电力通信网机房移动运维方法
【技术领域】
[0001] 本发明涉及电力通信网移动运维方法，尤其涉及电力通信网机房移动运维方法。
【背景技术】
[0002] "十二五"期间的电力通信网建设工作即将完成，电力企业电力通信网建设也将迎 来新的建设周期。机房巡视是保证电力通信网安全稳定运行的重要手段，而作业指导书是 保证机房巡视工作高效开展的重要保证手段，但是现有的电力通信网移动运维机房巡视管 理，由于存在运维现场分散、运维指标数据繁多、层级结构不清晰、现场运维环节缺失等问 题，在实际巡视过程中无法保证运维能够按照作业指导书要求进行标准化的机房巡视，这 不仅造成机房巡视过程中现场运维人员无法完全按照制度要求进行规范化操作，还降低了 运维的工作效率，对机房巡视运维正常工作造成了隐患，威胁电力通信网的安全稳定运行。
[0003] 将基于智能标准化作业指导书和作业指导书管控技术引入到电力企业电力通信 网机房巡视，采用数字化存储手段实现对于运维作业指导书的格式规范化管理、数字化改 造，结合标准化智能识别采集、数据比对和规则管控技术完成基于标准化作业指导书和机 房巡视数据的横向协同与纵向分析，实现作业指导书和机房巡视工作的有效关联，可以为 电力企业电力通信网机房巡视规范化管理提供合理有效的工作管控支撑。
[0004] 现有机房巡视运维存在以下具体问题：（1)作业指导书无法与机房巡视工作有效 关联，无法为运维人员工作开展提供支撑，降低了工作开展的可控性和规范性；（2)运维 人员现场数据采集规范性差，无法与作业指导书有效比对，制约了运维工作有效流转；（3) 现有作业指导书缺少管控环节，无法确定现场人员是否按照作业指导书要求规范、准确的 按步骤完成了现场运维工作。
【发明内容】
[0005] 本发明的目的在于提供一种电力通信网机房移动运维方法，以数据管理、智能识 另IJ、规则管控技术，保证机房巡视时效性，提高电力通信网机房巡视的规范性和准确性，实 现了智能化、规范化的电力通信网机房巡视方法。
[0006] 本发明的目的通过以下技术方案予以实现：一种电力通信网机房移动运维方法， 包括以下步骤：
[0007] 1)数据存储：
[0008] 将机房巡视运维工单、作业指导书、设备台账作为初始化数据进行存储；
[0009] 2)数据关联：
[0010] 数据关联时采用分类ID对作业指导书和机房巡视工单进行关联标注；
[0011] 3)数据采集：
[0012] 利用二维码识别、图像识别等职能数据采集识别技术实现对于机房巡视过程种巡 视工作成果的数据采集识别，为标准化作业指导数据的巡视管控提供数据验证支撑；对于 数据采集过程中非原始设定数据采集分析，使用基于Anderson-Darling检验的聚类类别 学习算法；
[0013] 所述聚类类别学习算法的输入为样本集x(Xl，X2，…，x n)，显著性水平α，C = Φ(聚类中心）；
[0014] 所述聚类类别学习算法的输出为聚类类别数k，聚类模型；
[0015] 所述聚类类别学习算法包括：
[0016] 第一步：k = 1，C = {cj
【主权项】
1. 一种电力通信网机房移动运维方法，其特征在于，包括以下步骤： 1) 数据存储： 将机房巡视运维工单、作业指导书、设备台账作为初始化数据进行存储； 2) 数据关联： 数据关联时采用分类ID对作业指导书和机房巡视工单进行关联标注； 3) 数据采集： 利用二维码识别、图像识别等职能数据采集识别技术实现对于机房巡视过程种巡视工 作成果的数据采集识别，为标准化作业指导数据的巡视管控提供数据验证支撑；对于数据 采集过程中非原始设定数据采集分析，使用基于Anderson-Darling检验的聚类类别学习 算法； 所述聚类类别学习算法的输入为样本集Χ(Χι，Χ2，…，χη)，显著性水平a，C=<p (聚类中 心）； 所述聚类类别学习算法的输出为聚类类别数k，聚类模型； 所述聚类类别学习算法包括： 第一步：k = 1，C = {cj，; 第二步：执行算法k-means (C，X)，分类样本集为k个子集，每一个子样本集表示为： Ui I class (Xi) = j}; 第三步：使用Anderson-Darling检验，测试每一个UiIclass(Xi) = j}是否服从一个 高斯分布；如果不服从，数据集IxiIclass(Xi) = j}应该被分裂，该数据集的中心应该用 两个中心代替，k = k+Ι ;如果服从，则保持Cj; 第四步：返回至第二步重复执行，直到再没有k值增加； 4) 数据比对查询 对采集到的数据ID和系统初始化机房巡视工单数据、作业指导书数据ID进行比对，确 认运维信息； 5) 规则管控 6) 结果回发 在完成整个巡视工作，并进行巡视工作结果比对后，系统先对巡视结果进行本地化存 储，完成存储之后系统使用无线传输技术进行数据回传。
