基于深度学习的电力通信网运行趋势与业务风险分析方法
【技术领域】
[0001] 本发明属于电力通信网安全领域，尤其涉及一种基于深度学习的电力通信网运行 趋势与业务风险分析方法。
【背景技术】
[0002] 电力系统通信网是国家专用通信网之一，是电力系统重要组成部分，是电网调度 自动化、电网运营市场化和电网管理信息化的基础，是确保电网安全、稳定、经济运行的重 要手段。当前，电力系统通信网以光纤、数字微波传输为主，卫星、电力线载波、电缆、无线电 等多种通信方式并存，已实现了对除台湾外所有省、自治区、直辖市的覆盖，承载的业务涉 及语音、数据、远动、继电保护、电力监控、移动通信等领域。
[0003] 当前，电力通信网络的运行维护目前基本上是基于设备告警的运行状态管理模式 和基于周期计划的检修管理模式。为了改变一直以来单纯依赖设备告警的被动处理模式， 亟需一套电力通信网运行趋势分析模型和算法，来预测通信网发展趋势，并为进一步研究 故障预警提供数据基础。然而，电力系统的特殊性决定了电力通信传输网络上不同业务的 网络资源占用的时空复杂性，因而在众多变换复杂的因素共同影响下，对电力通信网运行 的趋势进行精细预测变得异常困难，常规的回归分析方法与统计建模方法的预测精度急剧 下降，进而在网络运行趋势预测基础上对电力通信网进行安全风险评估，其可信度将呈现 几何级数下降。
[0004] 此外，电力通信网作为电力系统的通信专网，承载着电力生产和管理的全部业务， 其系统庞大、结构复杂，发生任何故障都可能对电网的安全稳定运行构成严重威胁。有效地 评估电力通信网上运行的系统业务风险，对于网络设计、维护与管理以及提高整个网络运 行的可靠性等诸多方面都有着实际意义。当前常用的评估方法有：层次分析法、模糊综合评 判法、主成分分析和神经网络等方法，但是由于电力通信网的复杂性和某些风险因素的不 确定性，使得目前的评估方法都很难做出准确的评估，且指标体系不科学，指标数量繁多， 不能很好地反映评价各对象之间的相关性，评估过程的主观性较大。
[0005] 因此，在电力通信网运行业务数据与监测数据构成的大数据背景下，结合当前新 一代人工智能技术，运用深度学习设计一套统一的集成学习框架，对电力通信网运行趋势 预测与业务风险评估进行集成分析，二者集成一起分析既可以提高精度又可以提高效率。 而深度学习其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解 释数据，在大数据背景下对电力通讯网这种复杂的非完全结构化数据，使用深度学习的方 法对其进行分析是必然而有效的。
【发明内容】
[0006] 本发明是为避免上述现有技术所存在的不足之处，提出一种基于深度学习的电力 通信网运行趋势与业务风险分析方法，更准确地评估电力通信网运行状况，并为电力通信 网业务风险控制提供准确依据。
[0007] 该方法依据深度学习理论，构建了一个多层的深度置信网络架构，将区县所辖的 电力通信网历史运行与监测数据及相关业务系统数据作为学习模型的训练数据，并充分利 用该深度网络强大的多输出能力，把运行趋势预测与业务风险评估的各类可能组合作为不 同输出模式，最终训练出能够综合判别本区县电力通信网运行模式的深度模型。再将电力 通信网的历史运行数据与实时业务系统数据作为该模型的测试数据，利用训练的深度网络 模型参数即可最终得到电力通信网运行趋势预测与业务风险评估结果，从而更准确地评估 电力通信网运行状况，并为电力通信网业务风险控制提供准确依据。
[0008] 本发明为解决技术问题采用如下技术方案：
[0009] 一种基于深度学习的电力通信网运行趋势与业务风险分析方法，包括下述步骤：
[0010] 步骤1、从电力通信传输网管的接口采集电力通信网的历史性能数据，所述电力通 信网的历史性能数据为当前监测时间段之前一段时间的电力通信网误码率与光功率；
[0011] 步骤2、查阅电力通信网管理文档，获取电力通信网主要业务及各业务重要度评 级；查阅电力通信网建设相关资料，建立电力通信网的邻接图，并在邻接图中计算出电力通 信网中任意两节点之间的最短路径，再利用最短路径获得电力通讯网络的邻接图中任意一 条边的介数；
[0012] 步骤3、查阅电力通信网相关历史记录获取电力通信网在当前监测时间段之前任 一时间段的历史总业务风险度，以及同一时间段中电力通信网的邻接图中任意一条边所承 载的业务种类与数量，并用同一条边的介数对其进行加权，获得任意一条边在当前监测时 间段之前的任一时间段的历史业务风险度；从电力通信网所覆盖的各级电力公司、变电站 获取在当前监测时间段时，电力通信网的邻接图中任意一条边所承载的业务种类与数量， 并用同一条边的介数对其进行加权，获得任意一条边在当前监测时间段的实时业务风险 度；
[0013] 步骤4、构造一个多层的深度置信网络，其输入层为任意时间段之前一段时间的电 力通信网历史性能数据，以及该时间段的电力通信网中所有边的实时业务风险度，输出为 该时间段的电力通信网运行趋势预测与实时总业务风险度的组合；利用步骤1，2,3中的数 据对该深度置信网络进行训练，计算出该深度置信网络参数；
