随着智能电网的快速发展，电网的安全稳定面临新的挑战，同时对电网安全稳定控制系统和调度自动化系统的基础——电力通信网架构、带宽、时延、可靠性等提出更高的要求。电力通信网主要为电网的自动化控制、商业化运营和实现现代化管理服务，它承载着远动信号、数据采集与监视控制系统、能量管理系统、电话和视频会议、管理信息数据等业务，在很大程度上电力通信网的可靠性水平影响着智能电网安全、可靠、高效运行。

以计算机为核心的ICT(Information and Communications Technology，信息通信技术)飞速发展，渗透到社会生活的各个领域，作为电力系统的支撑网——电力通信网的可靠性研究在国家大电网发展战略也逐渐受到相关学者的关注。电力通信可靠性在相关研究上与公共通信网可靠性的研究相比有明显的特性需求。

目前，针对电力通信网可靠性相关问题的研究可总结为3个方面。其一，采取与公共通信相似的研究方法，如基于网络连通性、节点设备及链路可靠度的可靠性分析[1-3]；其二，基于业务的可靠性指标分析或可靠性研究[4-6]；其三，基于定性或定量的可靠性分析及评估[7-8]。

本文应用核主成分分析法(Kernel Principal Component Analysis， KPCA)建立电力通信网可靠性综合评价模型，不仅解决了处理评价指标之间的非线性相关问题，且能提供更多的特征信息；本方法结合以往研究电力通信网可靠性方法一、方法二的优点，选取电力通信网可靠性指标对电力通信网进行了定性分析。选取某市近期的可靠性指标数据进行验证分析，证实该方法的有效性及实用性。

1 可靠性指标体系的建立

电力通信网是一个复杂的网络系统，本文采用层次分析法构建了电力通信网可靠性指标评价体系[9]。首先，将其可靠性影响因素分解为4大类：网络结构、网络管理系统、通信设施、维护管理。其中，网络结构是整网正常运行的基础；网络管理系统通过结合软件和硬件用来对电力通信网状态进行调整的系统，是保障网络系统能够正常、高效运行的守护神；通信设施是电力通信网可靠性的构成直接要素，链路节点的可靠与否直接影响着全网的可靠运行；维护管理能力的高低间接地对电力通信网产生影响。

然后，对电力通信网可靠性评价指标设置一级指标4个、二级指标6个，三级指标14个，如表1所示。

表1 电力通信网可靠性评价指标体系

目标层准则层影响因素指标因子单位编号电力通信可靠性网络结构网络管理系统通信设施维护管理电力通信网自身因素网络设计结构网络系统维护链路修复能力设备修复能力网络组织管理能力双通道化率%I1光纤化率%I2SDH节点成环率%I3网络优化项I4网络管理系统性能总请求时间/sI5通信监测性能总请求时间/sI6光缆检测性能总请求时间/sI7光缆中断时间hI8电缆系统中断时间hI9SDH设备故障时间hI10PCM设备故障时间hI11电源系统故障时间hI12通信站管理失误率I13人员管理失误率I14运行管理失误率I15

2 KPCA模型

综上所述，核主要成分算法的计算流程如下：

根据提取的状态信息建立电力通信网一定状态下的状态特征矩阵，在不同的状态下，电力通信网状态信息不同，所以在不同状态下状态特征矩阵数据结构不同。本文采用KPCA方法对状态特征矩阵的状态子空间进行提取。

时间越长我越是忘不了，我的三爹为了凑足我上学的费用，曾流着泪向好心人借钱的情景。那时，我的眼泪就在眼眶里打转，我坚持压抑着，不想让父母看见难过，只想让心里长满斗志。

给定状态特征矩阵X=(x1，x2，…，xm)，利用非线性映射φ将状态特征矩阵映射到高维特征空间F中：

Step1：输入样本初始化，计算矩阵K；

如今，每当心中那抹乡愁涌起，父母就拿起手机与家人视频通话，聊亲人的近况，聊家乡的变化，咫尺之间，乡愁尽情抒发。

(1)