2. 如权利要求1所述的电力通信网机房移动运维方法，其特征在于，所述基于 Anderson-Darling检验的聚类类别学习算法的检验算法为： 假设设置为：HO :数据集合采样自同一个高斯分布；Hl :数据集合采样自不同的高斯分 布； 算法输入：数据子集xi,中心cj ; 算法输出：数据集的中心向量； 第一步，初始化显著性水平α及Cj的两个孩子c JP c 2，作为新的中心点； 第二步，V = C1-C2是连接两个中心点的d维向量，把数据集X i投影到V上，得到X i' =〈Xi，v>/l|v||2。Xi'即数据的一维表示； 第三步，Zi=F(x/ )，得到A2(Z),如果A2(Z)在显著性水平α的非标准值的范围内， 则接受Η0,保持原来的中心点，删除(^和c 2;否则拒绝HO并且保留c JP c 2而代替原来的 中心点。
3. 如权利要求2所述的电力通信网机房移动运维方法，其特征在于，所述初始化显著 性水平α =〇· 〇〇〇1。
4. 如权利要求1所述的电力通信网机房移动运维方法，其特征在于，所述步骤4)数据 比对查询包括： (1) 机房巡视工单数据读取服务 机房巡视工单数据具有人工触发和系统自动触发两种方式，人工触发为巡视人员利用 系统自己直接调取查看，自动触发是利用GPS数据进行自动化调用； (2) 作业指导书数据读取服务； (3) 采集数据读取服务； (4) 数据比对服务 数据比对服务负责将读取的数据按照规则管控设置进行比对，并输出比对结果； (5) 数据比对结果存储展示。
5. 如权利要求1所述的电力通信网机房移动运维方法，其特征在于，所述步骤5)规则 管控的关联规则算法为FP-tree算法，包括： (1) 构造 FP-tree ① 扫描机房巡视规则管控事务数据库D，获得D中所包含的全部频繁项Fl及它们各自 的支持度，对Fl中的频繁项按其支持度的降序排序，结果为项目头表L ; ② 创建FP-tree的根节点T，以"null"标记，再次扫描机房巡视规则管控事务数据 库，对于D中每个机房巡视规则管控事务Trans，创建Trans中的频繁项，并按Fl中的次序 排序，设排序后的频繁项表为[P IP]，其中P是第一个频繁项，而P是剩余的频繁项，调用 insert-tree ([p IP]，T) ; insert-tree ([p I P]，T)过程执行情况如下：如果T符合规则管控 N使得Ν. item-name = ρ. item, name,则N的计数值增加1 ;否则创建一个规则管控新节点 N，将其计数设置为1，链接到它的管控规则父节点T，并且通过节点链结构将其链接到具有 相同item-name的节点；如果P非空，递归调用insert-tree (P，N)，在机房巡视规则管控事 务数据库再次扫描完毕后，一个完全的FP-tree就建立了； (2) 挖掘 FP-tree 从项头表L中的最后一项开始，根据节点链得到其分枝，若有多个分枝，逐一分开考 虑，对每个分枝，做如下处理：取得该节点到根节点null的路径，对该路径上所有节点进行 组合，根节点null除外，并设置各组合的计数值；然后将所有的组合送入候选频繁模式集 合CF，若CF中已经存在相同的组合，即组合的标识符号相同，则进行合并；合并操作为：组 合标识保持不变，计数值为二者之和；该路径上所有的组合进入候选频繁模式集CF后，对 该路径上的节点进行修正，修正过程为：使该路径上的所有节点的count值减去当前考虑 节点的count值；此后，再取L表中的上一项，重复上述过程直到表中的所有项都被考虑完 毕，或者相应考虑的节点的计数值count = 0,此时完成整棵树的挖掘处理；最后用给出的 min_sup值即最小支持度剔除CF中计数值小于min_sup的组合；则留在CF中的就是所要找 的频繁模式，依此可构造出所有的候选关联规则，并可用给出的min_suf值即最小置信度， 筛选出所需要的关联规则。
【专利摘要】本发明公开了一种电力通信网机房移动运维方法，包括以下步骤：数据存储、数据关联、数据采集、数据比对查询、规则管控、结果回发。数据采集分析，使用基于Anderson-Darling检验的聚类类别学习算法。本发明以数据管理、智能识别、规则管控技术，保证机房巡视时效性，提高电力通信网机房巡视的规范性和准确性，实现了智能化、规范化的电力通信网机房巡视方法。
【IPC分类】G06Q10-06
【公开号】CN104732322
【申请号】CN201410768319
【发明人】巢玉坚, 张际, 于宝辉, 刁杨华, 高雪生
【申请人】国家电网公司, 南京南瑞集团公司, 南京南瑞信息通信科技有限公司, 江苏省电力公司, 江苏省电力公司镇江供电公司
【公开日】2015年6月24日
【申请日】2014年12月12日