专利名称：基于电力业务需求的通信带宽预测方法及装置的制作方法
技术领域：
本发明涉及电力通信网络带宽预测技术领域，尤其涉及一种基于电力业务需求的通信带宽预测方法和一种基于电力业务需求的通信带宽预测装置。
背景技术：
随着智能电网的发展，电网智能化的发展将实现电网生产、运行、管理、经营等大规模过程向智能化转化，电网各个环节将部署更多的信息采集与监测点，电网核心业务种类、数量及带宽需求将不断上升。通信网络中的带宽分配、流量控制等，在不同程度上都依赖于网络业务带宽预测。电力ICT业务带宽预测，预测方法的选择直接关系到预测目标的实现和预测结果的精确程度。在处理考虑影响因素的预测问题时，既有确定性趋势，又有一定随机性影响，需要进行确定性趋势的分离，计算比较复杂，而且还需对分离残差的零均值及平稳性进行 假定。目前的预测方法一般采用时间序列分析方法，但时间序列分析方法无法描述各因素对预测对象的影响，因此存在着预测精度不高的问题。
发明内容
基于此，本发明提供了一种基于电力业务需求的通信带宽预测方法和一种基于电力业务需求的通信带宽预测装置。一种基于电力业务需求的通信带宽预测方法，包括以下步骤根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；获取若干个业务带宽影响因素在各年度中的数据；采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；将降维处理后的所述若干个业务带宽影响因素在各年度中的数据和所述各年度的业务总带宽数据作为训练样本，对用于电力通信网络带宽预测的神经网络模型进行训练;通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。与一般技术相比，本发明基于电力业务需求的通信带宽预测方法，综合考虑了电力业务通信带宽的历史数据特点以及影响因素，选取神经网络模型来进行电力通信网络带宽的多因素预测。采用神经网络模型进行通信带宽预测，克服了传统方法无法描述各个业务带宽影响因素对预测对象影响的问题，只需将各个影响因素作为神经网络模型的输入即可以实现多因素的预测，提高了预测精度。有利于实现电力通信网络线路的合理规划，降低通信成本，从而提高电力系统通信的经济效益和社会效益。一种基于电力业务需求的通信带宽预测装置，包括业务总带宽计算模块、业务带宽影响因素获取模块、降维处理模块、神经网络模型训练模块和通信带宽预测模块；所述业务总带宽计算模块，用于根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；所述业务带宽影响因素获取模块，用于获取若干个业务带宽影响因素在各年度中的数据；所述降维处理模块，用于采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；所述神经网络模型训练模块，用于将降维处理后的所述若干个业务带宽影响因素在各年度中的数据和所述各年度的业务总带宽数据作为训练样本，对用于电力通信网络带宽预测的神经网络模型进行训练；所述通信带宽预测模块，用于通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。与一般技术相比，本发明基于电力业务需求的通信带宽预测装置，综合考虑了电 力业务通信带宽的历史数据特点以及影响因素，选取神经网络模型来进行电力通信网络带宽的多因素预测。采用神经网络模型进行通信带宽预测，克服了传统方法无法描述各个业务带宽影响因素对预测对象影响的问题，只需将各个影响因素作为神经网络模型的输入即可以实现多因素的预测，提高了预测精度。有利于实现电力通信网络线路的合理规划，降低通信成本，从而提高电力系统通信的经济效益和社会效益。
图I是本发明基于电力业务需求的通信带宽预测方法的流程示意图；图2是电力通信网络业务结构组成示意图；图3是基于BP神经网络的带宽预测结果对比图；图4是本发明基于电力业务需求的通信带宽预测装置的结构示意图。
具体实施例方式为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。请参阅图1，为本发明基于电力业务需求的通信带宽预测方法的流程示意图。本发明基于电力业务需求的通信带宽预测方法，包括以下步骤SlOl根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；将电力ICT (Information and Communications Technology,信息和通信技术)业务根据其承载方式划分为三个类别，电力ICT业务承载方式为专线通信、调度数据网、综合数据网。作为其中一个实施例，所述电力通信网络的业务承载方式包括点到点的专用光纤通道所承载的业务、调度数据网承载的与电力系统生产直接相关的业务、综合数据网承载的电力系统中为生产管理服务的业务。在通信网中，将两个通信节点之间所有通信线路上承载的业务总和称为一个业务断面，可在业务断面上根据业务承载方式，进行业务总带宽统计，来确定带宽需求。基于业务承载网的带宽测算方法，是通过分析两通信节点间的业务，按照不同类型业务的承载方式归为不同的类别，通过对各业务承载网中各通道承载的基础业务流量进行分析和统计，以业务承载网为基本计算单位进行业务带宽汇总。
