[发明专利]一种考虑网络攻击的电力系统恢复力评估方法

权利要求书

1.一种考虑网络攻击的电力系统恢复力评估方法，其特征是按如下步骤进行；

步骤一、建立电力—通信复合系统模型；

步骤1.1电力网建模：

步骤1.1.1根据电力系统拓扑结构，将发电机、负荷和变电站抽象描述为节点，输电线抽象描述为支路，从而构建一个具有n个电力节点的电力网络；

建立n×n阶的电力—电力物理关联子矩阵A_p＝V_p,ij(n×n)，其中，V_p,ij代表第i个电力节点和第j个电力节点的物理连接关系；当i＝j时，表示节点本身，则V_p,ij＝0；当i≠j，且第i个电力节点和第j个电力节点之间无连接链路时，则V_p,ij＝0；当i≠j，且第i个电力节点和第j个电力节点之间有连接链路时，则V_p,ij＝1；i、j＝1,2,…,n；

步骤1.2通信网建模：

步骤1.2.1将通信同步数字体系设备抽象描述为节点，光纤传输线路抽象描述为支路，从而构建一个具有m个通信节点的通信网络；

建立m×m阶的通信—通信物理关联子矩阵A_c＝V_{c,i′j′(m×m)}；其中，V_c,i′j′代表第i′个通信节点和第j′个通信节点的物理连接关系；当i′＝j′时，表示通信节点本身，则V_c,i′j′＝0；当i′≠j′，且第i′个通信节点和第j′个通信节点之间无连接链路时，则V_c,i′j′＝0；当i′≠j′，且第i′个通信节点和第j′个通信节点之间有连接链路时，则V_c,i′j′＝1；i′、j′＝1,2,…,m；

步骤1.3电力网与信息网相依关系建模：

步骤1.3.1对一个具有n个电力节点和m个通信节点的复合网络，建立n×m阶的电力—通信物理关联子矩阵A_f＝V_{f,ij′(n×m)}，其中，V_f,ij′代表电力网络中第i个电力节点和通信网络中第j′个通信节点的物理连接关系；当电力网络中第i个电力节点与通信网络中第j′个通信节点之间无信息传递链路时，则V_f,ij′＝0；当电力网络中第i个电力节点与通信网络中第j′个通信节点之间有信息传递链路时，则V_f,ij′＝1；

步骤1.4利用式(1)得到电力通信复合系统的物理关联矩阵A_s：

式(1)中，h表示维度，且h＝n+m；T表示转置；

步骤二、计算各节点攻击成功概率，模拟攻击造成的影响，并进行输电信息物理系统协同恢复；

步骤2.1利用式(2)计算利用第x个网络漏洞对通信网络进行当前攻击的成功概率C_x：

式(2)中，U_x为当前攻击第x个网络漏洞的难易程度；E_x为当前攻击下第x个网络漏洞的平均暴露程度，并由式(3)得到；K_x为当前攻击下第x个网络漏洞的攻击者知识水平；R_x为当前攻击下第x个网络漏洞的修复程度，并由式(4)得到；Z_x为当前攻击下第x个网络漏洞的攻击熟练度，并由式(5)得到；T_x为当前攻击下的第x个网络漏洞的发布时长；X为当前攻击下的网络漏洞总数；ω、δ、γ、θ、λ分别为不同因素对攻击成功概率影响的权重；

E_x＝1-(0.05/T_x)^α (3)

R_x＝1-exp(-T_x/0.16)^β (4)

式(3)和式(4)中，α、β分别为Pareto和Weibull分布的参数；

式(5)中，k_x为当前攻击下利用第x个网络漏洞实施网络攻击的次数；ρ表示增强因子，且0ρ1；

步骤2.2根据式(6)计算当前攻击下的成功攻击第i′个通信节点的初始概率P_i′：

式(6)中，N_i′为攻击第i′个通信节点时的所需的网络漏洞集合；

步骤2.3当成功攻击第i′个通信节点后，统计与第i′个通信节点相邻的通信节点，分别得到攻击每个相邻通信节点所需的网络漏洞集合，针对其中第d个网络漏洞集合，计算其中每个网络漏洞被攻击的难易程度并求取平均值p_i′d，作为成功攻击第i′个通信节点后，成功攻击其第d个相邻通信节点的概率；

