基于負載均衡的電力通信流量分析和預測方法研究

楊玲+張濤

【摘要】 隨著我國智能電網建設的不斷推進，現代電網信息化、互動化、自動化的特征愈發明顯，這也使得電力通信網絡隨之發生深刻變化。網絡拓撲的日益復雜、業務需求的逐步豐富，使得電力通信網絡中的負載不均衡問題愈發嚴重，這給電力通信帶來了新的發展難題。本文針對電力通信網絡拓撲結構對滿足復雜均衡的電力通信流量分析和預測方法進行研究。

【關鍵詞】 電力通信 負載均衡 拓撲優化 流量分析

一、電力通信業務流量特征

電力通信網絡在我國電網系統中占據重要位置，其在電力生產、運行和管理等各方面的業務中發揮重要支撐作用，大量的電力信息需要電力通信網絡來完成收集、傳輸與存儲。隨著我國電力系統建設的不斷深入，以及電力業務的不斷擴大，網絡流量呈幾何級數增長，業務類型也日趨復雜，這給電力通信網絡的安全、可靠、實時運行提出了更大的挑戰。在這種背景下，建立有效的流量分析和預測方法，可以為網絡規劃、協議設計、路由精確控制提供決策依據，對電力通信網絡性能的分析和優化具有積極的意義。

通常來說，智能電網中的電力通信網絡可劃分為三類子網，即電力通信綜合業務數據網、電力通信調度數據網、變電站站內通信網。對各類子網的承載業務進行分析可知，當前我國電力通信網絡業務可歸納為三種類型，即視頻類業務、數據類業務、語音類業務。電力通信網絡的流量具有重要的特征，比如自相似性和長相關性、多重分形性、周期性等。此外，基于我國電力通信系統的基本情況，對視頻業務、語音業務和數據業務的速率、丟包率、抖動幅度、時延、頻率飄移要求等方面進行相關的規定。

二、業務流量分析和預測

電力系統的日趨龐大使得電力通信網絡流量呈現幾何級增長的趨勢，而且業務類型也日趨復雜，以網絡為載體傳輸的電力信息的傳輸形式也更加多樣化，這給電力通信網絡的安全、可靠、實時運行提出了新的的要求。在對當前電力通信網絡情況下，對網絡流量進行分析和預測是電力通信研究的關鍵核心問題，對電力通信網絡、電力網絡的安全可靠運行具有積極的意義。對于電力通信網絡的相關研究而言，常用的網絡流量模型有：ARIMA模型、重尾分布的ON/OFF模型、馬爾可夫/半馬爾可夫模型、泊松模型、離散小波模型等。但結合當前我國電力通信系統的實際要求對各種模型進行分析可知，傳統的泊松模型、馬兒可夫模型只具有短相關性，難以描述流量的突發性和自相似特性，而ARIMA模型則相對較為高效。

三、基于ARIMA的建模分析

3.1 ARIMA建模分析

3.2殘差檢驗和預測

在建立電力通信業務流量分析與預測模型之后，還需要結合電力通信系統的實際情況對其適應性進行檢驗。模型的適應性是指模型已經完全或基本上反應了系統的動態性，從而模型中的殘差εt是白噪聲序列，即完成了εt的獨立性檢驗。目前殘差檢驗法主要有兩種，即判斷殘差的自相關和偏自相關函數圖、Ljung-Box檢驗法。計算LB（Ljung-Box）統計量為：

經過殘差檢驗的ARIMA模型就可以用來對電力通信網絡業務流量進行預測，從優化網絡性能，提高網絡服務質量。

3.3基于ARIMA模型的電力通信業務流量分析與預測

在電力通信網絡系統中，傳輸的信息類型主要包括視頻、語音與數據類，其中語音類業務在逐步萎縮，其數據量較小，而數據業務與視頻業務的數據量大，傳輸質量要求高，因此需對視頻類與數據類業務流量進行建模分析。

對于生產數據承載業務流量而言，主要包含運行信息類業務與運行控制類業務，對這類業務數據的采集需要24小時時段數據，在采集到相關數據之后，利用自相關函數和偏自相關函數圖分析可知其不是穩定的序列，那么需要對其進行周期性和趨勢性設計，進而得到平穩的時間序列。獲得平穩的時間序列之后建立模型，需確定p、d、q、P、D、Q參數，并利用SPSS軟件建立ARIMA（p，d，q）（P，D，Q）模型，之后進行殘差檢驗和預測，最終得到符合要求的模型。對于視頻類業務流量的建模分析流程與數據類業務流量建模流程相似，其具體流程為：數據承載業務分析→數據采集與預處理→模型參數確立→建立模型→殘差檢驗和預測。

參 考 文 獻

[1]邵蘇杰.面向智能配用電網數據采集的流量調度機制[D].北京郵電大學.2015.5

[2]張倩倩.面向配電網的電力通信流量分析和預測技術[D].天津大學.2012.12