电力通信网络的故障检修方法、装置、设备和存储介质制造方法及图纸

本申请公开电力通信网络的故障检修方法、装置、设备和存储介质，包括：对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库；将告警信息打上其对应的故障站点标签并构成训练集，基于深度信念网络对训练集进行处理，完成电力通信网的故障定位；基于Spark框架的加权FP

【技术实现步骤摘要】
电力通信网络的故障检修方法、装置、设备和存储介质


[0001]本申请涉及电力通信网络运维系统
，尤其涉及电力通信网络的故障检修方法、装置、设备和存储介质。

技术介绍

[0002]电力通信网络承载着智能电网信息交互的重要任务，是智能电网稳定、安全、经济运行的重要保障，因此电力通信网路发生故障时如何快速准确地对故障进行检修成为不可避免的问题。而目前对于电力通信网络的维护管理，大多采用事后报警的方式，即需要网络管理系统发出告警数据后再由网络运维人员进行人工故障诊断，但随着智能电网的复杂化、先进化以及智能化，仅仅依赖人工维护已经无法保障电力通信网路的高效运行，制约了智能电网的发展。因此，设计自主智能的电力通信网络运维系统已经迫在眉睫。

技术实现思路

[0003]本申请提供电力通信网络的故障检修方法、装置、设备和存储介质，以解决现有技术中原始告警数据存在信息冗余、离散以及时间不同步的问题。
[0004]为解决上述技术问题，本申请提出一种电力通信网络的故障检修方法，包括：对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库；将告警事务数据库的告警信息打上其对应的故障站点标签并构成训练集，基于深度信念网络对训练集进行处理，完成电力通信网的故障定位；基于Spark框架的加权FP
‑
Growth通信网故障并行挖掘方法，将告警事务数据库的告警信息分配到Spark框架中的不同节点，接着使用WFPS算法并行地挖掘告警频繁项后根据是否满足最小置信度阈值的原则得到告警关联规则，对告警关联规则进行分析后实现对故障定位的检修。
[0005]可选地，对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库，包括：从各个网管中采集原始告警数据，并根据原始告警数据建立原始告警信息数据库；根据预设的告警数据格式对原始告警信息数据库的原始告警数据进行标准化处理，得到目标告警信息数据库；对目标告警信息数据库中的告警信息进行聚类和滑动窗口处理，得到告警事务数据库；利用熵值法确定每种不同的告警信息对最终所有故障诊断的影响权值，对全网的告警信息按照站点为单位进行告警事务编码。
[0006]可选地，深度信念网络的训练过程包括无监督预训练和有监督微调，基于深度信念网络对训练集进行处理，完成电力通信网的故障定位，包括：将训练集作为第一层受限玻尔兹曼机的输入数据进行训练；在充分训练第一层受限玻尔兹曼机后，将其隐藏层神经元的状态向量作为第二个受限玻尔兹曼机可视层的输入向量，通过不断地单独无监督地训练每一层受限玻尔兹曼机网络，直到最后一个受限玻尔兹曼机的隐藏层输出数据作为整个网络最终的输出结果；完成无监督训练过程后，在深度信念网络的最后一层设置BP网络，接收受限玻尔兹曼网络输出的特征向量作为其输入特征向量，同时将误差信息自顶向下传播至每一层受限玻尔兹曼机，微调整个深度信念网络，微调过程为有监督的训练过程，通过调整
每层受限玻尔兹曼机的权重和偏置，使其达到最优；最后利用训练好的深度信念网络输出故障定位结果。
[0007]可选地，对告警关联规则进行分析后实现对故障定位的检修，包括：将告警事务数据库的告警信息加载到Spark的弹性分布式数据集中，计算每一项的支持度，得到频繁1
‑
项集，接着对频繁1
‑
项集按照支持度的大小降序排列，删除集合中所有加权支持度不满足最小加权支持度的项集，生成频繁项集F
‑
List；找出告警频繁1
‑
项集及其所有条件模式基，将其转化为<频繁1
‑
项集，关于这个频繁1
‑
项集的条件模式基>的键值对，然后将具有相同key值的键值对映射到同一个节点；在每个节点中构建条件FP
‑
tree，构建完成后开始在不同的节点中并行地进行加权关联规则的挖掘；将各个节点挖掘到的频繁项集进行聚合，得到最终的频繁项集，最后找出所有满足最小置信度的关联规则，通过对关联规则进行分析，进而实现电力通信网的故障检测与恢复。
[0008]为解决上述技术问题，本申请提出一种电力通信网络的故障检修装置，包括：预处理模块，用于对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库；故障定位模块，用于将告警事务数据库的告警信息打上其对应的故障站点标签并构成训练集，基于深度信念网络对训练集进行处理，完成电力通信网的故障定位；告警关联规则模块，用于基于Spark框架的加权FP
‑
Growth通信网故障并行挖掘方法，将告警事务数据库的告警信息分配到Spark框架中的不同节点，接着使用WFPS算法并行地挖掘告警频繁项后根据是否满足最小置信度阈值的原则得到告警关联规则，对告警关联规则进行分析后实现对故障定位的检修。
[0009]可选地，预处理模块还用于：从各个网管中采集原始告警数据，并根据原始告警数据建立原始告警信息数据库；根据预设的告警数据格式对原始告警信息数据库的原始告警数据进行标准化处理，得到目标告警信息数据库；对目标告警信息数据库中的告警信息进行聚类和滑动窗口处理，得到告警事务数据库；利用熵值法确定每种不同的告警信息对最终所有故障诊断的影响权值，对全网的告警信息按照站点为单位进行告警事务编码。
