基于SDN的电力通信网风险评估算法研究

来源 :华北电力大学(北京) | 被引量 : 0次 | 上传用户:pluto529
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算、大数据和5G技术的发展,电力通信网(PCN)将不断向电力物联网的方向演进,网络将会承载更多的业务且信息传递方式日益复杂;与此同时,大量新兴的电力业务对通信服务的需求差异化也在逐步扩大,传统的电力通信网络在网络统一管理和网络资源统一调度方面有所受限,灵活性和扩展性不足以满足网络发展的需求。软件定义网络(SDN)架构下的电力通信网便应运而生,SDN架构下的电力通信网能够方便地实现网络资源调度及管理,能快速为网络业务分配资源。电力通信网的风险评估是一个具有多切入点、多思考角度的研究课题。本文将采用基于链路重要度熵的方法对网络风险进行评估,即链路重要度分布越均衡网络风险越小。链路重要度的评估准确性关系着网络风险评估的有效性,所以,本文将对链路重要度评估开展相关研究工作。现有的网络单元重要性评估主要是基于单一路由情况下来进行的,这与电力通信网中很多业务需要配备备用路由的情况不符,因此,本文将对SDN架构下,考虑主备路由的电力通信网络链路重要度进行评估。本文提出了 SDN架构下的主备路由模型,在该模型中,需要保护的业务均具有链路完全分离的主备路径,链路失效引起路由中断时,在带宽和时延允许的情况下,SDN控制器会按照业务种类重要度来为业务重新分配主备路由。基于该主备路由模型,本文提出了考虑主备路由的链路重要度评估算法WBR-LIEA,该算法分别从三个逻辑层面(服务层、传输层和物理拓扑层)评估链路关联的风险值,并通过自适应系数将三个层面的链路关联风险融合成链路的综合关联风险值,以此来度量网络中的链路重要度。为了验证WBR-LIEA的有效性,本文建立了四种网络性能指标,分别是业务重要度丢失率LSI、业务流量丢失率LTF,网络效率NE和网络综合风险CNR,并在不同的电力通信网上对算法进行仿真分析。仿真结果表明,WBR-LIEA较对比算法能够更有效、更准确地对链路重要度进行评估,可以为SDN架构下存在主备路由的电力通信网络风险控制和可靠性保障提供有价值的参考。最后,基于链路重要度熵来对网络风险进行评估,并且采用遗传算法来对网络业务进行路由优化使网络风险得到有效降低。为了验证路由优化的效果,本文还对最短路径和遗传算法两种路由方式下的网络链路进行蓄意攻击,仍然采用上述四个网络性能指标来进行验证,发现网络链路在遭受连续蓄意攻击时,经过遗传算法优化后的网络相关性能变化相对缓慢,说明优化后的网络链路重要度分布更加均衡,网络风险得到有效降低。
其他文献
近年来,以深度学习为代表的人工智能技术取得了快速发展和广泛应用。然而,在实际应用中,人工智能的性能还是依赖于大量的标签数据,模型泛化性能不高。因此,如何减缓对标签数据的依赖并提升模型泛化性能是目前人工智能领域亟待解决的问题。领域自适应(Domain Adaptation,DA)就是该问题较好的解决手段,其旨在利用来自源域的知识帮助在新且相关的目标域上的学习。本文从损失函数、学习框架以及网络结构三个
在能源结构向低碳化转型的关键阶段,为尽快实现“碳中和”,有必要对清洁燃料火焰进行深入研究从而明晰其燃烧特性。本文系统综述了气态和生物质燃料火焰的检测方法以及火焰电学特性研究的发展动态,在实验室规模的燃烧设备上开展了甲烷和生物质燃烧实验,并基于图像和静电信号分析了火焰的形态特征和电学特性,为全面了解清洁燃料燃烧特性提供了参考。本课题的主要工作内容如下:本研究使用非侵入式静电传感器阵列测量不同种类火焰