即样本数据xi在F空间的像为φ(xi)，则映射数据的协方差矩阵为：

(2)

对C求特征值λ(λ1≥λ2≥…≥λn≥0)和特征向量V∈F，则

CV=λV

(3)

式中，特征值和特征向量的个数均为n。然后进行核变换，对每个样本对式(3)求内积，得

nλα=Kα

CV·φ(xi)=λ(φ(xi)·V)，i=1，2，…，n

(4)

特征向量矩阵V可以用φ(xi)表示为

(5)

以热奈特狭义的互文性理论和超文性理论为基础，法国文论家萨莫瓦约在她的《互文性研究》一书中给互文手法作了如下分类：引用、暗示、抄袭、戏拟、仿作等。她指出互为文本性包含两种互文关系。第一种为“两个或多个文本之间的共生关系，”即“一篇文本在另一篇中切实地出现，”(萨莫瓦约,2003:36)包括引用、暗示、抄袭等；第二种为“派生关系，即一篇文本从另一篇文本中被派生出来，”(萨莫瓦约,2003:36)又叫超文性，包括戏拟和仿作，超文不一定直接引用源文本，但却是由源文本“引出”或“派生”出来的。戏拟是《爵士乐》的互文性特征之一，下文将对这一特征展开分析。

合并式(4)、(5)有

(6)

定义n×n矩阵K为核矩阵，Kij=φ(xi)φ(xj)，K是一个对称矩阵，式(6)等价于：

nλKα=K2α

而在位于昆明经开区的昆明邮区中心局，1.1万平方米的分转车间内，双层包分机飞速运转，每小时处理3万件，工作人员24小时值守，包裹从卸到装车最快2分钟……这里是云南省最大、最先进、智能化程度最高的邮件分拣中心，2016年启用至今，已成为全省陆运邮件的重要枢纽。

(7)

因此有：

加强东、中西部旅游协作，促进旅游者和市场要素流动，形成互为客源、互为市场、互动发展的良好局面。加强乡村旅游产品与城市居民休闲需求的对接，统筹城乡基础设施和公共服务，加大城市人才、智力资源对乡村旅游的支持，促进城乡间人员往来、信息沟通、资本流动，加快城乡一体化发展进程。注重旅游资源开发的整体性，鼓励相邻地区打破行政壁垒，统筹规划，协同发展。依托风景名胜区、历史文化名城名镇名村、特色景观旅游名镇、传统村落，探索名胜名城名镇名村“四名一体”全域旅游发展模式。

1.2.2 观察胎心情况 在产程开始后,潜伏期时应对胎心每隔1~2 h行一次听诊,活跃期时应每隔15~30 min行一次听诊,可在宫缩间歇期用听诊器、多普勒仪或胎儿电子监护仪监测。观察胎心时,应观察胎心的节律、频率及宫缩前后胎心变化与恢复速度等,正常胎心率为120~160次/min,如胎心率节律不齐,或胎心率小于120次/min,或超过160次/min时,表示胎儿缺氧[3]。胎儿电子监护仪可记录胎心曲线,显示胎心率及胎心率与子宫收缩的关系,明确胎儿具体状态,其方法在胎心最响亮处置入探头,在腹壁上固定窄腹带。

(8)

此外，为使式(8)中样本的输入变量在φ(xi)中心化，即定义特征空间中中心化后的观测变量为：

其中，K是一个有非负特征值的半正定矩阵，对K进行对角化。用λ1≤λ2≤…≤λn来表示特征值，α1，α2，…，αl表示对应的特征向量。取出该样本在特征空间中的像在特征向量上的投影，即：

(9)

则核矩阵为：

1、就业因素，很多农民把土地租给种田大户、租赁公司，涌向劳动力市场从事低技术工作，然而中小企业、服务业等文化、技术要求较低的产业的增长速度开始放缓，经济形势不乐观的背景下，就业需求也随之下降。

