【技术实现步骤摘要】
本专利技术涉及电网管理，尤其涉及一种基于图神经网络的调度自动化系统安全风险评估方法。
技术介绍
1、随着电力行业的快速发展和变革，调度自动化系统在电网运行和控制中的重要性越来越突出。主站系统可以集中管理和控制电网上的各种设备和资源，对电网的高效、安全、可靠运行和保障用户供电具有非常重要的作用。但同时，随着主站系统的复杂性和智能化程度的提高，其面临的风险也日益增多，如系统攻击、恶意软件、电力信息安全等问题，都可能给电力行业带来严重的影响。因此，对电网自动化主站系统进行安全风险评估非常重要和必要。
2、有资料显示，针对调度自动化系统的安全风险评估方法，传统方法通常基于统计学模型和传统的机器学习方法，但这些方法在处理大规模、高维度、非线性的数据方面存在一定的局限性。近年来，图神经网络作为一种新兴的深度学习技术，已被广泛应用于图像、自然语言处理等领域，并在社交网络、推荐系统等领域中取得了显著的成果。因此，将图神经网络应用于调度自动化系统安全风险评估具有很大的潜力。
3、中国专利文献cn105373893a公开了一种“调度自动化系统模型定义辅助决策与风险评估方法”。采用了包括以下步骤：告警定义检查、采样定义检查、遥控定义检查、遥控定义检查、设备跳变检查、设备定义检查、风险因素处理。上述技术方案在处理大规模、高维度、非线性的数据方面存在一定的局限性。
技术实现思路
1、本专利技术主要解决原有的技术方案在处理大规模、高维度、非线性的数据方面存在一定的局限性的技术问题，提供
2、本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术包括以下步骤：
3、s1建立计及人为风险的安全风险库；
4、s2获取风险因素数据并进行预处理；
5、s3对节点进行特征提取并确定节点关系；
6、s4构建图网络结构；
7、s5构建系统模型；
8、s6风险等级划分。
9、针对调度自动化系统的影响安全风险因素，考虑人员操作行为的安全风险建立计及人员风险库；根据调度自动化系统中的各个设备构建节点图结构，依据风险库数据计算节点之间的相关关系系数，确定网络输入权重矩阵；使用离线数据训练图神经网络特征提取和分类器模型，建立风险评估离线模型；使用在线数据进行风险评估，得到在线数据节点风险等级。
10、作为优选，所述的步骤s1具体包括，根据调度自动化系统中的真实系统和网络环境，通过机房内管理的机架图、操作人员安全事件登记表和系统管理手册，整理调度自动化系统相关影响安全风险的因素，结合实际总结并构建调度自动化系统的计及人为风险的安全风险库。
11、作为优选，所述的步骤s2具体包括，从安全风险库获取数据并检查是否存在缺失、异常值，对于时间序列的风险因素数据，通过应用平滑化技术来减少噪音和波动性，对各种数据信息进行量纲统一化处理。
12、作为优选，对统一化处理后的数据信息进行影响度排序，选择对风险因素影响度排名的特征，减少维度和提高模型的准确性。对各种数据信息进行量纲统一化处理，例如归一化或者标准化。选择对风险因素影响较大的特征，减少维度和提高模型的准确性。
13、作为优选，所述的步骤s3具体包括，对调度自动化系统中的各个节点和边进行特征提取，特征包括节点的物理特征、运行状态特征和历史操作特征，以及边的传输能力特征、传输状态特征和历史操作特征。这些特征能够反映调度自动化系统的各个方面，包括设备的类型、状态、位置等信息，以及设备之间的连接状态和传输能力等信息。
14、作为优选，所述的步骤s3确定节点关系具体包括，设定节点之间相关性阈值，若节点之间相关性大于阈值，则说明两者之间存在影响大的内在关系，则设定为1，若两者之间的相关性小于阈值，则设定为0，依此构建电网自动化主站系统安全风险评估方法框架中的连接矩阵。邻接矩阵的构造主要依据电网自动化主站系统中的安全风险因素之间的相关性来确定，由于在实际的电网自动化系统中造成危险因素的可能性很多并且多种风险因素可能会相互关联并且同时发生，因此考虑节点之间的相关性对整个电网自动化主站系统的风险评估更加具有真实有效性。
15、作为优选，所述的步骤s4具体包括，建立调度自动化系统的拓扑结构图，将其转化为图神经网络的输入，拓扑结构图是由调度自动化系统中各个节点和边组成的图形表示，其中节点表示调度自动化系统中的各个设备，边表示设备之间的连接关系。
16、作为优选，将一个风险基本事件数据信息作为节点分析依据，进而将节点调度自动化系统定义为图g，将整个自动化主站系统影响安全风险因素看作为一个无向图，根据节点之间的连接关系，构建邻接矩阵。对调度自动化系统安全风险因素进行分析时，通常可以将一个风险基本事件数据信息作为节点分析依据。
17、作为优选，所述的步骤s5具体包括，将提取的节点和边特征与拓扑结构图输入到图神经网络中进行训练，得到调度自动化系统的安全风险评估模型，训练过程中，通过图卷积层对节点和边特征进行卷积操作，得到整个图的表示，再通过全连接层得到安全风险评估模型，图神经网络的整体计算过程表示如下
18、hk+1＝g×hk×wk
19、式中：hk+1和hk为第k和k+1层的属性矩阵；g为邻接矩阵；wk为第k层的权重矩阵。图神经网络是一种新兴的深度学习技术，能够对图形结构数据进行处理，具有良好的适应性和泛化能力。
20、作为优选，所述的步骤s6具体包括，利用得到的安全风险评估模型对调度自动化系统进行安全风险评估，并输出评估结果，将调度自动化系统的节点和边特征输入安全风险评估模型中进行计算，输出该系统在当前状态下的安全风险等级，以及可能存在的安全风险因素和对应的优化建议。在整个安全风险因素统计过程中，人员操作造成的因素影响也存在一定的比例，在实际系统运行过程中人员操作对整个系统的运行状况也起着至关重要的作用，因此考虑计及人员风险的自动化主站系统安全风险等级的评估也成为了电网日常运维的一大主要问题。