图像去噪、图像融合一直是数字图像处理领域的研究热点问题。近年来,分数阶小波变换成为了一种新的信号处理方法,其定义基于小波变换和分数阶傅里叶变换。它将多分辨率分析推广到时域-分数阶频域,成为一种新的时频域分析方法。因此,将分数阶小波变换应用到图像去噪、图像融合领域具有非常广阔的发展前景。本文的主要研究工作如下:(1)在图像去噪方面传统的阈值函数去噪主要是硬阈值函数去噪和软阈值函数去噪,但是这些阈值函
多聚焦图像融合是图像处理领域的一个热点问题。近年来,随着深度学习技术的发展,卷积神经网络在多聚焦图像融合中的应用也越来越来越广泛。大部分基于卷积神经网络的多聚焦图像融合方法主要思路在于,将多聚焦图像融合的问题转化为区分聚焦像素和离焦像素的二分类问题,然后通过训练一个可以判别像素聚焦水平的卷积神经网络来产生决策图,最终在决策图的引导下完成多聚焦图像融合。然而,这些多聚焦图像融合方法仍然面临着一些不足
自1895年,X射线被伦琴发现以来,计算机断层扫描(Computed Tomography,CT)已经逐渐发展成为一项非常成熟的无损检测技术,它具有无损、高时空分辨率和三维可视化等优点。随着X射线CT技术的快速发展,应用领域不断扩大,对重建图像的质量要求也越来越高。提高图像的质量不仅需要高精度的CT扫描系统,还需要优质的图像重建算法。此外,CT扫描带来的辐射剂量过高的问题也引起了人们广泛的关注。因
随着人工智能的发展,视频在日常生活、工业发展、智慧医疗等领域发挥着越来越重要的作用。然而,在拍摄过程中由于各种原因使拍摄的画面发生不稳定的现象,这样不仅会给视频的观看者造成不良的观影体验,还会影响后续视频图像的分析处理及识别过程。因此,数字稳像方法研究具有重要的应用价值。对于运动状态复杂的视频抖动,为了得到更好的运动估计模型,以及获取合适的滤波轨迹,保证视频稳像效果,本文主要做了以下几个方面的工作
据2020全球癌症统计数据显示,乳腺癌(Breast Cancer,BRCA)现已占总体癌症发病的11.7%,成为了最常见的癌症,其发病和死亡均位于女性癌症首位。随着信息技术的不断发展,医疗数据的概念也逐渐得到了广泛的应用,通过将数据挖掘技术应用于乳腺癌领域,深刻挖掘乳腺癌的预后分子机制,寻找新型治疗靶标,对乳腺癌患者的预后和生存具有重大的现实意义。首先,本文基于基因表达数据构建乳腺癌预后模型。先
随着社会的发展和智慧化时代的到来,各类智能家居设备和智能基础服务设施不断出现,智慧城市和智慧校园建设开始步入快车道。社会对生态环境的保护力度日渐加大,校园生态环境更是关乎师生员工学习和生活的重要因素。在智慧校园建设中,更要提倡将各种新技术与教育教学有机融合,充分发挥其核心教育功能。本文课题以绿色智慧校园为目标,以华北电力大学北京校区的实践创新教育为动力,结合多种技术手段,建立基于新能源与物联网的校
高光谱成像技术主要用于获得同一场景在多个窄波段下的图像数据,它能够探测目标物体的空间结构和光谱反射信息,因此被广泛应用于遥感监测、医学影像分析和食品安全等领域。由于高光谱成像系统工作在狭窄的波带上,为了保证足够的信噪比,传感器通常需要在更大的空间范围内收集光子,从而导致高光谱图像空间分辨率远低于多光谱图像。如何将高光谱图像数据与同一场景下的具有高空间分辨率的多光谱图像进行有效地融合,恢复重建得到具
电容层析成像方法(ECT)是一种重要的断层扫描成像技术,在非接触式医学诊断、多相流成像等领域具有巨大的研究价值。其具有成像速度快,设备成本低的优点。但由于其应用设备通常存在传感器极板布置少,成像系统的成像效果较差,分辨率和精度较低的问题。本文在电容层析成像的原有成像算法基础上提出一种基于图像超分辨率的重建方法,取得了一系列的研究成果:(1)数据集分别采用人体头部仿真的高采样率图像做标签数据,用低采