一种端到端电力通信业务可靠性保障方法及系统技术方案

本发明专利技术公开了一种端到端电力通信业务可靠性保障方法及系统，所述方法包括：采集业务接收端的电力数据；将所述电力数据输入至预先训练的Attention LSTM预测模型，获得预设的未来时刻的电力数据预测值；将所述电力数据预测值与预设阈值进行对比；若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；若所述可靠性保障措施有效，维持该保障措施，并持续进行电力数据监控；所述方法及系统通过建立基于融合注意力机制的LSTM神经网络的电力数据预警模型，对电力数据进行预警，并设置应对的保障方案，以保障端到端电力通信业务的可靠性。

【技术实现步骤摘要】
一种端到端电力通信业务可靠性保障方法及系统
本专利技术涉及电力
，更具体地，涉及一种端到端电力通信业务可靠性保障方法及系统。
技术介绍
电力通信网是电力系统的重要基础设施。电力通信网承担着电力生产、管理和企业信息化等众多业务，是电网实现调度自动化和管理现代化的基础，是确保电网安全、经济调度的重要技术手段，在整个电力系统中起着非常重要的作用。在智能电网及能源互联网的大背景下，电力通信网的规模越来越大，所承担的业务越来越多，网络中光路径不断延长，这可能导致网络中光信号传输受到各种物理层损伤的影响，使得光信号的传输质量将劣化，造成端到端的误码率较高，也许无法满足接收端对传输信号质量的要求，进而不能在光信号中解析出正确的相关信息，通信网的业务质量对整个电力系统的影响程度也随之增加。因此优化光传输网络资源的配置，提升光传输网络的稳定性，从而保障业务可靠性就非常重要。在电力通信光传输网络中，物理层最重要的参数就是光信噪比(OSNR)，其值的大小直接决定了业务能否正常运行，一旦不能满足要求，将会造成传输错误或失败、服务质量降低、传送消耗增加等问题。
技术实现思路
为了解决
技术介绍
存在的现有的电力通信网端到端的光信号传输质量较差，通信业务不可靠的问题，本专利技术提供了一种端到端电力通信业务可靠性保障方法及系统，所述方法及系统通过建立基于融合注意力机制的LSTM神经网络的电力数据预警模型，对电力数据进行预警，并设置应对的保障方案，以保障端到端电力通信业务的可靠性，所述一种端到端电力通信业务可靠性保障方法包括：步骤1，采集业务接收端的电力数据；步骤2，将所述电力数据输入至预先训练的AttentionLSTM预测模型，获得预设的未来时刻的电力数据预测值；步骤3，将所述电力数据预测值与预设阈值进行对比；步骤4，若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；步骤5，重复步骤1至步骤3，若所述电力数据预测值高于预设阈值，则所述可靠性保障措施有效，维持该保障措施，并返回步骤1持续进行电力数据监控。进一步的，所述AttentionLSTM预测模型的训练方法包括：采集业务接收端历史的以及当前的电力数据；将所述历史的以及当前的电力数据按时间序列输入至LSTM层进行特征量提取，获得输出向量；将所述输出向量输入至注意力机制模型中，获得每个特征量的注意力权重参数；将所述输出向量汇总每个特征量与对应的注意力权重参数相乘，获得新的特征向量；将所述特征向量进行展开融合处理，获得一维特征向量；将所述一维特征向量输入至全连接层，获得预设的未来时刻的预测结果。进一步的，所述注意力机制模型中每个特征量的注意力权重参数的计算公式为：ei＝tanh(Whhi+bh)，ei∈[-1，1]其中，hi为输出向量H中的第i个特征量；ei为中间变量；Wh为上一次计算获得的注意力权重参数构成的权值矩阵；bh为偏置项；ai为特征量hi的注意力权重参数。