=(K-1nK-1n+1nK1n)ij

(10)

消费者的购买能力取决于收入水平及商品价格，同时，购买能力又决定了消费者将选择什么样的商品。因此，当收入增长速度大于酒类产品的价格增长速度时，消费者购买能力增加，就越有可能购买高价格的酒；相反，当酒的价格增速超过消费者收入增速时，消费者的酒类产品购买能力下降，将更倾向于购买价格优惠的酒类。

(11)

由式(11)，提取了高阶非线性主成分。

现在的旅游市场也在变化，旅游者不再只是简单的游玩，而是要求更有新意、更有含金量的旅游，这就要求职业导游学生的能力培养要向着实效性、适应性和科学性的方向发展。而且有一些特种旅游，对导游的要求更高，更专业。对于一名职业导游来说，潜水、登山、摄影等技能也会成为必备的技能，重要性非常明显。所以，可以在职业导游培养的过程中，分出一些特长班或者兴趣班，学生可以根据自己的爱好和职业方向，来选择自己的专项技能培养。

KPCA是在主成分分析(PCA)基础上[10]，用核函数替代了原来的数据，利用非线性方法来提取主成分。对于线性不可分的数据集，可以将其映射到高维上，再进行划分。

φ(X)=[φ(x1)，φ(x2)，…，φ(xm)]

Step2：计算核矩阵K的特征值及特征向量，特征向量归一化；

Step3：求出最大特征值及特征向量，找到高维空间特征向量主成分；

Step4：求评价样本评价系数，综合评价。

3 算例分析

选择南方某市2007—2016年电力通信网可靠性相关统计数据，进行电力通信网可靠性的综合评价案例分析。网络结构、网络管理系统、通信设施的指标因子均可收集统计数据，结合电力通信网维护管理实际，本文对维护管理相关指标因子采用失误率进行量化。文中选取多项式核函数作为KPCA核函数，其中d取值为3，即核函数为

K(x，y)=(x·y+1)3

(12)

表2 某市5年来电力通信网可靠性评价指标数据

编号指标年份20072008200920102011201220132014201520161I173.5076.0078.0080.7087.0089.0091.0093.0097.0098.002I272.0076.0082.0088.0093.5098.0098.9099.1099.5099.803I368.0071.5073.0075.0076.8078.0082.3087.0089.0091.004I42.001.003.001.002.001.002.002.001.002.005I55.005.005.004.004.003.003.002.002.001.506I66.006.005.005.005.003.003.002.002.001.507I710.0010.008.008.008.003.003.002.002.001.508I8121.00580.00136.00112.00131.00128.00102.0078.0072.0064.009I996.00245.0072.0068.0045.0048.0028.0012.0010.204.0010I1012.00178.0018.0014.0012.008.007.605.005.204.1011I1116.00128.0019.0017.0016.0015.0012.008.007.605.0012I1213.00119.0023.0011.0010.507.006.005.204.002.8013I135.6011.204.803.703.102.802.101.200.980.7214I145.9010.804.904.604.104.303.602.401.801.2015I157.8014.206.105.404.905.004.153.602.401.86

用Matlab软件实现PCA及KPCA算法分别对表2数据进行处理，其结果如表3所示。

表3 PCA、KPCA分析比较表

分析法No.特征值贡献率/%累计贡献率/%分析法No.特征值贡献率/%累计贡献率/%PCA10.712462.7062.7020.315427.7690.4630.08987.9098.3640.01090.9699.3250.00430.3899.7060.00200.1899.88…………KPCA111.277575.1275.1222.621617.4692.5830.74464.9697.5440.18461.2398.7750.14260.9599.7260.02120.1499.86…………

