一种基于卷积神经网络的电力通信劣质环网拓扑识别方法技术

本发明专利技术公开了一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，首先将电力通信光缆网架结合地理信息和自然灾害多发区域信息，形成背景地图。在背景地图上随机生成环网拓扑，构成环网图像。根据网络抗毁性原理，人工标记环网图像的质量。重复上述过程，生成满足需求的CNN训练数据集；然后，以环网图像数据为输入，环网拓扑质量指标为输出，构建CNN模型。对CNN模型进行训练，并达到精度要求；最后，给定任意环网图像，利用训练好的CNN模型，实现电力通信劣质环网拓扑的识别。本发明专利技术有助于电力通信运行管理部门，优化设计环网拓扑结构，降低网络运行风险，提高电力通信业务抗灾的能力。力。力。

【技术实现步骤摘要】
一种基于卷积神经网络的电力通信劣质环网拓扑识别方法


[0001]本专利技术涉及电力通信
，具体为一种基于卷积神经网络的电力通信劣质环网拓扑识别方法。

技术介绍

[0002]为了保障电力通信业务的可靠性和连续性，电力通信传输网通常采用自愈环结构支撑节点间业务的开通。自愈环以逻辑拓扑的方式在电力光缆物理网架结构之上进行规划，而电力通信传输网业务则沿规划好的环网拓扑进行部署。当网络出现多点失效时，环网保护方式将不能保障全部业务正常工作。网络多点失效主要有两个原因导致，分别为部件自身的老化和运行环境的破坏。部件老化可以通过冗余设计提高可靠性，降低失效概率；而运行环境的破坏多以自然灾害的形式出现，通过加强网络设备的安全防护来降低灾害影响程度。虽然网络设备安全防护措施在一定程度上提高了网络设备的可靠性，但是，电力光缆的可靠性与光缆敷设方式密切相关，自然灾害对光缆运行状态的影响更为显著。因此，在给定光缆网架结构和自然地理环境条件下，电力通信环网拓扑的规划需要重点考虑自然灾害多发区对环网业务可靠性的影响。
[0003]在实际工程中，电力通信传输网的环网规划主要借助网管系统由人工来完成，重点考虑网络资源的逻辑关系，没有充分利用网络运行的地理信息，更没有关注自然灾害多发区域对环网抗毁性的影响。因此，实际部署的部分电力通信环网拓扑存在结构不尽合理，可靠性和安全性偏低的问题。当灾害发生时，电力通信网络存在业务中断的风险。为了提高电力通信业务的可靠性和安全性，降低网络运行风险，有必要对所规划的劣质环网拓扑进行快速、高效、准确的识别，以便充分考虑自然灾害多发区域的影响，调整业务路径，优化环网结构，提高电力通信业务连续性。
[0004]在理论研究方面，电力通信环网拓扑优化方法主要建立在理想的自然灾害风险模型基础之上。理论模型的不足之处在于对实际网络高度抽象，对网络运行的复杂地理环境过于简化，而使研究结果不能准确反映工程实际情况。另一方面，如果理论研究充分考虑网络实际和地理环境的多样性，那么，基于模型的优化算法也会变得过于复杂，算法求解需要占用过多运算资源，花费更多的运算时间。
[0005]卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络，卷积神经网络(CNN)是典型的基于数据驱动的机器学习算法，可有效实现图像的分类和预测。目前在电力通信网环网规划与设计方面，还没有与本申请技术方案相关联的技术被公开。

