王星星

摘要：隨著電力骨干通信網(wǎng)絡(luò)的不斷擴(kuò)容和拓?fù)浣Y(jié)構(gòu)的日益復(fù)雜，網(wǎng)絡(luò)運(yùn)維數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)趨勢(shì)。權(quán)力的運(yùn)行和維護(hù)人員溝通只能有限的注意力集中在重要的報(bào)警及相關(guān)開(kāi)關(guān)的性能關(guān)系業(yè)務(wù)，但沒(méi)有時(shí)間或意味著考慮大量的深層操作數(shù)據(jù)反映出生產(chǎn)作業(yè)的本質(zhì)，已成為最大的難點(diǎn)和困難在當(dāng)前電力通信調(diào)度生產(chǎn)工作。

關(guān)鍵詞：深度學(xué)習(xí);電力骨干;通信網(wǎng)故障;診斷方法

引言

電力骨干通信網(wǎng)中告警信息的及時(shí)高效處理能夠?yàn)楣收咸幹锰峁┫葯C(jī)。利用人工智能技術(shù)，基于歷史數(shù)據(jù)可以預(yù)測(cè)告警的發(fā)生，完備的數(shù)據(jù)集是成功實(shí)現(xiàn)預(yù)測(cè)的基本條件。在現(xiàn)實(shí)網(wǎng)絡(luò)中采集的數(shù)據(jù)往往有分布不均勻、數(shù)據(jù)缺失等問(wèn)題，如何構(gòu)建完備的數(shù)據(jù)集是基于人工智能技術(shù)實(shí)現(xiàn)電力骨干通信網(wǎng)中告警預(yù)測(cè)的一個(gè)關(guān)鍵問(wèn)題。

1總體設(shè)計(jì)

基于深度學(xué)習(xí)的電力骨干通信網(wǎng)數(shù)據(jù)采集及故障診斷技術(shù)，先對(duì)其現(xiàn)有的數(shù)據(jù)進(jìn)行采集并且對(duì)已有的故障診斷技術(shù)調(diào)研，從網(wǎng)絡(luò)中的故障信息中研究分析故障信息的特征與類(lèi)別;然后對(duì)基于深度學(xué)習(xí)方法的故障診斷網(wǎng)絡(luò)模型進(jìn)行分析研究，重點(diǎn)研究其應(yīng)用與合適的故障診斷模型的建立，其中主要分為三個(gè)部分：（1）針對(duì)電力骨干通信網(wǎng)的故障信息和各種數(shù)據(jù)進(jìn)行采集及挖掘，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理;（2）研究已有的深度網(wǎng)絡(luò)模型，利用深度網(wǎng)絡(luò)對(duì)電力骨干通信網(wǎng)故障特征的提取以實(shí)現(xiàn)分類(lèi)的目標(biāo)，并最終基于深度學(xué)習(xí)建立電力骨干通信網(wǎng)故障診斷模型;（3）基于深度學(xué)習(xí)的網(wǎng)絡(luò)故障及風(fēng)險(xiǎn)資源定位技術(shù)的研究，最終實(shí)現(xiàn)網(wǎng)絡(luò)故障的高效排除，有效的使網(wǎng)絡(luò)運(yùn)行降低風(fēng)險(xiǎn)。

