈路預(yù)測(cè)算法精確度的指標(biāo)，系統(tǒng)的排序分值越小說(shuō)明算法的預(yù)測(cè)精度越高。而節(jié)點(diǎn)和邊的排序分，即異常度，揭示了它們的重要性，排序分值越大則表示該節(jié)點(diǎn)和連邊越異常，說(shuō)明它們的重要性越大。通過(guò)上述理論，本文以IEEE30節(jié)點(diǎn)系統(tǒng)圖(圖1所示)為例，選取預(yù)測(cè)精度較高的鏈路預(yù)測(cè)算法來(lái)實(shí)現(xiàn)該系統(tǒng)的骨架重構(gòu)。其中，衡量鏈路預(yù)測(cè)算法精確度的指標(biāo)為排序分(ranking score)。

1) 逐項(xiàng)遍歷IEEE30節(jié)點(diǎn)系統(tǒng)圖中所有連邊，將不同鏈路預(yù)測(cè)算法在該系統(tǒng)網(wǎng)絡(luò)中的預(yù)測(cè)精度值記錄在表1中。

表1 不同預(yù)測(cè)算法在IEEE30中的預(yù)測(cè)精度

由上述表格可知，RA指標(biāo)得到的系統(tǒng)排序分最小，說(shuō)明該指標(biāo)對(duì)該系統(tǒng)網(wǎng)絡(luò)的預(yù)測(cè)效果較好。

2) 通過(guò)RA指標(biāo)來(lái)計(jì)算網(wǎng)絡(luò)中連邊的異常度，即排序分值，如表2所示。然后通過(guò)式(10)求得電源節(jié)點(diǎn)的異常度，確定所有發(fā)電機(jī)組的恢復(fù)次序。

表2 各線路的異常度

在圖1中，方形節(jié)點(diǎn)代表發(fā)電機(jī)組(即電源節(jié)點(diǎn))，其中節(jié)點(diǎn)1為可自啟動(dòng)發(fā)電機(jī)組，在系統(tǒng)癱瘓狀態(tài)下可以自行啟動(dòng)，帶動(dòng)其他發(fā)電機(jī)組進(jìn)行供電。由于發(fā)電機(jī)2與自啟動(dòng)發(fā)電機(jī)相關(guān)聯(lián)，所以可以直接恢復(fù)；這5個(gè)發(fā)電機(jī)機(jī)組的恢復(fù)次序可通過(guò)表3中的異常度排名得到：2-23-13-22-27。

表3 電源節(jié)點(diǎn)的異常度

3) 根據(jù)確定的發(fā)電機(jī)組(電源節(jié)點(diǎn))的恢復(fù)順序，通過(guò)改進(jìn)的Dijkstra算法得到最短恢復(fù)路徑，包含11個(gè)節(jié)點(diǎn)和10條線路，如表4所示，也就是系統(tǒng)的骨架網(wǎng)絡(luò)，如圖1中虛線路徑所示。

表4 IEEE30節(jié)點(diǎn)系統(tǒng)骨架網(wǎng)絡(luò)重構(gòu)策略

根據(jù)重構(gòu)效率的定義，可計(jì)算得到該重構(gòu)策略的效率值為：

對(duì)同一系統(tǒng)，文獻(xiàn)[2]中得到的含6個(gè)負(fù)荷節(jié)點(diǎn)、13條線路的骨架網(wǎng)絡(luò)效率值為1.172 4，文獻(xiàn)[4]中得到的含6個(gè)負(fù)荷節(jié)點(diǎn)、11條線路的骨架網(wǎng)絡(luò)效率值為1.117 8，由此可見(jiàn)本文方法可得到目前為止含最少路徑數(shù)且重構(gòu)效率較高的系統(tǒng)骨架。在現(xiàn)實(shí)生活中，快速得到骨架網(wǎng)絡(luò)對(duì)指導(dǎo)整個(gè)網(wǎng)絡(luò)的恢復(fù)工作有很大的實(shí)際意義。

4) 圖1中各線路的權(quán)重值是其得分排名，骨架網(wǎng)絡(luò)構(gòu)造后，各發(fā)電機(jī)組(即電源節(jié)點(diǎn))均已連通，可單獨(dú)向未恢復(fù)的鄰居機(jī)組進(jìn)行供電。在各已恢復(fù)機(jī)組周圍的未恢復(fù)線路中工作人員可依據(jù)其得分排名從高到低進(jìn)行恢復(fù)。由于各電源節(jié)點(diǎn)均可獨(dú)立工作，以節(jié)點(diǎn)22為例，當(dāng)其恢復(fù)發(fā)電后，工作人員首先恢復(fù)線路(22,21)，而與節(jié)點(diǎn)27相關(guān)聯(lián)的線路中(27,28)會(huì)被首先恢復(fù)；以此擴(kuò)展，直到整個(gè)網(wǎng)絡(luò)中的線路均恢復(fù)正常工作。

