一种均衡系统失效风险的信息物理系统规划方法与流程

本发明涉及信息物理系统应用领域，尤其涉及一种新型的信息物理系统网络拓扑规划方法，属于网络拓扑技术领域。

背景技术：

信息物理系统(cyberphysicalsystem,cps)是多维异构的感知、通信和计算单元与物理设备深度耦合的新型智能复杂系统，是实现大规模信息网络的可观测性和复杂动态控制的关键支撑技术。分析cps网络需求可知，cps观-控对象多样，包括：监控设备、量测设备、面向用户的智能表计和终端，汇聚信息流的中继服务器和信息处理单元等。正是因为cps网络与被控对象互联的复杂性，自身网络结构的动态可变，导致cps终端具有异构性，实现异构cps系统的规划成为复杂难问题。

然而，已有的规划研究多是单一考虑物理网络或者通信系统，并未将物理、通信和信息系统综合作为规划要素。就目前信息系统发展阶段而言，其拓扑规划主要针对通信子网。对于电力通信网，基于抗毁性分析的电力通信网规划优化方法，能够提高电力通信网抵御随机失效和主动攻击的能力。

基于赋权图的拉普拉斯矩阵单调性方法提出的边扩充二分算法，可以实现电力通信ason(automaticallyswitchedopticalnetwork，自动交换光网络)网络优化。通信网络和交通网络中关键节点研究方法总结、对比和分析具有可类比性。在对交通网络研究中，首先需要研究道路网络中的关键节点，明确交通网络的功能并以此确定网络中关键节点，明确关键节点定义从而确定道路网络中节点重要性的评价标准，采用智能算法对交通网络拓扑进行优化，解决交通网络中易受损和易引起其他节点和网络瘫痪的节点为关键节点。但cps系统所涵盖的网元更多样化，现有的通信网络或者交通网络的规划方法是基于网元同构性，如完全是sdh(synchronousdigitalhierarchy，同步数字系列)设备、ason交换设备或相同性质的交通节点，而非针对cps异构网元间业务或者流量传输。

因此，需要在网络规划阶段即考虑网络中网元的异构性和网元之间的相互影响。

技术实现要素：

本发明提供了一种均衡系统失效风险的信息物理系统规划方法，本发明提高了网络效能和抵御失效风险的能力，实现复杂cps网络规划，适用于不同规模和特征的cps应用环境，详见下文描述：

一种均衡系统失效风险的信息物理系统规划方法，所述方法包括以下步骤：

以cps主站、终端为节点，通信链路为边，构造网络拓扑；

根据cps的评价体系，采用专家打分法根据网络异构性特征构造判断矩阵，当判断矩阵满足一致性要求时，生成cps网络节点的广义节点权重；

建立cps风险均衡规划模型，基于高斯势对网络节点进行重要辨识，利用二进制遗传算法进行求解，获取新的网络拓扑；

定义网络效能、连通鲁棒性和平均路径长度标度，用于评估网络可靠性和效能。

所述cps的评价体系具体为：

第一维度：确定cps承载物理系统业务；第二维度：确定cps网元类型；

将cps节点的广义节点权重作为目标层，第一维度作为指标层，第二维度作为方案层，建立cps节点广义权重层次分析模型。

所述cps网络节点的广义节点权重具体为：

其中，ωlk为第l个指标判断矩阵a的最大特征根所对应的特征向量；wl为判断矩阵a的最大特征根所对应的特征向量。

所述建立cps风险均衡规划模型，基于高斯势对网络节点进行重要辨识具体为：

其中，mi为节点i的广义节点权重，||i-j||为节点i、j间的最短路径跳数；σ为影响因子；为网络中所有节点在节点i处产生势值；选择最小化cps节点势值的均方差为规划目标函数：f(g)为适应度函数；ri为网元失效风险函数；为所有网元失效风险均值。