步骤2.4利用蒙特卡洛模拟方法，模拟网络攻击的影响；

步骤2.4.1N次随机抽样第i′个非故障通信节点遭受网络攻击的故障率QR_i′并求取平均值得到平均故障率PR_i′，若PR_i′≤P_i′，则代表第i′个通信节点故障，无法正常下达指令，否则代表第i′个通信节点正常运行；

步骤2.4.2当第i′个通信节点发生故障时，再N次随机抽样第i′个通信节点遭受网络攻击的故障率QR′_i′并求取平均值得到平均故障率PR′_i′，若PR′_i′≤p_i′d，则代表成功连锁攻击第i′个通信节点的第d个相邻通信节点，否则代表未成功连锁攻击第i′个通信节点的第d个相邻通信节点；

步骤2.5分别利用不同恢复方案对发生故障的所有节点进行协同恢复；

步骤三、恢复力计算与评估；

步骤3.1构建弹性恢复力指标，包括：一级指标和二级指标；所述一级指标包括：灾变严重性评价指标、紧急恢复能力评价指标、系统整体恢复能力评价指标；

步骤3.1.1计算灾变严重性评价指标下的二级指标依次包括：失负荷速度、失负荷率；

利用式(7)得到失负荷速度V_SLL：

式(7)中，表示第i个电力节点的失负荷量；T_e表示从灾变前到灾变后所经历的时间；

利用式(8)得到失负荷率R_RLL：

式(8)中，P_load,i表示第i个电力节点的负荷量；

步骤3.1.2计算紧急恢复能力评价指标下的二级指标依次包括：关键负荷恢复时间、关键负荷恢复速度、关键负荷恢复率、关键负荷电量缺供率、电量缺供率；

利用式(9)得到关键负荷恢复时间

式(9)中，n_key为关键电力节点的数量，为第i_key个关键电力节点的资源调度时间，为第i_key个关键电力节点的设备修复时间；

利用式(10)得到关键负荷恢复速度V_RSCL：

式(10)中，表示第i_key个电力关键节点在第t_e个时间段恢复的关键负荷功率，为关键负荷恢复时间的分段数，T_key为紧急恢复期间单位系统恢复时间；

利用式(11)得到关键负荷恢复率R_RRCL：

式(11)中，表示第i_key个电力关键节点中损失的关键负荷，为第i_key个电力关键节点的关键负荷量；

利用式(12)得到关键负荷电量缺供率R_ESRCL：

式(12)中，表示在第t_e个时间段内的第i_key个电力关键节点正常运行的关键负荷，Δt表示关键负荷恢复时间分段后的一个时间段长度；

步骤3.1.3计算系统整体恢复能力评价指标的二级指标，依次包括：负荷恢复时间、负荷恢复速度；

利用式(13)得到负荷恢复时间T_re：

式(13)中，为第i个电力节点的资源调度时间，为第i个电力节点的设备修复时间；

利用式(14)得到负荷恢复速度V_RSL：

式(14)中，P_re,i,t表示第i个电力节点在第t个时间段恢复的负荷功率，T_pr为负荷恢复时间T_re的分段数，T为负荷整体恢复期间单位系统恢复时间；

利用式(15)得到电量缺供率R_ESR：

式(15)中，W_i为第i个电力节点的负荷权重值，P_load,t,i表示在第t个时间段上的第i个电力节点正常运行的负荷；Δt′表示负荷恢复时间分段后的一个时间段的长度；

