基于深度學(xué)習(xí)的電力骨干通信網(wǎng)故障診斷方法

王星星

摘要：隨著電力骨干通信網(wǎng)絡(luò)的不斷擴容和拓?fù)浣Y(jié)構(gòu)的日益復(fù)雜，網(wǎng)絡(luò)運維數(shù)據(jù)呈指數(shù)級增長趨勢。權(quán)力的運行和維護人員溝通只能有限的注意力集中在重要的報警及相關(guān)開關(guān)的性能關(guān)系業(yè)務(wù)，但沒有時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)中告警信息的及時高效處理能夠為故障處置提供先機。利用人工智能技術(shù)，基于歷史數(shù)據(jù)可以預(yù)測告警的發(fā)生，完備的數(shù)據(jù)集是成功實現(xiàn)預(yù)測的基本條件。在現(xiàn)實網(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)實現(xiàn)電力骨干通信網(wǎng)中告警預(yù)測的一個關(guān)鍵問題。

1總體設(shè)計

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)，先對其現(xiàn)有的數(shù)據(jù)進行采集并且對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別;然后對基于深度學(xué)習(xí)方法的故障診斷網(wǎng)絡(luò)模型進行分析研究，重點研究其應(yīng)用與合適的故障診斷模型的建立，其中主要分為三個部分：（1）針對電力骨干通信網(wǎng)的故障信息和各種數(shù)據(jù)進行采集及挖掘，并對數(shù)據(jù)進行預(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)對電力骨干通信網(wǎng)故障特征的提取以實現(xiàn)分類的目標(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)險資源定位技術(shù)的研究，最終實現(xiàn)網(wǎng)絡(luò)故障的高效排除，有效的使網(wǎng)絡(luò)運行降低風(fēng)險。

2故障診斷

電力骨干通信網(wǎng)是支撐自動化電網(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，如果不能及時處理，不僅中斷本站點業(yè)務(wù)，還會造成其他站點的業(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)險規(guī)避的原則，網(wǎng)管系統(tǒng)應(yīng)當(dāng)對網(wǎng)絡(luò)中發(fā)生故障的通信網(wǎng)絡(luò)設(shè)備光纜風(fēng)險資源進行快速準(zhǔn)確無誤的定位，并給出合理的影響評價和度量，保證大量的、密集互聯(lián)的網(wǎng)絡(luò)設(shè)備良好運行，降低網(wǎng)絡(luò)運行風(fēng)險。基于深度學(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)，通過卷積核，神經(jīng)元可以與周圍單元覆蓋連接。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不同之處在于一個序列當(dāng)前的輸出與前面的輸出也有關(guān)。RNN網(wǎng)絡(luò)會對之前網(wǎng)絡(luò)輸出的信息進行記憶并在當(dāng)前網(wǎng)絡(luò)的輸出參與計算，即隱藏層之間的節(jié)點是有連接的，而不像cnn一樣無連接，并且輸入層的輸出與上一時刻隱藏層的輸出一起作為隱藏層的輸入。（3）基于長短期記憶網(wǎng)絡(luò)（LSTM）的電力骨干通信網(wǎng)模型的建立長短期記憶網(wǎng)絡(luò)（LSTM）是一種特殊的RNN，關(guān)鍵點是單元狀態(tài)，保證信息以不變的方式向下流動，LSTM有能力向單元狀態(tài)中移除或添加信息，通過結(jié)構(gòu)來仔細(xì)管理稱為門限。一般來說，模型最優(yōu)解的搜索空間，隨著迭代次數(shù)、學(xué)習(xí)步長等等超參數(shù)的維度和取值范圍極速增長。所以，一次模型訓(xùn)練結(jié)果通常不是最優(yōu)，甚至不是相對較好的結(jié)果。因此，對模型進行后續(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，有針對地進行模型的優(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)化是一種針對電力骨干通信網(wǎng)的光纜環(huán)網(wǎng)進行優(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步驟：首先對原有光纜環(huán)網(wǎng)的資源信息進行全面統(tǒng)計，同時對統(tǒng)計結(jié)果進行評估，確認(rèn)其中問題。其次采用OPGW光纜資源信息（高可靠性）將環(huán)網(wǎng)與每個電力骨干節(jié)點連接，實現(xiàn)全面覆蓋。最后采用規(guī)劃方法，對兩者連接點進行拓?fù)湟?guī)劃，提高各個連接點的合理性，同時重視拓?fù)浣Y(jié)構(gòu)進入骨干節(jié)點的時間，依照時間排序進行重新布局，在保障光纜環(huán)網(wǎng)運行穩(wěn)定、安全的條件下，對整個拓?fù)浣Y(jié)構(gòu)進行調(diào)整，由此得到新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，完成后再對結(jié)構(gòu)中的核心層硬件設(shè)備進行重新組織、連接，該項工作要遵守“西收東發(fā)”來進行。此外，如果需要進一步優(yōu)化，還可以采用“對偶板位”來實現(xiàn)目的。