3.2 大規(guī)模網(wǎng)絡(luò)試驗(yàn)

為進(jìn)一步驗(yàn)證該算法在大規(guī)模真實(shí)網(wǎng)絡(luò)中的有效性，本文以華中500 kV電網(wǎng)[14]為研究系統(tǒng)，計(jì)算該網(wǎng)絡(luò)在大規(guī)模崩潰后指導(dǎo)重構(gòu)的骨架網(wǎng)絡(luò)。經(jīng)過(guò)網(wǎng)絡(luò)等值后，該網(wǎng)絡(luò)共有136個(gè)節(jié)點(diǎn)(包含1個(gè)自啟動(dòng)電源節(jié)點(diǎn)，42個(gè)帶有發(fā)電機(jī)組的電源節(jié)點(diǎn))和175條連邊。

首先通過(guò)各鏈路預(yù)測(cè)方法的預(yù)測(cè)精確度比較，選擇在該網(wǎng)絡(luò)中表現(xiàn)力較好的RA算法。通過(guò)該算法可得到各電源節(jié)點(diǎn)的異常度，并可根據(jù)其異常度得到重構(gòu)網(wǎng)絡(luò)中電源節(jié)點(diǎn)的恢復(fù)次序。

其中假設(shè)64號(hào)節(jié)點(diǎn)為自啟動(dòng)電源節(jié)點(diǎn)，所以無(wú)需恢復(fù)，而系統(tǒng)中也無(wú)與該節(jié)點(diǎn)直接相連的電源節(jié)點(diǎn)，所以可直接根據(jù)表5中電源節(jié)點(diǎn)的順序進(jìn)行恢復(fù)，對(duì)于異常度相同的節(jié)點(diǎn)按其編號(hào)進(jìn)行排序，從而得到了電源節(jié)點(diǎn)的恢復(fù)次序，將這些節(jié)點(diǎn)按其排名順序進(jìn)行標(biāo)號(hào)，然后通過(guò)2.2節(jié)中改進(jìn)的Dijkstra算法計(jì)算骨架網(wǎng)絡(luò)中的最短路徑，可得到包含43個(gè)電源節(jié)點(diǎn)、56個(gè)負(fù)荷節(jié)點(diǎn)以及連接這些節(jié)點(diǎn)的102條路徑的骨架網(wǎng)絡(luò)系統(tǒng)，經(jīng)過(guò)計(jì)算可得到該重構(gòu)網(wǎng)絡(luò)效率值為2.128 4。通過(guò)重構(gòu)網(wǎng)絡(luò)效率值的對(duì)比發(fā)現(xiàn)，基于異常度的重構(gòu)策略在較大規(guī)模網(wǎng)絡(luò)中同樣有效。

表5 各電源節(jié)點(diǎn)的異常度

4 結(jié)束語(yǔ)

本文在鏈路預(yù)測(cè)算法的基礎(chǔ)上，通過(guò)異常鏈路分析的手段提出了一種電力骨架網(wǎng)絡(luò)恢復(fù)策略，主要依據(jù)是鏈路預(yù)測(cè)得到的異常邊刻畫了這條邊在該網(wǎng)絡(luò)中的重要性。通過(guò)異常度確定電源節(jié)點(diǎn)優(yōu)先恢復(fù)順序，然后用最短路徑算法快速構(gòu)成骨架網(wǎng)絡(luò)，為恢復(fù)整個(gè)網(wǎng)絡(luò)奠定基礎(chǔ)。在此基礎(chǔ)上，再將網(wǎng)絡(luò)中的重要鏈路及時(shí)修復(fù)，加快整個(gè)網(wǎng)絡(luò)的連通，在實(shí)際應(yīng)用中有重要意義。

參 考 文 獻(xiàn)

[1] 周孝信, 鄭健超, 沈國(guó)榮, 等. 從美加?xùn)|北部電網(wǎng)大面積停電事故中吸取教訓(xùn)[J]. 電網(wǎng)技術(shù), 2003, 27(9): 1.

ZHOU Xiao-xin, ZHENG Jian-chao, SHEN Guo-rong, et al. Draw lessons from large scope blackout of interconnected North America power grid[J]. Power System Technology，2003, 27(9): 1.

[2] 劉艷, 顧雪平. 基于節(jié)點(diǎn)重要度評(píng)價(jià)的骨架網(wǎng)絡(luò)重構(gòu)[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2007, 27(10): 20-27.