21、本专利技术的有益效果是：能够更加准确地评估调度自动化系统的安全风险，提高调度自动化系统的安全性和可靠性，在实际应用中，可以通过该方法对调度自动化系统进行实时监控和预警，及时发现并解决潜在的安全风险问题，具有广泛的应用前景。
本文档来自技高网...【技术保护点】
1.一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S1具体包括，根据调度自动化系统中的真实系统和网络环境，通过机房内管理的机架图、操作人员安全事件登记表和系统管理手册，整理调度自动化系统相关影响安全风险的因素，结合实际总结并构建调度自动化系统的计及人为风险的安全风险库。
3.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S2具体包括，从安全风险库获取数据并检查是否存在缺失、异常值，对于时间序列的风险因素数据，通过应用平滑化技术来减少噪音和波动性，对各种数据信息进行量纲统一化处理。
4.根据权利要求3所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，对统一化处理后的数据信息进行影响度排序，选择对风险因素影响度排名的特征，减少维度和提高模型的准确性。
5.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步
6.根据权利要求1或5所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S3确定节点关系具体包括，设定节点之间相关性阈值，若节点之间相关性大于阈值，则说明两者之间存在影响大的内在关系，则设定为1，若两者之间的相关性小于阈值，则设定为0，依此构建电网自动化主站系统安全风险评估方法框架中的连接矩阵。
7.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S4具体包括，建立调度自动化系统的拓扑结构图，将其转化为图神经网络的输入，拓扑结构图是由调度自动化系统中各个节点和边组成的图形表示，其中节点表示调度自动化系统中的各个设备，边表示设备之间的连接关系。
8.根据权利要求7所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，将一个风险基本事件数据信息作为节点分析依据，进而将节点调度自动化系统定义为图G，将整个自动化主站系统影响安全风险因素看作为一个无向图，根据节点之间的连接关系，构建邻接矩阵。
9.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S5具体包括，将提取的节点和边特征与拓扑结构图输入到图神经网络中进行训练，得到调度自动化系统的安全风险评估模型，训练过程中，通过图卷积层对节点和边特征进行卷积操作，得到整个图的表示，再通过全连接层得到安全风险评估模型，图神经网络的整体计算过程表示如下
10.根据权利要求1或9所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤S6具体包括，利用得到的安全风险评估模型对调度自动化系统进行安全风险评估，并输出评估结果，将调度自动化系统的节点和边特征输入安全风险评估模型中进行计算，输出该系统在当前状态下的安全风险等级，以及可能存在的安全风险因素和对应的优化建议。
...【技术特征摘要】
1.一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤s1具体包括，根据调度自动化系统中的真实系统和网络环境，通过机房内管理的机架图、操作人员安全事件登记表和系统管理手册，整理调度自动化系统相关影响安全风险的因素，结合实际总结并构建调度自动化系统的计及人为风险的安全风险库。
3.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤s2具体包括，从安全风险库获取数据并检查是否存在缺失、异常值，对于时间序列的风险因素数据，通过应用平滑化技术来减少噪音和波动性，对各种数据信息进行量纲统一化处理。
4.根据权利要求3所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，对统一化处理后的数据信息进行影响度排序，选择对风险因素影响度排名的特征，减少维度和提高模型的准确性。
5.根据权利要求1所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤s3具体包括，对调度自动化系统中的各个节点和边进行特征提取，特征包括节点的物理特征、运行状态特征和历史操作特征，以及边的传输能力特征、传输状态特征和历史操作特征。
6.根据权利要求1或5所述的一种基于图神经网络的调度自动化系统安全风险评估方法，其特征在于，所述步骤s3确定节点关系具体包括，设定节点之间相关性阈值，若节点之间相关性大于阈值，则说明两者之间存在影响大的内在关系，则设定为1...
【专利技术属性】
技术研发人员：钱建国，张静，胡真瑜，阙凌燕，王阳英夫，申建强，钱海峰，阚敏，史俊霞，严慜，
申请(专利权)人：国网浙江省电力有限公司湖州供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。