所述网络效能用于表示信息或者能量在最有效的最短可行路径中传播，是对网络结构的度量。

本发明提供的技术方案的有益效果是：

1、本方法充分考虑配电系统对cps需求而造成的cps网络各网元的异构性，数学量化节点的异构性特征；

2、本方法考虑节点特征和节点间的相互影响，实现cps网络中重要网元的辨识；建立风险均衡目标函数，并采用二进制遗传算法加以求解；

3、本方法能够有效提升网络抵御随机失效的风险，并通过缩短网络评价距离提高数据传输交换性能，本方法适用于不同类型网络和不同规模的异构网络的拓扑优化。

附图说明

图1为cps网络规划流程图；

图2为广义节点权重评价体系示意图；

图3为交通cps规划前拓扑示意图；

图4为交通cps规划后拓扑示意图；

图5为交通cps高斯势变化对比示意图；

图6为配电网cps规划前拓扑示意图；

图7为配电网cps规划后拓扑示意图；

图8为配电网cps规划高斯势变化对比示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

本发明实施例通过定义cps网络广义节点权重，数学刻画系统中各cps网元的异构特征，进而建立基于高斯势的风险均衡规划模型，描述cps系统规划复杂问题。基于该风险均衡规划模型，采用改进的二进制遗传算法加以求解。以配电系统和交通系统为例，对所提出模型和算法进行有效性验证，并与现有节点度加边算法(该算法为本领域技术人员所公知，在此不做赘述)对比，论证了算法的较优性。仿真结果表明本发明实施例所提出的风险均衡的cps系统网络优化规划方法可通过准确辨识网络关键节点，有效提升cps系统可靠性。

实施例1

本发明实施例提出了一种均衡系统失效风险的信息物理系统规划方法，参见图1，该方法包括以下步骤：

101：以cps主站、终端为节点，通信链路为边，构造网络拓扑；

102：根据cps的评价体系，采用专家打分法根据网络异构性特征构造判断矩阵，当判断矩阵满足一致性要求时，生成cps网络节点的广义节点权重；

103：建立cps风险均衡规划模型，基于高斯势对网络节点进行重要辨识，利用二进制遗传算法进行求解，获取新的网络拓扑；

104：定义网络效能、连通鲁棒性和平均路径长度标度，用于评估网络可靠性和效能。

其中，cps的评价体系具体为：

第一维度：确定cps承载物理系统业务；第二维度：确定cps网元类型；

将cps节点的广义节点权重作为目标层，第一维度作为指标层，第二维度作为方案层，建立cps节点广义权重层次分析模型。

综上所述，针对传统规划方法无法处理cps网络网元异构、不能准确辨识网络重要节点和忽视节点间相互影响等问题，本发明实施例提供了一种均衡网络失效风险的cps网络规划方法，通过定义网络广义节点权重数学刻画网元的异构特征，定义基于高斯势的节点失效风险函数，建立风险均衡目标函数，采用二进制遗传算法进行模型求解，提高了网络效能和抵御失效风险的能力，实现复杂cps网络规划，适用于不同规模和特征的cps应用环境。

实施例2

下面结合具体的计算公式、实例对实施例1中的方案进行进一步地介绍，详见下文描述：

201：广义节点权重；

实际物理系统对信息系统需求的的异构性决定了cps系统中网络节点的重要程度不尽相同。基于层次分析法(ahp)，建立cps网络节点的广义质量以衡量该网元的重要程度。

首先，建立评价指标体系层次结构。由于不同的cps系统具有相应的物理实体，需要根据cps网络的信息业务应用建立相应的体系结构，由网元承担的信息业务和应用对象采用双维度层次划分：

1、第一维度：确定cps承载物理系统业务；

一般而言其承载业务涵盖以下方面：设备状态监测、设备环境监测、信息安全保护、以及系统自动化等方面。

2、第二维度：确定cps网元类型；

目前阶段的cps系统网元应包括：主站和终端，而终端应根据不同的应用场景进行进一步划分。

故将cps节点的广义节点权重作为目标层，第一维度(业务类型)作为指标层，第二维度(cps节点类型)作为方案层，建立cps节点广义权重层次分析模型，如图2所示。

其次，根据指标体系进行指标权重计算及一致性检验。在cps节点广义权重层次分析模型的基础上构建判断矩阵，以确定唯一性指标权值。采用互反性1-9标度法^[1]，对每一层指标体系内的各指标间(包括自身)进行两两比较，生成该层的判断矩阵a：

a＝[aij]n×n(1)

其中，关于对角线对称的元素aij与aji间满足倒数关系。为避免出现因比较量多造成的判断结果不一致现象，需对判断矩阵进行校正或重新判断。定义如下随机一致性指标(cr)衡量判断矩阵a的一致性程度：

式中，λmax为判断矩阵a的最大特征根，n为矩阵a的阶数，ri为平均随机一致性指标^[2]。当cr<0.1时可认为判断矩阵a满足一致性要求。

3、cps广义节点权重。

设[ωl1,ωl2,….,ωlk,…,ωln]^t为由方案层(即第二维度)确定的第l个指标判断矩阵a的最大特征根所对应的特征向量；

[w1,w2,…,wl,…,wn]^t为由指标层(即第一维度)确定的目标层(即广义节点权重)判断矩阵a的最大特征根所对应的特征向量。则网络节点mk的广义节点权重定义为：