LIU Yan, GU Xue-ping. Node importance assessment based skeleton-network reconfiguration[J]. Proceedings of the CSEE, 2007, 27(10): 20-27.

[3] 王亮, 劉艷, 顧雪平, 等. 綜合考慮節(jié)點(diǎn)重要度和線路介數(shù)的網(wǎng)絡(luò)重構(gòu)[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(12): 29-33.

WANG Liang, LIU Yan, GU Xue-ping, et al. Skeleton- network reconfiguration based on node importance and line betweenness[J]. Automation of Electric Power Systems, 2010, 34(12): 29-33.

[4] 梁海平, 顧雪平. 基于節(jié)點(diǎn)恢復(fù)可靠性的骨架網(wǎng)絡(luò)重構(gòu)[J]. 華北電力大學(xué)學(xué)報(bào), 2014, 41(4): 30-34.

LIANG Hai-ping, GU Xue-ping. Skeleton-network reconfiguration based on node restoration reliability[J]. Journal of North China Electric Power University, 2014, 41(4): 30-34.

[5] 張璨, 林振智, 文福拴, 等. 基于后悔思想的網(wǎng)絡(luò)重構(gòu)兩步策略[J]. 電力系統(tǒng)自動(dòng)化, 2013, 37(8): 46-52.

ZHANG Can, LIN Zhen-zhi, WEN Fu-shuan, et al. A two-stage strategy for network reconfiguration based on the concept of regret[J]. Automation of Electric Power Systems, 2013, 37(8): 46-52.

[6] LORRAIN F, WHITE H C. Structural equivalence of individuals in social networks[J]. The Journal of Mathematics Sociology, 1971, 1(1): 49-80.

[7] ADAMIC L A, ADAR E. Friends and neighbors on the web[J]. Social Networks, 2003, 25(3): 211-230.

[8] ZHOU Tao, Lü Lin-yuan, ZHANG Yi-cheng. Predicting missing links via local information[J]. Eur Phys J B, 2009, 71: 623.

[9] KATZ L. A new status index derived from sociometric index[J]. Psychometrika, 1953, 18(2): 39-43.

[10] Lü Lin-yuan, JIN C H, ZHOU Tao. Similarity index based on local paths for link prediction of complex networks[J]. Physical Review E, 2009, 80(4): 046122.

[11] 呂琳媛. 復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)[J]. 電子科技大學(xué)學(xué)報(bào), 2010, 39(5): 651-661.

Lü Lin-yuan. Link prediction on complex networks[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(5): 651-661.

[12] HANLEY J A, MCNEIL B J. The meaning and use of the area under a receiver operating characteristic (ROC) curve[J]. Radiology, 1982, 143: 29-36.

[13] 呂琳媛, 周濤. 鏈路預(yù)測(cè)[M]. 北京: 高等教育出版社, 2013.

Lü Lin-yuan, ZHOU Tao. Link prediction[M]. Beijing: Higher Education Press, 2013.

[14] 王凱. 基于復(fù)雜網(wǎng)絡(luò)理論的電網(wǎng)結(jié)構(gòu)復(fù)雜性和脆弱性研究[D]. 湖北: 華中科技大學(xué), 2011.

WANG Kai. Research on structural complexity and vulnerability of power grids based on complex network theory[D]. Hubei: Huazhong University of Science and Technology, 2011.

編 輯 蔣 曉

Application of Abnormal Links Analysis in Restoring Power Networks

GUO Ting-ting and ZHAO Cheng-ye

(College of Sciences, China Jiliang University Hangzhou 310018)

Some special links in the power system networks play a key role under the restoration process of large area breakout. This paper proposes a network reconfiguration strategy based on the analysis of the abnormal links. By ranking the abnormalities of these real links through link prediction algorithms, we establish a Skeleton-network recovery strategy, aiming at prioritizing restoring of nodes with high abnormalities, and then recover another links according to their significance. The strategy not only can connect the power generator quickly but also restore important routes timely, showing potential significance in practice.

abnormality; abnormal links; link prediction; reconfiguration strategy; recovery strategy; skeleton-network

TN711; O157.6

A

10.3969/j.issn.1001-0548.2016.05.024

2015-05-12；

2016-01-20

國(guó)家自然科學(xué)基金面上項(xiàng)目(61173002)；浙江省自然科學(xué)基金(LY14F020040)

郭婷婷(1991-)，女，主要從事復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)、圖的連通支配集、無(wú)線網(wǎng)絡(luò)分簇與骨干網(wǎng)構(gòu)造方面的研究.