表3为采用线性主成分分析(PCA)及核主要成分分析(KPCA)对电力通信网可靠性样本测算结果。从表3可以看出，PCA及KPCA均可用于样本数据的特征参数选取，最终实现样本数据降维，其中，PCA是利用特征的协方差矩阵判断变量间的方差一致性，寻找出变量之间的最佳的线性组合，来代替特征，从而达到降维效果；而KPCA则是利用核化的思想，将样本的空间映射到更高维度的空间，再利用这个更高的维度空间进行线性降维，能极大地提取指标信息。通过表3对比可知，表中KPCA算法得到数据主成分特征比较明显，贡献率相对集中，而应用PCA算法得到数据的主要成分贡献率相对分散，而且在相同数据量的基础上，PCA的性能明显低于KPCA的分析结果。图1为KPCA及PCA帕累托对照图。通过对比可知，PCA相对于KPCA各主成分贡献率相对较为分散，相同累计贡献率基础上，应用KPCA得到的样本数据主成份特征明显，贡献率集中，主成份参数维数较少等优点，其性能明显高于PCA的分析结果。

图1 KPCA及PCA帕累托图

综上所述，在选取电力通信网可靠性主要指标的基础上，利用KPCA方法取得较好的降维效果。通过本方法可以对电力通信网可靠性指标样本的14维原特征描述空间开展有效的综合，得到较小的样本特征综合描述指标，从而为电力通信网可靠性分析提供有效的分类特征。

面对乡镇企业三分天下有其一的咄咄逼人态势，国企被动地进入改革阶段。1984年，石家庄造纸厂被当时担任销售科长的马胜利承包以后，效益一下子翻了番，在全国引发了轰动，福建有55个厂的厂长共同呼吁向厂长放权，中央也提出要加强企业自主权，国企中开始推行厂长经营责任制。

4 结论

电力通信网可靠性评估是一个复杂的系统评估难题，涉及的相关参数指标众多，而且这些指标间存在不确定的非线性关系。本文结合电力通信网运行维护优化的实际，构建了电力通信网可靠性指标体系，采用KPCA方法对电力通信网可靠性原始特征指标进行特征提取，并跟PCA进行比较。结果表明，采用KPCA方法能较好地解决电力通信网可靠性指标之间存在的非线性问题，具有较好的降维效果，具有一定的推广价值。另外，在实际电力通信网运维管理中，如何合理使用电力通信网可靠性综合指标数据搭建稳固的电网系统神经线，对于相关运维人员十分重要，在将来的工作中将进一步加强相关研究。

参考文献：

[1]曾瑛，朱文红，张乃夫，等.基于聚类可靠度的电力通信网可靠性评价方法[J].计算机应用，2014(S1)：21-23.

[2] 邓雪波，王小强，陈曦，等.基于效能模型的电力通信网可靠性研究[J].重庆邮电大学学报(自然科学版)，2012，24(3)：378-382.

[3] 施继红，宗容，刘宇明，等.电力通信网的抗毁性和拓扑优化研究[J].电力系统通信，2009，30(9)：11-13.

[4] 陈翔，吴润泽，曹敏，等.基于模糊AHP的电力ICT网络业务质量评价方法[J].电力系统通信，2011，32(6)：48-52.

[5] 周静，熊素琴，苏斌，等.一种电力通信网络运行质量量化评估方法及应用[J].电网技术，2012，36(9)：168-173.

[6] 蔡伟， 杨洪， 熊飞，等.考虑电力通信网可靠性的业务路由优化分配方法[J].电网技术，2013，37 (12)：3541-3545.

[7] 苏波，齐苗苗.一种电力通信网可靠性综合评价方法[J].电力系统通信，2010，31(9)：5-8.

[8] 施健，王世文，徐士元.基于改进FAHP的电力通信网可靠性评估方法研究[J].计算机与数字工程，2015，43(4)：613-617.

[9] 杨海健.电力通信网的可靠性研究[D].西安：西安电子科技大学，2013.

[10] SCHOLKOPF B，SMOLA A，MOILER K R.Kernel principal component analysis[J].Advances in Kernel, Methods-Support Vector Learning, 1997,1(1)：583-589.