作为其中一个实施例，按照如下公式计算各年度的业务总带宽数据
权利要求
1.一种基于电力业务需求的通信带宽预测方法，其特征在于，包括以下步骤根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；获取若干个业务带宽影响因素在各年度中的数据；采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；将降维处理后的所述若干个业务带宽影响因素在各年度中的数据和所述各年度的业务总带宽数据作为训练样本，对用于电力通信网络带宽预测的神经网络模型进行训练； 通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。
2.根据权利要求I所述的基于电力业务需求的通信带宽预测方法，其特征在于，在所述计算各年度的业务总带宽数据的步骤中，所述电力通信网络的业务承载方式包括点到点的专用光纤通道所承载的业务、调度数据网承载的与电力系统生产直接相关的业务、综合数据网承载的电力系统中为生产管理服务的业务。
3.根据权利要求I所述的基于电力业务需求的通信带宽预测方法，其特征在于，在所述计算各年度的业务总带宽数据的步骤中，按照如下公式计算各年度的业务总带宽数据
4.根据权利要求I所述的基于电力业务需求的通信带宽预测方法，其特征在于，在所述获取若干个业务带宽影响因素在各年度中的数据的步骤中，所述若干个业务带宽影响因素包括经济因素、用户因素以及通信因素；所述经济因素包括GDP ;所述用户因素包括电力用户数量；所述通信因素包括通信网络规划指标、通信运行分析指标和通信运维支撑指标，所述通信网络规划指标包括通信站数量、光纤覆盖率，所述通信运行分析指标包括通道可用率、业务保障率，所述通信运维支撑指标包括业务通道可用率、业务双通道率。
5.根据权利要求I所述的基于电力业务需求的通信带宽预测方法，其特征在于，在所述对用于电力通信网络带宽预测的神经网络模型进行训练的步骤中，所述神经网络模型为 BP神经网络。
6.根据权利要求5所述的基于电力业务需求的通信带宽预测方法，其特征在于，所述 BP神经网络为具有隐含层的三层神经网络模型，并且隐含层的传递函数采用S型函数。
7.一种基于电力业务需求的通信带宽预测装置，其特征在于，包括业务总带宽计算模块、业务带宽影响因素获取模块、降维处理模块、神经网络模型训练模块和通信带宽预测模块；所述业务总带宽计算模块，用于根据电力通信网络的业务承载方式，计算各年度的业务总带宽数据；所述业务带宽影响因素获取模块，用于获取若干个业务带宽影响因素在各年度中的数据；所述降维处理模块，用于采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理； 所述神经网络模型训练模块，用于将降维处理后的所述若干个业务带宽影响因素在各年度中的数据和所述各年度的业务总带宽数据作为训练样本，对用于电力通信网络带宽预测的神经网络模型进行训练； 所述通信带宽预测模块，用于通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。
8.根据权利要求7所述的基于电力业务需求的通信带宽预测装置，其特征在于，所述业务总带宽计算模块根据如下三种业务承载方式计算各年度的业务总带宽数据点到点的专用光纤通道所承载的业务、调度数据网承载的与电力系统生产直接相关的业务、综合数据网承载的电力系统中为生产管理服务的业务。
9.根据权利要求7所述的基于电力业务需求的通信带宽预测装置，其特征在于，所述用于电力通信网络带宽预测的神经网络模型为BP神经网络。
全文摘要
本发明公开了一种基于电力业务需求的通信带宽预测方法，包括计算各年度的业务总带宽数据；获取若干个业务带宽影响因素在各年度中的数据；采用主成分分析法对所述若干个业务带宽影响因素在各年度中的数据进行降维处理；对用于电力通信网络带宽预测的神经网络模型进行训练；通过训练后的神经网络模型对电力通信网络的通信带宽进行预测。此外，还公开了一种基于电力业务需求的通信带宽预测装置。本发明选取神经网络模型来进行电力通信网络带宽的多因素预测。克服了传统方法无法描述各个业务带宽影响因素对预测对象影响的问题，提高了预测精度。有利于降低通信成本，从而提高电力系统通信的经济效益和社会效益。
文档编号H04L12/911GK102938742SQ201210445390
公开日2013年2月20日 申请日期2012年11月8日 优先权日2012年11月8日
发明者曾瑛, 蒋康明, 吴润泽, 李伟坚, 何颖, 唐良瑞, 李彬 申请人:广东电网公司电力调度控制中心, 华北电力大学