进一步的，在获得预设的未来时刻的预测结果后，所述方法还包括：将训练获得的预测结果与实际值输入至预设的损失函数，并通过计算结果优化注意力权重参数。进一步的，在将所述电力数据输入至预先训练的AttentionLSTM预测模型前，对所述电路数据进行预处理；在将所述电力数据按时间序列输入至LSTM层进行特征量提取前，对所述历史的以及当前的电力数据进行预处理；所述预处理包括：对所述电力数据进行清洗，去除冗余数据，并按照预设数据类型进行格式转换的归一化处理，获得预设类型的电力数据；并将所述预设类型的电力数据存储在数据库中。进一步的，在将所述预设数据类型的电力数据输入至预先训练的AttentionLSTM预测模型后，所述方法还包括：对所述AttentionLSTM预测模型输出的预设的未来时刻的预测结果进行反归一化处理，获得原始数据类型的电力数据预测值。进一步的，所述对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施，包括：设定多个保障措施，并对所述保障措施对保障优先级进行排序；确认保障优先级最高的保障措施在所述端到端电力通信业务系统是否可应用；若能够应用当前保障措施，判断当前的保障措施是否有效；若有效，则维持该保障措施，并持续进行电力数据监控；若无效，则维持该保障措施，并对优先级下一顺序的保障措施是否可应用进行确认，并在可应用当前保障措施的情况下，判断当前的保障措施是否有效；若所述端到端电力通信业务系统无法应用该措施，则对优先级下一顺序的保障措施是否可应用进行确认。进一步的，所述保障措施按优先级顺序依次为：是否能优化光转换单元以及光放大器参数；是否能减少传输链路中光放大器数量；是否有备用路由，切换备用路由；是否能增加备用路由。进一步的，若所述可靠性保障措施无效，则根据电力数据生成业务受损报告，并按预设途径发送所述业务受损报告。所述一种端到端电力通信业务可靠性保障系统，所述系统包括：数据采集处理单元，所述数据采集处理单元用于实时采集业务接收端的电力数据；预测单元，所述预测单元用于将所述电力数据输入至预先训练的AttentionLSTM预测模型，获得预设的未来时刻的电力数据预测值；业务预警单元，所述业务预警单元用于将所述电力数据预测值与预设阈值进行对比；若所述电力数据预测值低于预设阈值，判断电力数据预测值存在风险；可靠性保障单元，所述可靠性保障单元用于在业务预警单元判断电力数据预测值存在风险时，对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；所述数据采集处理单元用于在可靠性保障单元实施业务可靠性保障措施后，再次对电力数据进行采集处理，并通过业务预警单元对预测单元预测的电力数据预测值进行再次对比，若电力数据预测值不再存在风险，则维持该保障措施。进一步的，所述系统还包括预测模型训练单元；所述数据采集处理单元用于采集业务接收端历史的以及当前的电力数据；所述预测模型训练单元用于对所述业务接收端历史的以及当前的电力数据按时间序列输入至LSTM层进行特征量提取，获得输出向量；所述预测模型训练单元用于将所述输出向量输入至注意力机制模型中，获得每个特征量的注意力权重参数；所述预测模型训练单元用于将所述输出向量汇总每个特征量与对应的注意力权重参数相乘，获得新的特征向量；所述预测模型训练单元用于将所述特征向量进行展开融合处理，获得一维特征向量；所述预测模型训练单元用于将所述一维特征向量输入至全连接层，获得预设的未来时刻的预测结果。进一步的，所述注意力机制模型中每个特征量的注意力权重参数的计算公式为：ei＝tanh(Whhi+bh)，ei∈[-1，1]其中，hi本文档来自技高网...