2故障診斷

電力骨干通信網(wǎng)是支撐自動(dòng)化電網(wǎng)調(diào)度和公司管理信息化的重要基礎(chǔ)設(shè)施，電力骨干通信網(wǎng)一旦發(fā)生故障，如果不能及時(shí)處理，不僅中斷本站點(diǎn)業(yè)務(wù)，還會(huì)造成其他站點(diǎn)的業(yè)務(wù)傳輸中斷，甚至造成大面積影響。因此，為了避免發(fā)生上述情形，根據(jù)電力骨干通信網(wǎng)風(fēng)險(xiǎn)規(guī)避的原則，網(wǎng)管系統(tǒng)應(yīng)當(dāng)對(duì)網(wǎng)絡(luò)中發(fā)生故障的通信網(wǎng)絡(luò)設(shè)備光纜風(fēng)險(xiǎn)資源進(jìn)行快速準(zhǔn)確無(wú)誤的定位，并給出合理的影響評(píng)價(jià)和度量，保證大量的、密集互聯(lián)的網(wǎng)絡(luò)設(shè)備良好運(yùn)行，降低網(wǎng)絡(luò)運(yùn)行風(fēng)險(xiǎn)?；谏疃葘W(xué)習(xí)的模型我們提出了以下三種方法用于電力骨干通信網(wǎng)的故障診斷模型的建立。（1）基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的電力骨干通信網(wǎng)故障診斷模型的建立卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork，CNN）是一種前饋神經(jīng)網(wǎng)絡(luò)，通過(guò)卷積核，神經(jīng)元可以與周?chē)鷨卧采w連接。基于CNN的電力骨干通信網(wǎng)故障診斷模型。（2）基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的電力骨干通信網(wǎng)模型的建立環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）與CNN不同之處在于一個(gè)序列當(dāng)前的輸出與前面的輸出也有關(guān)。RNN網(wǎng)絡(luò)會(huì)對(duì)之前網(wǎng)絡(luò)輸出的信息進(jìn)行記憶并在當(dāng)前網(wǎng)絡(luò)的輸出參與計(jì)算，即隱藏層之間的節(jié)點(diǎn)是有連接的，而不像cnn一樣無(wú)連接，并且輸入層的輸出與上一時(shí)刻隱藏層的輸出一起作為隱藏層的輸入。（3）基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的電力骨干通信網(wǎng)模型的建立長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）是一種特殊的RNN，關(guān)鍵點(diǎn)是單元狀態(tài)，保證信息以不變的方式向下流動(dòng)，LSTM有能力向單元狀態(tài)中移除或添加信息，通過(guò)結(jié)構(gòu)來(lái)仔細(xì)管理稱(chēng)為門(mén)限。一般來(lái)說(shuō)，模型最優(yōu)解的搜索空間，隨著迭代次數(shù)、學(xué)習(xí)步長(zhǎng)等等超參數(shù)的維度和取值范圍極速增長(zhǎng)。所以，一次模型訓(xùn)練結(jié)果通常不是最優(yōu)，甚至不是相對(duì)較好的結(jié)果。因此，對(duì)模型進(jìn)行后續(xù)的調(diào)優(yōu)是非常有必要的。我們基于訓(xùn)練出來(lái)的模型的參數(shù)變化軌跡，初始參數(shù)設(shè)置，超參數(shù)設(shè)置及利用凸優(yōu)化方法調(diào)優(yōu)等方面的認(rèn)知，有針對(duì)地進(jìn)行模型的優(yōu)化處理。

4電力通信骨干網(wǎng)優(yōu)化方式

4.1網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)優(yōu)化

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)優(yōu)化是一種針對(duì)電力骨干通信網(wǎng)的光纜環(huán)網(wǎng)進(jìn)行優(yōu)化的方式，核心在于合理分配數(shù)據(jù)傳輸任務(wù)。具體方法上共分三個(gè)步驟：首先對(duì)原有光纜環(huán)網(wǎng)的資源信息進(jìn)行全面統(tǒng)計(jì)，同時(shí)對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行評(píng)估，確認(rèn)其中問(wèn)題。其次采用OPGW光纜資源信息（高可靠性）將環(huán)網(wǎng)與每個(gè)電力骨干節(jié)點(diǎn)連接，實(shí)現(xiàn)全面覆蓋。最后采用規(guī)劃方法，對(duì)兩者連接點(diǎn)進(jìn)行拓?fù)湟?guī)劃，提高各個(gè)連接點(diǎn)的合理性，同時(shí)重視拓?fù)浣Y(jié)構(gòu)進(jìn)入骨干節(jié)點(diǎn)的時(shí)間，依照時(shí)間排序進(jìn)行重新布局，在保障光纜環(huán)網(wǎng)運(yùn)行穩(wěn)定、安全的條件下，對(duì)整個(gè)拓?fù)浣Y(jié)構(gòu)進(jìn)行調(diào)整，由此得到新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，完成后再對(duì)結(jié)構(gòu)中的核心層硬件設(shè)備進(jìn)行重新組織、連接，該項(xiàng)工作要遵守“西收東發(fā)”來(lái)進(jìn)行。此外，如果需要進(jìn)一步優(yōu)化，還可以采用“對(duì)偶板位”來(lái)實(shí)現(xiàn)目的。

4.2核心節(jié)點(diǎn)處理能力優(yōu)化

核心節(jié)點(diǎn)處理能力是決定整個(gè)電力骨干通信網(wǎng)業(yè)務(wù)處理速度主要因素，而物業(yè)處理速度越快，代表網(wǎng)絡(luò)內(nèi)滯留的數(shù)據(jù)量越小，因此對(duì)核心節(jié)點(diǎn)處理能力進(jìn)行優(yōu)化，可以避免網(wǎng)絡(luò)擁擠現(xiàn)象。具體方法上，首要目標(biāo)是設(shè)立優(yōu)化標(biāo)準(zhǔn)，一般情況下需要對(duì)網(wǎng)絡(luò)內(nèi)以太網(wǎng)板、線(xiàn)路板等進(jìn)行優(yōu)化，使兩者的槽位接入容量提升最低標(biāo)準(zhǔn)為10G，后可以采用兩種方法來(lái)實(shí)現(xiàn)目標(biāo)，即針對(duì)不同電力業(yè)務(wù)環(huán)境，需要采用不同技術(shù)方案，例如將環(huán)網(wǎng)保護(hù)作用于電力骨干通信網(wǎng)的核心業(yè)務(wù)中;針對(duì)IP業(yè)務(wù)選擇匹配的IP板卡配套使用，可優(yōu)化電力業(yè)務(wù)轉(zhuǎn)換處理時(shí)間。此外，還存在一種通用性方法，即針對(duì)核心節(jié)點(diǎn)的SDH光傳輸設(shè)備進(jìn)行更新?lián)Q代，從設(shè)備性能上實(shí)現(xiàn)優(yōu)化目的，同時(shí)將網(wǎng)絡(luò)內(nèi)的核心傳輸節(jié)點(diǎn)容量調(diào)整為“時(shí)分交叉容量”，該方法可以提高骨干網(wǎng)的高價(jià)交叉容量與低階交叉能力，使電力供應(yīng)更加可靠。