4.2核心節(jié)點處理能力優(yōu)化

核心節(jié)點處理能力是決定整個電力骨干通信網(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，因此對核心節(jié)點處理能力進行優(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)，一般情況下需要對網(wǎng)絡(luò)內(nèi)以太網(wǎng)板、線路板等進行優(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實現(xiàn)目標(biāo)，即針對不同電力業(yè)務(wù)環(huán)境，需要采用不同技術(shù)方案，例如將環(huán)網(wǎng)保護作用于電力骨干通信網(wǎng)的核心業(yè)務(wù)中;針對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)換處理時間。此外，還存在一種通用性方法，即針對核心節(jié)點的SDH光傳輸設(shè)備進行更新?lián)Q代，從設(shè)備性能上實現(xiàn)優(yōu)化目的，同時將網(wǎng)絡(luò)內(nèi)的核心傳輸節(jié)點容量調(diào)整為“時分交叉容量”，該方法可以提高骨干網(wǎng)的高價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)運作的控制力

在良好的控制力條件下，網(wǎng)絡(luò)運作將更加合理、可靠，因此通過提高網(wǎng)絡(luò)運作控制力，可以實現(xiàn)優(yōu)化目的。優(yōu)化工作流程為：首先需要對骨干網(wǎng)內(nèi)的原有網(wǎng)絡(luò)、資源、數(shù)據(jù)進行統(tǒng)計，同時進行深入分析，這一點建議借助大數(shù)據(jù)技術(shù)來實現(xiàn)，分析結(jié)果代表了當(dāng)前網(wǎng)絡(luò)的運行模式，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)計子站、母站，所有子站成員需要對轄區(qū)內(nèi)的網(wǎng)絡(luò)數(shù)據(jù)進行監(jiān)控、管理，再由母站人員統(tǒng)一管理。最終通過觀察，可以全面獲悉當(dāng)前網(wǎng)絡(luò)內(nèi)的電力運行情況，分析后可得其中問題與原因，再針對原因進行處理、優(yōu)化，預(yù)防性的保障電力運行可靠性。

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，還需要對此進行處理。優(yōu)化方法上，介于不同骨干網(wǎng)的差異，首先需要分析實際情況了解問題所在，例如某供電公司中，就存在核心節(jié)點動環(huán)監(jiān)控系統(tǒng)上的短板，這一問題較為普遍。其次在得到問題之后，就需要進行修復(fù)，隨后再對整個網(wǎng)絡(luò)結(jié)構(gòu)進行調(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)點為基礎(chǔ)，在各個轄區(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

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)控和運行維護實際工作需求緊密結(jié)合，重點解決電力通信調(diào)度運行中故障快速處置、業(yè)務(wù)智能重構(gòu)、方式優(yōu)化安排、風(fēng)險評估預(yù)測與設(shè)備運行狀態(tài)健康管理等實際生產(chǎn)問題，對提升國網(wǎng)公司電力通信主動性運行水平，將運行風(fēng)險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)實意義。

參考文獻

[1]王帥，楊秋輝，曾嘉彥，萬瑩，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)測中的應(yīng)用[J].計算機應(yīng)用，2019，38（10）：2875-2880.

[2]饒志宏，劉杰，陳劍鋒.面向網(wǎng)絡(luò)監(jiān)測預(yù)警的海量知識存儲研究[J].計算機工程，2020，44（03）：138-143.

[3]王向.復(fù)雜非線性系統(tǒng)智能故障診斷及容錯控制方法研究[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].國防科學(xué)技術(shù)大學(xué)，2005.