通信网络故障定位方法及装置制造方法及图纸

通过本实施例提供的通信网络故障定位方法及装置，所述方法包括：基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息。获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息。将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练。获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。

【技术实现步骤摘要】
通信网络故障定位方法及装置
本申请涉及通信网络故障定位领域，具体而言，涉及一种通信网络故障定位方法及装置。
技术介绍
为适应政府监管、市场主体和企业经营的要求，电网停电约束趋向硬化，系统运行可靠性需进一步提高。变电站作为输配电中重要枢纽，对其故障准确定位并快速处理将有效提升系统运行可靠性。随着变电站智能化进程的不断发展，智能变电站的二次系统体系结构发生了革命性改变，二次回路已由物理实体的硬接线转变为通信网络，站内各类信息交互共享水平提高。传统的二次回路故障定位方法，应用于信息输入与输出有明确映射关系的硬接线回路，而智能变电站通信网络具有信息传输不透明和网络拓扑不确定的特点，传统的二次回路故障定位方法已然不再适用。当前一次系统故障诊断模型研究愈向智能自动感知方向发展，而二次系统通信网络鲜有涉及，因此实现更智能、高效、深入的变电站通信网络故障诊断迫在眉睫。申请内容有鉴于此，本申请实施例提供了一种通信网络故障定位方法及装置。一方面，本申请实施例提供了一种通信网络故障定位方法，所述方法包括：基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。在一个可能的设计中，基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，包括：根据所述历史故障信息库，建立输入层、输出层以及至少一个隐藏层；根据所述输入层、至少一个隐藏层以及输出层来建立所述告警状态信息与所述通信网络故障位置信息的关联。在一个可能的设计中，将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练，包括：将所述第一告警状态信息形成输入向量，输入至所述输入层；根据第一预设关系，由所述输入层获得至少一个隐藏层；根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层；将所述输出层作为预测故障位置；根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系。在一个可能的设计中，所述根据第一预设关系，由所述输入层获得至少一个隐藏层，包括：根据S＝WTX+b,V＝f(S)，由输入层X获得至少一个隐藏层V；其中，W为所述输入层与所述隐藏层间的权重，b为所述输入层与所述隐藏层间的偏置值，S为隐藏层神经元初始状态向量，f为激活函数，V为隐藏层神经元实际状态向量。在一个可能的设计中，根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层，包括：根据S＝WTV+b,Y＝f(S)，由所述至少一个隐藏层V获得输出层其中，W为所述隐藏层与所述输出层间的权重，b为所述隐藏层与所述输出层间的偏置值，S为输出层神经元初始状态向量，f为激活函数，为输出层神经元实际状态向量。在一个可能的设计中，根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系，包括：根据获得W,b的误差函数E(W,b)；对E(W,b)关于W求偏导数，获得εΔW；对E(W,b)关于b求偏导数，获得εΔb；令W＝W-εΔW,b＝b-εΔb从而修正所述第一预设关系。另一方面，本申请实施例还提供了一种通信网络故障定位装置，所述装置包括：模型构建模块，用于基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；信息获取模块，用于获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；模型训练模块，用于将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；位置预测模块，用于获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。在一个可能的设计中，所述模型构建模块包括：层建立模块，用于根据所述历史故障信息库，建立输入层、输出层以及至少一个隐藏层；关联建立模块，用于根据所述输入层、至少一个隐藏层以及输出层来建立所述告警状态信息与所述通信网络故障位置信息的关联。在一个可能的设计中，所述模型训练模块包括：输入向量形成子模块，用于将所述第一告警状态信息形成输入向量，输入至所述输入层；隐藏层获得子模块，用于根据第一预设关系，由所述输入层获得至少一个隐藏层；输出层获得子模块，用于根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层；预测故障位置子模块，用于将所述输出层作为预测故障位置；预设关系修正子模块，用于根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系。在一个可能的设计中，所述隐藏层获得子模块包括：运算次子模块，用于根据S＝WTX+b,V＝f(S)，由输入层X获得至少一个隐藏层V；其中，W为所述输入层与所述隐藏层间的权重，b为所述输入层与所述隐藏层间的偏置值，S为隐藏层神经元初始状态向量，f为激活函数，V为隐藏层神经元实际状态向量。本申请实施例提供的通信网络故障定位方法及装置的有益效果为：本申请实施例提供了一种通信网络故障定位方法，所述方法包括：基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息。获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息。将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练。获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。本申请实施例可以先基于历史故障信息库来构建和训练通信网络故障定位模型，然后当需要预测某一通信网络的故障位置时，将该通信网络的告警状态信息输入到模型中从而完成对故障位置的预测，与现有技术相比，能够充分发挥历史故障数据的潜在价值，实现机器自动挖掘通信网络告警信息与故障位置的映射关系，计算方法泛化能力强。能够一次处理批量告警信息，方便维修人员快速掌握故障位置和及时处理事故。为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚的说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请第一实施例提供的通信网络故障定位方法的流程图；图2是图1中步骤S110的具体步骤示意图；图3是图1中步骤S130的具体步骤示意图；图4是本申请第二实施例提供的通信网络故障定位装置的结构框图；图本文档来自技高网...

【技术保护点】
1.一种通信网络故障定位方法，其特征在于，所述方法包括：基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。

【技术特征摘要】
1.一种通信网络故障定位方法，其特征在于，所述方法包括：基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，其中，所述通信网络历史故障信息库中包括告警状态信息以及通信网络故障位置信息；获取所述通信网络历史故障信息中用于训练模型的第一告警状态信息以及第一通信网络故障位置信息；将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练；获取待预测故障位置的通信网络的告警状态信息，输入完成训练的所述通信网络故障定位模型，对所述通信网络的故障位置进行预测。2.根据权利要求1所述的方法，其特征在于，基于通信网络历史故障信息库，构建用于预测通信网络故障位置的通信网络故障定位模型，包括：根据所述历史故障信息库，建立输入层、输出层以及至少一个隐藏层；根据所述输入层、至少一个隐藏层以及输出层来建立所述告警状态信息与所述通信网络故障位置信息的关联。3.根据权利要求2所述的方法，其特征在于，将所述第一告警状态信息作为自变量，所述第一通信网络故障位置信息作为因变量对所述通信网络故障定位模型进行训练，包括：将所述第一告警状态信息形成输入向量，输入至所述输入层；根据第一预设关系，由所述输入层获得至少一个隐藏层；根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层；将所述输出层作为预测故障位置；根据所述预测故障位置与所述第一通信网络故障位置，修正所述第一预设关系。4.根据权利要求3所述的方法，其特征在于，所述根据第一预设关系，由所述输入层获得至少一个隐藏层，包括：根据S＝WTX+b,V＝f(S)，由输入层X获得至少一个隐藏层V；其中，W为所述输入层与所述隐藏层间的权重，b为所述输入层与所述隐藏层间的偏置值，S为隐藏层神经元初始状态向量，f为激活函数，V为隐藏层神经元实际状态向量。5.根据权利要求3所述的方法，其特征在于，根据所述第一预设关系，由所述至少一个隐藏层获得所述输出层，包括：根据S＝WTV+b,Y＝f(S)，由所述至少一个隐藏层V获得输出层其中，W为所述隐藏层与所述输出层间的权重，b为所述隐藏层与所述输出层间的偏置值，S为输出层神经元初始状态向量，f为激活函数，为输出层神经元实际状态向量。6.根据权利要...

【专利技术属性】
技术研发人员：苏华锋，徐锡斌，郭志军，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司东莞供电局，
类型：发明
国别省市：广东,44