步骤3.2求取各指标的期望值；

利用蒙特卡洛模拟方法进行M次故障抽样模拟再进行M次恢复，并在每次恢复后求取所有二级指标的取值，从而求取各个二级指标在M次恢复后的平均值；

步骤3.3基于AHP-EM的弹性恢复力评估模型；

步骤3.3.1采用AHP求解一级指标的权重；

步骤3.3.1.1根据所述一级指标及二级指标，构建层次结构模型，并根据所述层次结构模型对一级指标进行两两对比，从而利用式(16)构造判断矩阵A^t：

A^t＝(a_oq)_y×y (16)

式(16)中，a_oq代表第o个一级指标与第q个一级指标相比的重要程度，且a_oo＝1，a_qo＝1/a_oq，y代表一级指标的个数；

步骤3.3.1.2基于层次单排序得到一级指标各自的权重；

由A^tδ＝λδ计算A^t的特征值和特征向量，取最大的特征值λ_max所对应的特征向量，并进行归一化，得到归一化后的特征向量δ′，并将δ′中第i″个元素值γ_i″作为第i″个一级指标的权重；其中，λ代表特征值，δ代表特征向量；

步骤3.3.1.3利用式(17)和式(18)分别计算一致性指标CI和一致性比率CR：

式(18)中，RI为随机一致性指标；

步骤3.3.1.4利用一致性比率CR对判断矩阵A^t进行检验，若检验通过，则表示得到最终的一级指标的权重，否则对判断矩阵A^t进行修正后，返回步骤3.3.1.2顺序执行；

步骤3.3.2采用EM求解二级指标权重；

步骤3.3.2.1计算出每种恢复方案所对应的二级指标，并按所属的一级指标的类型将其分为三类，从而形成三类原始数据矩阵，其中，第i″类一级指标下的二级指标原始数据矩阵记为表示在第o′个恢复方案下第i″类一级指标的第q′个二级指标的原始数据，m′代表恢复方案的个数，n′_i″代表第i″类一级指标下的二级指标的个数；i″＝1,2,3；

步骤3.3.2.2对第i″类原始数据矩阵进行标准化处理，得到标准化后的数据矩阵表示在第o′个恢复方案下第i″类一级指标的第q′个二级指标归一化后的数据；

步骤3.3.2.3利用式(19)计算在第i″类一级指标下的第q′个二级指标下，第o′个恢复方案所占所有恢复方案的特征比重从而利用式(20)计算第i″类一级指标下的第q′个二级指标的信息熵

步骤3.3.2.4利用式(21)计算第i″类一级指标下的第q′个二级指标的权重

步骤3.3.3恢复力评估；

利用式(23)、式(24)和式(25)分别计算灾变严重性评价指标的分值G₁、紧急恢复能力评价指标的分值G₂、系统整体恢复能力评价指标的分值G₃，从而利用式(26)计算总体得分G：

G₁＝-V_SLL×S₁₁-R_RLL×S₁₂ (22)

G₂＝-T_RTCL×S₂₁+V_RSCL×S₂₂+R_RRCL×S₂₃-R_ESRCL×S₂₄ (23)

G₃＝-T_RTL×S₃₁+V_RSL×S₃₂-R_ESR×S₃₃ (24)

G＝G₁+G₂+G₃ (25)

式(23)、式(24)和式(25)中，S₁₁、S₁₂、S₂₁、S₂₂、S₂₃、S₂₄、S₃₁、S₃₂、S₃₃分别为各二级指标的综合权重，S₁₁表示第一个一级指标权重与其下属的第一个二级指标权重的乘积，S₁₂表示第一个一级指标权重与其下属的第二个二级指标权重的乘积，S₂₁表示第二个一级指标权重与其下属的第一个二级指标权重的乘积，S₂₂表示第二个一级指标权重与其下属的第二个二级指标权重的乘积，S₂₃表示第二个一级指标权重与其下属的第三个二级指标权重的乘积，S₂₄表示第二个一级指标权重与其下属的第四个二级指标权重的乘积，S₃₁表示第三个一级指标权重与其下属的第一个二级指标权重的乘积，S₃₂表示第三个一级指标权重与其下属的第二个二级指标权重的乘积，S₃₃表示第三个一级指标权重与其下属的第三个二级指标权重的乘积。