202：风险均衡模型；

显而易见，在异构网络中，若能够对节点重要程度进行鉴别，则重要程度高的节点则会最先受到攻击，而这必将使网络连通性能和可靠性陡降，甚至导致全网络失效。因此在规划层面即辨识网络重要度高的节点或区域，从而优化网络对cps网络是极其重要和必要的。

本发明实施例引入物理学中稳定有源场的势函数概念^[3]，定义配电网cps节点的势函数，作为系统可靠性的测度函数。

首先定义网元高斯势函数：

其中，m为配电网cps网元的广义节点权重(即上述公式(3)中求出)；||i-j||为节点间l2范数；σ为影响因子，用于控制节点间的相互作用力程；为网络中节点j在节点i处产生的势值，为对应的拟核力场的高斯势，即用网元高斯势函数描述cps网元的相互作用。

基于节点势函数，定义网元失效风险函数：

其中，mi为节点i的广义节点权重(即上述公式(3)中求出)，||i-j||为节点i、j间的最短路径跳数；σ为影响因子。为网络中所有节点在节点i处产生势值。上述网元失效风险函数可数学刻画cps网络中节点间的相互影响和失效风险分布规律。

如上所述，对于异构配电网cps系统，消除突兀的高重要度节点，均衡网络失效风险的分布则可有效提升网络可靠性。选择最小化cps节点势值的均方差为规划目标函数：

其中，f(g)为适应度函数；ri为网元失效风险函数；为所有网元失效风险均值。

203：二进制遗传算法；

本发明实施例采用改进的遗传算法加以求解，与传统遗传算法相比，无需离散自变量。其算法流程如下：

1、对原问题解空间降维，构建网络邻接矩阵[b]n×n；

则每个元素bij定义取值bij＝1表示节点vi和vj间存在(规划)链路，否则，bij＝1表示无链路。从而将原问题降维转化为0-1整数规划问题。首先，将cps网络规划的d个待选位置映射为d维二进制变量x＝[b1,b2,b3,…bd]，bi为1表示该位置存在对应的通信链路，反之，0表示不存在。根据公式(6)设置适应度函数。

其中，该步骤中的适应度函数为本领域技术人员所公知，为遗传算法中的公知技术，本发明实施例对此不做赘述。

2、变异；

基于工程实际，需要限制新建通信链路数量l，因此采用轮盘赌策略限定变异位置数量，选择概率前l名的位置进行变异。然后重新计算当前状态的适应度函数。定义选择概率为：

其中，f(xi)为适应度函数；np为种群大小。

3、迭代。根据设置的迭代次数ng和结束精度eps。当达到最大迭代次数或结束精度后停止计算，否则返回上一步骤202。

204：规划效果综合评价指标。

本发明实施例提出规划效果综合评价指标体系，其指标涵盖了网络性能和可靠性等方面，避免了单一指标的片面，具体而言评价指标包括：网络效能、连通鲁棒性和平均路径长度标度^[4][5]。

网络效能函数定义如下：

其中，e(g)为网络效能函数，dij为节点i与节点j之间的通信距离，g为网络拓扑，n为网络节点数目。网络效能函数表示信息或者能量在最有效的最短可行路径中传播，是对网络结构的度量。

连通鲁棒函数定义如下：

其中，r(g)为连通鲁棒函数，s表示某些节点失效后网络中最大连通子图的节点数目，n为cps节点数目，g”为最大连通子图。

复杂网络平均路径长度标度计算如公式(10)所示：

其中，n为cps节点数目，dij为终端vi与vj间通信距离。

综上所述，本发明实施例提供了一种均衡网络失效风险的cps网络规划方法，通过定义网络广义节点权重数学刻画网元的异构特征，定义基于高斯势的节点失效风险函数，建立风险均衡目标函数，采用二进制遗传算法进行模型求解，提高了网络效能和抵御失效风险的能力，实现复杂cps网络规划，适用于不同规模和特征的cps应用环境。