4.3提高網(wǎng)絡(luò)運(yùn)作的控制力

在良好的控制力條件下，網(wǎng)絡(luò)運(yùn)作將更加合理、可靠，因此通過(guò)提高網(wǎng)絡(luò)運(yùn)作控制力，可以實(shí)現(xiàn)優(yōu)化目的。優(yōu)化工作流程為：首先需要對(duì)骨干網(wǎng)內(nèi)的原有網(wǎng)絡(luò)、資源、數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，同時(shí)進(jìn)行深入分析，這一點(diǎn)建議借助大數(shù)據(jù)技術(shù)來(lái)實(shí)現(xiàn)，分析結(jié)果代表了當(dāng)前網(wǎng)絡(luò)的運(yùn)行模式，結(jié)合當(dāng)前業(yè)務(wù)需求，可了解其中不足。其次落實(shí)全網(wǎng)數(shù)據(jù)監(jiān)控工作，采用中心站-子站模式框架依照轄區(qū)設(shè)計(jì)子站、母站，所有子站成員需要對(duì)轄區(qū)內(nèi)的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行監(jiān)控、管理，再由母站人員統(tǒng)一管理。最終通過(guò)觀(guān)察，可以全面獲悉當(dāng)前網(wǎng)絡(luò)內(nèi)的電力運(yùn)行情況，分析后可得其中問(wèn)題與原因，再針對(duì)原因進(jìn)行處理、優(yōu)化，預(yù)防性的保障電力運(yùn)行可靠性。

4.4高度集約化優(yōu)化

高度集約化是當(dāng)前電力骨干通信網(wǎng)在分布結(jié)構(gòu)上的問(wèn)題，也是導(dǎo)致網(wǎng)絡(luò)數(shù)據(jù)傳輸缺陷的重要因素，因此在骨干網(wǎng)優(yōu)化方面，還需要對(duì)此進(jìn)行處理。優(yōu)化方法上，介于不同骨干網(wǎng)的差異，首先需要分析實(shí)際情況了解問(wèn)題所在，例如某供電公司中，就存在核心節(jié)點(diǎn)動(dòng)環(huán)監(jiān)控系統(tǒng)上的短板，這一問(wèn)題較為普遍。其次在得到問(wèn)題之后，就需要進(jìn)行修復(fù)，隨后再對(duì)整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整，調(diào)整原則為中心站-子站模式。最終在調(diào)整中，選擇具有中心站條件的節(jié)點(diǎn)為基礎(chǔ)，在各個(gè)轄區(qū)內(nèi)建設(shè)子站，兩者相連之后，就可以消除高度集約化現(xiàn)象。

結(jié)語(yǔ)

將新一代人工智能技術(shù)與電力骨干通信網(wǎng)調(diào)度監(jiān)控和運(yùn)行維護(hù)實(shí)際工作需求緊密結(jié)合，重點(diǎn)解決電力通信調(diào)度運(yùn)行中故障快速處置、業(yè)務(wù)智能重構(gòu)、方式優(yōu)化安排、風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)與設(shè)備運(yùn)行狀態(tài)健康管理等實(shí)際生產(chǎn)問(wèn)題，對(duì)提升國(guó)網(wǎng)公司電力通信主動(dòng)性運(yùn)行水平，將運(yùn)行風(fēng)險(xiǎn)管控從事中向事前傾斜，更好地支撐電網(wǎng)生產(chǎn)業(yè)務(wù)、特高壓發(fā)展和全球能源互聯(lián)網(wǎng)建設(shè)都具有重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)

[1]王帥，楊秋輝，曾嘉彥，萬(wàn)瑩，樊哲寧，張光蘭.加權(quán)增量關(guān)聯(lián)規(guī)則挖掘在通信告警預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2019，38（10）：2875-2880.

[2]饒志宏，劉杰，陳劍鋒.面向網(wǎng)絡(luò)監(jiān)測(cè)預(yù)警的海量知識(shí)存儲(chǔ)研究[J].計(jì)算機(jī)工程，2020，44（03）：138-143.

[3]王向.復(fù)雜非線(xiàn)性系統(tǒng)智能故障診斷及容錯(cuò)控制方法研究[D].燕山大學(xué)，2019.

[4]陳琳.網(wǎng)絡(luò)故障診斷關(guān)鍵技術(shù)的研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2005.