當(dāng)電力消費置于互聯(lián)網(wǎng)環(huán)境下，最大的變革在于用電行為、交易、過程、電力調(diào)度及分布能源生產(chǎn)等電能的全生命周期均建立在互聯(lián)網(wǎng)虛擬空間和基于數(shù)據(jù)驅(qū)動的過程建模、分析及優(yōu)化。因此，“互聯(lián)網(wǎng)＋智慧售電”的實現(xiàn)即是一個數(shù)據(jù)獲取、傳輸、業(yè)務(wù)表達與價值發(fā)現(xiàn)過程。其中數(shù)據(jù)獲取主要依靠智能用電物聯(lián)網(wǎng)系統(tǒng)，通過連接各種用電器、分布能源和檢測模塊，獲取各種基礎(chǔ)數(shù)據(jù)信息；數(shù)據(jù)傳輸主要依靠近距離通信、公共通信網(wǎng)絡(luò)等組成異構(gòu)融合的數(shù)據(jù)傳輸網(wǎng)絡(luò)，將數(shù)據(jù)匯聚至云計算平臺；數(shù)據(jù)的業(yè)務(wù)表達和價值發(fā)現(xiàn)主要依靠大數(shù)據(jù)組織、可視化、挖掘等技術(shù)完成數(shù)據(jù)驅(qū)動的電力消費過程。

5.1.4智能用電物聯(lián)網(wǎng)節(jié)點通信重要性評估技術(shù)

電力物聯(lián)網(wǎng)已經(jīng)成為電網(wǎng)的重要組成部分，承載的業(yè)務(wù)量也變得越來越多，增長速度驚人，尤其是更多新能源設(shè)備、智能控制設(shè)備、智能家電等終端的接入使得電力物聯(lián)網(wǎng)通信網(wǎng)絡(luò)規(guī)模的不斷擴大，對安全性、可靠性評估也變得越來越重要。而電力通信網(wǎng)中的重要節(jié)點在很大程度上決定了電力通信網(wǎng)的穩(wěn)定性和安全性，對重要節(jié)點的重點維護和管理成為電力通信網(wǎng)的一個重要任務(wù)。

電力物聯(lián)網(wǎng)通信網(wǎng)中的重要節(jié)點決定了網(wǎng)絡(luò)的穩(wěn)定性和安全性，電力通信網(wǎng)中節(jié)點的重要性表明了該節(jié)點在可能的故障情況下對網(wǎng)絡(luò)性能的影響，使用定量的方法來對網(wǎng)絡(luò)節(jié)點進行評估已經(jīng)成為電力通究的熱點。目前國內(nèi)外對電力通信網(wǎng)節(jié)點的重要性評估主要存在下面一些方法：

(1)利用節(jié)點的度作為節(jié)點重要性的指標(biāo)。該方法中某節(jié)點的的鏈接的邊越多，那么該節(jié)點的重要性就越大。

(2)基于節(jié)點刪除的評價。該方法通過刪除某個節(jié)點，看網(wǎng)絡(luò)的連通性的變化來分析節(jié)點的重要性。

(3)基于節(jié)點的介數(shù)的評價，如果該節(jié)點的介數(shù)越大那么該節(jié)點越重要。

(4)通過節(jié)點緊密度來對節(jié)點進行評價，緊密度越大則節(jié)點的重要性越強。

目前的電力通信網(wǎng)節(jié)點重要性評估主要采用以上幾種方法，但是以上的方法都具有一些缺陷：以節(jié)點的度作為評價指標(biāo)存在一定的片面性，如橋節(jié)點的度雖然不大，但重要性卻很強；基于節(jié)點刪除的方如果刪除的是末梢節(jié)點，那么就不能實現(xiàn)節(jié)點重要性的客觀評估；另外，由于介數(shù)和緊密度是對節(jié)點在全局的影響的定義，因此基于介數(shù)緊密度的方法也存在著一些不合理性。

目前，有關(guān)電力物聯(lián)網(wǎng)通信網(wǎng)節(jié)點重要性評估的工作基本上都是以單一連接權(quán)值為主，還沒有將距離和帶寬都考慮進評估模型的。而且，以往的電力通信網(wǎng)的節(jié)點重要性評估往往只利用單個的評價指標(biāo)，而沒有有效的綜合多種評價指標(biāo)，并且很多方法只針對網(wǎng)絡(luò)結(jié)構(gòu)本身，而忽略了網(wǎng)絡(luò)的連接權(quán)重。針對目前電力通信網(wǎng)評估存在的各種問題，利用網(wǎng)絡(luò)帶寬和距離作為加權(quán)，通過多種評價指標(biāo)的綜合來對節(jié)點的重要性進行評。由于采用多指標(biāo)的方式進行節(jié)點重要性的評估分類，并且這種分類是一種無監(jiān)督的分類。日前，針對電力通信網(wǎng)節(jié)點重要性評估的無監(jiān)督分類主要為K- means方法。 k-means方法為無監(jiān)督分類中的主要傳統(tǒng)方法，但是因為該方法基于距離，故結(jié)果是圓形的聚類形狀，并不能很好地對復(fù)雜特征的融合進行分類。針對該問題，采用了一種叫做快速密度聚類的方法，該方法發(fā)表在2014年的 Science期刊上，該方法不僅利用距離作為分類的度量，還利用密度作為分類的指標(biāo)，有效解決了k-means方法的不足。在加權(quán)網(wǎng)絡(luò)的基礎(chǔ)上，基于快速密度聚類的方法，采用節(jié)點度、節(jié)點緊密度以及節(jié)點的介數(shù)作為評價指標(biāo)，對電力通信網(wǎng)的節(jié)點重要性進行評估。利用某省的實際電網(wǎng)通信數(shù)據(jù)進行檢驗，驗證了該方法在電力通信網(wǎng)中的實用性。