【技术保护点】
1.一种端到端电力通信业务可靠性保障方法，所述方法包括：/n步骤1，采集业务接收端的电力数据；/n步骤2，将所述电力数据输入至预先训练的Attention LSTM预测模型，获得预设的未来时刻的电力数据预测值；/n步骤3，将所述电力数据预测值与预设阈值进行对比；/n步骤4，若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；/n步骤5，重复步骤1至步骤3，若所述电力数据预测值高于预设阈值，则所述可靠性保障措施有效，维持该保障措施，并返回步骤1持续进行电力数据监控。/n

【技术特征摘要】
1.一种端到端电力通信业务可靠性保障方法，所述方法包括：
步骤1，采集业务接收端的电力数据；
步骤2，将所述电力数据输入至预先训练的AttentionLSTM预测模型，获得预设的未来时刻的电力数据预测值；
步骤3，将所述电力数据预测值与预设阈值进行对比；
步骤4，若所述电力数据预测值低于预设阈值，则对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施；
步骤5，重复步骤1至步骤3，若所述电力数据预测值高于预设阈值，则所述可靠性保障措施有效，维持该保障措施，并返回步骤1持续进行电力数据监控。


2.根据权利要求1所述的方法，其特征在于，所述AttentionLSTM预测模型的训练方法包括：
采集业务接收端历史的以及当前的电力数据；
将所述历史的以及当前的电力数据按时间序列输入至LSTM层进行特征量提取，获得输出向量；
将所述输出向量输入至注意力机制模型中，获得每个特征量的注意力权重参数；
将所述输出向量汇总每个特征量与对应的注意力权重参数相乘，获得新的特征向量；
将所述特征向量进行展开融合处理，获得一维特征向量；
将所述一维特征向量输入至全连接层，获得预设的未来时刻的预测结果。


3.根据权利要求2所述的方法，其特征在于，所述注意力机制模型中每个特征量的注意力权重参数的计算公式为：
ei＝tanh(Whhi+bh)，ei∈[-1，1]



其中，hi为输出向量H中的第i个特征量；ei为中间变量；Wh为上一次计算获得的注意力权重参数构成的权值矩阵；bh为偏置项；ai为特征量hi的注意力权重参数。


4.根据权利要求2所述的方法，其特征在于，在获得预设的未来时刻的预测结果后，所述方法还包括：
将训练获得的预测结果与实际值输入至预设的损失函数，并通过计算结果优化注意力权重参数。


5.根据权利要求2所述的方法，其特征在于：在将所述电力数据输入至预先训练的AttentionLSTM预测模型前，对所述电路数据进行预处理；
在将所述电力数据按时间序列输入至LSTM层进行特征量提取前，对所述历史的以及当前的电力数据进行预处理；
所述预处理包括：对所述电力数据进行清洗，去除冗余数据，并按照预设数据类型进行格式转换的归一化处理，获得预设类型的电力数据；并将所述预设类型的电力数据存储在数据库中。


6.根据权利要求5所述的方法，其特征在于：在将所述预设数据类型的电力数据输入至预先训练的AttentionLSTM预测模型后，所述方法还包括：
对所述AttentionLSTM预测模型输出的预设的未来时刻的预测结果进行反归一化处理，获得原始数据类型的电力数据预测值。


7.根据权利要求1所述的方法，其特征在于，所述对所述端到端电力通信业务系统进行分析，并按预设规则实施业务可靠性保障措施，包括：
设定多个保障措施，并对所述保障措施对保障优先级进行排序；
确认保障优先级最高的保障措施在所述端到端电力通信业务系统是否可应用；
若能够应用当前保障措施，判断当前的保障措施是否有效；
若有效，则维持该保障措施，并持续进行电力数据监控；
若无效，则维持该保障措施，并对优先级下一顺序的保障措施是否可应用进行确认，并在可应用当前保障措施的情况下，判断当前的保障措施是否有效；
若所述端到端电力通信业务系统无法应用该措施，则对优先级下一顺序的保障措施是否可应用进行确认。


8.根据权利要求7所述的方法，其特征在于：所述保障措施按优先级顺序依次为：
是否能优化光转换单元以及光放大器参数；
是否能减少传输链路中光放大器数量；
是否有备用路由，切换备用路由；
是否能增加备用路由。


9.根据权利要求1所述的方法，其特征在于：若所述可靠性保障措施无效，则根据电力数据生成业务受损报告，并按预设途径发送所述业务受损报告。


10.一种端到端电力通信业务可靠性保障系统，所述系统包括：
数据采集处理单元，所述数据采集处理单元用于实时采集业务接收端的电力数据；
预测单元，所述预测单元用于将所述电力数据输入至预先训练的Att...

【专利技术属性】
技术研发人员：张庚，王亚男，汪洋，丁慧霞，邢祥栋，赵永利，邱丽君，尹弘亮，张颉，柴继文，
申请(专利权)人：中国电力科学研究院有限公司，北京邮电大学，国网四川省电力公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：北京;11