技术实现思路

[0006]本专利技术的目的在于提供一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，利用CNN强大的图像处理能力，可高效准确识别劣质环网拓扑，避免网络存在高风险的劣质环，有助于环网拓扑结构的优化设计，提高环网对自然灾害的抗毁性，降低电力通信业
务的运行风险，解决电力通信网规划与设计中的相关问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，包括以下步骤：
[0009]S1：将电力通信光缆网架与地理信息和自然灾害多发区域信息结合，形成背景地图；
[0010]S2：在背景地图上随机生成环网拓扑，构成环网图像；
[0011]S3：根据网络抗毁性原理，人工标记环网图像的质量；
[0012]S4：重复上述过程，生成满足需求的CNN训练数据集；
[0013]S5：以环网图像数据为输入，环网拓扑质量指标为输出，构建CNN模型，对CNN模型进行训练，并达到精度要求；
[0014]S6：给定任意环网图像，利用训练好的CNN模型，实现电力通信劣质环网拓扑的识别。
[0015]更进一步地，S1中背景地图生成具体过程如下：
[0016]S101：根据电力通信光缆的网架结构，初步确定电力通信网络的覆盖区域，明确光缆的物理拓扑；
[0017]S102：利用地理信息确定电力通信网在覆盖区域内的节点坐标和光缆走向；
[0018]S103：对覆盖区域内自然灾害发生情况进行统计分析，确定自然灾害中心、影响范围和发生频次的数据，并用不同颜色等级绘制在网络覆盖区域中，形成背景地图；在背景地图中，自然灾害多发区域为红色，其颜色深浅由灾害强度和发生频次的乘积决定；自然灾害多发区以外的其他区域为淡黄色。
[0019]更进一步地，S2中环网图像生成过程包括：在电力通信光缆网架结构基础上，随机选择两个节点，采用不交化双路由算法，生成环网拓扑结构，将环网拓扑用深蓝色粗实线，叠加绘制在背景地图上，该图像作为CNN模型学习、训练和推理的数据对象。
[0020]更进一步地，S3中环网图像人工标记过程包括：领域专家利用网络抗毁性原理，结合自身的可靠性环网规划经验，对环网图像中的环网拓扑质量，从抗毁性的角度进行评估，并将评估结果作为监督学习的估计值，人工标记到数据对象中。
[0021]更进一步地，S4中为了满足CNN模型的训练需求，需要生成足够数量且人工标记过的环网图像，算法需要重复改变自然灾害多发区域信息，随机产生不同的环网拓扑结构，以便生成足够数量的环网图像样本数据。
[0022]更进一步地，S5中构建CNN模型是指设计CNN模型结构，其包括：输入层、卷积层、池化层、全连接层和输出层；输入层和输出层各有一个，卷积层和池化层可以灵活组合，且可以出现多次，全连接层可以有多个；根据问题复杂度，CNN中各隐含层的数量可优化设计，其输入层的输入数据是环网图像，输出层的输出变量是环网拓扑质量指标；质量指标用向量表示为
[0023]I＝[a1,a2,a3,a4,a5][0024]其中，a
i
∈[0,1]，i＝1,2,...,5，且有，
[0025]a1表示环网拓扑质量最好；a3表示环网拓扑质量中等；a5表示环网拓扑质量最差；a2介于a1和a3之间；a4介于a3和a5之间。
[0026]更进一步地，S5中对CNN模型进行训练，具体方法如下：
[0027]S501：将S1中生成的环网图像样本数据集按照8:2的原则分为训练集和测试集；
[0028]S502：对所设计的CNN模型进行训练，如果训练过程在给定的最大循环次数以内达到所要求的模型精度，则CNN模型训练成功；否则，注明精度没有达到要求，并给出实际精度。
[0029]更进一步地，S6中给定任意环网图像是指按照S1中的方法生成的环网图像，将给定环网图像作为CNN模型的数据输入，经过CNN运算，得到环网拓扑质量指标向量的输出，质量指标向量中数值最大元素所对应的环网拓扑质量等级对应电力通信劣质环网拓扑的识别结果。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]1、本专利技术提供的基于卷积神经网络的电力通信劣质环网拓扑识别方法，利用训练的CNN模型，识别电力通信环网相对于自然灾害多发区域的拓扑性能，增强了环网规划设计的智能化水平。
[0032]2、本专利技术提供的基于卷积神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，其特征在于，包括以下步骤：S1：将电力通信光缆网架与地理信息和自然灾害多发区域信息结合，形成背景地图；S2：在背景地图上随机生成环网拓扑，构成环网图像；S3：根据网络抗毁性原理，人工标记环网图像的质量；S4：重复上述过程，生成满足需求的CNN训练数据集；S5：以环网图像数据为输入，环网拓扑质量指标为输出，构建CNN模型，对CNN模型进行训练，并达到精度要求；S6：给定任意环网图像，利用训练好的CNN模型，实现电力通信劣质环网拓扑的识别。2.如权利要求1所述的一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，其特征在于：S1中背景地图生成具体过程如下：S101：根据电力通信光缆的网架结构，初步确定电力通信网络的覆盖区域，明确光缆的物理拓扑；S102：利用地理信息确定电力通信网在覆盖区域内的节点坐标和光缆走向；S103：对覆盖区域内自然灾害发生情况进行统计分析，确定自然灾害中心、影响范围和发生频次的数据，并用不同颜色等级绘制在网络覆盖区域中，形成背景地图；在背景地图中，自然灾害多发区域为红色，其颜色深浅由灾害强度和发生频次的乘积决定；自然灾害多发区以外的其他区域为淡黄色。3.如权利要求1所述的一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，其特征在于：S2中环网图像生成过程包括：在电力通信光缆网架结构基础上，随机选择两个节点，采用不交化双路由算法，生成环网拓扑结构，将环网拓扑用深蓝色粗实线，叠加绘制在背景地图上，该图像作为CNN模型学习、训练和推理的数据对象。4.如权利要求1所述的一种基于卷积神经网络的电力通信劣质环网拓扑识别方法，其特征在于：S3中环网图像人工标记过程包括：领域专家利用网络抗毁性原理，结合自身的可靠性环网规划经验，对环网图像中的环网拓扑质量，从抗毁性的角度进行评估，并将评估结果作为监督学习的估计值，人工标记到数据对象中。5...

【专利技术属性】
技术研发人员：张军，尹立夫，程紫运，王仕俊，王洲，迟昆，李媛，李天婷，陈兆雁，姚雯倩，赵宇洋，
申请(专利权)人：国网甘肃省电力公司国家电网有限公司，
类型：发明
国别省市：