【技术实现步骤摘要】
基于通信网故障智能感知与预警模型的构建方法
本专利技术涉及电力通信网信息化、自动化、智能化维护
，尤其涉及一种基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法。
技术介绍
电力通信网为电力生产的运行提供支撑，是电力行业的关键性基础设施之一，其运行的稳定性、可靠性直接关系到整个电网的生产运行。随着公司发展和电网建设步伐不断加快，公司通信网将在容量、结构、覆盖范围、承载能力、总体规模、可靠性、智能化、集约化等方面，同以往相比都有很大的发展，这对通信网络的安全风险管理，对大规模通信网络的管控能力提出了更高的要求，如何减少电力通信故障次数，提高故障的处理效率，缩短故障处理时间是目前有待完善的问题。故障预警分析是从传统的被动运维变主动运维，从而提高网络运维效率，减少网络故障，是保证电力业务正常运行的有效手段，而目前国内外对于电力通信网预警研究和应用基本处于空白，缺乏能够对通信网络进行准确、实时分析的故障预警管理系统。因此对于电力通信网故障预警的研究和应用具有重要意义。但随着我国经济的快速发展，电力需求量在持续...
【技术保护点】
1.一种基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，具体包括以下步骤：/nS1获取数据：选取通信网络的固定时间段的数据作为输入数据；/nS2数据预处理：对输入数据进行预处理，获得预处理数据；对预处理数据进行切片划分为N个区域，从而获得N个特征矩阵；/nS3模型训练：将所述N个特征矩阵分别输入神经网络中进行训练，训练完成后输出故障预测数据；再将N个特征矩阵按照时间顺序分别输入基于改进深度强化学习的通信网故障智能感知与预警模型进行训练，输出模型，并结合故障预测数据进行预警分析，获得预警分析结果。/n
【技术特征摘要】
1.一种基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，具体包括以下步骤：
S1获取数据：选取通信网络的固定时间段的数据作为输入数据；
S2数据预处理：对输入数据进行预处理，获得预处理数据；对预处理数据进行切片划分为N个区域，从而获得N个特征矩阵；
S3模型训练：将所述N个特征矩阵分别输入神经网络中进行训练，训练完成后输出故障预测数据；再将N个特征矩阵按照时间顺序分别输入基于改进深度强化学习的通信网故障智能感知与预警模型进行训练，输出模型，并结合故障预测数据进行预警分析，获得预警分析结果。
2.根据权利要求1所述的基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，还包括步骤S4仿真分析：仿真电力通信网的五个子网区域模型，获得基于改进深度强化学习的通信网故障智能感知与预警模型的准确率和召回率。
3.根据权利要求2所述的基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，所述步骤S1中的输入数据为包括性能数据、状态量、告警数据组成的原始特征高维矩阵。
4.根据权利要求3所述的基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，所述步骤S2具体为：首先对输入数据进行预处理，其中预处理采用的方法包括：利用取前后均值的方法补全缺失的性能及环境的量化数据、缺陷单文本关键词抽取方法进行处理和告警频闪处理，获得预处理数据；再根据告警信号重要性进行切分为N个区域，得到N个特征矩阵。
5.根据权利要求4所述的基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，所述步骤S3中的神经网络为LSTM神经网络，LSTM神经网络包括输出层、隐藏层和输入层，通过sigmod层控制保留的信息和遗忘的信息，通过tanh层控制输入和输出，以达到记忆长时信息的目的；所述基于改进深度强化学习的通信网故障智能感知与预警模型采用改进的深度强化学习，模型训练方式为在不同状态s下执行不同动作a，已达到下一个状态s’，为了加快算法收敛速度，多个区域的深度强化学习可分多次进行。
6.根据权利要求4所述的基于改进深度强化学习的通信网故障智能感知与预警模型的构建方法，其特征在于，所述步骤S3具体为：
S31：将步骤S2中获得的N个特征矩阵输入LSTM神经网络中进行训练，采用缺陷单数据对故障标注后进行学习训练，训练数据量为总数据量的三分之二，剩余数据用作验证数据，获得故障预测数据；
S32：将步骤S2中获得的N个特征矩阵分别输入基于改进深度强化学习的通信网故障智能感...
【专利技术属性】
技术研发人员：缪巍巍，吴海洋，顾彬，戴勇，蒋春霞，
申请(专利权)人：国网江苏省电力有限公司信息通信分公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。