[0010]可选地，深度信念网络的训练过程包括无监督预训练和有监督微调，故障定位模块还用于：将训练集作为第一层受限玻尔兹曼机的输入数据进行训练；在充分训练第一层受限玻尔兹曼机后，将其隐藏层神经元的状态向量作为第二个受限玻尔兹曼机可视层的输入向量，通过不断地单独无监督地训练每一层受限玻尔兹曼机网络，直到最后一个受限玻尔兹曼机的隐藏层输出数据作为整个网络最终的输出结果；完成无监督训练过程后，在深度信念网络的最后一层设置BP网络，接收受限玻尔兹曼网络输出的特征向量作为其输入特征向量，同时将误差信息自顶向下传播至每一层受限玻尔兹曼机，微调整个深度信念网络，微调过程为有监督的训练过程，通过调整每层受限玻尔兹曼机的权重和偏置，使其达到最优；最后利用训练好的深度信念网络输出故障定位结果。
[0011]可选地，告警关联规则模块还用于：将告警事务数据库的告警信息加载到Spark的弹性分布式数据集中，计算每一项的支持度，得到频繁1
‑
项集，接着对频繁1
‑
项集按照支持度的大小降序排列，删除集合中所有加权支持度不满足最小加权支持度的项集，生成频繁项集F
‑
List；找出告警频繁1
‑
项集及其所有条件模式基，将其转化为<频繁1
‑
项集，关于这个频繁1
‑
项集的条件模式基>的键值对，然后将具有相同key值的键值对映射到同一个节点；在每个节点中构建条件FP
‑
tree，构建完成后开始在不同的节点中并行地进行加权关联
规则的挖掘；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力通信网络的故障检修方法，其特征在于，包括：对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库；将告警事务数据库的告警信息打上其对应的故障站点标签并构成训练集，基于深度信念网络对所述训练集进行处理，完成电力通信网的故障定位；基于Spark框架的加权FP
‑
Growth通信网故障并行挖掘方法，将告警事务数据库的告警信息分配到Spark框架中的不同节点，接着使用WFPS算法并行地挖掘告警频繁项后根据是否满足最小置信度阈值的原则得到告警关联规则，对所述告警关联规则进行分析后实现对所述故障定位的检修。2.根据权利要求1所述的电力通信网络的故障检修方法，其特征在于，所述对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事务数据库，包括：从各个网管中采集原始告警数据，并根据所述原始告警数据建立原始告警信息数据库；根据预设的告警数据格式对所述原始告警信息数据库的原始告警数据进行标准化处理，得到目标告警信息数据库；对所述目标告警信息数据库中的告警信息进行聚类和滑动窗口处理，得到所述告警事务数据库；利用熵值法确定每种不同的告警信息对最终所有故障诊断的影响权值，对全网的告警信息按照站点为单位进行告警事务编码。3.根据权利要求1所述的电力通信网络的故障检修方法，其特征在于，所述深度信念网络的训练过程包括无监督预训练和有监督微调，所述基于深度信念网络对所述训练集进行处理，完成电力通信网的故障定位，包括：将所述训练集作为第一层受限玻尔兹曼机的输入数据进行训练；在充分训练第一层受限玻尔兹曼机后，将其隐藏层神经元的状态向量作为第二个受限玻尔兹曼机可视层的输入向量，通过不断地单独无监督地训练每一层受限玻尔兹曼机网络，直到最后一个受限玻尔兹曼机的隐藏层输出数据作为整个网络最终的输出结果；完成无监督训练过程后，在深度信念网络的最后一层设置BP网络，接收受限玻尔兹曼网络输出的特征向量作为其输入特征向量，同时将误差信息自顶向下传播至每一层受限玻尔兹曼机，微调整个深度信念网络，微调过程为有监督的训练过程，通过调整每层受限玻尔兹曼机的权重和偏置，使其达到最优；最后利用训练好的深度信念网络输出故障定位结果。4.根据权利要求1所述的电力通信网络的故障检修方法，其特征在于，所述对所述告警关联规则进行分析后实现对所述故障定位的检修，包括：将告警事务数据库的告警信息加载到Spark的弹性分布式数据集中，计算每一项的支持度，得到频繁1
‑
项集，接着对频繁1
‑
项集按照支持度的大小降序排列，删除集合中所有加权支持度不满足最小加权支持度的项集，生成频繁项集F
‑
List；找出告警频繁1
‑
项集及其所有条件模式基，将其转化为<频繁1
‑
项集，关于这个频繁1
‑
项集的条件模式基>的键值对，然后将具有相同key值的键值对映射到同一个节点；
在每个节点中构建条件FP
‑
tree，构建完成后开始在不同的节点中并行地进行加权关联规则的挖掘；将各个节点挖掘到的频繁项集进行聚合，得到最终的频繁项集，最后找出所有满足最小置信度的关联规则，通过对关联规则进行分析，进而实现电力通信网的故障检测与恢复。5.一种电力通信网络的故障检修装置，其特征在于，包括：预处理模块，用于对原始告警信息进行预处理，选取和故障诊断最相关的数据特征并进行加权编码，形成告警事...

【专利技术属性】
技术研发人员：亢中苗，许世纳，李溢杰，邓晓智，张健，刘新展，张珮明，黄东海，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：