[0014] 步骤5、在监测时间段之时，将当前监测时间段之前一段时间的电力通信网历史性 能数据，以及当前监测时间段的电力通信网中所有边的实时业务风险度导入步骤4中的深 度置信网络神经网络中，预测出电力通信网在当前监测时间段的运行趋势以及实时总业务 风险度；
[0015] 步骤6、在当前监测时间段结束后，再次从电力通信传输网管的接口采集当前监测 时间段电力通信网的真实性能数据，将此数据按时序添加到电力通信网历史性能数据中； 将当前监测时间段的电力通信网中所有边的实时业务风险度数据按时序添加到所有边的 历史业务风险度数据中；将当前监测时间段的电力通信网实时总业务风险度按时序添加到 历史总业务风险度数据中，再用更新后的各类历史数据重新对步骤4中的深度置信网络进 行训练，更新该深度置信网络参数，并在下一监测时间段重复步骤5,获得下一监测时间段 的运行趋势以及实时总业务风险度。
[0016] 作为进一步具体的技术方案，所述步骤1中的电力通信网的历史性能数据为当 前监测时间段之前N个时间段的电力通信网历史误码率OPi，…，0PN与历史光功率ES^… ，ESN，每个时间段长6小时，不同时间段之间无时间间隔，其中OPpESi为距离当前监测时间 段最远时间段的误码率与光功率，〇PN、ESN为当前监测时间段之前一个时间段的误码率与光 功率。
[0017] 作为进一步具体的技术方案，所述步骤2中的电力通信网主要业务包括继电保护 Si、安全稳定控制s2、调度数据网s3、输变电状态监测s4、变电站综合监控s5、调度电话s6、配 网自动化S7、配网运行监控Ss、通信智能化管理系统S9、调度会商系统业务Si。、营销业务管 理系统sn、客户联络系统S12、客户关系管理系统S13、95598及故障抢修管理系统S14、电能质 量管理系统S15、用户用电信息采集S16、电力市场交易运营S17、数据中心Sls、SG-ERPS19、会 议电视系统S2。、行政电话业务S21，其中下标中的阿拉伯数字分别表示其前的业务的重要度 评级。
[0018] 作为进一步具体的技术方案，所述步骤2中的电力通信网的邻接图是将该网络 覆盖区域内的750kV变电站、枢纽330kV变电站及各级区县公司本部作为图的η个节点 Α，…，νη，而将各节点之间架设的通讯线路作为图的m条边ei，…，^，每条边长度为1 ;利用 Dijkstra算法计算邻接图中任意两节点u，v之间的最短路径。
[0019] 作为进一步具体的技术方案，利用Dijkstra算法计算邻接图中任意两节点u，v之 间的最短路径的具体做法如下：
[0020] (1)把η个节点Vl，…，vn的集合V分成两个子集S与T，初始时，S= {u}，u的距 离为〇,T=ν-S，即包含除了u之外的其他节点，若u与T中顶点V有边，则u，V距离为1， 若v不是u的出邻接点，则u，v距离为无穷大;
[0021] (2)从T中选取一个距离u最小的顶点t，把t，加入S中；
[0022] (3)以t为新考虑的中间点，修改T中各顶点的距离；若从节点u到节点v的经过 节点t的距离比原来不经过节点t的距离短，则修改节点v的距离值，修改后的距离值为节 点t的距离加上边长度；
[0023] (4)重复⑵和⑶直到所有节点都包含在S中；
[0024] 按上述方法，计算出电力通信网的邻接图中所有节点对之间的最短路径，再分别 统计经过每条边的最短路径的数目，作为该边的介数，m条边ei，…，eni的介数分别为B ，Bm〇
[0025] 作为进一步具体的技术方案，所述步骤3获取电力通信网中一系列业务风险数 据，具体步骤如下：
[0026] (1)所述步骤3中电力通信网在当前监测时间段之前任一时间段的历史总业务风 险度，是指当前监测时间段之前N个时间段的历史总业务风险度Pi，…，PN，每个时间段长6 小时，不同时间段之间无时间间隔，通过查阅电力通信网相关规范与历史记录，将整个电力 通信网在6小时长内总业务风险度划分为1~K，共计K个级别，而Pi,…，PN的取值均为 1~K中的某一个值；
[0027] (2)所述步骤3中各时段的电力通信网中各边的历史业务风险数据是按如下 方法获取：记录各历史时间段的邻接图A，…，化中各边所承载业务情况[Cn，…，ClnJ，… ，[CN1，…，CN丄其中的任一元素表示第i时间段的第j条边所承载的业务情况，其具体表 达形式为q= …，则h中的任一元素表示第i时间段的第j条边所承载的第k 种业务的数量，如果该时段该边不承载该业务，则此元素值为0,则第i时间段的第j条边的 实时业务风险度为巧=巧￡4?，其中为步骤2中计算出的第j条边的介数，Sk为步骤 k=4 2中获取的第k种业务的重要度评级；
[0028] (3)所述步骤3中当前监测时间段的电力通信网中所有边的实时业务风险度是通 过下述方法获得的：记录当前监测时间段时邻接图匕中各边所承载业务情况[Cm…，CJ， 其中的任一元素表示当前监测时间段的第j条边实时承载的业务情况，其具体表达形式 为…,<卞则中的任一元素 < 表示当前监测时间段中第j条边实时承载的第 k种业务的数量，如果该时段该边不承载该业务，则此元素值为0,则当前监测时间段的第j 条边的