1.節(jié)點重要性相關(guān)指標(biāo)分析

節(jié)點數(shù)為n，邊數(shù)為m的通信網(wǎng)有權(quán)網(wǎng)絡(luò)數(shù)學(xué)模型可以用一個加權(quán)矩陣來描述，即

     (5-1)

邊權(quán)鄰接矩陣的矩陣元為WGij=Bij，如果節(jié)點和節(jié)點j之間有連接；WGij。=∞，如果節(jié)點i和節(jié)點j之間沒有連接。其中，WGij、Bij為節(jié)點與節(jié)點之間線路的權(quán)值。邊權(quán)代表節(jié)點間相互作用的強度或難易程度。如果節(jié)點之間的距離作為權(quán)值，權(quán)值越大表示兩點間的距離越大，作用越弱。如果節(jié)點之間的帶寬作為權(quán)值，則權(quán)值越大作用越大。本書中將距離和帶寬的權(quán)值進行歸一化整合，距離和帶寬的權(quán)值各為50%。

網(wǎng)絡(luò)中節(jié)點的重要性不但與節(jié)點本身的度有一定關(guān)系，還與節(jié)點的鄰居節(jié)點的度大小、節(jié)點的緊密度、節(jié)點的介數(shù)存在一定的關(guān)聯(lián)，這指標(biāo)體現(xiàn)了節(jié)點的影響力。節(jié)點的影響力包括直接影響力和間接影力，直接影響力反映節(jié)點本身影響其他節(jié)點的能力，如節(jié)點的度。同影響力反映節(jié)點通過網(wǎng)絡(luò)對其他節(jié)點施加影響的能力，如節(jié)點緊密度介數(shù)。利用節(jié)點的度、節(jié)點的緊密度、節(jié)點的介數(shù)作為節(jié)點重要性的價指標(biāo)。

節(jié)點的度：節(jié)點i的度數(shù)k是指與該節(jié)點直接連接的邊數(shù)，反映的聲是一個節(jié)點對于網(wǎng)絡(luò)中其他節(jié)點的直接影響力。具有n個節(jié)點的網(wǎng)絡(luò)中，節(jié)點的度不會超過n-1。通常情況下，加權(quán)后節(jié)點i的強度Si定義為

節(jié)點的緊密度：緊密度指標(biāo)C用于刻畫網(wǎng)絡(luò)中的節(jié)點通過網(wǎng)絡(luò)到其他節(jié)點的難易程度，反映節(jié)點的間接影響力。其值定義為該節(jié)點到所有其他節(jié)點的距離之和的倒數(shù)。具有n個節(jié)點的網(wǎng)絡(luò)中，節(jié)點到達所有其他節(jié)點的距離之和不會小于n-1，則歸一化的緊密度指標(biāo)Ci為

對于加權(quán)網(wǎng)絡(luò)，兩節(jié)點間的距離dij一般定義為連接兩節(jié)點間的最短路徑上邊的權(quán)值之和。
介數(shù)指選取復(fù)雜網(wǎng)絡(luò)理論中合適的靜態(tài)幾何參量進行網(wǎng)絡(luò)拓撲脆弱性的計算。每個節(jié)點的介數(shù)用參數(shù)bi表示，反映節(jié)點在網(wǎng)絡(luò)連通中的重要程度。bi也反映了節(jié)點拓撲脆弱性，代表節(jié)點在整個網(wǎng)絡(luò)中的脆弱程度,代表節(jié)點相對拓撲的重要度，測度了故造成的潛在影響程度，能夠直接找到最脆弱點。

2.快迷密度聚類

針對目前非監(jiān)督聚類存在的一些問題，采用快速密度聚類的方法進行電力通信網(wǎng)的節(jié)點重要性評估分類。快速密度聚類算法的核心思想是：類簇中心被具有較低局部密度的鄰居點包圍，且與具有更高密度的任何點有相對較大的距離。基于這種思想，對于任意數(shù)據(jù)點i，需要計算兩個量：局部密度值pi以及點i到具有更高局部密度點的距離δi。Pi 和δi的值都與數(shù)據(jù)點之間的距離dij有關(guān)(dij代表點i和點j之間的距離，文中用歐式距離表示)。任意數(shù)據(jù)點i的局部密度Pi如下定義