实施例3

下面结合具体的附图、计算公式、以及实验数据对实施例1和2中的方案进行可行性验证，详见下文描述：

图2为确定广义节点权重使用的层次分析方法。利用上述方法，图3所示为交通cps典型应用网络拓扑图，经过优化，输出图4所示的新的交通cps网络拓扑，由图5可知交通cps网络的高斯势经过优化更加均衡，降低了网络失效风险，同时由表2可知，网络各项参数均得到较明显的提升。验证所提方法对于实际工程规划效果的提升，如图6所示为配电网cps某示范工程网络拓扑，经过优化，输出图7所示的新网络拓扑，由图8可知配电网cps网络的高斯势经过优化更加均衡，降低了网络大规模失效风险，同时由表4可知，网络各项参数均得到较明显的提升。

在每一个规划过程中，包括：cps节点广义权重计算、网络重要网元辨识、拓扑优化和规划效果评估四个实施步骤，下面分别对配电网cps规划和交通cps规划进行说明。

一、交通cps网络规划

图3所示的cps网络拓扑属于某智能停车场系统，是典型的交通系统应用。

1、广义节点权重计算；

评价指标按照排量大小、通信容量、实时性、监控点位构成维度一的评价指标。cps节点分为主站、大型汽车泊位、家庭用车泊位和电动汽车泊位四类，构成维度二的节点类型。根据公式(1)～(3)，经过专家评分和一致性校验，得到cps节点权重如表1所示。

表1交通cps的广义节点权重

2、重要网元辨识；

根据公式(4)对cps网络进行高斯势建模，节点的高斯势按照由高到低排列，可知节点v0、节点v5和节点v9处于重要地位，如图5中规划前高斯势分布可知，重要节点具有较高的高斯势分布。

3、拓扑优化；

根据公式(5)(6)对cps网络进行规划建模，从待选路径中选择最佳实施方案，其中规划结果如图4所示。从网络风险分布的角度来看，网络的风险分布更加均衡，如图5所示，因此网络的可靠性得到提升。

4、规划效果评估。

根据公式(7)-(9)对规划结果进行评估，其中采用低节点度加边的方案作为对比，可以得到表2。由表2可知本发明实施例提出的规划方案可以更加明显的提升网络各项性能和指标。

表2规划效果评估

二、配电网cps网络规划

图6所示的cps网络拓扑属于某配电网cps示范工程，是cps在配电网领域的典型应用。按照图1进行网络建模得到图6所示的网络拓扑。

1、广义节点权重计算；

其中，评价指标按照继电保护、配电自动化、用电信息采集、生产管理、环境监测和分布式系统控制等七个指标构成维度一的评价指标。cps节点分为主站、配电终端、配变终端、馈线终端和分布式能源终端共五类，构成维度二的节点类型。根据公式(1)～(3)，经过专家评分和一致性校验，得到配电网cps广义节点权重如表3所示。

表3配电网cps的广义节点权重

2、重要网元辨识；

根据公式(4)对cps网络进行高斯势建模，节点的高斯势按照由高到低排列，可知节点v0，节点v5和节点v9处于重要地位，如图8中规划前高斯势分布可知。

3、拓扑优化；

根据公式(5)(6)对cps网络进行规划建模，从待选路径中选择最佳实施方案，其中规划结果如图7所示。从网络风险分布的角度来看，网络的风险分布更加均衡，如图8所示，因此网络的可靠性得到提升。

4、规划效果评估。

根据公式(7)-(9)对规划结果进行评估，其中采用低节点度加边的方案作为对比，可以得到表4。由表4可知本方法提出的规划方案可以更加明显的提升网络各项性能和指标。

表4规划效果评估

综上所述，本发明实施例提出的均衡系统失效风险的cps网络规划方法，可以充分考虑多源异构网络的节点差异并数学量化，实现重要网元的准确辨识，并通过建立失效风险均衡的规划模型，采用智能算法进行求解，提出综合规划评价体系，实现了网络可靠性和工作效能，满足不同类型和不同规模的cps网拓扑规划。

参考文献

[1]saatytl.howtomakeadecision:theanalytichierarchyprocess[j].europeanjournalofoperationalresearch,1990,48(1):9-26.

[2]吴诗辉,刘晓东,贾月岭,等.一种调整ahp不一致判断矩阵的优化方法[j].控制与决策,2016,31(11):2106-2112.

[3]李德毅,刘常昱,杜鹢,等.不确定性人工智能[m].国防工业出版社,2005.

[4]albertr,barabásial.statisticalmechanicsofcomplexnetworks[j].reviewsofmodernphysics,2002,74(1):47.

[5]dengj.structuralreliabilityanalysisforimplicitperformancefunctionusingradialbasisfunctionnetwork[j].internationaljournalofsolidsandstructures,2006,43(11):3255-3291.

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。