一种基于机器学习的电力通信关键业务路由配置方法技术

本发明专利技术公开了一种基于机器学习的电力通信关键业务路由配置方法，其内容包括：根据电力通信骨干传输网拓扑、业务承载和光缆参数，建立链路状态矩阵；利用最短路径算法并结合业务路由配置历史数据产生数据集，为机器学习算法提供训练和测试条件；设计深度神经网络的结构，针对电力通信骨干传输网的每个节点分别训练机器学习模型；给定关键业务路由配置请求，利用机器学习模型，计算当前节点及其相邻节点的路径特征向量，选择最佳相邻节点作为下一跳节点。从源节点开始逐点循环执行上述过程，直到目的节点为止。本发明专利技术有助于电力通信关键业务路由的综合优化配置，提高业务可靠性，实现电力光缆业务的负载均衡，降低电力通信业务的运行风险。运行风险。运行风险。

【技术实现步骤摘要】
一种基于机器学习的电力通信关键业务路由配置方法


[0001]本专利技术涉及电力通信
，具体为一种基于机器学习的电力通信关键业务路由配置方法。

技术介绍

[0002]电力通信关键业务包括线路继电保护、安全稳定控制、调度数据网和调度程控交换网等多种类型，通常利用电力通信骨干传输网承载。业务路由的优化配置是保证关键业务质量的重要手段。关键业务路由配置方法的基本要求，是根据电力通信骨干传输网的拓扑结构和光缆资源，对业务路由进行优化配置，使业务路径的整体性能指标达到最优。随着电力通信骨干传输网的规模不断扩大和网络复杂度不断提高，关键业务路由的优化配置方法面临着诸多挑战。
[0003]通常电力通信业务的局部路由，借助于网管系统基于最短路径算法实现路由配置，而业务的整体路由则借助于人工操作，凭借工程实践经验实现配置。这种业务路由配置方式效率偏低，配置结果难以保证整体最优，难以适应电力通信骨干传输网的业务发展要求。在理论研究方面，相关研究工作将电力通信骨干传输网进行高度抽象，对电力光缆的诸多特征信息进行简化，在高度理想化的条件下，利用图论进行业务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的电力通信关键业务路由配置方法，其特征在于，包括以下步骤：S1：根据电力通信骨干传输网拓扑、业务承载和光缆参数，建立链路状态矩阵；S2：利用最短路径算法并结合业务路由配置历史数据产生数据集，为机器学习算法提供训练和测试条件；S3：根据业务路由配置功能需求，设计深度神经网络架构，在所产生的数据集基础上，针对电力通信骨干传输网的每个节点，分别训练机器学习模型，并进行测试；S4：给定关键业务路由配置请求，利用机器学习模型计算当前节点及其相邻节点的路径特征向量；S5：选择最佳相邻节点作为下一跳节点，从源节点开始逐点循环执行上述过程，直到目的节点为止。2.根据权利要求1所述的一种基于机器学习的电力通信关键业务路由配置方法，其特征在于，S1中电力通信骨干传输网拓扑是指网络拓扑结构信息；业务承载是指线路继电保护、安全稳定控制、调度数据网和调度程控交换网的关键业务在传输网上的承载信息；光缆参数包括：光缆类型、电压等级、运行年限和光缆长度；S1中所述链路状态矩阵S＝{s
ij
}
n
×
m
表示关键业务路由配置算法需要的网络拓扑信息和光缆属性参数，链路与光缆具有一一对应关系，链路数量为n个，每条链路的状态参数有m个，链路状态矩阵S的每一行代表一条链路的完整状态信息，第i条链路状态的行向量表示为l
i
＝[u
i
,v
i
,w
i
,n
b,i
,K
V,i
,K
λ,i
,λ
c,i
,t
i
,t
0,i
,L
i
]其中，u
i
为链路起点；v
i
为链路终点；w
i
为链路权重；n
b,i
为链路已经承载的业务数；K
V,i
为光缆电压等级系数；K
λ,i
为光缆每年的老化系数；λ
c,i
为光缆运行稳定阶段的失效率；t
i
为光缆实际运行年限；t
0,i
为光缆稳定运行年限；L
i
为光缆长度。3.根据权利要求1所述的一种基于机器学习的电力通信关键业务路由配置方法，其特征在于，S2中利用最短路径算法并结合业务路由配置历史数据产生数据集，具体包括三种路径，分别为：可靠性最高路径、跳数最少路径和负载均衡度最佳路径；其中，可靠性最高路径的产生方法，是将链路可靠性转换为不可靠性求和问题，然后，利用最短路径算法，求解不可靠性最小的路径，以此来近似表示可靠性最高路径，根据链路状态矩阵，链路可靠性计算公式为R
i
＝1
‑
τ
·
λ
i
·
L
i
其中，τ为光缆中断后的平均修复时间；L
i
为光缆长度；λ
i
为单位公里光缆的失效率1/小时，进一步表示为λ
i
＝K
V,i
·
(λ
c,i
+K
λ,i
·
max{(t
i
‑
t
0,i
),0})式中的全部参数取自链路状态矩阵S的行向量l
i
，假设电力光缆具有非常高的运行可靠性，则业务路径的不可靠性近似等于路径中每条链路的不可靠性之和，即其中，p为路径的链路集合；跳数最少路径是通过令链路权重w
i
＝1，在给定关键业务路由配置请求条件下，利用最短路径算法求解跳数最少路径；
负载均衡度最佳路径，通过计算链路负载均衡指数，利用最短路径算法，求解路径中链路负载均衡指数之和最小得到，设光缆现有业务数量为n
b,i
，利用下式计算链路负载均衡指数b
i
＝1
‑
exp(
‑
c
·
(n
b,i
+ε)),n
b,i
≥0其中，c为比例系数，c∈[0.004,0.006]；ε为偏移量，ε∈(0,0.001]；在网络拓扑保持不变的条件下，利用最短路径算法并结合业务路由配置历史数据，对初始样本数据进行调整和完善，得到正式数据集，正式样本数据集按网络节点特征，分解成节点样本数据集，节点样本数据集用来训练和测试单个节点的机器学习模型，其中的训练样本数据占80％，测试样本数据占20％。4.根据权利要求1所述的一种基于机器学习的电力通信关键业务路由配置方法，其特征在于，S3中所述设计深度神经网络架...

【专利技术属性】
技术研发人员：王慧芳，张建亮，张丽霞，王美丽，
申请(专利权)人：国网山西省电力公司信息通信分公司，
类型：发明
国别省市：