(5-4)

其中dc是截斷距離，如果dij-dc<0，那么x(dij-dc)=1，如果dij-dc≥0，那么就有X(dij-dc)=0。數(shù)據(jù)點i的局部密度Pi本質(zhì)上為數(shù)據(jù)點i距離為dc內(nèi)的點的個數(shù)。實驗表明分類結(jié)果對dc的大小選擇具有很高的魯棒性，及dc的大小對分類結(jié)果影響不大。算法中，對于dc的選擇規(guī)則為：使得點的平均鄰居數(shù)大概是數(shù)據(jù)集中點的總數(shù)的1%～2%。點i到具有更高局部密度點的距離δi定義為

（5-5）

在算法中具有高B和相對較高的，的點可被認為是類簇中心，類簇中心找到后，剩余的每個點被歸屬到它的有更高密度的最近鄰所屬類簇。類簇分配只需一步即可完成，不像其他算法要對目標(biāo)函數(shù)進行選代優(yōu)化。圖5-10的簡單示例展示了算法的核心思想，圖5-10(a)為聚類中心的尋找，圖5-10(b)為樣本點的聚類。

圖5-10算法實例展示（一）
（a）聚類中心決策圖

圖5-10算法實例展示（二）
（b）二維聚類圖

3.節(jié)點重要性分類結(jié)果

利用節(jié)點度、節(jié)點緊密度、節(jié)點的介數(shù)作為節(jié)點重要性的評價指標(biāo)。節(jié)點的度的大小非常的直觀，反映了節(jié)點本身影響其他節(jié)點的能力力。一般情況下，度越大的節(jié)點重要性越大，但是對于某些橋節(jié)點來說卻不正確。間接影響力反映節(jié)點通過網(wǎng)絡(luò)對其他節(jié)點施加影響的能力，如節(jié)點的緊密度和介數(shù)

圖5-11  節(jié)點緊密度分析圖

圖5-11是網(wǎng)絡(luò)節(jié)點時密度分析從圖5-11可以看出，緊密度大的點，其度未必很大，但是改點在數(shù)據(jù)傳輸中的作用很大。圖5-12為網(wǎng)絡(luò)節(jié)點的脆弱性分析，節(jié)點的脆弱性代表了該節(jié)點在網(wǎng)絡(luò)連通方面的能力，如過聯(lián)通能力強，那么該節(jié)點遭到損毀后對網(wǎng)絡(luò)的影響就越大，即認為脆弱性強。從圖5-12可以看出，節(jié)點的脆弱性并不和節(jié)點的度分布和緊密度呈完全的正相關(guān)關(guān)系。

圖5-12  節(jié)點脆弱性分析

圖5-13給出了各種因素的分布，表5-3給出了這三種要素之間的相關(guān)性。從圖5-13中和表5-3中可以看出，這三種因素之間并不完全是正相關(guān)的關(guān)系。因此在節(jié)點重要性的度量上，需要綜合考慮這三種因素。

圖5-13節(jié)點度、緊密度以及介數(shù)之間的相關(guān)關(guān)系

表5-3 各要素之間的相關(guān)關(guān)系

利用快速密度聚類的方法對節(jié)點重要性進行評估。文中的要素為3個，那么分類空間為三維。因此將快速密度聚類的方法由二維推廣至三維，應(yīng)用與節(jié)點重要性分類中，圖5-14給出了基于三種因素的聚類中心

圖5-14基于快速密度聚類的聚類中心選擇圖

選擇圖，圖中的4個方塊即為我們所需的聚類中心，按照這4個聚類中心將所有節(jié)點進行聚類，聚類結(jié)果如5-14所示。

圖5-15  節(jié)點的重要性聚類分布圖

圖5-15中三個維度代表三個聚類因素，即節(jié)點度、緊密度以及脆弱性。從圖5-15中可以看出，該方法可以很好地將節(jié)點進行重要性分類。圖5-15中方形節(jié)點代表重要性很強，星形代表該節(jié)點重要性比較強，三角形代表該節(jié)點重要性一般，圓形代表該節(jié)點重要性很弱。在實際應(yīng)用中，方形代表的節(jié)點要引起足夠的重視。

圖5-16給出了電力通信網(wǎng)骨干網(wǎng)的節(jié)點重要性分類結(jié)果，從圖中可以很直觀地看出，我們采用的方法可以比較好地對重要節(jié)點進行分類。

圖5-16  電力通信網(wǎng)節(jié)點的重要性分類圖

對于重要性一般的節(jié)點和重要性比較弱的節(jié)點來說，由于文中采用了距離和帶寬作為權(quán)值的一部分，因此一般重要性節(jié)點在距離和帶寬的加權(quán)值比重要性比較弱的節(jié)點大。這也就是圖5-16中一般重要性節(jié)點和重要性比較弱的節(jié)點的區(qū)別。